作者：董浩; 曹从咏; 杨莹智能交通形态学车牌定位车辆识别机器学习深度学习迁移学习深度特征
摘要：车牌定位及车辆识别是智能交通管理的主要研究问题.车牌定位识别,通过对图像进行预处理并结合形态学能粗略获取候选车牌位置,对符合特征的候选车牌进行筛选,精确获取车牌位置, 最后采用神经网络完成字符识别过程.车辆识别采用迁移学习,采用AlcxNct卷积神经网络构造出 深度特征向量.形态学能够应对灰度底质量差的情形,为字符识别提供保障.车辆识别时对比直接 分类图片特征,迁移学习构造的深度特征分类精度为85 .13 %,提高了38%,验证了迁移学习的有效 性,通过 KNN 算法表明深度特征能够表征图片属性.针对新数据集重新提取特征、训练样本将消耗大量时间,对比迁移学习和AlcxNct框架发现分类精度持平,表明了迁移学习的鲁棒性.
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
