采用视觉显著性和卷积网络的车牌定位算法

作者：刘华春; 侯向宁

来源：计算机技术与发展, 2019, 29(06): 74-78.

• 视觉显著性
• 卷积神经网络
• 车牌定位
• 深度学习
• 分类
• 车牌识别
• AlexNet网络

针对传统的车牌定位方法存在对环境要求高,容易受干扰,鲁棒性不强等不足,提出将视觉显著性与卷积神经网络相结合应用于车牌定位,设计了一种车牌定位方法。该方法包含2个阶段,第1阶段为提取车牌候选区域,将视觉注意机制引入车牌定位过程,采用自下而上的模型,提取出车辆图像中具有显著特征的车牌区域。采用视觉显著性算法,实现车牌候选区域的快速定位和提取,避免了在车辆图像的各个区域进行扫描。第2阶段为车牌识别,将深度卷积神经网络应用于车牌区域识别,实现候选区域中非车牌和车牌的准确分类。实验结果表明,该方法性能优异,大幅降低了车牌区域漏检率,鲁棒性强,定位准确率比数字图像方法提高约5%。

• 单位
  成都理工大学工程技术学院