基于改进LeNet-5的车牌识别算法

摘要：

传统的车牌识别算法包括模板匹配、特征统计等方法,但是这些算法依赖于人工提取图像特征,识别准确率低.卷积神经网络LeNet-5算法能够自动提取车牌图像的特征,提高车牌识别准确率.但是目前基于LeNet-5网络结构的车牌识别算法存在识别不完整,运算时间长等缺点.提出基于改进的LeNet-5网络的车牌识别算法,该算法将输入车牌字符图像归一化为32×16大小,并通过删除传统LeNet-5网络中的C5层、修改输出层中神经元个数等,将车牌字符按照汉字和数字/字母的形式识别输出.通过采集大量车牌数据进行训练验证,结果表明:与前人改进的LeNet-5网络结构相比,本文算法在识别率和时间效率上均得到了提高.

关键词：车牌识别、卷积神经网络、LeNet-5、字符识别、汉字识别

所属期刊栏目：20

分类号：TP183(自动化基础理论)

资助基金：河北省重点研发计划19210105D

在线出版日期：2020-06-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：4775-4779