基于TensorFlow深度學習的車牌識別算法研究

李兵 易嘉聞 黃鋒 晏鵬程 張一鳴

摘要：基于TensorFlow深度學習平臺在Python開發環境下搭建8層卷積神經網絡模型。將采集自全國的原始的車牌圖片進行定位、分割、歸一化化處理后投入卷積神經模型進行訓練，并采用RELU激活函數來提高模型收斂速度，在經過200次迭代訓后模型精度收斂于99.95%，實際測試中隨機抽取全國各省份的車牌進行實際預測檢驗，車牌漢字字符均預測精度為99.86%、英文字符均預測精度99.70%、數字部分均預測精度99.10%、車牌整體預測精度99.30%。

關鍵詞：深度學習;卷積神經網絡;車牌識別;TensorFlow

中圖分類號：TP391文獻標志碼：A

文章編號：2095-5383（2018）04-0028-06

車牌字符識別是交通、安防等領域的一項重要技術，具有重要的實際應用價值。近年來，國內外廣大科研人員圍繞車牌字符識別開展了廣泛的研究，針對車牌上的字符提出了一些有針對性的算法，取得了一定的識別效果。在非機器學習方法上，文獻[1]提出了基于評分模型的車牌字符識別方法，首先對待識別字符進行分區，然后對分區的各個方格進行評分，采用類似模板匹配的方式，最終得分高的字符模板作為識別結果;文獻[2]針對車牌字符識別中大部分單一特征提取方法在字符識別上的局限性，提出了一種車牌字符多特征提取方法，該方法具有一定的魯棒性;文獻[3]將尺度不變特征應用到車牌識別系統中來，有效改善了不同環境、不同光照下的車牌識別結果。而在基于機器學習的識別方法上，文獻[4]提出了采用BP（Back Propagation）神經網……