成都监控安装网欢迎你:监控安装、监控摄像头安装、监控器安装、网络监控安装、监控工程;专业承接各种监控安装等弱电工程

诚信 · 专业 · 高效

当前位置:

车牌识别系统的问题与新技能运用

更新时间:2018-10-10  阅览次数: 271 次

系统的识别率和识别准确率越高越好,但同时需认识到识别率达到100%是不可能的,一方面因为车牌污损、模糊、遮挡,或者糟糕的天气(下雪﹑冰雹﹑大雾等等)都会严重影响识别的效果,另一方面一些中英文字符的分割与识别本身难度较大,比如“川”字易错误分割,以及“0-Q”、“2-Z”、“4-A”、“5-S”、“7-T”、“8-B”、“O-D”等易混淆字符。因为识别率的统计是以号牌信息有效的车辆总数为基础的,所以,假如考虑了各种环境、情况下的车牌,车牌识别系统在实际运用中的识别率会大打折扣,在无法识别时仍依赖人工进行判断、识别。

针对传统车牌识别算法中字符识别率偏低的缺点,目前出现了一种基于卷积神经互联网的识别技巧,通过对车牌字符图像的样本学习,优化神经互联网每层的权值参数,从而在很大程度上提高车牌的字符识别率。仿真结果表明,采用卷积神经互联网的识别技巧对车牌中的字符进行识别,正确识别率允许到达99%,识别率和抗干扰性明显优于结构特征法、模板匹配法等传统识别技巧(后两者分别只有94%、95%)。

利用神经互联网的优势,采用一种改进的基于卷积神经互联网的识别机制对车牌照中的字符进行识别。该识别技巧通过对理想预处理条件下的车牌字符图片的学习,优化了互联网系统中各层的权值参数,大大提高了车牌照中的字符识别率。在实际运用中,对于前期预处理出现的车牌定位不清、字符分割错误等缺点,假如进一步优化互联网结构,则允许识别预处理较差条件下的车牌字符。

[苏墨影]

整理编辑:成都弱电工程专家