一种轻量级的车牌字符识别算法.doc

Paper NO1 ?????（注：满分为五星） 论文分类 完成时间 2019-8-10 英文题目 Light-weight Recognition Algorithm of Vehicle License Plate Characters 中文题目 一种轻量级的车牌字符识别算法 期刊时间 计算机科学2019 中文摘要 字符识别是车牌识别的一个关键环节。在对车牌字符集进行深入分析的基础上，提出了形状特征向量等概念，从理论上分析并证明了形状特征向量用于车牌字符识别的可行性。文中提出了一种基于形状特征向量的车牌字符识别算法，并进行了仿真实验。实验结果表明，形状特征向量能够用作车牌字符识别，基于形状特征向量的车牌识别算法具有97.3%的正确率；此外，该算法没有复杂的训练过程，不需要大量数据来记录训练结果，实现简单，是一种轻量级的车牌字符识别算法。 关键词 车牌识别;字符识别;形状特征向量 概括主旨 提出一种轻量级的字符识别算法，该算法使用形状特征向量来反映车牌字符在形状上的差别，使用字符的形状特征来区分不同的字符。整体方案简洁、实现简单，不采用模式识别的方法，因而也不需要使用大量样本进行训练。提出了形状特征向量的概念，并基于该概念设计了一种轻量级的车牌字符识别方法。基于形状特征向量的识别方法具有如下优点：不需要对车牌图像进行归一化处理，能够很好地使用在归一化过程中过滤的字符信息；形状特征向量计算简单，图片二值化后，实际上是对１的个数做统计。算法实现过程存在的主要问题是，车牌字符有倾斜角度时，字框求解不准确。 笔记部分 基于形状特征向量的车牌字符识别的可行性分析： 形状特征向量是否可以作为车牌字符的识别数学模型，取决于两个方面： 1、车牌字符的形状特征向量是否互不相同； 2、每个车牌字符的形状特征向量是否保持不变。 由相机的成像原理可知，相机是利用物在２倍焦距之外凸透镜会在１倍焦距与２倍焦距之间呈一个倒立的、缩小的实像的成像规律工作的。该实像会在感光材料上产生物理的（数码相机）或化学的（胶片相机）反应，从而得到平面的相片，即字符 ｓ 的不同像可以由字符 ｓ 通过等比例大小变化来近似模拟。 证明：我们知道不规则平面图形的面积可以通过将其分割为规则的图形来求解： 通过形状特征向量我们可以来区分ＬＰＣＳ字符集中的字符，即车牌字符。ＬＰＣ字符的各种正面像都具有相同的形状特征向量。综合可以得出，形 状特征向量可以被用于ＬＰＣＳ字符的识别。 算法实现： 理论上证明了形状特征向量用于车牌字符识别的可行性。这一节介绍基于形状特征向量构造的车牌字符识别算法，该算法包括以下４步。 实验： 使用Ｍａｔｌａｂ作为仿真实验工具，对采集的６５２个ＬＰＣＳ字符样本进行实验分析。样本涵盖了整个ＬＰＣＳ字符集的字符。首先计算形状特征向量库。部分字符的数据如表所列。 本文方法与其他类方法的识别正确率对比如表４所列。从正确率上来看，本文方法与改进后的其他类方法差别并不大，所有方法的识别正确率都比较高。但是，本文方法在计算与存储复杂度上比其他类方法优秀。具体的对比过程如表５所列。表５中，size为ＬＰＣＳ字符集大小，μ为每个字符的平均特征向量数，一般情况下取 １ ；表中的“高维”是指图片归一化后的图片像素数，一般在300以上，文章的形状特征向量仅为９维，因此计算与存储复杂度都很低。 总结： 这种文章对照实验通都是用老旧的来对照，使实验差距明显，本周第一篇都做到99%了，这个实验的优点在于轻量化，复杂度降低了，但是，这个实验就是手写字啊，说来说去其实和手写字识别没啥区别啊，这就是进阶版的手写字啊……需要学习的太多了。