采用视觉显著性和卷积网络的车牌定位算法

来源：计算机技术与发展杂志2019年第06期北京时间：

作者：刘华春;侯向宁

摘要：针对传统的车牌定位方法存在对环境要求高,容易受干扰,鲁棒性不强等不足,提出将视觉显著性与卷积神经网络相结合应用于车牌定位,设计了一种车牌定位方法。 该方法包含 2 个阶段,第 1 阶段为提取车牌候选区域,将视觉注意机制引入车牌定位过程,采用自下而上的模型,提取出车辆图像中具有显著特征的车牌区域。 采用视觉显著性算法,实现车牌候选区域的快速定位和提取,避免了在车辆图像的各个区域进行扫描。 第 2 阶段为车牌识别,将深度卷积神经网络应用于车牌区域识别,实现候选区域中非车牌和车牌的准确分类。 实验结果表明,该方法性能优异,大幅降低了车牌区域漏检率,鲁棒性强,定位准确率比数字图像方法提高约 5%。

关键词：视觉显著性;卷积神经网络;车牌定位;深度学习;分类;车牌识别;AlexNet 网络