江祥奎，刘 洵，李 红

(西安邮电大学 自动化学院，陕西 西安 710121)

车牌检测(License Plate Detection, LPD)算法是将图像识别技术应用于车牌的识别，对图片的车牌区域进行定位并识别，提供给交通网络，从而实现监控、跟踪以及自动收费等功能。目前，国内的车牌检测算法已广泛应用在高速公路电子收费、停车场管理等领域[1-4]。然而，交通场景下拍摄的图片照明度低、车牌目标小、车辆行驶速度快，以及工业摄像机抓拍的图像容易出现动态模糊、分辨率低等问题，直接影响了最终的识别效果。国外的车牌检测技术开始于20世纪80年代，通过提取车辆牌照的特征信息实现车牌识别[5]，主要应用于自动驾驶、车联网等方面。但是，在环境复杂的交通场景中，检测算法常常会在提高检测速度的同时降低了检测精度[6-7]，动态模糊情况下的检测精度还有待提升。

车牌检测算法主要有基于灰度图像的检测算法、基于彩色图像的检测算法、基于多特征融合的检测算法和基于深度学习的检测算法等4种类型。基于灰度图像的检测算法是通过边缘、纹理和投影等特征信息检测车牌，该类算法运算量小，但在复杂背景下识别率低[8-9]。基于彩色图像的检测算法利用国内车牌通常是蓝底或黄底的特征与周围环境进行区分，该类算法检测速度较快，但背景颜色与车牌底色相近时，对检测结果有一定影响[6-7,10]。基于多特征融合的检测算法通过融合两种及以上车牌特征，在一定程度上减少了复杂环境对检测结果的影响[8,11-13]，但该类算法的训练过程较为复杂。……