拾音器在車牌識(shí)別系統(tǒng)的識(shí)別率和識(shí)別準(zhǔn)確率越高越好，但同時(shí)需認(rèn)識(shí)到識(shí)別率達(dá)到*是不可能的，一方面因?yàn)檐嚺莆蹞p、模糊、遮擋，或者糟糕的天氣(下雪﹑冰雹﹑大霧等等)都會(huì)嚴(yán)重影響識(shí)別的效果，另一方面一些中英文字符的分割與識(shí)別本身難度較大，比如“川”字易錯(cuò)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?yàn)樽R(shí)別率的統(tǒng)計(jì)是以號(hào)牌信息有效的車輛總數(shù)為基礎(chǔ)的，所以，如果考慮了各種環(huán)境、情況下的車牌，車牌識(shí)別系統(tǒng)在實(shí)際應(yīng)用中的識(shí)別率會(huì)大打折扣，在無(wú)法識(shí)別時(shí)仍依賴人工進(jìn)行判斷、識(shí)別。
針對(duì)傳統(tǒng)車牌拾音器識(shí)別算法中字符識(shí)別率偏低的缺點(diǎn)，目前出現(xiàn)了一種基于卷積神經(jīng)網(wǎng)絡(luò)的識(shí)別方法，通過(guò)對(duì)車牌字符圖像的樣本學(xué)習(xí)，優(yōu)化神經(jīng)網(wǎng)絡(luò)每層的權(quán)值參數(shù)，從而在很大程度上提高車牌的字符識(shí)別率。仿真結(jié)果表明，采用卷積神經(jīng)網(wǎng)絡(luò)的識(shí)別方法對(duì)車牌中的字符進(jìn)行識(shí)別，正確識(shí)別率可以到達(dá)99%，識(shí)別率和抗干擾性明顯優(yōu)于結(jié)構(gòu)特征法、模板匹配法等傳統(tǒng)識(shí)別方法(后兩者分別只有94%、95%)。
利用神經(jīng)網(wǎng)絡(luò)的優(yōu)勢(shì)，采用一種改進(jìn)的拾音器基于卷積神經(jīng)網(wǎng)絡(luò)的識(shí)別機(jī)制對(duì)車牌照中的字符進(jìn)行識(shí)別。該識(shí)別方法通過(guò)對(duì)理想預(yù)處理?xiàng)l件下的車牌字符圖片的學(xué)習(xí)，優(yōu)化了網(wǎng)絡(luò)系統(tǒng)中各層的權(quán)值參數(shù)，大大提高了車牌照中的字符識(shí)別率。在實(shí)際應(yīng)用中，對(duì)于前期預(yù)處理出現(xiàn)的車牌定位不清、字符分割錯(cuò)誤等缺點(diǎn)，拾音器如果進(jìn)一步優(yōu)化網(wǎng)絡(luò)結(jié)構(gòu)，則可以識(shí)別預(yù)處理較差條件下的車牌字符。
文章來(lái)源：http://www.elite-audio。。ｃｏｍ.cn/
會(huì)員1.png)