一种基于机器学习的车牌识别系统的设计

摘要：

以车牌识别的实用性为目的,设计一种鲁棒的车牌识别系统.首先提出了Sobel-Color算法,以Sobel边缘和颜色两种特征进行车牌定位,并结合MSER算法,设计了一种可靠的车牌定位方法来获取候选车牌区域,然后采用SVM算法对候选车牌区域进行车牌判断;最后根据车牌特征设计了一种车牌字符分割算法,能正确分割车牌的各个字符,并有效地去除车牌边缘部分的虚假字符,又根据分割出的车牌字符特征对LeNet-5深度网络模型进行改进,然后采用改进的LeNet-5网络对车牌字符进行识别.对设计的车牌识别系统进行了正常条件测试、恶劣条件测试以及效率测试等实验,实验结果表明设计的车牌定位和车牌判断方法具有较高的可靠性,车牌字符识别具有较高的准确率,因而设计的车牌识别系统具有较好的鲁棒性和实用性.

关键词：车牌识别、SVM、LeNet-5、系统设计

所属期刊栏目：30

分类号：TP391(计算技术、计算机技术)

资助基金：2018年度国家级大学生创新创业训练计划项目;2018年广东省普通高校重点科研项目;2017年外经外贸发展专项资金促进服务贸易创新发展项目2160699-87子课题CJ201811;2018年广州大学华软软件学院科学研究项目

在线出版日期：2020-05-28（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：216-220