基于YOLO检测器的高效且与版面无关的车牌自动识别系统
计算机视觉与模式识别
2021-03-10 v4
摘要
本文提出一种高效且与版面无关的车牌自动识别(ALPR)系统,基于最先进的YOLO目标检测器,包含车牌(LP)检测与版面分类的统一方法,并利用后处理规则改善识别结果。该系统通过评估和优化不同模型而设计,旨在各阶段取得最佳速度/精度折衷。网络使用多个数据集的图像训练,并加入多种数据增强技术,从而在不同条件下具有鲁棒性。所提系统在实验中使用的八个公开数据集(来自五个不同地区)上取得了96.9%的平均端到端识别率,在ChineseLP、OpenALPR-EU、SSIG-SegPlate和UFPR-ALPR数据集上优于先前工作和商业系统。在其他数据集上,所提方法取得了与基线相竞争的结果。我们的系统在高性能GPU上还取得了令人印象深刻的每秒帧数(FPS)速率,即使场景中有四辆车也能实时运行。另一贡献是我们手动标注了来自公开数据集的6,239张图像上的38,351个边界框,并将标注公开给研究界。
引用
@article{arxiv.1909.01754,
title = {An Efficient and Layout-Independent Automatic License Plate Recognition System Based on the YOLO detector},
author = {Rayson Laroca and Luiz A. Zanlorensi and Gabriel R. Gonçalves and Eduardo Todt and William Robson Schwartz and David Menotti},
journal= {arXiv preprint arXiv:1909.01754},
year = {2021}
}