基于改进ResNet网络的有遮挡车牌识别

摘要：

为了提高有遮挡车牌的识别准确率,提出一种改进深度残差网络(Deep residual network,ResNet)损失函数的车牌识别方法.首先运用图像平滑处理技术对图像特征进行增强,其次利用边缘检测算法实现对车牌的定位,然后基于先验知识按照标准车牌中各个字符的比例对车牌进行分割.在此基础上,运用改进后的ResNet网络对有遮挡车牌样本库进行训练以及识别,并采用同样样本大小的无遮挡车牌样本库进行对比实验.实验结果表明,改进后的ResNet网络采用有遮挡车牌样本库训练的模型具有较好的识别准确率,且更具有鲁棒性.

关键词：车牌识别、车牌定位、字符分割、深度残差网络、Softmax损失函数

所属期刊栏目：60

分类号：TP391.4(计算技术、计算机技术)

在线出版日期：2022-12-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：58-63