基于改进YOLOv8和LPRNet的车牌识别算法 被引量：2

1

作者 宋建辉 夏彬 +1 位作者 赵亚威 刘晓阳 《沈阳理工大学学报》 2025年第3期39-46,共8页

车牌定位检测与识别是实现智能交通系统的关键技术之一。为解决传统方法定位不准确、识别率低的问题,提出一种基于改进YOLOv8和轻量级识别网络LPRNet的车牌识别算法。在YOLOv8网络架构中增加卷积块注意力模块(convolutional block atten... 车牌定位检测与识别是实现智能交通系统的关键技术之一。为解决传统方法定位不准确、识别率低的问题,提出一种基于改进YOLOv8和轻量级识别网络LPRNet的车牌识别算法。在YOLOv8网络架构中增加卷积块注意力模块(convolutional block attention module,CBAM),通过特征融合提升目标检测的准确率;在LPRNet中加入多头自注意力(multi head self attention,MHSA)机制,增强网络的特征提取能力;在识别网络模型的训练阶段引入对抗训练,增强模型的泛化能力和鲁棒性。在CCPD数据集上的实验结果表明,本文算法对车牌检测的平均精度均值(mAP@0.5)达到98.7%,车牌识别准确率达到97.21%,均优于其他同类主流算法。 展开更多

关键词 车牌识别 YOLOv8 lprnet 对抗训练

在线阅读 下载PDF 职称材料

基于YOLOv5和LPRnet的车辆精细化识别研究 被引量：4

2

作者 张琦 崔琳 王超 《长江信息通信》 2022年第3期40-43,共4页

随着中国汽车数量的增加,市场上大规模车辆管理的复杂性也在增加。在采矿、建材运输等相对复杂的环境中,车辆的精细化管理变得更加困难,车牌识别技术在车辆管理中发挥着重要作用。传统车牌识别算法主要基于以下三个步骤:利用像素信息确... 随着中国汽车数量的增加,市场上大规模车辆管理的复杂性也在增加。在采矿、建材运输等相对复杂的环境中,车辆的精细化管理变得更加困难,车牌识别技术在车辆管理中发挥着重要作用。传统车牌识别算法主要基于以下三个步骤:利用像素信息确定车牌的位置,将车牌标记从位置中分离出来,在定位的基础上进一步识别单个字符;这种方法可以处理生活中相对简单的车牌识别场景,但针对复杂的场景如矿山车辆、大部分车牌被灰尘覆盖、车牌变形等,传统车牌识别算法很难表现出很强的鲁棒性,并且经常识别错误。与传统的车牌检测方法相比,文章基于YOLOv5和LPRnet识别方法,利用几何校正原理改进算法,对车辆外观和车牌进行识别,实验结果充分体现了基于YOLOv5和LPRnet识别方法在复杂环境中精细化识别车辆的优势,车牌的综合识别率提高至95%。 展开更多

关键词 车牌定位 车牌识别 YOLOv lprnet模型算法

在线阅读 下载PDF 职称材料

基于改进YOLOv5n-LPRNet的低照度车牌识别方法 被引量：3

3

作者 张艳超 张勇 +3 位作者 马智轲 付凯 蔡润楷 杨春萍 《国外电子测量技术》 2024年第12期183-194,共12页

在电动汽车充电场所,为防止非电动汽车占用充电车位可以在充电桩上设置摄像头并结合目标识别技术实现对汽车类型与车牌号的识别,然而该目标识别任务在更复杂的条件如低照度环境下保证识别精度将具有一定的挑战性。为了解决上述问题,提... 在电动汽车充电场所,为防止非电动汽车占用充电车位可以在充电桩上设置摄像头并结合目标识别技术实现对汽车类型与车牌号的识别,然而该目标识别任务在更复杂的条件如低照度环境下保证识别精度将具有一定的挑战性。为了解决上述问题,提出一种轻量化的、易部署于边缘计算设备的、基于改进YOLOv5n-LPRNet的低照度车牌识别方法。该方法的主要思想为增强-分割-识别,通过将限制对比变自适应直方图均平衡(CLAHE)及GAMMA变换、YOLOv5n分割网络和LPRNet字符识别网络结合起来,实现端到端的车牌识别。运用“低FLOPs陷阱”思想,将YOLOv5n骨干网络中的CBS模块替换为动态卷积,并将骨干网络中的C3模块与动态卷积结合;将YOLOv5n颈部网络中的C3模块替换为YOLOv9提出的RepNCSPELAN模块;在LPRNet网络的两个Dropout层后加入高效多尺度注意力(EMA)机制。实验结果表明,改进后的模型与原模型相比,分割模型的Mask类平均精度提升了约2%,同时在保持实时性的前提下损失少量帧变;识别模型的准确率提高了约9%。 展开更多

