原文传递
基于深度学习的车牌识别算法研究
| 论文题名： | 基于深度学习的车牌识别算法研究 |
| 关键词： | 车牌识别;深度学习;相似字符;卷积神经网络;智能交通系统 |
| 摘要： | 对于智能交通系统，车牌识别技术是最为基础也是非常关键的一个功能。近年来特定环境下的车牌识别技术已经达到了很高的精度。但是车牌识别是一种对外部光照环境比较敏感的技术。在一些光照环境不好、拍摄距离远且角度不正、夜间大灯等复杂环境影响下，会严重影响车牌图像质量。从而导致车牌字符退化，影响识别率。论文结合近年来的深度学习理论展开车牌识别研究，主要工作如下： 1.对于车牌相似字符识别问题，提出了基于深度学习的特征提取和识别方法。该方法首先对字符图像进行归一化处理。然后以归一化后的图像为输入，构建五层深度网络对相似字符由低层到高层的特征表达。在特征提取层定义上采用对字符边缘特征敏感的卷积函数，从而能够对相似字符的局部差异进行分析。实验分析表明，和支持向量机等传统方法相比较，论文算法能够显著提高相似字符识别准确率。 2.针对车牌多字符识别效率问题，提出了集成深度学习的多层次车牌识别系统。算法首先采用支持向量机对字符进行统计分类。然后对相似字符时采用卷积神经网络进行识别优化，得到车牌识别结果。实验结果表明该方法不仅能够保证车牌字符整体识别率，而且避免了全部采用深度网络所导致的识别速度慢问题。 3.设计和实现车牌识别系统。在上述算法研究基础上，设计实现了车牌识别系统。系统通过动态链接库技术完成车牌识别核心算法的定义，方便二次开发和应用接口。然后构建车牌识别应用，实现图像的导入和识别。 |
| 作者： | 王恒 |
| 专业： | 计算机科学与技术 |
| 导师： | 潘翔 |
| 授予学位： | 硕士 |
| 授予学位单位： | 浙江工业大学 |
| 学位年度： | 2017 |
| 正文语种： | 中文 |
检索历史
应用推荐
