技术总结
本发明属于图像处理及模式识别技术领域，特别涉及一种基于深度卷积神经网络的车牌识别方法。本发明首先对车辆图像进行车牌检测，将已检测的车牌进行图像分割得到车牌字符，将车牌字符作为训练样本，然后得到训练样本块集，将训练样本块集输入至深度自编码器训练深度自编码器，将已训练的深度自编码器作为卷积神经网络的卷积核，提取训练样本块集的卷积特征，再对训练样本块集的卷积特征进行池化操作，得到特征向量，对特征向量进行归一化处理，将归一化处理的训练样本块集的特征向量送入SVM分类器来实现训练SVM分类器，最后对待识别车辆进行测试。本发明能够提高车牌识别的准确率，当车牌字符处在恶劣环境下能够提升车牌字符的识别率和鲁棒性。
技术研发人员：王卫;陈昌健;卫彪;李三菊;何丹娜;李志学;唐飞;刘江明;尚兵兵;刘成龙
受保护的技术使用者：安徽四创电子股份有限公司
文档号码：201610966790
技术研发日：2016.10.28
技术公布日：2017.02.22