关键词 YOLOv5n lprnet 语义分割 字符识别 车牌识别

原文传递

基于RetinaFace和LPRNet的服务区车牌识别数据治理方案探究

4

作者 纪昌俊 易飞 +1 位作者 罗如意 林融冰 《中国交通信息化》 2024年第11期118-121,共4页

随着智能交通系统的快速发展,服务区车牌识别在交通管理、运营管理、安全监控等领域的应用日益广泛。本文基于RetinaFace和LPRNet技术,对高速公路服务区车牌识别数据治理进行了研究。首先,分析了服务区车牌识别数据治理的现状及挑战;其... 随着智能交通系统的快速发展,服务区车牌识别在交通管理、运营管理、安全监控等领域的应用日益广泛。本文基于RetinaFace和LPRNet技术,对高速公路服务区车牌识别数据治理进行了研究。首先,分析了服务区车牌识别数据治理的现状及挑战;其次,介绍了RetinaFace和LPRNet的基本原理及其在车牌识别中的应用优势;然后,详细阐述了基于RetinaFace和LPRNet的车牌识别数据治理方案;最后,验证了该方案的有效性和可行性。 展开更多

关键词 RetinaFace lprnet 车牌识别 数据治理 服务区

在线阅读 下载PDF 职称材料

基于图像自适应增强的轻量级雾天车牌检测和识别算法 被引量：2

5

作者 徐望明 袁世鑫 何钦 《武汉科技大学学报》 CAS 北大核心 2024年第2期144-153,共10页

针对雾天图像降质带来的车牌识别难题,提出一种采用图像自适应增强的轻量级车牌检测和识别算法。以目标检测网络YOLOv5s和车牌识别网络LPRNet为基础,设计一个改进的图像自适应增强模块级联于YOLOv5s之前,并引入混合注意力(SA)机制改进LP... 针对雾天图像降质带来的车牌识别难题,提出一种采用图像自适应增强的轻量级车牌检测和识别算法。以目标检测网络YOLOv5s和车牌识别网络LPRNet为基础,设计一个改进的图像自适应增强模块级联于YOLOv5s之前,并引入混合注意力(SA)机制改进LPRNet。图像自适应增强模块由带参数的图像去雾和纹理增强模块以及自适应参数预测模块组成。自适应参数预测模块是轻量级卷积神经网络,与YOLOv5s联合训练,为不同程度的带雾图像自动提供合适的去雾和纹理增强参数以获得更准确的车牌检测结果。利用车牌位置的真实标签和实际检测结果,采用混合注意力机制和迁移学习策略得到最终的SA-LPRNet模型,缓解识别模型对检测结果的敏感性以获得更高的车牌识别准确率。在合成的雾天车牌数据集上的实验结果表明:本文算法对雾天车牌检测的mAP@0.5-0.95指标达到70.6%,车牌识别准确率达到93.5%,优于对比算法,且识别速度满足实时性要求。 展开更多

关键词 车牌识别 图像自适应增强 图像去雾 迁移学习 混合注意力机制 YOLOv5s lprnet

在线阅读 下载PDF 职称材料

基于卷积神经网络的车牌号码识别方法 被引量：5

6

作者 王世芳 李玉龙 《长安大学学报（自然科学版）》 CAS CSCD 北大核心 2023年第4期106-117,共12页

在自然道路交通环境中,车牌定位检测与识别是实现智慧交通系统的关键技术之一。为了解决传统方法受到分割字符失败以及暗光、大角度倾斜等不利因素影响导致车牌号码误判率较高而识别率较低的问题,提出一种使用单阶段目标检测算法(you on... 在自然道路交通环境中,车牌定位检测与识别是实现智慧交通系统的关键技术之一。为了解决传统方法受到分割字符失败以及暗光、大角度倾斜等不利因素影响导致车牌号码误判率较高而识别率较低的问题,提出一种使用单阶段目标检测算法(you only look once v5,YOLOv5)结合基于深度神经网络(license plate recognition neural networks,LPRNet)的车牌识别方法,使用中国停车数据集(Chinese city parking dataset,CCPD)以及自建的数据集进行训练及试验。首先YOLOv5网络利用跨阶段局部网络(cross stage partial network,CSPNet)结构进行图片特征提取,通过多尺度特征信息融合,采用完备交并比(complete intersection over union,CIOU_Loss)损失函数与非极大值抑制(non-maximum suppression,NMS)联合得到预测框,定位车牌位置。轻量级的LPRNet网络无需字符分割,使用连接时序分类(connectionist temporal classification,CTC)解决车牌字符识别问题。在YOLOv5+LPRNet网络的基础上增加改进算法,通过非线性图像增强来恢复低照度下丢失的车牌信息,利用双边滤波算法滤除背景噪声的同时保留车牌边缘信息,输入车牌矫正网络,通过透射变换得到最终车牌照片。为验证该算法的有效性,在夜间环境、角度倾斜、雨雪雾天等多种场景下开展试验。研究结果表明:车牌识别模型的平均识别准确率均超过95%,识别速度平均达到32帧/s;与Easy PR、Hyper LPR、Faster-RCNN+LPRNet和YOLOv3+LPRNet模型相比,提出方法的识别准确率和召回率均得到提高,分别达到97.65%和96.74%;提出方法在道路交通复杂的场景中表现出较强的鲁棒性,识别速度上也有明显优势。 展开更多

