基于卷积神经网络LeNet-5的车牌字符识别研究

作者：赵志宏; 杨绍普; 马增强

来源：系统仿真学报, 2010, 22(03): 638-641.

DOI：10.16182/j.cnki.joss.2010.03.040

• 字符识别
• 车牌识别
• 卷积神经网络
• LeNet-5 character recognition
• license plate recognition
• convolutional neural network
• LeNet-5

将卷积神经网络LeNet-5引入到车牌字符识别中。为了适应目前中国车牌字符识别的需要,对传统的卷积神经网络LeNet-5的结构进行了改进,主要是改变输出单元的个数与增加卷积层C5特征图的个数。研究结果表明,改进后的LeNet-5比传统的LeNet-5的识别率有所提高,识别率达到98.68%。另外,与BP神经网络进行了比较研究,从实验中可以看出在字符识别的正确率和识别速度上都优于BP神经网络。卷积神经网络在车牌识别中具有很好地应用前景。

• 单位
  石家庄铁道学院; 北京交通大学