吴安辉 何家峰 何启莉

摘  要：针对传统车牌识别方法在复杂环境下识别准确率不高和过程繁杂的问题，提出一种基于U-Net和CNN的车牌检测和识别的深度学习模型，首先通过U-Net模型进行车牌定位，然后采用透视变换方法对倾斜较大或者形变的车牌实现车牌矫正，最后通过改进的CNN模型对车牌区域进行车牌识别，其识别率为97.5%。实验结果表明该算法在复杂环境下能够精准识别。

关键词：U-Net;CNN;车牌定位;车牌矫正;车牌识别

中图分类号：TP391.41      文献标识码：A 文章编号：2096-4706（2021）01-0081-04

Research on Algorithm of License Plate Detection and Recognition in Complex Scenes

WU Anhui，HE Jiafeng，HE Qili

（School of Information Engineering，Guangdong University of Technology，Guangzhou  510006，China）

Abstract：Aiming at the problems of low accuracy rate and complex process of traditional license plate recognition methods in complex environment，a deep learning model of license plate detection and recognition based on U-Net and CNN is proposed. First，the U-NET model is used to locate the license plate，and then the perspective transformation method is used to correct the license plate with large tilt or deformation. Finally，the improved CNN model is used to recognize the license plate area，and the recognition rate reaches at 97.5%. The experimental results show that the algorithm proposed in this paper can accurately recognize license plates in complex environments.

Keywords：U-Net;CNN;license plate location;license plate correction;license plate recognition

0  引  言

隨着经济水平的提高，人们对汽车的需求量日益增长。汽车在满足人们日常需求的同时也带来诸多严重的交通问题。车牌检测与识别从停车管理到交通管制都有广泛应用，在车牌检测与识别任务中，实现速度快、准确性和鲁棒性高的性能对实现智能交通运输尤为重要。随着深度学习技术越来越成熟，将深度学习应用于交通管理已成为一种趋势，通过深度学习的方法进行车牌检测与识别，是实现智能化城市管理的关键一步。

车牌识别技术分为传统图像处理方法和基于深度学习的方法。传统的图像处理方法一般分为三个步骤：图像预处理、字符分割和文本识别。传统方法首先将车牌分割成独立的字符，然后车牌字符进行特征提取，最后通过模板匹配[1，2]或支持向量机（SVM）[3]识别车牌字符。然而，传统的图像处理方法下的字符分割可能存在字符粘连的情况，对光照不均的车牌识别效果不佳。……