基于SVM的车牌自动识别系统

被引：8

作者：

戴士杰 ^{[1
,2
]}

高章迎 ^{[1
]}

常淑英 ^{[1
]}

任刚 ^{[1
]}

肖淑梅 ^{[1
]}

机构：

[1] 河北工业大学机器人及自动化研究所

[2] 哈尔滨工业大学机器人技术与系统国家重点实验室

来源：

微计算机信息 | 2009年 / 25卷 / 25期

关键词：

支持向量机; 字符识别; BP神经网络;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

为了解决识别率和识别速度同时提高的难点,将支持向量机(SVM)算法应用于车牌字符识别。通过与无字符特征提取的BP神经网络相比较,在小样本的情况下,该方法的识别率远优于神经网络,可很好地解决神经网络方法中收敛速度慢、易陷入局部极小的问题。实验结果表明:在训练样本较少且无字符特征提取的情况下,此系统具有较高的识别率和识别速度,并具有很好的分类推广能力。

引用

页码：26 / 27+9 +9

页数：3

共 6 条

[1] 基于支持向量机的模式识别方法 [J].