基于可变形卷积和自适应二维位置编码的鲁棒车牌识别方法

摘要：

车牌识别是智能交通系统中的关键步骤,为提高在非可控和复杂场景下车牌的识别精度,提出了一种鲁棒车牌识别方法,该方法主要包括车牌检测和车牌字符识别2个核心部分.首先,采用YOLOv5网络实现车牌的检测;其次,基于递归卷积神经网络框架,提出了一种基于可变形卷积和自适应二维位置编码(A2DPE)的车牌字符识别方法.该方法针对车牌大小、倾斜角度和光照条件等动态变化的特点,采用了可变形卷积来更好地提取车牌字符的特征,并引入了A2 DPE模块,根据输入自适应地获取车牌字符位置编码信息.最后,利用双向长短期记忆网络进行车牌字符的识别,无须分割车牌字符,可以实现不同长度车牌字符的准确识别.在自建数据集LPdata与公开数据集CLPD上的实验结果表明,与现有方法相比,该方法能够以较低的模型复杂度达到较高的准确率.

关键词：车牌识别、可变形卷积、神经网络、车牌

所属期刊栏目：42

分类号：TP391(计算技术、计算机技术)

资助基金：北京市自然科学基金;北京市教委科研计划科技一般项目

在线出版日期：2023-04-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：11-18,37