版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、隨著經(jīng)濟(jì)的發(fā)展,智能交通在各個(gè)城市普遍應(yīng)用,圖像的獲取及圖像的存儲(chǔ)付出的成本越來(lái)越低廉,在社會(huì)生活中,各個(gè)行業(yè)都積累了大量的歷史車牌圖像數(shù)據(jù),這些車牌圖像在自然場(chǎng)景下獲得的特定情況,決定了這些圖像表現(xiàn)出高清化、多元化、大數(shù)據(jù)的特質(zhì)。在現(xiàn)實(shí)生產(chǎn)環(huán)境中,如何在短時(shí)間內(nèi)準(zhǔn)確檢測(cè)出車牌區(qū)域,是提高這些車牌圖像利用率的基礎(chǔ)。然而,現(xiàn)有車牌檢測(cè)系統(tǒng)通常應(yīng)對(duì)于特定的應(yīng)用場(chǎng)景,對(duì)獲取到的車牌圖像都有嚴(yán)格的約束,自然場(chǎng)景下獲得的車牌圖像數(shù)據(jù)很難滿足這些約
2、束條件,使這些現(xiàn)有的車牌檢測(cè)系統(tǒng)失去了有效性。因此,基于對(duì)自然場(chǎng)景下的車牌檢測(cè)技術(shù)的研究,在滿足一定的檢測(cè)率和檢測(cè)效率的情況下,開發(fā)出適應(yīng)于自然場(chǎng)景的車牌檢測(cè)技術(shù),具有重要的實(shí)踐意義。
本文提出了一種新的魯棒的快速車牌檢測(cè)方法,前期使用手動(dòng)分割的車牌區(qū)域圖像作為訓(xùn)練和檢測(cè)的原子數(shù)據(jù),并且直接使用基于卷積網(wǎng)絡(luò)的檢測(cè)器,設(shè)計(jì)出級(jí)聯(lián)多個(gè)卷積網(wǎng)絡(luò)模型,基于歷史數(shù)據(jù)對(duì)模型進(jìn)行訓(xùn)練,使之適應(yīng)自然場(chǎng)景。通過(guò)引入卷積網(wǎng)絡(luò)作為基本的學(xué)習(xí)子單元,
3、并進(jìn)一步把多個(gè)子單元組織成級(jí)聯(lián)結(jié)構(gòu),有效的滿足了自然場(chǎng)景下的車牌檢測(cè)對(duì)檢測(cè)準(zhǔn)確率和檢測(cè)效率的要求。通過(guò)對(duì)算法的可行性及有效性進(jìn)行驗(yàn)證,實(shí)驗(yàn)結(jié)果表明,級(jí)聯(lián)卷積網(wǎng)絡(luò)在保證較低誤報(bào)率的同時(shí)具有較高的檢測(cè)率和檢測(cè)效率。考慮使用級(jí)聯(lián)卷積網(wǎng)絡(luò)(Cascade Convolutional Networks)來(lái)構(gòu)建車牌檢測(cè)系統(tǒng)模型,結(jié)合歷史車牌數(shù)據(jù)對(duì)模型訓(xùn)練,最終完成在自然場(chǎng)景下的車牌檢測(cè)。在人工神經(jīng)網(wǎng)絡(luò)領(lǐng)域,卷積神經(jīng)網(wǎng)絡(luò)在圖形圖像處理上的成熟應(yīng)用,使
4、其成為了當(dāng)前研究的熱點(diǎn)。在卷積網(wǎng)絡(luò)結(jié)構(gòu)中,權(quán)值共享的特性降低了網(wǎng)絡(luò)模型的復(fù)雜度,減少了權(quán)值的數(shù)量。卷積網(wǎng)絡(luò)作為識(shí)別二維形狀進(jìn)行了特殊的設(shè)計(jì),具有一個(gè)多層感知機(jī),這種特殊的結(jié)構(gòu)屬性使卷積網(wǎng)絡(luò)對(duì)等比例縮放、角度傾斜、位移變換或其他形式的二維圖形形變具有了高度不變性。一般情況下,單個(gè)卷積網(wǎng)絡(luò)通過(guò)減少神經(jīng)元個(gè)數(shù)來(lái)降低計(jì)算量,從而可以達(dá)到提高檢測(cè)效率的目的,但這樣同時(shí)也降低了準(zhǔn)確率。本文通過(guò)級(jí)聯(lián)多個(gè)分類器,建立由粗到精的逐步篩選過(guò)程,以此來(lái)提高分
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于卷積神經(jīng)網(wǎng)絡(luò)的自然場(chǎng)景下的車牌檢測(cè).pdf
- 基于卷積神經(jīng)網(wǎng)絡(luò)的自然場(chǎng)景文本識(shí)別系統(tǒng).pdf
- 基于級(jí)聯(lián)卷積神經(jīng)網(wǎng)絡(luò)的人臉檢測(cè)方法研究.pdf
- 基于級(jí)聯(lián)卷積神經(jīng)網(wǎng)絡(luò)和多線索融合的行人檢測(cè)研究.pdf
- 基于級(jí)聯(lián)卷積神經(jīng)網(wǎng)絡(luò)的人臉關(guān)鍵點(diǎn)檢測(cè)算法.pdf
- 基于卷積神經(jīng)網(wǎng)絡(luò)的多標(biāo)簽場(chǎng)景分類.pdf
- 基于多尺度的深度卷積網(wǎng)絡(luò)的場(chǎng)景識(shí)別.pdf
- 基于視頻的自然場(chǎng)景下車牌識(shí)別技術(shù)研究.pdf
- 自然場(chǎng)景下的側(cè)臉檢測(cè)研究.pdf
- 基于卷積神經(jīng)網(wǎng)絡(luò)的低質(zhì)量車牌字符分類.pdf
- 基于深度卷積神經(jīng)網(wǎng)絡(luò)的場(chǎng)景分類研究.pdf
- 基于卷積神經(jīng)網(wǎng)絡(luò)的盲車牌識(shí)別算法研究.pdf
- 基于卷積神經(jīng)網(wǎng)絡(luò)的場(chǎng)景分類的研究與應(yīng)用.pdf
- 復(fù)雜場(chǎng)景下的車牌檢測(cè)算法研究及其工程實(shí)現(xiàn).pdf
- 自然場(chǎng)景下的文本檢測(cè)技術(shù)研究.pdf
- 基于卷積神經(jīng)網(wǎng)絡(luò)的視頻語(yǔ)義場(chǎng)景分割研究.pdf
- 基于深度卷積神經(jīng)網(wǎng)絡(luò)的車牌識(shí)別技術(shù)研究.pdf
- 基于卷積神經(jīng)網(wǎng)絡(luò)的車牌字符識(shí)別方法研究.pdf
- 基于卷積神經(jīng)網(wǎng)絡(luò)的行人檢測(cè).pdf
- 基于隨機(jī)寬度直方圖的自然場(chǎng)景文字檢測(cè).pdf
評(píng)論
0/150
提交評(píng)論