基于卷積神經(jīng)網(wǎng)絡(luò)的盲車牌識(shí)別算法研究.pdf

1、車牌識(shí)別對(duì)于維護(hù)交通安全和城市治安，防止交通堵塞，實(shí)現(xiàn)交通自動(dòng)化管理有著現(xiàn)實(shí)的意義。目前，車牌識(shí)別在實(shí)際應(yīng)用中取得了很大的成功，但是其主要基于攝像頭位置固定、車牌滿足某類假設(shè)的情況下進(jìn)行識(shí)別。本文研究的是對(duì)車牌位置、大小、數(shù)量不做限制的車牌識(shí)別方法，稱之為盲車牌識(shí)別算法，其主要工作包括:
　　1)給出了基于卷積神經(jīng)網(wǎng)絡(luò)的盲車牌檢測(cè)算法
　　首先，通過由卷積神經(jīng)網(wǎng)絡(luò)和SVM分類器訓(xùn)練出字符檢測(cè)模型;其次，對(duì)輸入圖片采用滑動(dòng)窗口

2、逐行掃描，將掃描到的圖像塊輸入字符檢測(cè)模型中，計(jì)算得分;最后，利用非極大抑制的方法求得每行的多個(gè)極大值，根據(jù)極大值之間的位置確定出文本行即車牌的位置。實(shí)驗(yàn)結(jié)果表明，利用單個(gè)字符來(lái)訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)，能夠有效提高盲車牌的檢測(cè)精度。
　　2)給出了基于卷積神經(jīng)網(wǎng)絡(luò)的車牌識(shí)別算法
　　首先，分別訓(xùn)練出車牌漢字字符的識(shí)別模型與數(shù)字和字母的識(shí)別模型，識(shí)別模型由卷積神經(jīng)網(wǎng)絡(luò)和多分類SVM分類器共同組成;其次，將檢測(cè)出的車牌分割出漢字區(qū)域與

3、非漢字區(qū)域，對(duì)漢字區(qū)域利用漢字識(shí)別模型識(shí)別出漢字，對(duì)非漢字區(qū)域利用數(shù)字和字母的識(shí)別模型識(shí)別出數(shù)字與字母組成的字符串;最后，將識(shí)別出的漢字與字符串結(jié)合，即識(shí)別出的車牌。實(shí)驗(yàn)結(jié)果表明所用方法能夠有效地提高車牌的識(shí)別率。
　　3)給出了卷積神經(jīng)網(wǎng)絡(luò)的訓(xùn)練方法
　　針對(duì)識(shí)別模型參數(shù)多，容易陷入局部最優(yōu)解中的問題，給出了參數(shù)初始化的方法，該方法是用K-means算法訓(xùn)練出卷積神經(jīng)網(wǎng)絡(luò)的第一層卷積核，并去除其中冗余的卷積核，在之后的訓(xùn)練