摘要: |
神经网络模式识别是近几年来兴起的模式识别领域的一个重要的研究方向。神经网络是一个高度并行的、非线性的、具有很高冗余度的系统,这种系统结构使知识的表达与存储,使模式信息处理过程,都与传统的模式识别方法有很大差别。它所具有的高度非线性,能表达一些至少是目前尚无法用计算理论表达清楚的外部世界模型;同时,神经网络所具有的自学习,自组织能力使我们能在与外部世界的交互作用下,实现无法用当前的计算理论表达清楚的功能;对于那些无法建立精确数学模型的系统,神经网络有着独特的优势。
车牌识别技术LPR是智能交通中的关键技术之一。以自动识别车牌号码为基础。可以对车辆进行自动登记、验证、监视、报警,进而可以应用在多重场合,如高速公路收费系统;道路、卡口监控系统;小区、停车场收费、监控系统;车流统计、引导系统等。
随着自动化水平的不断提高,在智能交通管理和监控系统中,人们对车牌识别系统的准确性不断提出新的要求,因此把二者进行有机的结合具有一定的理论意义和实践价值。
选择基于前向神经网络的模式识别技术作为识别的方法,以车牌字符作为被识别对象,进一步研究在有干扰信号情况下的车牌识别问题,以提高车牌识别系统的整体识别率。
对传统的神经网络识别算法进行改进,提出通过扩展隐含层数量,以增加神经网络的容量,从而进一步提高网络的识别率的方法。
|