Indexed by：
Abstract：
基于CNN的车牌识别精定位算法,可以改进传统的车牌识别算法,提高识别系统的准确率和鲁棒性。先采用Haar特征的级联分类器实现对图像中车牌位置的粗定位;而后综合随机抽样一致化算法与Sobel算子实现精定位算法的精确定位与车牌矫正;再针对精确定位算法中的车牌字符切割,对其进行直方图均衡化后,利用车牌字符分布特征的分割算法完成分割;最后,使用keras搭建深度卷积神经网络(CNN)有效地对分割后的字符进行准确的识别。实验结果表明,本设计提出的识别系统在保证鲁棒性良好前提下,准确性优于各传统算法,对应各变化场景的车牌识别准确率达98%以上。
Keyword：
Reprint 's Address：
Email：
Source ：
福建江夏学院学报
ISSN： 2095-2082
Year： 2020
Issue： 6
Volume： 10
Page： 101-107
Cited Count：
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count：
Chinese Cited Count： -1
30 Days PV： 2
Affiliated Colleges：
