基于TensorFlow的车牌字符识别方法

• 作 者: 孟祥环 罗素云 张玉祖 陈亚 陈思涛
• 机 构: 上海工程技术大学机械与汽车工程学院
• 出 处: 上海工程技术大学学报
• 发表日期: 2020年03期
• 关键词: TensorFlow框架 卷积神经网络 车牌识别 深度学习 TensorFlow frame convolutional neural network(CNN)
• 基金项目: 上海工程技术大学研究生科研创新资助项目(0231-E3-0903-19-01229)

全连接神经网络将车牌字符图像以一维矩阵的形式进行矩阵运算,忽略了图像自身的特性,且一旦图像像素过多,神经网络的参数规模会急剧增加,常规的神经网络很难训练.基于TensorFlow深度学习框架搭建一种卷积神经网络训练模型,在自制的大小为40×32像素点车牌字符灰度图像数据集基础上,使用搭建的神经网络模型训练得到较好的训练效果,利用多次卷积和池化层提取特征,与全连接神经网络相比极大减少节点数量,提高识别的精准度.通过不同识别算法的准确率对比可见,卷积神经网络对中文、英文和数字的识别更加准确,模型的鲁棒性