贺州学院 李贞伟

车辆特征识别算法中车牌定位的研究是近几年来研究的重要内容，但是受光照不均匀、车牌倾斜等的影响，使其在市场上应用通用性不强，因此对车辆特征识别系统进行继续性研究能够带来重大的应用价值。本文使用了当今人工智能领域最主流的卷积神经网络算法对车辆进行检测，并且进行车牌定位，结合百度公司的深度学习开发平台EasyDL服务器进行远程训练后生成H5页面，可以通过扫码实现车辆位置检测和车牌定位，分别标注为Car和License。

车辆特征识别算法中车牌定位的研究是近几年来研究的重要内容。但是受光照不均匀、车牌倾斜等的影响，使其在市场上应用通用性不强，因此对车辆特征识别系统进行继续性研究能够带来重大的应用价值。要想实现智能交通管理系统，关键技术在于识别车辆特征和车牌定位，目前市场上的应用场景较单一，当前市场上的相关技术对图像的质量提出了较高的要求，否则使得识别效果较差，对于复杂背景条件下的光照变化、车牌污染、车牌遮挡、雨天雾天等条件下的识别能力还需要进一步提高优化。因此，在目前该行业的技术基础上，开发出一款具有通用性和鲁棒性的车辆识别、车牌定位系统对于智能化车辆管理具有深远意义和应用价值。

1 卷积神经网络的基础知识

1.1 卷积神经网络简介

卷积神经网络被认为是学习图像内容的最佳技术之一，并且在图像识别、分割、检测和检索等相关任务方面展现出了最优效果。……