基于深度学习模型LeNet-5-L的车牌识别算法

来源：计算机测量与控制杂志2021年第6期北京时间：

作者：陶星珍,李康顺,谢中梅

单位：江西应用技术职业学院信息工程学院 江西 赣州 华南农业大学数学与信息学院 广东 广州

摘要：针对车牌中汉字识别率低和识别速度慢问题,提出一种基于深度学习的车牌识别网络LeNet-5-L,该网络把车牌识别分为两个阶段,运用OpenCV库函数对车牌图像预处理,结合垂直投影分割方法将车牌分割为7个独立字符图像,降低了图像特征提取难度,从而提高车牌中各个的字符识别率和整个车牌识别速度；运用卷积神经网络解决车牌字符识别问题,基于LeNet-L设计一种车牌字符识别网络LeNet-5-L,有效提高车牌中首字符汉字识别率。实验结果表明,该网络对车牌中各个字符的识别准确率均高于99.97%,单个车牌识别时间仅需0.83ms,该方法有效的提高车牌识别的正确率和识别速度。

关键词：深度学习;LeNet-5;字符分割;车牌识别

基金资助：国家重点研发计划项目(2018YFC0831100)、国家自然科学(61773296,61703170)、广东省重点领域研发项目(2019B020219003)、广州市对外科技合作计划项目(201907010021)、东莞市科技重大专项(2018215121005)、广州市黄埔开发区国际合作项目(No.2018GH09)、赣州市科技重大专项([2018]50)。