您好, 歡迎來到智慧城市網
車牌識別系統的問題與新技術應用
車牌識別拾音器系統的識別率和識別準確率越高越好，但同時需認識到識別率達到100%是不可能的，一方面因為車牌污損、模糊、遮擋，或者糟糕的天氣(下雪﹑冰雹﹑大霧等等)都會嚴重影響識別的效果，另一方面一些中英文字符的分割與識別本身難度較大，比如“川”字易錯誤分割，以及“0-Q”、“2-Z”、“4-A”、“5-S”、“7-T”、“8-B”、“O-D”等易混淆字符。因為識別率的統計是以號牌信息有效的車輛總數為基礎的，所以，如果考慮了各種環境、情況下的車牌，車牌識別系統在實際應用中的識別率會大打折扣，在無法識別時仍依賴人工進行判斷、識別。
針對傳統車牌拾音器識別算法中字符識別率偏低的缺點，目前出現了一種基于卷積神經網絡的識別方法，通過對車牌字符圖像的樣本學習，優化神經網絡每層的權值參數，從而在很大程度上提高車牌的字符識別率。仿真結果表明，采用卷積神經網絡的識別方法對車牌中的字符進行識別，正確識別率可以到達99%，識別率和抗干擾性明顯優于結構特征法、模板匹配法等傳統識別方法(后兩者分別只有94%、95%)。
利用神經網絡的優勢，采用一種改進的拾音器基于卷積神經網絡的識別機制對車牌照中的字符進行識別。該識別方法通過對理想預處理條件下的車牌字符圖片的學習，優化了網絡系統中各層的權值參數，大大提高了車牌照中的字符識別率。在實際應用中，對于前期預處理出現的車牌定位不清、字符分割錯誤等缺點，拾音器如果進一步優化網絡結構，則可以識別預處理較差條件下的車牌字符。
針對傳統車牌拾音器識別算法中字符識別率偏低的缺點，目前出現了一種基于卷積神經網絡的識別方法，通過對車牌字符圖像的樣本學習，優化神經網絡每層的權值參數，從而在很大程度上提高車牌的字符識別率。仿真結果表明，采用卷積神經網絡的識別方法對車牌中的字符進行識別，正確識別率可以到達99%，識別率和抗干擾性明顯優于結構特征法、模板匹配法等傳統識別方法(后兩者分別只有94%、95%)。
利用神經網絡的優勢，采用一種改進的拾音器基于卷積神經網絡的識別機制對車牌照中的字符進行識別。該識別方法通過對理想預處理條件下的車牌字符圖片的學習，優化了網絡系統中各層的權值參數，大大提高了車牌照中的字符識別率。在實際應用中，對于前期預處理出現的車牌定位不清、字符分割錯誤等缺點，拾音器如果進一步優化網絡結構，則可以識別預處理較差條件下的車牌字符。