作者:付遥 文章
来源:《名城绘》2020年第08期
摘要:根据目前高速公路上车牌检测识别存在的问题,本文介绍了将深度学习网络引入到车牌检测识别的最新技术,进而解决因光照不充足、图像不清晰、车牌倾斜等因素造成的车牌识别率低的问题。 关键词:高速公路;车牌检测;深度学习
南画十六观
电力设施保护条例
窄播>泛光照明 1引言花式冰咖啡
隨着社会的迅速发展,汽车工业也在进行着井喷式的发展。车牌是机动车的主要标识之一,每辆机动车的车牌号都是唯一的。所以车牌在交通管理中扮演着重要的角,车牌识别也就成为了汽车交通领域的前沿问题。
20世纪80年代初期,车牌识别技术研究只是借助图像处理技术处理一些采集的车牌图像,无法做到自动识别。到了20世纪90年代,伴随计算机技术的发展,车牌识别技术逐渐成型,形成了图像处理、字符分割、字符识别等识别流程,相对于最初的检测方式有很大的进展,但是识别也只是停留在光照充足、图像清晰、车牌不倾斜等条件之下,一旦识别的环境较为复杂时,识别的准确性便会大大下降。
2研究方法及进展
深度学习具有自我学习的功能,主要依赖可学习的卷积核,通过反向传播算法,在大量的训练数据中进行不断的迭代,获得数据之间的分布规律,自主学习出车牌的特征,进而在实际应用中快速准确的识别车牌。
Ye Yunyang等人提出了一种基于车牌纹理特征的小波分析定位法,该方法基于车牌的纹理,对颜变化并不敏感,所以适用于彩变化较大的环境中。2011年,西安电子科技大学Wang Wei等,在车牌先验知识的约束下,提出了一种MSER车牌检测方法。该方法有效的确定了车牌的上下边界,再通过垂直投影确定车牌的左右边界。最近几年,我国车牌识别技术也面临因光照不足、识别场景复杂化、拍摄角度等因素带来的问题。我国的学者基于深度学习的基础提出了一些表现效果较好车牌识别算法。Wu Peiqi等为了解决汉字识别率低的问题,使用连续的卷积层对车牌图像进行卷积,提取更多的字符。我国台湾Lin等提出了一种基于Mask R-CNN的三级车牌识别系统,该系统可以用于识别不同的拍摄角度和倾斜角度在0~60度之间的车牌。Qin Gu等人提出了一种鲁棒、快速的多尺度车牌检测与定位算法,通过利用极值区域(MSER)特征来提取候选字符区域,再将每个候选字符区域划分为四种类型,根据其邻域MSER分布特征提取可疑的初始节点(左上角字符),最后根据检测到的可疑初始节点和对应的标签移动最大MSER团对每个候选字符区域进行标记完成许可检测和定位。自然哲学的数学原理