基于车牌检测与识别的孟加拉国交通监控
计算机视觉与模式识别
2022-02-25 v1
摘要
计算机视觉与深度学习（DL）技术相结合，在交通控制、监测与执法活动中带来了可观前景。本文提出一种 YOLOv4 目标检测模型，其中卷积神经网络（CNN）经过训练与调优，用于检测孟加拉国车辆车牌并利用 tesseract 从检测到的车牌中识别字符。我们还基于 Python 包 Tkinter 提供了一个图形用户界面（GUI）。车牌检测模型的平均精度均值（mAP）为 90.50%，并在单个 TESLA T4 GPU 上以实时视频每秒平均 14 帧（fps）运行。
引用
@article{arxiv.2012.02218,
title = {Traffic Surveillance using Vehicle License Plate Detection and Recognition in Bangladesh},
author = {Md. Saif Hassan Onim and Muhaiminul Islam Akash and Mahmudul Haque and Raiyan Ibne Hafiz},
journal= {arXiv preprint arXiv:2012.02218},
year = {2022}
}