基于卷积神经网络的车牌字符识别

• 作者: 杨泽静 董峻妃 郑伯川
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 深度学习 车牌字符识别 卷积神经网络 智能交通 图像预处理
• 年，卷（期）: 2017,（7）
• 所属期刊栏目: 人工智能
• 页码范围: 2014-2018
• 页数: 5页
• 分类号: TP183|TP391.413
• 字数: 4864字
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2017.07.2014

摘要

车牌字符识别是智能车牌识别系统中的重要组成部分.针对车牌字符类别多、背景复杂影响正确识别率的问题,提出了一种基于卷积神经网络(CNN)的车牌字符识别方法.首先对车牌字符图像进行大小归一化、去噪、二值化、细化、字符区域居中等预处理,去除复杂背景,得到简单的字符形状结构;然后,利用所提出的CNN模型对预处理后的车牌字符集进行训练、识别.实验结果表明,所提方法能够达到99.96％的正确识别率,优于其他三种对比方法.说明所提出的CNN方法对车牌字符具有很好的识别性能,能满足实际应用需求.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郑伯川	西华师范大学数学与信息学院	26	277	5.0	16.0
2	杨泽静	西华师范大学数学与信息学院	3	65	1.0	3.0
3	董峻妃	西华师范大学数学与信息学院	2	64	1.0	2.0