基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
当前车牌识别的研究大都是针对正常环境进行的,对于复杂环境下的车牌难以达到识别要求.本文提出一种用BP神经网络构造并行神经网络的车牌字母和数字识别方法,利用PVM网络在虚拟并行平台上实现了并行神经网络,最后对复杂现场环境下获取的车牌进行了实验.实验结果证明,该算法具有良好的性能,能在28ms内实时准确的识别车牌字母和数字.
推荐文章
卷积神经网络在车牌识别中的应用研究
车牌识别
卷积神经网络
支持向量机
改进LeNet-5卷积网络
深度学习
基于SVM的车牌字符识别算法研究
支持向量机
车牌字符识别
分类器设计
车牌识别中基于Rough集理论的字符识别
Rough集
车牌识别
特征选择
二进制可辨矩阵
一种基于分级神经网络的车牌字符识别新方法
车牌识别
径向基函数神经网络
二级网络
识别率
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 复杂环境中的车牌字母和数字识别研究
来源期刊 微型电脑应用 学科 工学
关键词 牌照识别 BP神经网络 并行神经网络 PVM网络
年,卷(期) 2006,(3) 所属期刊栏目 研究与设计
研究方向 页码范围 7-8,25
页数 3页 分类号 TP391.41
字数 2219字 语种 中文
DOI 10.3969/j.issn.1007-757X.2006.03.003
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 陈三宝 武汉理工大学自动化学院 27 204 8.0 13.0
2 周开军 武汉理工大学自动化学院 3 75 2.0 3.0
3 王中华 武汉理工大学自动化学院 1 2 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (5)
共引文献  (53)
参考文献  (3)
节点文献
引证文献  (2)
同被引文献  (0)
二级引证文献  (0)
1981(1)
  • 参考文献(1)
  • 二级参考文献(0)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(2)
  • 参考文献(0)
  • 二级参考文献(2)
2000(3)
  • 参考文献(1)
  • 二级参考文献(2)
2002(1)
  • 参考文献(1)
  • 二级参考文献(0)
2006(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2009(1)
  • 引证文献(1)
  • 二级引证文献(0)
2017(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
牌照识别
BP神经网络
并行神经网络
PVM网络
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
微型电脑应用
月刊
1007-757X
31-1634/TP
16开
上海市华山路1954号上海交通大学铸锻楼314室
4-506
1984
chi
出版文献量(篇)
6963
总下载数(次)
20
总被引数(次)
28091
论文1v1指导