基于卷积神经网络的双行车牌分割与识别算法
车牌自动识别系统用于识别数字车牌图像中出现的不同字符。该技术主要包括三个重要的步骤：车牌定位、车牌分割、车牌识别。自动车牌识别技术在智能化交通系统、无人看守停车场等领域应用非常广泛，具有很实际的研究意义和应用价值。 目前研究带有中文字符的双行车牌识别算法较少且识别准确率不高，为了将单行车牌识别算法扩展到带有中文字符的双行车牌识别应用中，本文设计出一个基于卷积神经网络的双行车牌分割算法，能够自动地将双行车牌图像分割成两个单行车牌图像。此算法使用卷积神经网络得到车牌图像的高维特征并使用高维特征做分类任务，如果预测车牌类别是单行类型则不做任何处理，如果预测车牌类别是双行类型，则进一步计算出分割线以将双行车牌分割成两个单行车牌。最后，利用卷积循环神经网络结构模型有效地识别出车牌的字符信息。 本文提出的双行车牌分割算法自动地将带有中文字符、数字、字母的车牌分成两类并将双行车牌分割成上下两行单行车牌，支持直接使用现有的单行车牌识别算法来识别车牌字符信息。车牌分割和车牌字符识别的实验对比结果表明本文算法能够有效地改善带有中文字符的双行车牌识别准确率，对于光照条件较差和字符信息较模糊等图片质量不佳的车牌也能够获得较好的结果。并且，本文算法基于卷积神经网络进行训练和运算，能够充分发挥GPU并行计算优势，大大提高算法的执行效率。
图像处理;车牌分割;车牌字符识别;卷积神经网络;GPU并行计算
温州大学
硕士
计算机软件与理论
赵汉理
2019
中文
TP391.41
2020-03-19（万方平台首次上网日期，不代表论文的发表时间）