基于分级网络车牌字符识别算法.docVIP

基于分级网络车牌字符识别算法 　　 (1.沈阳建筑大学 信息与控制工程学院 沈阳 110168; 2. 东北大学 信息科学与工程学院 沈阳 110004) 　　 　　摘 要：提出了一种基于分级径向基神经网络的车牌字符识别算法，采用两级径向基神经网络结构，由一级网络识别后，通过对识别结果和置信度进行分析，确定了12个二级子网；采用动态误差分割算法进行网络训练，通过大量实验研究，车牌整体识别率达到了86.58%，平均识别时间为181ms,对比性研究验证了该方法的有效性。 　　关键词：车牌识别； 径向基函数网络； 二级网络； 识别率 　　中图分类号：TP301.6; TP391.41文献标志码：A 　　文章编号：1001-3695(2009)05-1703-03 　　 　　Pattern recognition algorithm for license plate character 　　based on multilevel network 　　LI Meng??xin????1,2?? WU Cheng??dong??2 　　(1.School of Information Control Engineering Shenyang Jianzhu University Shenyang 110168 China; 2.School of Information Science Engineering Northeastern University Shenyang 110004 China) 　　Abstract:This paper proposed a new recognition algorithm for license plate character based on multi??level network adopted two??level network. According to recognition results from one??level network and the confidence levels built recognition distribution table and accordingly designed two??level network. As a result formed 12 two??level sub??networks. A large amount of samples are used for system test. Overall recognition accuracy is 86.58% and recognition time is 181ms. Through contrastive research the method presented is proved to be effective. 　　Key words：license plate recognition; RBF network; two??level network; recognition accuracy 　　 　　0 引言?? 　　 　　随着车流量的不断加大和道路建设的不断完善，对交通自动化管理系统将会提出更高的要求。在保证识别精度的基础上提高识别速度，以满足实时高速系统的需要，并能适应多种场合的应用是车牌识别系统（PLR）的发展趋势。车牌识别的研究，最早出现于20世纪80年代，可以粗略地计算出车辆的速度、车流量、道路负载等数据，识别过程需要人工干预。随着计算机技术的进一步发展，国内外对汽车牌照识别系统的研究工作已经有了很大进展。随着社会要求的不断提高，这些现有产品的弊端也随之凸显出来，即识别速度慢、精度低、抗干扰性能差等[1，2]。?? 　　人工神经网络是模式识别领域中比较成熟和有效的分类方法，它通过网络节点间的连接来存储信息并完成分类计算，具有信息分布式存储、大规模自适应并行处理、自组织、自学习功能、高度的容错性、鲁棒性等优点，可处理一些背景知识不清楚、推理规则不明确、输入模式部分损失等问题。在PLR系统中，神经网络分类方法的缺点是不易区分相似的类（如车牌中的B和8、2和Z等），而且，若一个网络过于庞大则训练难度明显增加。由于不同的字符特征均有其各自的限制，单独使用某一种特征的神经网络进行字符识别不能取得很好的识别效果，因而采用多神经网络集成识别已成为近年来字符识别领域的主要研究方向。任何一种特征和识别方法都有其优点和局限性，走多特征组合、多方案集成的道路[3，4]，已成为字符识别系统走向实用化的有效途径。本文提出了基于分级径向基神经网络（RBF）的字符识别方法进行车牌字符识别。?? 　　 　　1 基于分级径向基神