改進深度學(xué)習(xí)的車牌字符識別技術(shù)

鄭祥盤, 王兆權(quán)， 宋國進

(1. 閩江學(xué)院福建省先進運動控制重點實驗室， 福建 福州 350108；2. 福州大學(xué)機械工程及自動化學(xué)院， 福建 福州 350108)

0 引言

隨著經(jīng)濟的發(fā)展， 汽車逐漸普及到人們的日常工作生活當中. 根據(jù)公安部統(tǒng)計， 截至2019年全國汽車保有量約為2.6億輛， 且呈現(xiàn)逐年劇增的趨勢. 人們在享受車輛帶來的交通出行便利時， 也面臨著諸如車輛違法停放、 交通肇事逃逸、 車輛追蹤等問題， 而這些都離不開對車牌字符的識別.

國內(nèi)外學(xué)者對車牌識別技術(shù)進行了大量的研究. 文獻[1]對低分辨率車牌圖像提出應(yīng)用模板匹配和光學(xué)字符識別方法， 通過掃描車牌區(qū)域檢測出最大穩(wěn)定極值區(qū)域來分割車牌中的字符區(qū)域， 實現(xiàn)96.2%的正確識別. 文獻[2]為了減少光照的影響， 把RGB空間上的場景圖像轉(zhuǎn)化成HSV空間的3個分量值， 通過色彩空間變換等手段分別獲得車牌區(qū)域和去除偽車牌區(qū)域， 定位成功率達到97.58%； 文獻[3]提出基于深度定位和故障識別的無分割無標注車牌識別方法， 并通過實驗解決重影、 非均勻光照等帶噪聲車牌圖像識別問題. 文獻[4]提出在HSV空間中使用最大類間方差算法來對車牌圖像進行二值化， 然后結(jié)合特殊間隔位置和投影法來精確分割字符， 應(yīng)用卷積神經(jīng)網(wǎng)絡(luò)算法實現(xiàn)對車牌字符識別率達97.8%， 解決低清晰度車牌字符的分割和識別問題； 針對遠距離、 變光照的復(fù)雜應(yīng)用場景， 文獻[5]提出基于最大極值穩(wěn)定區(qū)域和筆畫寬度變換的車牌檢測識別方法， 定位準確率達94. 86%， 識別準確率達96. 14%；……