李消霞++张文静++刘银萍++程杰++彭雪丹

摘要：在识别车牌的技术中，由于车牌存在这图像模糊不清、倾斜、分割以后字符笔画粗细不均、不完整等问题，导致了传统车牌的识别率很低，不能适应车牌识别的实时性要求。针对问题，本文将要提出一种改进的BP神经网络算法可提高车牌识别准确率和速率，此算法采用附加动量法和自适应学习速率对BP神经网络算法进行改进。结果表明，改进的BP神经网络提高了车牌的识别正确率和速率，是一种实时性强的车牌识别算法。

关键词：车牌识别；BP神经网络；附加动量法

中图分类号：TP18 文献标识码：A 文章编号：1009-3044（2016）09-0223-02

反向传播网络Back-Propagation Network（简称BP网络）是人工神经网络的精华部分，也是前向网络的核心部分，由D.E.Rumelhart等人在1986年提出的。大多都是根据误差反向的传播解决了多层神经网络的权值修正的问题，故称为误差反向传播法（Error Back-Propagation），简称BP算法。

目前国内外许多学者利用神经网络的算法对车牌识别进行了研究，由于BP神经网络算法具备这良好的自学能力、容错能力、强大的分类、并行处理能力和自学习能力，适于解决车牌识别问题。但BP神经网络的性能与初始网络权值、学习速率等参数合理选择有关，若参数选择不当，会产生学习速率低、局部最优和过拟合等问题，导致车牌识别率低。本文针对此问题，对BP神经网络进行了改进，一定程度上改善了传统神经网络算法带来的缺陷。

1 识别车牌原理

图1 整个车牌识别过程

整个车牌识别……