车牌识别的技术难点包括(以下是自己的理解,不代表权威,大家不要尽信):
1、车牌定位。
方法一:利用车牌位置跳变点比较丰富的特点可以找到车牌可能的区域,这些区域中有些是非车牌区域,可根据车牌自身尺寸的比例或它和整幅图的比例来排除非车牌区域。
方法二:投影法。
2、车牌识别。
方法一:BP神经网络,它通过对字符的训练可以比较准确地识别不同的字符。这里的训练跟人记单词的情景差不多,如,人在记Cat这个单词时,会看着写在纸上的Cat,然后读出Cat,如果读出来的不是Cat,就纠正过来,不断学习可以让你的脑神经每次看到Cat就准确读出Cat。
那么神经网络是靠什么来让使纸上的Cat和Cat读音联系起来的呢?
神经网络一般分三层:输入层、隐含层、输出层。
纸上的Cat可以从输入层输入(映射到大脑皮层),然后(大脑皮层会传递给相关的其他神经单元,也即)传递给隐含层,在传递给隐含层时会(造成电子信号能量的变化,从而)改变输入信号的值,也就是对输入信息进行加权运算。最后,从隐含层再传给输出层,就可以发出Cat的读音。
每次对读音进行纠正时都会重新输入Cat,再读出Cat音。而且每次都会改变每个节点的权值(也就是改变电子信号能量的能力),从而让Cat音趋向正确。