采用视觉显著性和卷积网络的车牌定位算法

• 作者: 侯向宁 刘华春
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 视觉显著性 卷积神经网络 车牌定位 深度学习 分类 车牌识别 AlexNet网络
• 年，卷（期）: 2019,（6）
• 所属期刊栏目: 智能、算法、系统工程
• 页码范围: 74-78
• 页数: 5页
• 分类号: TP391
• 字数: 3922字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2019.06.016

摘要

针对传统的车牌定位方法存在对环境要求高,容易受干扰,鲁棒性不强等不足,提出将视觉显著性与卷积神经网络相结合应用于车牌定位,设计了一种车牌定位方法.该方法包含2个阶段,第1阶段为提取车牌候选区域,将视觉注意机制引入车牌定位过程,采用自下而上的模型,提取出车辆图像中具有显著特征的车牌区域.采用视觉显著性算法,实现车牌候选区域的快速定位和提取,避免了在车辆图像的各个区域进行扫描.第2阶段为车牌识别,将深度卷积神经网络应用于车牌区域识别,实现候选区域中非车牌和车牌的准确分类.实验结果表明,该方法性能优异,大幅降低了车牌区域漏检率,鲁棒性强,定位准确率比数字图像方法提高约5％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘华春	成都理工大学工程技术学院电子信息与计算机工程学院	31	167	7.0	12.0
2	侯向宁	成都理工大学工程技术学院电子信息与计算机工程学院	15	31	3.0	5.0