您好, 歡迎來到智慧城市網(wǎng)
車牌識別系統(tǒng)的問題與新技術(shù)應(yīng)用
車牌識別拾音器系統(tǒng)的識別率和識別準確率越高越好，但同時需認識到識別率達到100%是不可能的，一方面因為車牌污損、模糊、遮擋，或者糟糕的天氣(下雪﹑冰雹﹑大霧等等)都會嚴重影響識別的效果，另一方面一些中英文字符的分割與識別本身難度較大，比如“川”字易錯誤分割，以及“0-Q”、“2-Z”、“4-A”、“5-S”、“7-T”、“8-B”、“O-D”等易混淆字符。因為識別率的統(tǒng)計是以號牌信息有效的車輛總數(shù)為基礎(chǔ)的，所以，如果考慮了各種環(huán)境、情況下的車牌，車牌識別系統(tǒng)在實際應(yīng)用中的識別率會大打折扣，在無法識別時仍依賴人工進行判斷、識別。
針對傳統(tǒng)車牌拾音器識別算法中字符識別率偏低的缺點，目前出現(xiàn)了一種基于卷積神經(jīng)網(wǎng)絡(luò)的識別方法，通過對車牌字符圖像的樣本學習，優(yōu)化神經(jīng)網(wǎng)絡(luò)每層的權(quán)值參數(shù)，從而在很大程度上提高車牌的字符識別率。仿真結(jié)果表明，采用卷積神經(jīng)網(wǎng)絡(luò)的識別方法對車牌中的字符進行識別，正確識別率可以到達99%，識別率和抗干擾性明顯優(yōu)于結(jié)構(gòu)特征法、模板匹配法等傳統(tǒng)識別方法(后兩者分別只有94%、95%)。
利用神經(jīng)網(wǎng)絡(luò)的優(yōu)勢，采用一種改進的拾音器基于卷積神經(jīng)網(wǎng)絡(luò)的識別機制對車牌照中的字符進行識別。該識別方法通過對理想預(yù)處理條件下的車牌字符圖片的學習，優(yōu)化了網(wǎng)絡(luò)系統(tǒng)中各層的權(quán)值參數(shù)，大大提高了車牌照中的字符識別率。在實際應(yīng)用中，對于前期預(yù)處理出現(xiàn)的車牌定位不清、字符分割錯誤等缺點，拾音器如果進一步優(yōu)化網(wǎng)絡(luò)結(jié)構(gòu)，則可以識別預(yù)處理較差條件下的車牌字符。
針對傳統(tǒng)車牌拾音器識別算法中字符識別率偏低的缺點，目前出現(xiàn)了一種基于卷積神經(jīng)網(wǎng)絡(luò)的識別方法，通過對車牌字符圖像的樣本學習，優(yōu)化神經(jīng)網(wǎng)絡(luò)每層的權(quán)值參數(shù)，從而在很大程度上提高車牌的字符識別率。仿真結(jié)果表明，采用卷積神經(jīng)網(wǎng)絡(luò)的識別方法對車牌中的字符進行識別，正確識別率可以到達99%，識別率和抗干擾性明顯優(yōu)于結(jié)構(gòu)特征法、模板匹配法等傳統(tǒng)識別方法(后兩者分別只有94%、95%)。
利用神經(jīng)網(wǎng)絡(luò)的優(yōu)勢，采用一種改進的拾音器基于卷積神經(jīng)網(wǎng)絡(luò)的識別機制對車牌照中的字符進行識別。該識別方法通過對理想預(yù)處理條件下的車牌字符圖片的學習，優(yōu)化了網(wǎng)絡(luò)系統(tǒng)中各層的權(quán)值參數(shù)，大大提高了車牌照中的字符識別率。在實際應(yīng)用中，對于前期預(yù)處理出現(xiàn)的車牌定位不清、字符分割錯誤等缺點，拾音器如果進一步優(yōu)化網(wǎng)絡(luò)結(jié)構(gòu)，則可以識別預(yù)處理較差條件下的車牌字符。