基于级联卷积神经网络的车牌定位

来源：计算机技术与发展杂志2018年第01期北京时间：

作者：傅鹏;谢世朋

摘要：针对多车辆、低分辨率等复杂环境下的车牌定位问题,提出了一种基于人眼视觉特性的车牌识别方法。 通过模仿人眼视觉原理,利用级联卷积神经网络分层提取目标区域特征,逐步缩小搜索区域的方法,实现车牌的精准定位。 首先通过运动目标检测算法定位出目标运动热点区域;然后使用卷积神经网络识别热点区域中的车辆;最后使用卷积神经网络从定位的车辆图片中识别车牌。 数据集采集于多个交通路口的天网摄像头,然后对 5 000 幅图像,约 15 000 个目标进行人工标注,同时对训练图片进行随机变换,从而提高训练的有效性。 实验结果表明,通过提取运动区域可提升卷积神经网络运行的速度和识别的精度。 相比于传统车牌识别算法,提出的方法极大地提高了复杂场景下的车牌识别率,同时在处理高分辨率的图片时具有更高的车牌定位率。

关键词：车牌定位;运动目标检测;视觉特性;卷积神经网络