基于深度学习的车牌识别
合集下载
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
Ｉ ｍａ ｇ ｅ＆Ｍｕ ｌ ｔ ｉ ｍｅ ｄ ｉ ａ Ｔ ｅ ｃ ｈ ｎ ｏ ｌ ｏ ｇ ｙ・ 图像与多媒体技术
基于深度 学习的车牌 识别
文／ 朱旭辰 游 双燕。
市 以及城市 间车辆 的流 动不断增大，对于车辆 原 图像输 入网络，取得 了很好 的效果 。朱宏 吉
车牌 识别 是 现代 智 能交通 系 统 中的 重要组 成 部分 之 一，对 于 交通 安全 、城 市治 安 和 实现 交通 自动化 管 理有 重要 意 义。 目前 的 车牌 识别 面 临着 光线 、气候 和 车
别通过训练好 的三个字 典学习模型，从而形成
行整合最终得到识别结果 。因此 ，本 文将笔画
邹明 明 【 ２ 】 等 人提出 了模般 匹配法 ，该方 三种残差 信息，用 ｓ ｏ ｆ ｔ ｍａ ｘ对三 种残差 信息进
法不 需要提 取特征，输入 图像直接与一系列 的 模板字 符进 行匹配，最终选择 出与原 图像最接 近 的模 板 并将其 作 为最 终 的字符 识别 结果 。
【 ４ 】钟 晓 谷 ，苏 凡 囤 ，王 海 涛 ，王 小
飞． 基于Ｅ Ｏ Ｎ的 轮 式 推 土 机 保 障 虚 拟
训 练 系 统 设 计 … ．机 械 制 造 与 自 动
化 ， ２ ０ １ ３ ， ４ ２ （ Ｏ １ ） ： １ ０ ８ — １ １ １ ．
有 效 的解决 了这一 问题 。如在 模拟 树 的对 刀
度 置信 网络 特征提 取
度变换 ，得到灰度 图。然 后在 灰度图上提取边
缘信 息 （ 如使用 Ｃａ ｎ ｎ ｙ边 缘检 测算法 ） 。对 于
随着生 活水平 的提高车辆数量的增加，城
网络：将分类 问题作为 回归问题 处理并直接将
＜ ＜上 接 ６ ４页
技 术 之一 。碰撞 检测 的 实质 就是在 虚拟 场 景 中，碰 撞检测是夹具装配 中一个非 常重要的环 节 。零 部件在 装 配过 程 中产生 相互 穿透 的 不 真 实现 象 ，这样 会给 装配 提供 一些 不完 整 信 息，因此为了使夹具在装配过程更加符合 真实
wenku.baidu.com
使得人们对于城市车辆 的管理越 来越多的采用 等提 出利用字典 学习的方法对 模糊车牌中文字 智能化和 自动化 的方案 。车牌检 测作为智慧城 符识别 ，采用基 于费希 尔判别准则的字典学 习
市中智能车辆管理系统重要 的一环，其检测技 术的鲁棒性、精确性将直接影 响整个 智能交通 系统的健壮性。因此 ，本文主要集 中在 车牌检
系 统设 计 ［ Ｊ 】 ．筑 路 机 械 与 施 工 机 械
化 ， ２ ０ １ ４ ， ３ １ （ ０ ５ ） ： ８ ４ — ８ ８ ．
情况 ，在 虚拟 装配过程 中添加实时碰撞检测 。
在Ｅ ＯＮ Ｓ ｔ ｕ ｄ ｉ ｏ中，碰撞检测节点 （ Ｃ ｏ ｌ ｌ ｉ ｓ ｉ ｏ ｎ ）
测。
方法来提取 中文 字符的特征，为了从不 同的角 度对 中文字符提取特征 ，用不 同的训练样本训 练三个字典学 习模 型，将 车牌 中文字符样本分
宽度 变换 算法 与深度 置信 网络进 行 结合 ，利 用笔 画 宽度 变换 法计 算 图像 中每 一个像素 的笔画 宽度 ， 将 笔 画宽度 大致 相 等 的相 邻 像 素 合 并形 成 字符候 选 区域 ，并 将合 并形 成 的候 选字 符 区域输 入 到深 度 置信 网络 中进 行 特征 提取 ， 由 Ｓ ｏ ｆ ｔ ｍ ａ ｘ分类 器对提取 的特征进行 分类 。 实验 结 果 表 明，本 文 方法 提 高车牌识别率。
１笔 画宽度 变换
笔 画宽度变 换 （ Ｓ ｔ ｒ ｏ ｋ ｅＷｉ ｄ ｔ ｈＴ ｒ ａ ｎ ｓ ｆ ｏ ｒ ｍ， Ｓ ＷＴ）是一 种局 部 的 图像 操作 ，改操 作 是将 计算每个像 素的颜 色值 变换成每一个像素最有 可能 的笔画 宽度值 。首 先对待 检测的图像做灰
