基于卷积神经网络的车辆尾部放大号牌检测算法研究

摘要

为了有效治理工程渣土、垃圾等散装物品运输车辆野蛮行驶行为,依法高效地对车辆尾部未喷涂放大号牌的违法行为进行查处,提出一种基于卷积神经网络的车辆尾部喷涂放大号牌检测方法。该方法对经典的AlexNet网络模型进行了改进,适当减少了网络模型层数,保留了Dropout技术,运行效率和准确率较高。为验证算法模型的可行性,对不同车型的样本分别进行训练和测试;为验证算法模型的通用性和有效性,对不同车型的混合车型样本集进行训练和测试。实验测试表明,该方法对车辆尾部放大号牌的检测相比经典AlexNet算法速度更快、效果更好,准确率达到91.2%,满足实践检测的要求。