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