【 关键词 】电车牌识别 笔画 宽度 变换算法 深
速 不 一 的 挑 战 ， 因 此 本 文 提 出 一 种 车 牌 检 测 的 方 法 。 该 方 法 笔 画
交通 的有效管理 己成为 人们亟待解决的 问题 。
人工智能技术 的进 步，智慧城市理念 的普及 ，
［ ６ ］ 提 出利用深 度置信 网络 模型 Ｄ Ｂ Ｎ，对车牌
字符进行特 征提 取， 并对其进行 识别 。 刘峰［ ７ 】
块 零 件 中放 入 Ｃ ｏ ｌ ｌ ｉ ｓ ｉ ｏ ｎ Ｏｂ ｊ ｅ ｅ ｔ 节 点 ，并 设 置 相 应属 性， 当对刀 块在 装 配时 与其 他零 件发
宽度变换算法与深度置信 网络进 行结 合应用到 车牌识别 中，旨在解决光线 、气候和 车速不一
Ｌ ｉ ｕ ［ ３ 】 等人 利 用卷 积神 经 网络 模 型 Ｃ Ｎ Ｎ ，是 的问题 ，从而提 高车牌 识别的准确率。 通过许 多样本 来训 练一个能够识别中文字符 的
卷积神经 网络 ，通 过卷积 层和采样层来提取 图 像的特征 。 周鹏 【 ４ 】 提出利用支 持 向量机 算法 ，先对 车牌字符进行特征提取 ，在 用支持向量机算法 进行字符识别 。Ｒ ｅ ｄ ｍｏ ｎ ［ ５ １等人将卷积神 经网 络和人类视觉系统原理相结合 ，提 出了 Ｙ０Ｌ Ｏ
能实现虚拟夹具拆装 系统的网上发布 ，可 以通
【 ２ 】王 岚 ，刘 怡 ，梁 忠 先 ．虚 拟 现 实 Ｂ Ｏ Ｎ Ｓ ｔ ｕ ｄ ｉ ｏ ［ Ｍ 】 ．天津 ：南开大学 出版社 ， ２ ０ ０ ７ ．
【 ３ 】焦 志 鑫 ，秋 实 ，陈 思 林 ，孙 野 ，殷 凤
过Ｈ Ｔ ＭＬ网 页对机床 夹 具系 统进行 网上 交流
和学习 。
３ 小 结
将虚 拟现 实技 术 引入到 机床 夹 具设计 课 程中，可 以使学生在虚拟环境 中进 行对 夹具进 行反复的拆装训练 ，从而使 学生对 夹具的整体 结构有 感性认识，直接看到夹具 的定位 组件、 机 构及 工件在其上的定位和夹紧 的整个 动作过
龙 ． 基 于Ｅ Ｏ Ｎ 的 铣 刨 鼓 虚 拟 维 修 训 练
基于深度 学习的车牌 识别
文／ 朱旭辰 游 双燕。
市 以及城市 间车辆 的流 动不断增大，对于车辆 原 图像输 入网络，取得 了很好 的效果 。朱宏 吉
车牌 识别 是 现代 智 能交通 系 统 中的 重要组 成 部分 之 一，对 于 交通 安全 、城 市治 安 和 实现 交通 自动化 管 理有 重要 意 义。 目前 的 车牌 识别 面 临着 光线 、气候 和 车
别通过训练好 的三个字 典学习模型，从而形成
行整合最终得到识别结果 。因此 ，本 文将笔画
邹明 明 【 ２ 】 等 人提出 了模般 匹配法 ，该方 三种残差 信息，用 ｓ ｏ ｆ ｔ ｍａ ｘ对三 种残差 信息进
法不 需要提 取特征，输入 图像直接与一系列 的 模板字 符进 行匹配，最终选择 出与原 图像最接 近 的模 板 并将其 作 为最 终 的字符 识别 结果 。
【 ４ 】钟 晓 谷 ，苏 凡 囤 ，王 海 涛 ，王 小
飞． 基于Ｅ Ｏ Ｎ的 轮 式 推 土 机 保 障 虚 拟
训 练 系 统 设 计 … ．机 械 制 造 与 自 动
化 ， ２ ０ １ ３ ， ４ ２ （ Ｏ １ ） ： １ ０ ８ — １ １ １ ．
有 效 的解决 了这一 问题 。如在 模拟 树 的对 刀
度 置信 网络 特征提 取
度变换 ，得到灰度 图。然 后在 灰度图上提取边
缘信 息 （ 如使用 Ｃａ ｎ ｎ ｙ边 缘检 测算法 ） 。对 于
随着生 活水平 的提高车辆数量的增加，城
网络：将分类 问题作为 回归问题 处理并直接将
＜ ＜上 接 ６ ４页
技 术 之一 。碰撞 检测 的 实质 就是在 虚拟 场 景 中，碰 撞检测是夹具装配 中一个非 常重要的环 节 。零 部件在 装 配过 程 中产生 相互 穿透 的 不 真 实现 象 ，这样 会给 装配 提供 一些 不完 整 信 息，因此为了使夹具在装配过程更加符合 真实
