基于机器学习的多车牌识别算法应用研究

来源：计算机技术与发展杂志2018年第06期北京时间：

作者：郑顾平;闫勃勃;李刚

摘要：为满足车牌识别系统中对多车牌识别的高准确率的应用需求,提出一种基于优化参数的 SVM(支持向量机)进行车牌定位。 考虑到雾霾天气下拍摄的图片对车牌识别的影响,先进行去雾处理,然后使用 Sobel 算子对图片进行垂直边缘检测,结合形态学处理确定候选车牌轮廓,对候选车牌轮廓通过外接矩阵的长宽比初步判断符合车牌的区域。 加上国内车牌的颜色单一,结合 HSV 颜色模型定位,很大程度上提高了车牌的定位率。 对定位出的候选车牌区域进行训练和 SVM模型判断,确定出符合车牌的区域。 同时对车牌进行字符分割后,使用单独为车牌汉字训练的 ANN 模型进行字符识别。此外针对不同的场景提供训练模式,系统可以训练特定场景下的 SVM 模型。 经验证,该系统能够满足多车牌识别的实际应用,鲁棒性和准确率相比通用模型提高近 20%。

关键词：机器学习;车牌识别;支持向量机;多层感知机