基于卷积神经网络的双行车牌识别系统

朱文和

摘 要：目前，车牌识别发挥在众多应用程序和许多技术已经提出。但是，他们中的大多数可以仅适用于单行车牌。在实际应用程序方案，也有现有的许多多行车牌。传统方法需要对双行车牌的原始输入图像。这是一个非常复杂场景中的难题。为了解决这个问题，我们建议一个端到端的神经网络为两个单行和双行车牌识别。是的原始输入车牌图像的分段。我们查看这些整个图像作为一个单位在要素映射后直接深度卷积神经网络。大量的实验表明我们的方法是有效的。

关键词：深度学习 卷积神经网络 车牌识别

Dual-line License Plate Recognition System based on Convolutional Neural Network

Zhu Wenhe

Abstract：Currently， license plate recognition plays a role in numerous applications and many technologies have been proposed. However， most of them can only be applied to single-line license plates. In the actual application program， there are also many existing multi-line license plates. The traditional method requires the original input image of the double-row license plate. This is a difficult problem in an extraordinarily complex scenario. To solve this problem， we propose an end-to-end neural network to recognize two single-line and double-line license plates， that is， the segmentation of the original input license plate image. We view these entire images as a unit and directly deep convolutional neural network after feature mapping. Many experiments show that our method is effective.

Key words：deep learning， convolutional neural network， license plate recognition

1 引言

随着深度学习和人工智能技术的发展，车牌识别技术也发展迅猛。自动车牌识别在众多应用中起重要作用，如无人值守的停车场、自动收费等。由于车辆的不同属性和功能，法律和不同国家的法规对车牌管理。

目前大多数车牌识别方法只关注单行车牌识别任务[1][2]，通过分割并得到字符，然后对字符进行分类，或通过端到端神经网络。这些方法可以在单行车牌上有很好的效果。但是，只有少数方法会考虑双行车牌。这些方法需要分段输入双行车牌。具体来说，他们需要分割车牌的每个字符并正确识别。每个字符分割和识别精度会影响最终结果。

本文的主要贡献是提出一种新型神经网络模型，其网络架构专为识别双行车牌而设计的。我们把每个整个图像输入到深度卷积神经网络得到特征图。然后，对获取的特征图进行重新组织。……