a&s专业的自动化&安全生态服务平台
公众号
安全自动化

安全自动化

安防知识网

安防知识网

手机站
手机站

手机站

大安防供需平台
大安防供需平台

大安防供需平台

资讯频道横幅A1
首页 > 资讯 > 正文

浅析车牌识别系统的问题与新技术应用

针对传统车牌识别算法中字符识别率偏低的缺点,目前出现了一种基于卷积神经网络的识别方法,通过对车牌字符图像的样本学习,优化神经网络每层的权值参数,从而在很大程度上提高车牌的字符识别率...
资讯频道文章B

  车牌识别系统的识别率和识别准确率越高越好,但同时需认识到识别率达到100%是不可能的,一方面因为车牌污损、模糊、遮挡,或者糟糕的天气(下雪﹑冰雹﹑大雾等等)都会严重影响识别的效果,另一方面一些中英文字符的分割与识别本身难度较大,比如“川”字易错误分割,以及“0-Q”、“2-Z”、“4-A”、“5-S”、“7-T”、“8-B”、“O-D”等易混淆字符。因为识别率的统计是以号牌信息有效的车辆总数为基础的,所以,如果考虑了各种环境、情况下的车牌,车牌识别系统在实际应用中的识别率会大打折扣,在无法识别时仍依赖人工进行判断、识别。

  针对传统车牌识别算法中字符识别率偏低的缺点,目前出现了一种基于卷积神经网络的识别方法,通过对车牌字符图像的样本学习,优化神经网络每层的权值参数,从而在很大程度上提高车牌的字符识别率。仿真结果表明,采用卷积神经网络的识别方法对车牌中的字符进行识别,正确识别率可以到达99%,识别率和抗干扰性明显优于结构特征法、模板匹配法等传统识别方法(后两者分别只有94%、95%)。

  利用神经网络的优势,采用一种改进的基于卷积神经网络的识别机制对车牌照中的字符进行识别。该识别方法通过对理想预处理条件下的车牌字符图片的学习,优化了网络系统中各层的权值参数,大大提高了车牌照中的字符识别率。在实际应用中,对于前期预处理出现的车牌定位不清、字符分割错误等缺点,如果进一步优化网络结构,则可以识别预处理较差条件下的车牌字符。

参与评论
回复:
0/300
文明上网理性发言,评论区仅供其表达个人看法,并不表明a&s观点。
0
关于我们

a&s是国际知名展览公司——德国法兰克福展览集团旗下专业的自动化&安全生态服务平台,为智慧安防、智慧生活、智能交通、智能建筑、IT通讯&网络等从业者提供市场分析、技术资讯、方案评估、行业预测等,为读者搭建专业的行业交流平台。

免责声明:本站所使用的字体和图片文字等素材部分来源于互联网共享平台。如使用任何字体和图片文字有冒犯其版权所有方的,皆为无意。如您是字体厂商、图片文字厂商等版权方,且不允许本站使用您的字体和图片文字等素材,请联系我们,本站核实后将立即删除!任何版权方从未通知联系本站管理者停止使用,并索要赔偿或上诉法院的,均视为新型网络碰瓷及敲诈勒索,将不予任何的法律和经济赔偿!敬请谅解!
© 2020 Messe Frankfurt (Shenzhen) Co., Ltd, All rights reserved.
法兰克福展览(深圳)有限公司版权所有 粤ICP备12072668号 粤公网安备 44030402000264号
用户
反馈