基于CNN端到端的字符整体与切割识别对比研究

卷积神经网络的图像识别方法在识别精度和速度上具有巨大优势,因为图像除本身的全局数据特征外,局部数据也存在关联性,而这种局部关联性的特征是其他算法无法提取的。为了研究图像的全局特征与局部特征提取效果的差异,基于CNN(卷积神经网络)对端到端多字符整体识别与单个字符模糊切割局部识别进行了对比研究,研究对象以车牌字符识别为例。通过自主设计的7层卷积神经网络分别对70万张完整车牌和按字符区域模糊切割后的50万张车牌进行训练,实验表明单个模糊切割局部字符的识别准确率为99.82%,全局的多字符整体识别准确率为98.52%,局部的高于全局多字符整体识别的准确率。说明所提出的CNN识别方法在车牌字符识别方面,包含周围图像信息的单个模糊切割局部字符识别,识别准确率更高,并且测试得知所花费的时间更少。