基于机器学习的多车牌识别算法应用研究

为满足车牌识别系统中对多车牌识别的高准确率的应用需求,提出一种基于优化参数的SVM(支持向量机)进行车牌定位。考虑到雾霾天气下拍摄的图片对车牌识别的影响,先进行去雾处理,然后使用Sobel算子对图片进行垂直边缘检测,结合形态学处理确定候选车牌轮廓,对候选车牌轮廓通过外接矩阵的长宽比初步判断符合车牌的区域。加上国内车牌的颜色单一,结合HSV颜色模型定位,很大程度上提高了车牌的定位率。对定位出的候选车牌区域进行训练和SVM模型判断,确定出符合车牌的区域。同时对车牌进行字符分割后,使用单独为车牌汉字训练的ANN模型进行字符识别。此外针对不同的场景提供训练模式,系统可以训练特定场景下的SVM模型。经验证,该系统能够满足多车牌识别的实际应用,鲁棒性和准确率相比通用模型提高近20%。