基于卷积神经网络的污损遮挡号牌分类

摘要：

作为智能交通的重要组成部分之一,车牌识别在人们的日常生活中发挥着不可替代的作用,例如,生活中违规车辆常常因号牌污损或者故意遮挡等来躲避处罚,进一步加大了执法的难度,因此提高污损或遮挡车牌的识别效率依然是当今自动识别系统中的一项至关重要的任务.文中主要集中解决遮挡号牌的识别问题,其主要分为正常号牌、部分遮挡号牌、完全遮挡号牌以及未悬挂4种情况.传统的OCR算法在汉字、字符以及数字之间的识别上具有很高的准确性,当将其运用到识别车牌上后,虽然在正常号牌和部分遮挡号牌的检测上也都体现出了很好的识别效果,但对全部遮挡和未悬挂车牌的识别效果依然很差,随着人工智能的发展,使得其在全部遮挡和未悬挂号牌的识别上也能有更好的效果.因此,结合传统算法的优点,采用OCR技术并结合现今的深度学习算法,优化对污损车牌的识别效果.

关键词：智能交通、目标检测、污损车牌、深度学习、OCR

所属期刊栏目：47

分类号：TP311.5(计算技术、计算机技术)

资助基金：北京市教育委员会科技计划一般项目;国家自然科学基金项目;软件定义能源互联网的模型与优化控制研究项目;北京信息科技大学 2019 年度科技计划一般项目

在线出版日期：2020-07-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：213-219