科研之友
微信
新浪微博
Facebook
分享链接
摘要
车牌识别是智能交通系统中的关键步骤，为提高在非可控和复杂场景下车牌的识别精度，提出了一种鲁棒车牌识别方法，该方法主要包括车牌检测和车牌字符识别2个核心部分。首先，采用YOLOv5网络实现车牌的检测；其次，基于递归卷积神经网络框架，提出了一种基于可变形卷积和自适应二维位置编码(A2DPE)的车牌字符识别方法。该方法针对车牌大小、倾斜角度和光照条件等动态变化的特点，采用了可变形卷积来更好地提取车牌字符的特征，并引入了A2DPE模块，根据输入自适应地获取车牌字符位置编码信息。最后，利用双向长短期记忆网络进行车牌字符的识别，无须分割车牌字符，可以实现不同长度车牌字符的准确识别。在自建数据集LPdata与公开数据集CLPD上的实验结果表明，与现有方法相比，该方法能够以较低的模型复杂度达到较高的准确率。
- 单位
