基于极性检测和改进CNN框架的车牌识别方法

来源：电子测量技术杂志2021年第14期北京时间：

作者：李娅，王兴路，雷蕾，上官望义

单位：西安航空学院 车辆工程学院 西安 陕西 710077

摘要：为了提高车牌自动识别的性能和适用性，提出一种基于前景极性检测和改进卷积神经网络（CNN）的车牌识别方法。所提方法包含两个主要模块：字符分割模块和字符识别模块。在字符分割模块中，基于RGB颜色的前景极性检测进行二值化处理和感兴趣区域（ROI）的分割，然后进行字符高度估计和倾斜校正等处理。在字符识别模块中，然后，通过包含聚合模块的多通道深度CNN框架提取深度特征，提高输出特征的表征能力。实验结果表明，所提方法具有较好的识别精度，在较难的SSIG测试集和AOLP数据集上分别获得92.2%和94.1%的识别率，且在一些极端情况下优于商业的车辆门禁系统。

关键词：车牌自动识别;卷积神经网络;字符分割;字符识别;感兴趣区域

基金资助：陕西省教育厅专项科研计划项目（20JK0695）