采用视觉显著性和卷积网络的车牌定位算法

摘要：

针对传统的车牌定位方法存在对环境要求高,容易受干扰,鲁棒性不强等不足,提出将视觉显著性与卷积神经网络相结合应用于车牌定位,设计了一种车牌定位方法.该方法包含2个阶段,第1阶段为提取车牌候选区域,将视觉注意机制引入车牌定位过程,采用自下而上的模型,提取出车辆图像中具有显著特征的车牌区域.采用视觉显著性算法,实现车牌候选区域的快速定位和提取,避免了在车辆图像的各个区域进行扫描.第2阶段为车牌识别,将深度卷积神经网络应用于车牌区域识别,实现候选区域中非车牌和车牌的准确分类.实验结果表明,该方法性能优异,大幅降低了车牌区域漏检率,鲁棒性强,定位准确率比数字图像方法提高约5％.

关键词：视觉显著性、卷积神经网络、车牌定位、深度学习、分类、车牌识别、AlexNet网络

所属期刊栏目：29

分类号：TP391(计算技术、计算机技术)

资助基金：四川省教育科研重点项目A22017003;四川省乐山市科技计划重点项目16GZD050

在线出版日期：2019-06-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：74-78