BP神经网络联合模板匹配的车牌识别系统

车牌识别是智能交通系统的重要部分,对实时自动监控具有重要的意义。用科学的方法识别字符,同时提高识别准确率是改善车牌识别系统的核心问题。由于采集的车牌图像会存在噪音和干扰,现有方法存在识别效率低下的问题。本文基于Matlab平台,联合应用BP(back propagation)神经网络和模板匹配方法优化车牌字符识别方法,在神经网络收敛的情况下嵌入模板匹配方法精确识别。针对车牌的特点提出一种高效的神经网络字符特征提取方法,从单字符的800个像素特征中仅提取211个特征向量。该方法识别率高(97.2%)、识别时间短(单字符0.02s和全车牌0.39s)、抗干扰和容错性强。在理论创新的基础上设计了LPR 2011车牌识别系统,可应用于实际交通管制。