车牌定位及车辆特征识别研究

摘要：

车牌定位及车辆识别是智能交通管理的主要研究问题.车牌定位识别,通过对图像进行预处理并结合形态学能粗略获取候选车牌位置,对符合特征的候选车牌进行筛选,精确获取车牌位置,最后采用神经网络完成字符识别过程.车辆识别采用迁移学习,采用AlexNet卷积神经网络构造出深度特征向量.形态学能够应对灰度底质量差的情形,为字符识别提供保障.车辆识别时对比直接分类图片特征,迁移学习构造的深度特征分类精度为85.13%,提高了38%,验证了迁移学习的有效性,通过KNN算法表明深度特征能够表征图片属性.针对新数据集重新提取特征、训练样本将消耗大量时间,对比迁移学习和AlexNet框架发现分类精度持平,表明了迁移学习的鲁棒性.

关键词：智能交通、形态学、车牌定位、车辆识别、机器学习、深度学习、迁移学习、深度特征

所属期刊栏目：35

分类号：U412(道路工程)

资助基金：国家自然科学基金项目51178157;江苏省普通高校专业学位研究生创新计划项目SJLX16_0154

在线出版日期：2017-10-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：63-68