基于深度学习的实时车牌检测与识别

深度学习已被广泛应用于车牌识别领域,但受限于光照条件对识别精度的影响,在夜间场景下的识别精度不高,且需要外界灯光的辅助。针对该问题,通过在数据预处理阶段引入随机暗化处理的手段,在原数据集的基础上模拟夜间效果,扩大样本数量,使得最终模型具有更好的光照鲁棒性。此外,因网络层数的不断增加,现有算法的识别速度很难满足实时识别,且对硬件性能提出了较高的要求。为在保证精度的同时有效提升算法的识别速度,通过构建二级级联定位网络Tiny-MTCNN(Tiny-Multi task convolutional neural network),结合关键点的初步区域提取和精确回归定位,减少网络层数。最终在测试环节,算法的平均识别精度达到96.5%,而在夜间场景下的精度显著提升至96.1%(提高2.7%)。另一方面,由于网络结构的优化,在精度略有损失(平均下降0.6%)的代价下,算法的识别速度显著提升了44.67%。