使用深度学习与字体评估的车牌检测与字符识别
计算机视觉与模式识别
2024-12-18 v1 人工智能
机器学习
摘要
车牌检测 (LPD) 对于交通管理、车辆追踪和执法至关重要，但面临光照多变和字体类型多样等影响准确性的挑战。传统上该领域依赖于图像处理和机器学习，现在正因深度学习在各种条件下的稳健性能而向其转变。然而，当前方法通常需要针对特定区域的数据集进行定制。本文提出了一种双深度学习策略，使用 Faster R-CNN 进行检测，并使用结合连接时序分类 (CTC) 损失和 MobileNet V3 主干的 CNN-RNN 模型进行识别。该方法旨在利用来自安大略省、魁北克省、加利福尼亚州和纽约州的数据集提高模型性能，在模式识别与机器智能中心 (CENPARMI) 数据集上实现了 92% 的召回率，在 UFPR-ALPR 数据集上实现了 90% 的召回率。本文包含详细的错误分析以识别误报的原因。此外，本研究还检查了字体特征在车牌 (LP) 识别中的作用，使用 OpenALPR 系统分析了 Driver Gothic、Dreadnought、California Clarendon 和 Zurich Extra Condensed 等字体。研究发现字体特征会导致显著的性能差异，为未来 LPD 系统的改进提供了见解。关键词：深度学习，车牌，字体评估
引用
@article{arxiv.2412.12572,
title = {License Plate Detection and Character Recognition Using Deep Learning and Font Evaluation},
author = {Zahra Ebrahimi Vargoorani and Ching Yee Suen},
journal= {arXiv preprint arXiv:2412.12572},
year = {2024}
}
备注
12 pages, 5 figures. This is the pre-Springer final accepted version. The final version is published in Springer, Lecture Notes in Computer Science (LNCS), Volume 14731, 2024. Springer Version of Record