基于SVM和BP神經網絡的車牌識別系統

曾　泉,譚北海

(廣東工業大學 自動化學院,廣東 廣州　510006)

基于SVM和BP神經網絡的車牌識別系統

曾泉,譚北海

(廣東工業大學 自動化學院,廣東 廣州510006)

摘要針對車牌識別系統的車牌精確定位和車牌字符準確識別問題。提出一種基于SVM(支持向量機)和BP神經網絡的車牌定位與識別算法。通過將HSV顏色空間和形態學方法相結合確定候選輪廓,以判斷輪廓外接矩形的面積和長寬比篩選符合車牌特征的區域,并利用訓練好的SVM模型對候選車牌區域進行測試判斷,最終精確定位車牌的位置。此外,還可使用了BP神經網絡進行車牌字符識別。經驗證,該系統適用于復雜的車牌定位環境,且識別速度快,準確率高。

關鍵詞車牌定位;車牌識別;支持向量機;BP神經網絡

Plate Recognition System Based on SVM and BP Neural Network

ZENG Quan,TAN Beihai

(School of Automation,Guangdong University of Technology,Guangzhou 510006,China)

AbstractThis paper presents an effective license plate recognition algorithm based on SVM and BP neural network for accurate license plate location and character recognition.First,plate regions that conform to the license plate characteristics are preliminary located by the contour rectangle area with the aspect ratio acquired by HSV color model and morphological methods.Then the more precise plate region is located by SVM machine learning.Finally,the plate characters are classified by the BP neural network.Experiment results show that this system is good in accuracy and speed and suitable for complex environment.

Keywordsplate location;plate recognition;support vector machine;BP neural network

車牌識別是圖像處理與模式識別技術在智能交通中的應用,車牌的精確定位和車牌字符的準確識別是車牌識別系統的關鍵問題。常用的車牌定位方法有基于數學形態學的方法[1]、基于彩色分割的方法[2]、基于顏色和紋理分析的方法[3]、基于小波和形態學的方法[4]和基于混合特征的方法等[5]。車牌字符識別方法有基于模板匹配的方法[6]、基于Gabor變換和支持向量機的方法[7]、基于小波和神經網絡的方法等[8]。本文首先利用HSV顏色空間和邊緣特征獲取車牌的候選區域,利用SVM機器學習方法判斷最終的車牌區域,該方法可獲得較高的車牌定位率。提出一種改進的粗網格車牌字符特征提取方法,利用BP神經網絡進行訓練識別,可獲得較好地字符識別準確率。……