徐绍凯 陈尹 赵林娟 姜代红

摘 要：研究车牌识别技术时，存在着识别准确率波动较大，准确率较低等问题。为提高车牌识别准确率，提出了一种改进的卷积神经网络算法，在卷积神经网络模型的基础上对其层次、参数进行改进，通过设置对照实验获得较好的训练参数数值，使改进的卷积神经网络对车牌识别的准确率有一定提升。根据实验方案，对全连接神经网络、LeNet-5，以及改进的卷积神经网络在识别准确率方面进行对比实验，实验数据表明，改进的卷积神经网络在识别准确率方面高于全连接神经网络和LeNet-5。

关键词：机器学习；车牌识别；卷积神经网络

中图分类号：TP183 文献标识码：A

Abstract：In the study of license plate recognition technology，there are some problems，such as large fluctuation of recognition accuracy，low accuracy and so on.In order to improve the accuracy of license plate recognition，an improved convolutional neural network algorithm is proposed.On the basis of the convolutional neural network model，the hierarchy and parameters are optimized.Better training parameters are obtained by setting the control experiment，which enables the improved convolutional neural network to improve the accuracy of license plate recognition to a certain extent.According to the experimental scheme，a comparison experiment is carried out on the recognition accuracy of fully connected neural network，LeNet-5 and improved convolutional neural network.The experimental data shows that the improved onvolutional neural network is better than the other two neural networks in recognition accuracy.

Keywords：machine learning；license plate recognition；convolutional neural network

1 引言（Introduction）

全球的經济发展迅速，汽车数量不断增加，交通堵塞、交通事故多发、交通环境日趋恶化等问题是各个国家都无法忽视的，智能交通系统（简称ITS）[1]开始进入人们的视线。车牌识别技术（简称LPR）作为ITS领域中不可或缺的一部分发挥着越来越重要的作用。

由于缺乏大规模图像数据库和硬件性能不足，造成了早期的CNN不能处理复杂问题。近年来由于硬件技术上的突破和越来越多的大规模图像数据库被人民建立，CNN逐渐成为人工智能方面研究热点，随着对其不断的研究，许多新的结构被人们提出。近年比较有名的CNN结构有ResNet[2]、AlexNet[3]、VGGNet[4]、GoogleNet[5]等。在应用方面上，图像识别方面[6]，动态视频分析[7]、自然语言处理[8]等方面都取得了很多成果。由于CNN在图片识别方面具有很好的性能，所以将CNN应用到LPR领域。……