基于深度学习的实时车牌检测与识别

作者：孙世昕; 马蕾; 李千目; 张伟斌^*

来源：现代交通与冶金材料, 2022, 2(04): 61-67.

• 车牌识别
• 深度学习
• 随机暗化处理
• 端到端网络

深度学习已被广泛应用于车牌识别领域，但受限于光照条件对识别精度的影响，在夜间场景下的识别精度不高，且需要外界灯光的辅助。针对该问题，通过在数据预处理阶段引入随机暗化处理的手段，在原数据集的基础上模拟夜间效果，扩大样本数量，使得最终模型具有更好的光照鲁棒性。此外，因网络层数的不断增加，现有算法的识别速度很难满足实时识别，且对硬件性能提出了较高的要求。为在保证精度的同时有效提升算法的识别速度，通过构建二级级联定位网络Tiny-MTCNN(Tiny-Multi task convolutional neural network)，结合关键点的初步区域提取和精确回归定位，减少网络层数。最终在测试环节，算法的平均识别精度达到96.5%，而在夜间场景下的精度显著提升至96.1%（提高2.7%）。另一方面，由于网络结构的优化，在精度略有损失（平均下降0.6%）的代价下，算法的识别速度显著提升了44.67%。

• 单位
  南京理工大学