車牌識別系統(tǒng)的識別率和識別準(zhǔn)確率越高越好,但同時(shí)需認(rèn)識到識別率達(dá)到100%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)都會嚴(yán)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?yàn)樽R別率的統(tǒng)計(jì)是以號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,車牌識別系統(tǒng)在實(shí)際應(yīng)用中的識別率會大打折扣,在無法識別時(shí)仍依賴人工進(jìn)行判斷、識別。
針對傳統(tǒng)車牌識別算法中字符識別率偏低的缺點(diǎn),目前出現(xiàn)了一種基于卷積神經(jīng)網(wǎng)絡(luò)的識別方法,通過對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別率。仿真結(jié)果表明,采用卷積神經(jīng)網(wǎng)絡(luò)的識別方法對車牌中的字符進(jìn)行識別,正確識別率可以到達(dá)99%,識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,采用一種改進(jìn)的基于卷積神經(jīng)網(wǎng)絡(luò)的識別機(jī)制對車牌照中的字符進(jìn)行識別。該識別方法通過對理想預(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別率。在實(shí)際應(yīng)用中,對于前期預(yù)處理出現(xiàn)的車牌定位不清、字符分割錯誤等缺點(diǎn),如果進(jìn)一步優(yōu)化網(wǎng)絡(luò)結(jié)構(gòu),則可以識別預(yù)處理較差條件下的車牌字符。