10.3969/j.issn.1673-629X.2018.01.029
基于级联卷积神经网络的车牌定位
针对多车辆、低分辨率等复杂环境下的车牌定位问题,提出了一种基于人眼视觉特性的车牌识别方法.通过模仿人眼视觉原理,利用级联卷积神经网络分层提取目标区域特征,逐步缩小搜索区域的方法,实现车牌的精准定位.首先通过运动目标检测算法定位出目标运动热点区域;然后使用卷积神经网络识别热点区域中的车辆;最后使用卷积神经网络从定位的车辆图片中识别车牌.数据集采集于多个交通路口的天网摄像头,然后对5000幅图像,约15000个目标进行人工标注,同时对训练图片进行随机变换,从而提高训练的有效性.实验结果表明,通过提取运动区域可提升卷积神经网络运行的速度和识别的精度.相比于传统车牌识别算法,提出的方法极大地提高了复杂场景下的车牌识别率,同时在处理高分辨率的图片时具有更高的车牌定位率.
车牌定位、运动目标检测、视觉特性、卷积神经网络
28
TP301.6(计算技术、计算机技术)
江苏省科技重点研发计划-产业前瞻与共性关键技术BE2016001-4;教育部-中国移动科研基金MCM20150504
2018-02-01(万方平台首次上网日期,不代表论文的发表时间)
共4页
134-137