欢迎来到天天文库
浏览记录
ID:51452400
大小:331.98 KB
页数:5页
时间:2020-03-25
《基于神经网络的分阶车牌字符识别算法研究.pdf》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库。
1、2016年第2期工业仪表与自动化装置·7·基于神经网络的分阶车牌字符识别算法研究李珊珊,李一民,郭真真(昆明理工大学信息工程与自动化学院,昆明650500)摘要:为了提高复杂环境下车牌字符的识别率和识别速度,提出了一种基于BP神经网络和卷积神经网络(CNN)的分阶车牌字符识别算法。该算法第一阶段采用BP神经网络对车牌中的汉字、非相似字符进行识别;并在第二阶段用改进的CNN对车牌中的相似字符进行识别。最后通过实验横向、纵向对比,验证了该神经网络算法的有效性。实验结果表明,相对于传统的BP神经网络算法,明显提高了车牌字符的识别率,同时减少了车牌的识别时间。关键词:车牌字符识别;B
2、P神经网络;卷积神经网络;分阶中图分类号:TP301.4文献标志码:A文章编号:1000—0682(2016)02—0007—04ResearchonaphasedlicenseplatecharacterrecognitionalgorithmbasedonneuralnetworkLIShanshan,LIYimin,GU0Zhenzhen(FacultyofInformationEngineeringandAutomation,KunmingUniversityofScienceandTechnology,Kunming650500,China)Abstract:Ino
3、rdertoincreasethelicenseplaterecognitionrateandrecognitionspeedincomplexen-vironments,aphasedlicenseplaterecognitionalgorithmbasedonBPneuralnetworkandconvolutionneuralnetwork(CNN)isproposed.ThismethodBPneuralnetworkusedtorecognizelicenseplatecharac—ters,non—similarlettersandnumbersinthefirs
4、tstage;andimprovedCNNusedtoidentifysimilarlicenseplatelettersandnumbersinthesecondstage.Finallythroughtheexperimentalresultsofverticalandhor·izontalcomparison,theadvantageofthismethodisobtained.ExperimentalresultsshowthatcomparedwithotheralgorithmssuchasBPneuralnetwork,thismethodhasimproved
5、therecognitionratewhiletherecognitiontimeisreduced.Keywords:licenseplatecharacterrecognition;BPneuralnetwork;convolutionneuralnetwork;phased身的缺陷,导致识别率不高。南京邮电大学方承0引言志等人提出的基于LS—SVM的识别算法,使得车车牌识别率是衡量车牌识别系统实用性的重要牌字符的识别速度得到提升。指标,如何提高车牌字符的识别率是提升车牌识别BP神经网络容易陷入局部最优,在深层网络传系统性能的难点所在。播时出现梯度弥散(GradientD
6、iffusion)。CNN卷积在车牌识别技术的发展过程中,YoungSungSoh神经网络特有的结构,使其在深层神经网络中对于改进了车牌定位算法,开发出一套车牌定位实时系畸变的输入有较大的容忍能力,同时能降低网络结统,但该算法识别精度相对较差。吉林大学康建构模型的复杂度,提高网络训练效率。据此,该文给新¨提出了采用BP神经网络的方法进行车牌识出了一种基于BP神经网络和CNN卷积神经网络相别,但在车牌倾斜等畸变情况下算法识别率不高。结合的算法,利用字符图像的23维特征,使用BP重庆大学杨学宝采用SVM算法对车牌识别,但字神经网络在浅层神经网络中对车牌的汉字、非相似母数字识别率仅
7、为94.7%。关学忠等提出应用字符进行识别,对于不易识别的相似字符,利用改进改进的BP神经网络算法识别字符,由于BP网络自的CNN卷积神经网络在深层神经网络中自身强大的学习能力进行识别。实验结果表明,该方法使得收稿日期:2015—08—31车牌字符的识别率(不含汉字)达到97.2%。作者简介:李珊珊(1990),女,硕士研究生,主要研究方向为计算机视觉,图像处理。·8·工业仪表与自动化装置2016年第2期所示,输人层有23个输入,隐层采用s型logsig神1基于神经网络的分阶车牌字符识别经元传递函数,有
此文档下载收益归作者所有