wenku.baidu.com
使得人们对于城市车辆 的管理越 来越多的采用 等提 出利用字典 学习的方法对 模糊车牌中文字 智能化和 自动化 的方案 。车牌检 测作为智慧城 符识别 ，采用基 于费希 尔判别准则的字典学 习
市中智能车辆管理系统重要 的一环，其检测技 术的鲁棒性、精确性将直接影 响整个 智能交通 系统的健壮性。因此 ，本文主要集 中在 车牌检
系 统设 计 ［ Ｊ 】 ．筑 路 机 械 与 施 工 机 械
化 ， ２ ０ １ ４ ， ３ １ （ ０ ５ ） ： ８ ４ — ８ ８ ．
情况 ，在 虚拟 装配过程 中添加实时碰撞检测 。
在Ｅ ＯＮ Ｓ ｔ ｕ ｄ ｉ ｏ中，碰撞检测节点 （ Ｃ ｏ ｌ ｌ ｉ ｓ ｉ ｏ ｎ ）
测。
方法来提取 中文 字符的特征，为了从不 同的角 度对 中文字符提取特征 ，用不 同的训练样本训 练三个字典学 习模 型，将 车牌 中文字符样本分
宽度 变换 算法 与深度 置信 网络进 行 结合 ，利 用笔 画 宽度 变换 法计 算 图像 中每 一个像素 的笔画 宽度 ， 将 笔 画宽度 大致 相 等 的相 邻 像 素 合 并形 成 字符候 选 区域 ，并 将合 并形 成 的候 选字 符 区域输 入 到深 度 置信 网络 中进 行 特征 提取 ， 由 Ｓ ｏ ｆ ｔ ｍ ａ ｘ分类 器对提取 的特征进行 分类 。 实验 结 果 表 明，本 文 方法 提 高车牌识别率。
１笔 画宽度 变换
笔 画宽度变 换 （ Ｓ ｔ ｒ ｏ ｋ ｅＷｉ ｄ ｔ ｈＴ ｒ ａ ｎ ｓ ｆ ｏ ｒ ｍ， Ｓ ＷＴ）是一 种局 部 的 图像 操作 ，改操 作 是将 计算每个像 素的颜 色值 变换成每一个像素最有 可能 的笔画 宽度值 。首 先对待 检测的图像做灰
【 关键词 】电车牌识别 笔画 宽度 变换算法 深
速 不 一 的 挑 战 ， 因 此 本 文 提 出 一 种 车 牌 检 测 的 方 法 。 该 方 法 笔 画
交通 的有效管理 己成为 人们亟待解决的 问题 。
人工智能技术 的进 步，智慧城市理念 的普及 ，
［ ６ ］ 提 出利用深 度置信 网络 模型 Ｄ Ｂ Ｎ，对车牌
字符进行特 征提 取， 并对其进行 识别 。 刘峰［ ７ 】
块 零 件 中放 入 Ｃ ｏ ｌ ｌ ｉ ｓ ｉ ｏ ｎ Ｏｂ ｊ ｅ ｅ ｔ 节 点 ，并 设 置 相 应属 性， 当对刀 块在 装 配时 与其 他零 件发
宽度变换算法与深度置信 网络进 行结 合应用到 车牌识别 中，旨在解决光线 、气候和 车速不一
Ｌ ｉ ｕ ［ ３ 】 等人 利 用卷 积神 经 网络 模 型 Ｃ Ｎ Ｎ ，是 的问题 ，从而提 高车牌 识别的准确率。 通过许 多样本 来训 练一个能够识别中文字符 的
卷积神经 网络 ，通 过卷积 层和采样层来提取 图 像的特征 。 周鹏 【 ４ 】 提出利用支 持 向量机 算法 ，先对 车牌字符进行特征提取 ，在 用支持向量机算法 进行字符识别 。Ｒ ｅ ｄ ｍｏ ｎ ［ ５ １等人将卷积神 经网 络和人类视觉系统原理相结合 ，提 出了 Ｙ０Ｌ Ｏ
能实现虚拟夹具拆装 系统的网上发布 ，可 以通
【 ２ 】王 岚 ，刘 怡 ，梁 忠 先 ．虚 拟 现 实 Ｂ Ｏ Ｎ Ｓ ｔ ｕ ｄ ｉ ｏ ［ Ｍ 】 ．天津 ：南开大学 出版社 ， ２ ０ ０ ７ ．
【 ３ 】焦 志 鑫 ，秋 实 ，陈 思 林 ，孙 野 ，殷 凤
过Ｈ Ｔ ＭＬ网 页对机床 夹 具系 统进行 网上 交流
和学习 。
３ 小 结
将虚 拟现 实技 术 引入到 机床 夹 具设计 课 程中，可 以使学生在虚拟环境 中进 行对 夹具进 行反复的拆装训练 ，从而使 学生对 夹具的整体 结构有 感性认识，直接看到夹具 的定位 组件、 机 构及 工件在其上的定位和夹紧 的整个 动作过
龙 ． 基 于Ｅ Ｏ Ｎ 的 铣 刨 鼓 虚 拟 维 修 训 练