基于卷积神经网络的解扭曲车牌检测识别方法

作者：王昆; 王晓峰; 刘轩; 郝潇

来源：计算机工程与设计, 2021, 42(11): 3225-3231.

DOI：10.16208/j.issn1000-7024.2021.11.030

• 车牌检测与识别
• 卷积神经网络
• 空间变换网络
• 解扭曲
• 光学字符识别

为提高车牌检测与识别的适应性,增强系统性能,提出一种基于检测解扭曲-卷积神经网络(DU-CNN)方法。运用已有技术进行车辆检测;利用YOLO空间变换网络理念,提出一种变型的卷积神经网络DU-CNN,该网络学习对发生各种不同形变的车牌进行检测,通过对仿射变化的系数进行回归,将发生形变的车牌重新解扭曲为接近正前方视角的矩形,通过光学字符识别(OCR)方法得到最终结果。为增强训练数据集,数据集由真实数据与人工合成数据混合组成。实验结果表明,所提方法具有较好的识别精度,在困难数据集中优于一些商用系统,稳定性较佳。

• 单位
  国网山西省电力公司检修分公司; 电子工程学院