基于机器学习的多车牌识别算法应用研究

摘要：

为满足车牌识别系统中对多车牌识别的高准确率的应用需求,提出一种基于优化参数的SVM(支持向量机)进行车牌定位.考虑到雾霾天气下拍摄的图片对车牌识别的影响,先进行去雾处理,然后使用Sobel算子对图片进行垂直边缘检测,结合形态学处理确定候选车牌轮廓,对候选车牌轮廓通过外接矩阵的长宽比初步判断符合车牌的区域.加上国内车牌的颜色单一,结合HSV颜色模型定位,很大程度上提高了车牌的定位率.对定位出的候选车牌区域进行训练和SVM模型判断,确定出符合车牌的区域.同时对车牌进行字符分割后,使用单独为车牌汉字训练的ANN模型进行字符识别.此外针对不同的场景提供训练模式,系统可以训练特定场景下的SVM模型.经验证,该系统能够满足多车牌识别的实际应用,鲁棒性和准确率相比通用模型提高近20％.

关键词：机器学习、车牌识别、支持向量机、多层感知机

所属期刊栏目：28

分类号：TP301.6(计算技术、计算机技术)

资助基金：国家自然科学基金51407076;河北省自然科学基金F2014502050;河北省高等学校科学研究项目Z2013007;中央高校基本科研业务费专项资金2015ZD28

在线出版日期：2018-07-04（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：129-132