基于字符特征与支持向量机的车牌字符识别.pdf

《基于字符特征与支持向量机的车牌字符识别.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、自动化技术与应用》2010年第29卷第1期模式识别与仿真PatternRecoclnitionandSimulation—基于字符特征与支持向量机的车牌字符识别熊春荣1一，黄文明，李美瑾，吕洁(1．玉林师范学院，广西玉林537000；2．桂林电子科技大学，广西桂林541004)摘要：首先，对车牌图像进行预处理，针对不同的字符样本采用不同特征提取方法；然后，用提取的特征训练SVM分类器。结果表明，在训练样本较少的情况下，该系统具有较高的识别率和识别速度，并具有很好的分类推广能力。关键字：支持向量机；车牌字符识别；特征提取；核函数中图分类号：TP391．41文献标识码：A

2、文章编号：1003—7241(2010)01—0064—03ResearchonLicensePlateCharacterRecognitionBasedonCharactercharacteristicandSupportVectorMachineXIONGChun-rong，HUANGWen—ming，LIMei-jin，LVJie‘(1．YulinNormalUniversity,Yulin537000China；2．GuilinUniversityofElectronicTechnology,Guilin537000China)Abstract：First，t

3、hisarticlecarriesonthepretreatmenttothecarlicenseimage，usesthedifferentfeatureextractionmethodinviewofthedifferentcharactersample；Then，trainstheSVMsorterwiththeextractioncharacteristic．Theresultsshowthat，inthecaseofsmallsamples，themethodhasthehighrecognitionrateandspeed，andhastheverygoo

4、dclassifiedpromotionability．Keywords：SVM；licenseplatecharacterrecognition；featureextraction；kernelfunction1引言无特征提取的前提下，利用SVM进行识别，虽然取得较车牌自动识别技术是智能交通系统的一个重要的高的识别速度，但识别率不高。领域。一个典型的车牌自动识别系统包括车牌定位、车牌字符提取和车牌字符识别三大部分。其中，字符识别2SVM的基本原理是整个系统的核心，字符识别的准确性和识别速度直接SVM是统计学习理论中最年轻的部分，主要用于解关系到该系统是否能够得到实际

5、应用。传统的字符识决有限样本情况下的模式识别问题。它的基本思想是在别方法，如模板匹配、神经网络等，模板匹配法为了提样本空间或特征空间，构造出最优超平面使超平面与小高识别率需要使用大的模板或多个模板进行匹配，而识同类样本集之间的距离最大，从而达到最大的泛化能力。别的速度则随之降低。神经网络法的识别率很大程度SVM算法描述如下【J：上依赖于训练样本的数量，在小样本训练条件下，识别(1)设已知训练集T={(xi，Yi)，A，(XI，Y1)}∈(X×的率相对较低，且网络结构较复杂。Y)，其中xi∈X=R“，Y∈Y={l，一1}，i=l，2^，l；支持向量机(SuppoAVec

6、torMachines，简称SVM)(2)选择核函数K(x，X)和惩罚参数C，构造并求是由Vapnik等人于1995年根据统计学习理论提出的一解最优化问题：类新型机器学习方法，能够有效地解决小样本学习、非mjn1荟t凳y。Yja,ajKcXi'Xj，一善口，线性及高维模式识别等问题，在模式识别、回归分析和概率密度函数估计等方而得到了广泛的应用⋯1。最近几s．t．y。口。=0，0≤aic,i=1⋯2．．，l，年，研究者将SVM应用于车牌识别中，如文献【2]【3】，在得最优解a：(al，A，a1)T；(3)选择的一个小于C的正分量’，并据此计算收稿日期：2009—05—2

7、564ITeJesdAIJ幻I_旧§on&Ab敝】ns模式识别与t：6真《自动化技术与应用》20l0年第29卷第1期PatternRecognitionandSimulation比值固定为2：1，则本文经过大小归一化处理后，变为b：Y，一YaK(，)；32xl6像素的字符点阵，黑底白字，并且规定黑色像素的(4)求得决策函数：取值为0，白色像素的取值为1。实验结果表明，32xl6厂』、f(x)=sanI∑YaK()+b】的字符点阵在保持车牌字符基本特征的情况下，减少了SVM的基本思想可以概括为：首先通过非线性变换计算量，取得较好的识别率与识别速度。将输