论文部分内容阅读
车牌识别是智能交通中非常重要的应用,而车牌检测又是车牌识别的关键。针对现有的车牌识别系统在遇到复杂条件,例如暗光、遮挡、多车牌、能见度低等情况时,难以有效地定位车牌,提出了基于Faster-RCNN目标检测模型与ZF、VGG-16以及ResNet-101 3种卷积神经网络分别结合的方法。由于车牌没有公开的数据库,在自己准备的12740张车牌图像上进行实验,结果显示基于Faster-RCNN与ResNet-101结合的模型的准确率达到了97.2%,高于其余两种结合模型,明显优于传统的车牌检测方法,并避