基于Unet的车牌定位系统及其FPGA实现

针对传统基于边缘检测、颜色和形态学的车牌定位算法易受拍摄角度、光照、天气等复杂背景干扰的问题,本文引入Unet神经网络,提高了车牌定位的准确度。考虑到硬件移植的可行性,重点考虑了Unet网络宽度、输入图像分辨率、非结构化剪枝等对定位精度的影响,得到更为轻量的网络模型,参数总量仅为76K。在FPGA板上搭建测试平台测试实现了97.6%的定位准确率,识别帧率为50FPS,可应用于需边沿计算的场景中。