基于LeNet-5卷积神经网络的车牌字符识别

针对车牌字符类别多、背景复杂等特点,以卷积神经网络LeNet-5模型为基础,通过去除全连接层F6层以及增加卷积层C1和C3层特征图的数目改进网络结构,通过字符分割,大小归一化、去除噪声、二值化、字符区居中、去除复杂背景等预处理,构建神经网络模型。结果表明:简化后的LeNet-5神经网络模型比传统的LeNet-5神经网络模型更为简单,其车牌字符识别算法准确率为99.96%。该研究对提高车牌字符识别的准确性提供了一定的参考。