文献类型：期刊文章

作　　者：李祥鹏[1] 闵卫东[2] 韩清[1] 刘瑞康[1]

Li Xiangpeng;Min Weidong;Han Qing;and Liu Ruikang(School of Information Engineering,Nanchang University,Nanchang 330031;School of Software,Nanchang University,Nanchang 330047)

机构地区：[1]南昌大学信息工程学院,南昌330031 [2]南昌大学软件学院,南昌330047

出　　处：《计算机辅助设计与图形学学报》

基　　金：国家自然科学基金(61762061);江西省自然科学基金(20161ACB20004)

年　　份：2019

卷　　号：31

期　　号：6

起止页码：979-987

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSCD、CSCD2019_2020、EI、IC、INSPEC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：针对现有的基于车牌字符分割的车牌识别方法,在光照,阴暗等特定自然场景下存在无法定位且车牌字符无法正确分割,直接影响车牌字符识别效果的问题,提出一种基于深度学习的车牌定位和识别方法.首先采用深度学习FasterR-CNN算法进行车牌定位,利用k-means++算法来选择最佳车牌区域尺寸,解决现有车牌定位方法在某些自然场景下无法正确定位车牌的问题;然后在AlexNet网络模型的基础上进行改进和重新构建,提出一种增强的卷积神经网络模型AlexNet-L,该模型是一种针对车牌字符识别的端对端网络模型,可提高车牌识别准确率,避免现有的基于车牌字符分割的车牌识别方法中因无法正确分割车牌字符对车牌字符识别的影响.实验结果表明,该方法可以更有效地提高车牌定位和车牌字符识别的准确度和效率.

关 键 词：深度学习  车牌定位 字符识别 k-means++  AlexNet-L  

分 类 号：TP391.41]