卷积神经网络算法python实现车牌识别_车牌识别算法之CNN卷积神经网络

原标题：车牌识别算法之CNN卷积神经网络

随着我国经济的发展，汽车，特别是小轿车的数量越来越多，智能交通管理系统应运而生。车牌智能自动识别作为智能交通管理系统中的重要组成部分，在智能交通管理中发挥着越来越重要的作用，其应用非常广泛，在高速公路收费管理、超速违章自动拍照、停车场管理、小区进出车辆管理、交通数据采集等许多系统中都需要识别车牌号码。车牌识别系统中主要采用车牌图像进行识别。基于车牌图像的车牌智能自动识别系统主要由3部分组成：车牌定位、字符分割、字符识别，其中字符识别是最后最关键的步骤。车牌字符的正确识别率直接关系到车牌识别系统的性能，车牌字符识别技术已成为完善智能交通管理系统的关键。

下面我们讲一下车牌识别算法之CNN卷积神经网络：

1 卷积神经网络介绍

CNN是一种多层非全连接的神经网络，主要包括卷积层和采样层，LeNet-5是CNN的经典例子，用于手写体数字字符识别，其网络结构如下

2 基于CNN的车牌字符识别

2.1 基于CNN的车牌字符识别流程

由两部分构成：第一部分，输入训练图像集训练CNN分类模型；第二部分，将待识别的车牌字符图像输入训练好的模型进行识别。

2.2 车牌字符图像预处理

字符原始图像预处理流程如下：

步骤1 将字符彩色图像图 3(a)统一转化为灰度图像(图 3(b));

步骤2 统一图像大小为36×28的二值图像(图 3(c