广东工业大学 周家振 杜玉晓

车牌识别是目前交通管理业务中备受关注的问题，随着人们对该领域的研究，车牌识别技术不断完善。其中，车牌识别是通过摄像头自动抓拍图片上的车牌并识别车牌号码，在交通管理方面得到了广泛的应用。本文对车牌定位识别算法展开了研究，并通过实验验证算法的合理性与准确性。

车牌识别系统的主要步骤有以下几方面，分别为图像预处理、车牌检测、车牌图像分割和字符识别。传统的车牌定位方法，如基于边缘检测与基于颜色特征检测的方法很难处理复杂的场景，以及字符识别采用传统的BP网络方法训练时间较慢。因此，本文提出采用传统方法与深度学习的方法进行车牌定位，训练CNN模型进行车牌字符识别，以解决复杂场景下的车牌能够精确定位与识别车牌字符的问题。

1 车牌定位

车牌定位方面，本文研究了一种结合了基于边缘检测与基于颜色特征检测的方式，选取出候选车牌区域，然后采用CNN模型对这些候选车牌区域进行识别，判断是否是车牌，并截图保存；这种方式对车牌做了两次定位，并利用模型进行了一次判断，能够在复杂背景下检测出车牌，大大提高了车牌定位的精确度。

1.1 图像预处理

本文采用Sobel算子边缘检测，过滤掉大量的背景图，留下少部分边缘，这些边缘主要是由车辆与车牌的边缘构成，通过后面的阈值分割能够把部分边缘去掉，从而达到过滤掉大部分区域的效果，得到基于边缘检测的区域。……