复杂环境下的车牌识别

摘要

车牌识别在智能交通系统中有着广泛的应用,具有重要的意义,是图像识别领域一个重要而富有挑战性的研究课题。目前的许多方法只能适应在特定的环境下,才能完成正常的识别。而在现实复杂的场景中的鲁棒性不高。本文提出了一种在复杂的场景中鲁棒的车牌识别方法。首先,通过EfficientDet网络检测车辆所在的位置,从而缩小车牌位置的搜索范围,通过失真校正的车牌检测网络,检测并校正同一幅图像中一个或多个严重扭曲或倾斜的车牌;其次,将校正后的车牌输入到卷积递归神经网络(CRNN)和联接主义时态分类(CTC)的时态分类结合的车牌识别神经网络中,最终获得车牌的准确信息。实验结果表明,该方法在检测和识别的精度和速度上均优于其它方法。