复杂环境下基于角点回归的全卷积神经网络的车牌定位

摘要

车牌定位是车牌识别系统中核心部分,具有较高的研究和应用价值.尽管近些年来该研究取得了很大的进展,但仍无法很好地解决低亮度、低分辨率和车辆倾斜等环境下的定位问题.本文提出了一种新的全卷积神经网络,通过回归车牌角点的方式准确地进行车牌定位.为了保证训练的有效性,对45 000幅含有车牌的图像进行人工标注.同时,对标注的图像随机进行平移、缩放、旋转和加噪,提高训练样本的数量和多样性.在本文构建的卡口图像数据集和复杂环境数据集上与两种方法进行了比较,验证了本文方法的有效性.