华春梦　臧艳辉　马伙财

摘  要：近些年来，深度学习已逐渐替代机器学习而走进大众的生活当中，尤其是机器视觉，在拍照识图、光学字符识别（OCR）、自动驾驶等领域发挥着重要作用。文章针对智能交通中的车牌识别，提出一种基于CRNN的文本序列模型。该模型实现了端到端、免分割的车牌文字识别方法，充分体现了卷积神经网络的优势，在很多场景下都表现出较好的性能。经多次测试统计，该模型的识别准确率高达98.5%，平均响应时间为100 ms，测试效果良好。

关键词：车牌识别;端到端;CRNN;OCR;神经网络

中图分类号：TP391                文献标识码：A 文章编号：2096-4706（2021）20-0078-05

Research and Application of a License Plate Recognition Algorithm Based on CRNN

HUA Chunmeng， ZANG Yanhui， MA Huocai

（Foshan Polytechnic， Foshan  528137， China）

Abstract： In recent years， deep learning has gradually replaced machine learning and entered the public life， especially machine vision， which plays an important role in the fields of photo recognition， optical character recognition （OCR）， automatic driving and so on. Aiming at the license plate recognition（LPR）in intelligent transportation， this paper proposes a text sequence model based on CRNN. The model realizes the end-to-end and segmentation free license plate character recognition method， fully reflects the advantages of convolutional neural network， and shows good performance in many scenes. After many tests and statistics， the recognition accuracy of the model is as high as 98.5%， the average response time is 100 ms， and the test effect is good.

Keywords： license plate recognition; end-to-end; CRNN; OCR; neural network

0  引  言

隨着我国经济的稳步增长，机动车出行已经成为人们最主要的出行方式之一。据不完全统计，我国2020年的机动车保有量达3.72亿辆，其中小型汽车达2.81亿辆，如何高效有序地对机动车进行智能化管理，是对当下智能交通提出的一个硬性要求[1]。车牌号作为机动车唯一的身份标识，常用作停车场出入口自动收费和驾驶违规追责的主要依据，所以针对车牌识别技术（License Plate Recognition， LPR），从传统的机器学习到当下的深度学习都在不断地进行着算法的更新与迭代。

1  相关研究内容

车牌识别系统是一个综合且复杂的系统，即是基于计算机技术、图像处理技术建立车辆的特征模型，用以识别车辆的特征（如号牌、车型、颜色等）[2-4]。一个良好的车牌识别系统通常包含两个部分。

1.1  车牌检测

车牌检测的主要目的是从复杂的环境中检测出车牌的有效区域。Kanayama等发现车牌与背景环境存在色差，通过Sobel算子进行车牌边缘检测[5]，Lee[6]同样以车牌的颜色作为特征，使用HLS进行车牌的定位和检测。……