基于深度神经网络的车牌字符串识别

摘要

传统的车牌字符识别算法需要进行字符分割再进行识别,而字符分割错误下一步识别也会产生错误,为了解决这个问题,本文提出一种不需要进行分割,直接对车牌字符串进行识别的方法.本文设计了一个深度卷积神经网络,对输入图像进行训练,将卷积和池化后得到特征图用一个固定尺寸的识别器扫描进行字符识别,最后组合识别结果,使用Viterbi算法选择最优解,在实验中通过Best vs second-best法则计算深度神经网络的不确定性,在得到很好的识别效果的同时减少训练集.该方法的正确率可以达到98％以上,且用时短,大大减少了传统设计的程序代码.在今工程应用中有一定的实用价值.