基于机器学习的车牌识别技术研究

• 作者: 李良荣 李震 陈政 顾平
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 隧道 机器学习 智能交通 车牌识别 SVM MATLAB
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 智能、算法、系统工程
• 页码范围: 13-18
• 页数: 6页
• 分类号: TP39
• 字数: 4710字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2020.06.003

摘要

随着经济的快速发展和城市扩张,交通量逐年增加,交通管理也变得复杂多样.针对隧道环境下高速行驶车辆的车牌识别问题,提出了一种车牌分割和识别的算法.算法分为四个部分:图像预处理,车牌定位,车牌分割和字符识别.采用选择更新法拦截行车辆视频进行关键帧处理;在车牌定位中选用边缘检测与形态学相结合的算法,以消除噪声干扰,提高定位准确率;又用阈值分割法进行字符分割,以解决投影分割法等传统算法出现的字符黏贴和汉字不连通等问题;再通过HOG算法对分割后的字符图像进行特征提取,基于SVM算法实现字符识别.针对训练模型,则采用PSO算法对SVM分类器的参数设置进行优化,以获得最佳分类精度.利用MATLAB平台对优化后的SVM算法进行检验,通过实验数据说明该方法能够提高字符识别的准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李良荣	贵州大学大数据与信息工程学院	58	261	10.0	13.0
2	顾平	贵州大学大数据与信息工程学院	12	41	4.0	6.0
3	陈政	贵州大学大数据与信息工程学院	6	14	3.0	3.0
4	李震	贵州大学大数据与信息工程学院	21	76	5.0	8.0