基于Faster-RCNN的车牌检测

摘要：

车牌识别是智能交通中非常重要的应用,而车牌检测又是车牌识别的关键.针对现有的车牌识别系统在遇到复杂条件,例如暗光、遮挡、多车牌、能见度低等情况时,难以有效地定位车牌,提出了基于Faster-RCNN目标检测模型与ZF、VGG-16以及ResNet-1013种卷积神经网络分别结合的方法.由于车牌没有公开的数据库,在自己准备的12740张车牌图像上进行实验,结果显示基于Faster-RCNN与ResNet-101结合的模型的准确率达到了97.2％,高于其余两种结合模型,明显优于传统的车牌检测方法,并避免了复杂的预处理,具有较好的实用性.

关键词：车牌检测、Faster-RCNN、ZF、VGG-16、ResNet-101

所属期刊栏目：48

分类号：V448.25(航天仪表、航天器设备、航天器制导与控制)

在线出版日期：2020-05-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：174-177