陶星珍，李康顺，刘 玥

(1.江西应用技术职业学院 信息工程学院,江西 赣州 341000；2.华南农业大学 数学与信息学院,广州 510642)

0 引言

随着城市发展，地面“停车难、乱停车”现象不断加剧，严重影响了城市环境和交通秩序，地下车库智能化的发展是必然趋势。智能停车场中车牌的识别是关键技术之一，由于车牌识别系统中图像是从应用环境中获取，受地下停车场的光照、坡度等因素的影响， 获取的图像质量不高，使得分割出的车牌字符存在着断裂、粘连、模糊、毛刺等问题[1]，因此如何准确地识别出车牌字符成为难点[2]。

对车牌识别问题，主要解决方法分为两大类。第一种，将车牌字符分割后再识别；第二种是不分割车牌字符而直接识别。金亚飞[3]针对复杂场景中车牌识别采用了第一种方法，先对车牌字符添加矩形框来分割字符，采用传统图像处理技术，然后用卷积神经网络对字符进行识别，识别率最高达到97.3%。周文婷[4]仅对车牌中首字符汉字进行垂直投影分割，其余字符不分割，对汉字和剩余字符分别设计识别网络，识别率达到97.6%。张文超等[5]运用第二种方法，提出一种车牌定位到识别通道化模型，该模型不需要分割字符，实现车牌的一次性识别，通过在识别模型中共享卷积神经网络，实现字符的多任务分类，同时降低了对复杂背景环境对字符识别的影响；模型应用在车牌识别中取得较好效果，识别率达到94.56%。曹正凤等[6]针对传统的车牌检测和识别任务，提出一个可以同时完成车牌的检测和无分割识别任务的模型，不仅可以避免误差的累积，而且可以进一步加速神经网络的收敛，提高神经网络的泛化性，识别率达到95.4%。……