轻量级车牌识别卷积网络

作者：贺智龙; 肖中俊^*; 严志国

来源：齐鲁工业大学学报, 2020, 34(04): 35-41.

DOI：10.16442/j.cnki.qlgydxxb.2020.04.006

• 轻量级
• 车牌识别
• CNN模型

为了提高车牌识别的准确性,提出一种轻量级车牌识别神经网络。车牌定位阶段,构造了深度为9的卷积神经网络(Convolutional Neural Networks,CNN),首先利用图像预处理与阈值分割融合的方式对车牌进行粗定位,然后对CNN网络进行模型训练,得到网络权重,最后将车牌候选区域输入到CNN模型来实现精准定位车牌。车牌识别阶段,构造了深度为11的CNN网络,首先对准确定位的车牌进行字符分割,并对分割后的字符进行归一化处理,然后将分割后的单个字符输入到CNN模型,实现对字符的识别,最后输出字符识别结果。通过实验验证,所搭建的两个CNN网络能够有效提升车牌的检测和识别准确率。

• 单位
  自动化学院; 齐鲁工业大学