车牌定位及车辆特征识别研究

• 作者: 曹从咏 杨莹 董浩
• 来源期刊: 交通信息与安全
• 学科: 交通运输
• 关键词: 智能交通 形态学 车牌定位 车辆识别 机器学习 深度学习 迁移学习 深度特征
• 年，卷（期）: 2017,（4）
• 所属期刊栏目: 交通信息工程与控制
• 页码范围: 63-68
• 页数: 6页
• 分类号: U412
• 字数: 3882字
• 语种: 中文
• DOI: 10.3963/j.issn.1674-4861.2017.04.008

摘要

车牌定位及车辆识别是智能交通管理的主要研究问题.车牌定位识别,通过对图像进行预处理并结合形态学能粗略获取候选车牌位置,对符合特征的候选车牌进行筛选,精确获取车牌位置,最后采用神经网络完成字符识别过程.车辆识别采用迁移学习,采用AlexNet卷积神经网络构造出深度特征向量.形态学能够应对灰度底质量差的情形,为字符识别提供保障.车辆识别时对比直接分类图片特征,迁移学习构造的深度特征分类精度为85.13%,提高了38%,验证了迁移学习的有效性,通过KNN算法表明深度特征能够表征图片属性.针对新数据集重新提取特征、训练样本将消耗大量时间,对比迁移学习和AlexNet框架发现分类精度持平,表明了迁移学习的鲁棒性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	曹从咏	南京理工大学自动化学院	39	256	9.0	15.0
2	董浩	南京理工大学自动化学院	5	19	2.0	4.0
3	杨莹	南京理工大学自动化学院	6	35	4.0	5.0