基于卷积神经网络的车牌字符识别

来源：计算机应用杂志2017年第7期北京时间：

作者：董峻妃, 郑伯川, 杨泽静

单位：西华师范大学 数学与信息学院, 四川 南充 637009

摘要：车牌字符识别是智能车牌识别系统中的重要组成部分。针对车牌字符类别多、背景复杂影响正确识别率的问题，提出了一种基于卷积神经网络（CNN）的车牌字符识别方法。首先对车牌字符图像进行大小归一化、去噪、二值化、细化、字符区域居中等预处理，去除复杂背景，得到简单的字符形状结构；然后，利用所提出的CNN模型对预处理后的车牌字符集进行训练、识别。实验结果表明，所提方法能够达到99.96%的正确识别率，优于其他三种对比方法。说明所提出的CNN方法对车牌字符具有很好的识别性能，能满足实际应用需求。

关键词：深度学习,车牌字符识别,卷积神经网络,智能交通,图像预处理

基金资助：国家自然科学基金资助项目（11401480）；西华师范大学校级创新团队项目（CXTD2014-4）；四川省科技创新苗子培育项目（2016033）；四川省大学生创新创业项目（201710638022）；西华师范大学大学生创新创业项目（CXCY2016004）。