基于复杂背景的车牌字符快速识别方法

• 作 者: 王练术 辛永红 冶建科
• 机 构: 上海交通大学计算机系
• 出 处: 微计算机信息
• 发表日期: 2009年22期
• 关键词: 复杂背景 二值化 支持向量机 卷积神经网络 Complex conditions Niblack SVM Convolution Neural Netwo

复杂背景下车辆牌照的快速识别主要包括字符的定位、提取与识别。本文针对在复杂背景下如何快速定位并提取字符、如何提高字符识别率的问题,阐述了在复杂背景车牌字符识别系统中,Niblack(二值化)与SVM相结合的方法和卷积神经网络的具体应用。试验结果表明,在对复杂背景图片中的车牌与集装箱箱体字符进行识别时,该系统准确率分别到达92%与89%,单次所需时间为1秒(CPU1.66GHZ)。本文方法直接对字符定位,克服了传统方法只能针对车牌字符进行识别的局限性,优于其他识别方法。