摘要
为改善车牌自动识别系统的通用性,在一般卷积神经网络(CNN)的基础上,提出一种具有两个浅层独立子网络的CNN,且具有并行卷积层计算的功能.一个用于推理车牌的概率;另一个利用线性激活对仿射参数进行回归.支持对汽车(包括公交车和卡车等)、摩托车等不同类型的交通工具牌照的检测识别.此外,使用基于YOLO v3 的车牌字符识别模块,并施加了一系列的优化策略,实现对车牌中汉字的准确读取.实验结果表明所提方法的识别精度优于一些同类优秀方法,在AOLP数据集上的车牌检测准确率达到98.9%,在CLPD数据集上的字符识别准确率达到 96.2%.所提方法有助于促进智能交通系统的进一步发展.
基金项目
国家自然科学基金(61003032)
轨道交通运维技术与装备四川省重点实验室开放课题(2020YW003)
成都工业学院引进人才科研启动项目(2021RC003)
四川省大学生创新创业项目(S202111116048)
国家科技期刊平台
NSTL
维普
万方数据