复杂道路环境下大流量路口多车牌自动识别

作     者：张晓辉 宋欧铭 郑维 于心俊 ZHANG Xiao-hui;SONG Ou-ming;ZHENG Wei;YU Xin-jun

作者机构：河南工业大学电气工程学院河南郑州450001 

出 版 物：《计算机仿真》 (Computer Simulation)

年 卷 期：2024年第41卷第8期

页      面：150-154,160页

学科分类：08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 

基　　金：河南省自然科学基金(202300410117) 中国博士后科学基金资助项目(2022M712382) 河南省科技厅重点科技攻关项目(192102210240) 

主　　题：复杂道路环境 大流量路口 多车牌自动识别 

摘      要：复杂道路口车流量大,车牌采集图像存在遮挡,倾斜等现象,导致车牌检测准确率低、泛化性差。为解决上述问题,提出一种基于改进Yolov3车辆识别与Mask R-CNN车牌检测相融合的算法,通过两步分别检测车辆与车牌,最终构建出YOL3-RCNN多车牌识别模型。模型首先基于上采样算法将图像的大、中、小特征有机融合;然后采用形态聚类算法,自适应计算IOU阈值,提高车辆检出率与准确率;接着对检测出的车辆进行裁剪,SOFTNMS优化与仿射变换,解决车牌遮挡,倾斜与背景复杂的难题;最后基于ResNet50网络识别车牌字符与数字,并利用RPN进行回归校验。多组基线算法的仿真结果显示,在UA-DETRAC车辆检测数据集上,与传统车牌检测算法相比,YOL3-RCNN算法的准确率与召回率分别提高了7.7%与9.6%,且具有较高的车牌检测速率。综上所述,所构建的YOL3-RCNN多车牌识别模型具有较高的检测准确性、时效性与普适性。