基于字符区域感知的端到端车牌识别方法

随着智能交通领域车牌应用需求的升级,自然场景下的车牌识别依然面临挑战。针对多变的自然光照以及多样的拍摄角度导致的车牌识别精度与实时性无法兼顾的问题,提出了一种基于字符区域感知的端到端车牌识别算法。通过引入字符区域感知网络直接在图像中定位字符,无需车牌检测即可直接对字符进行识别,有效优化了车牌识别流程。使用ResNet18作为主干网络,结合FPEM和FFM组合成的低计算分割头弥补轻量级网络的缺陷,在不降低算法精度的前提下使其具有良好的实时性。构造车牌内容相关人造数据集对字符感知网络进行预训练,进一步提升字符感知能力和算法精度。在CCPD数据集上的实验结果表明,与现有车牌识别方法相比,所提出的算法在推理速度保持6帧/秒的情况下平均准确率可达46%,比现有的基线模型超出约3%。