针对传统车牌识别方法在复杂环境下识别准确率不高和过程繁杂的问题,提出一种基于U-Net和CNN的车牌检测和识别的深度学习模型,首先通过U-Net模型进行车牌定位,然后采用透视变换方法对倾斜较大或者形变的车牌实现车牌矫正,最后通过改进的CNN模型对车牌区域进行车牌识别,其识别率为97.5%。实验结果表明该算法在复杂环境下能够精准识别。
科研之友
微信
新浪微博
Facebook
分享链接
