基于在线序列极限学习机的车牌字符识别方法

摘要

当前基于神经网络方法的车牌字符识别技术都使用固定的训练样本,学习的效果受初始样本限制,对于识别过程中新出现的不同角度、光线等特征的字符图片不能自适应地学习.本文针对这个问题提出了基于在线序列极限学习机(OS-ELM)的车牌字符识别方法.在样本实时更新中使系统自适应调整网络权值,不断提高识别准确率.本文设计了汉字、字母、字母混合数字三个字符分类器,根据车牌字符的排列特征识别相应的字符.通过与传统ELM方法和BP神经网络法对比,结果证明该字符识别技术达到了较高的识别率,在训练速度上也比BP神经网络法提高了2～3个数量级.