车牌字符分割基准
计算机视觉与模式识别
2016-11-01 v2
摘要
自动车牌识别 (ALPR) 在过去多年中一直是许多研究的焦点。通常，ALPR 被划分为以下问题：轨道上车辆的检测、车牌检测、车牌字符分割和光学字符识别 (OCR)。尽管在受控采集条件下（例如停车场入口）已有商业解决方案，但当仅依赖成像传感器处理来自非受控环境（如道路和高速公路）的数据时，ALPR 仍是一个开放问题。由于相机捕获的车牌具有多种方向和尺度，ALPR 中一项极具挑战性的任务是车牌字符分割 (LPCS) 步骤，其有效性需达到（接近）最优，才能使 OCR 获得高识别率。为解决 LPCS 问题，本文提出了一种新颖的基准，该基准由一个数据集组成，旨在专注于 ALPR 字符分割步骤并配套评估协议。此外，我们提出了 Jaccard-Centroid 系数，一种在真实标注边界框定位方面比 Jaccard 系数更合适的新的评估度量。该数据集由 2,000 个巴西车牌组成，包含 14,000 个字母数字符号及其对应的边界框标注。我们还提出了一种直接的新方法来高效执行 LPCS。最后，我们基于四种 LPCS 方法对该数据集进行了实验评估，并证明了字符分割对于实现准确 OCR 的重要性。
引用
@article{arxiv.1607.02937,
title = {Benchmark for License Plate Character Segmentation},
author = {Gabriel Resende Gonçalves and Sirlene Pio Gomes da Silva and David Menotti and William Robson Schwartz},
journal= {arXiv preprint arXiv:1607.02937},
year = {2016}
}
备注
32 pages, single column