实时车牌识别

车牌检测与识别（LPDR）对于实现智能交通和保障城市安全日益重要。然而，LPDR在实际环境中面临巨大挑战。车牌尺寸、字体和颜色可能极其多样，且车牌图像常因拍摄角度倾斜、光照不均、遮挡和模糊而质量低下。在监控等应用中，通常需要快速处理。为实现实时且准确的车牌识别，本工作提出了一套技术方案：1）一种结合边缘检测的轮廓重建方法，用于快速检测候选车牌；2）一种简单的零一交替方案，有效去除车牌周围的虚假顶部和底部边框，以便更准确地分割车牌字符；3）一套用于增强训练数据、将SIFT特征融入CNN网络并利用迁移学习获取初始参数以实现更有效训练的技术；4）一个低成本确定正确车牌的两阶段验证流程，包括在车牌检测阶段使用统计滤波快速去除不想要的候选车牌，以及在字符识别过程后利用准确的识别结果进行进一步的车牌验证，无需额外处理。我们基于所提算法实现了一个完整的LPDR系统。实验结果表明，我们的系统能够实时准确地识别车牌。此外，它在各种光照和噪声水平下以及车辆移动情况下均能稳健工作。与同类方案相比，我们的系统不仅是最准确的之一，也是最快的，并且可以轻松应用于其他场景。