基于多目标优化多任务学习的端到端车牌识别方法

周晓君,高 媛 ,李超杰 ,阳春华

(1.中南大学自动化学院,湖南长沙 410083;2.湖南湘江人工智能学院,湖南长沙 410083)

1 引言

智慧交通是未来交通系统的发展方向,车牌自动识别是保障交通安全、提高车辆运营效率、促进绿色环保的关键技术.近年来,随着我国经济飞速发展,各类机动车数量不断增加的同时也造成了交通拥堵等问题.智慧交通技术可以对交通信号灯和道路设备进行分配调整和动态调度,从而避免和减少车辆拥堵的情况发生,实现降低能源消耗和提高城市交通运营效率的目标[1].

车牌识别是交通管理系统的一项关键技术[2],也是计算机视觉领域中的一个重要研究方向[3–4],车牌识别技术从传统图像处理方法到目前基于深度学习的方法取得了显著成效.成熟的车牌识别方法主要有基于模板匹配、特征提取和神经网络3种方法.Gou等[5]采用提取字符级的极值区域的方式,车牌字符分割后采用受限玻尔兹曼机实现单车牌字符识别.Khan等[6]提出了一种基于多特征提取和融合的方法在单车牌数据集上验证了该算法的有效性.Tabrizi等[7]提出了一种综合了k近邻算法(knearest neighbors,kNN)和支持向量机(support vector machine,SVM)的混合单车牌识别方法,在一定程度上提升了单车牌字符识别率.随着深度学习的深入研究,基于神经网络的车牌识别方法逐渐成为了研究热点[10–11].Yang等[8]提出了一种基于神经网络和极端学习机的单车牌识别方法,采用卷积神经网络提取单张车牌图像特征,并通过极……