基于模板匹配和神经网络的车牌字符识别方法基于模板匹配和神经网络的车牌字符识别方法.pdf

V01．14 第14卷第1期 模式识别与人工智能 No．1 2001年3月 PRAI March2001 基于模板匹配和神经网络的车牌字符识别方法* 魏武 (长沙交通学院道路与交通工程系长沙410076) 黄心汉 (华中科技大学控制科学与工程系武汉430074) 张起森 (长沙交通学院道路与交通工程系长沙410076) 王敏 (华中科技大学控制科学与工程系武汉430074) 王明俊 (长沙交通学院道路与交通工程系长沙410076) 摘 要本文提出了一种基于模板匹配和神经网络的车牌识别方法．该方法集成了模板匹配识别车牌字符和神经 网络识别车牌字符的各自优势．对于字符可单独分割出来的一类车牌，本文提出了一种改进的神经网络来进行字 符识别；对于字符不可分割或分割困难的另一类车牌，本文提出了一种基于四灰度加权相似函数模板匹配方法来 识别字符．从而克服了单一方法很难同时识别这两类车牌中的字符的不足，同时可有效地提高车牌字符识别的识 别率、识别速度或识别系统的泛化能力．实验结果表明：大多数情况下，该方法车牌字符识别率超过90％，识别时间 不超过1200毫秒，能更有效识别各种车牌中的字符，能更好地满足实际系统的要求． 关键词车牌字符识别，模板匹配，神经网络，集成 中图法分类号TP391．4 1 引 言 字符，但是对于较低解析度和较为模糊的车牌以上 方法是不可行的，因为这些方法只有在车牌中的每 一字符独立分割出来的前提下才能完成识别工作， 车牌自动识别系统能广泛应用于高速公路不停 而独立分割车牌区的字符，对较低解析度和较为模 车收费站、城市交叉日、港口和机场、国家重要机关 糊的车牌来说是非常困难甚至是不可能的．文献[3] 出入地等场所，对提高这些场所交通系统的管理水 提出了一种基于模板匹配的车牌识别方法，只需提 平和自动化程度具有重要的意义． 取字符区整体特征，避免了字符的分割，能有效地完 车牌自动识别系统主要包括车牌定位和车牌字 成低解析度和模糊的车牌字符识别，但字符识别时 符识别两部分．对于车牌定位部分，目前基于整体和 局部车牌区特征的一些方法有效地解决了车牌的定 间太长．本文提出了一种改进的神经网络和一种四 位问题，并能适合不同解析度和模糊程度的车 灰度加权相关函数模板匹配集成方法来进行字符识 牌[卜5|． 别，使车牌字符识别性能得到了改进． 对于车牌字符识别，．目前最常用的方法是基于 神经网络和模板匹配的方法．文献[1]～[5]给出了2 四灰度加权相似函数模板匹配 基于神经网络的车牌字符识别方法，对于解析度较 车牌字符识别 高(车牌区宽度不小