关键词 交通工程 车牌识别 lprnet YOLOv5 车牌定位

原文传递

嵌入式设备实现弱光车牌图像识别 被引量：2

7

作者 郭士鑫 张豪 《计算机与数字工程》 2022年第4期881-886,共6页

在智能交通环境中,车牌识别是其重要的工作内容,弱光车牌图像识别在嵌入式设备上的实现具有重大挑战。论文结合图像增强算法和图像识别算法,将训练好的算法模型在树莓派开发板上应用实现弱光车牌图像的识别。该模型将U-Net卷积网络作为... 在智能交通环境中,车牌识别是其重要的工作内容,弱光车牌图像识别在嵌入式设备上的实现具有重大挑战。论文结合图像增强算法和图像识别算法,将训练好的算法模型在树莓派开发板上应用实现弱光车牌图像的识别。该模型将U-Net卷积网络作为图像增强处理部分的核心网络,利用LPRNet算法进行车牌图像识别。与HSV、BP和LeNet-5模型对比,并且移植到不同的嵌入式开发板上进行实验,结果证明,该网络模型能够在嵌入式开发板上有效运行,且在树莓派上能够得到较高的准确率和速率。 展开更多

关键词 嵌入式设备 图像增强 车牌图像识别 U-Net lprnet

在线阅读 下载PDF 职称材料

基于YOLOv5算法的目标检测与车牌识别系统 被引量：14

8

作者 李世伟 《电子技术与软件工程》 2022年第1期138-141,共4页

本文首先介绍了实时目标检测网络(YOLOv5Net)提取车辆图像相关特征并通过训练进行实时目标检测,接着阐述了车牌识别神经网络(LPRNet)对车牌进行实时识别,通过对实时目标检测网络提取的特征进行分析,利用与视觉任务强相关的测试样本集对... 本文首先介绍了实时目标检测网络(YOLOv5Net)提取车辆图像相关特征并通过训练进行实时目标检测,接着阐述了车牌识别神经网络(LPRNet)对车牌进行实时识别,通过对实时目标检测网络提取的特征进行分析,利用与视觉任务强相关的测试样本集对目标检测模型与车牌识别模型进行测试。实验结果表明,当测试样本场景与视觉任务相关度越高,且样本中车辆目标的形变越小,得到的目标检测模型与车牌识别模型的效果越好,能够为交通车辆识别与管理等作业提供可靠、高效的车辆信息。 展开更多

关键词 YOLOv5Net lprnet 车牌识别 目标检测

在线阅读 下载PDF 职称材料

基于YOLOv5的车牌识别系统 被引量：1

9

作者 崔兆文 刘肖飞 +1 位作者 夏诗楠 瞿竟 《传感器技术与应用》 2023年第4期368-374,共7页

近年来,车辆的数量不断增多,智能交通场景的不断完善,在现实生活中车牌识别技术的重要性显而易见,本文提出了一种YOLOv5网络与LPRNet网络相结合的技术,同时使用透视转化的方法对车牌进行校正,进而实现对车牌的定位与识别,该模型的模型... 近年来,车辆的数量不断增多,智能交通场景的不断完善,在现实生活中车牌识别技术的重要性显而易见,本文提出了一种YOLOv5网络与LPRNet网络相结合的技术,同时使用透视转化的方法对车牌进行校正,进而实现对车牌的定位与识别,该模型的模型召回率在99.7%,准确度84.4%,能够准确识别车牌号。本文先对研究的背景和内容进行了简单的介绍,接着对相关理论内容进行了概述,然后分析实验数据与结果,最后对本次研究进行总结。 展开更多

关键词 车牌识别系统 YOLOv5 lprnet 透视转化

在线阅读 下载PDF 职称材料

基于深度学习的动态车牌识别算法研究

10

作者 李航行 阮士峰 +1 位作者 王文童 张国豪 《河南科技》 2024年第18期24-28,共5页

【目的】针对当下的车牌识别系统在复杂场景条件下的车牌识别能力相对较弱这一问题,提出了一种基于YOLOv7和LPRNet改进的车牌识别算法。【方法】首先,在YOLOv7头部网络中加入全局注意力模板(GAM),以加强对车牌区域的关注,从而改善车牌... 【目的】针对当下的车牌识别系统在复杂场景条件下的车牌识别能力相对较弱这一问题,提出了一种基于YOLOv7和LPRNet改进的车牌识别算法。【方法】首先,在YOLOv7头部网络中加入全局注意力模板(GAM),以加强对车牌区域的关注,从而改善车牌的准确定位。其次,利用四点透视变换法对畸形车牌图像进行校正处理,以提供规范化和稳定的输入,有助于后续车牌识别的有效进行。最后,采用LPRNet模型对处理后的车牌图像进行端到端的识别,从而完成对车牌信息的提取和识别。【结果】在CCPD数据集上进行的实验表明,车牌检测精度可达到99%,车牌识别精度可达到99.19%。【结论】研究结果表明,尽管面临复杂场景的挑战,但该车牌识别算法在车牌检测和识别方面仍然保持卓越的效果。 展开更多

关键词 车牌识别 YOLOv7 注意力机制 透视变换 lprnet

在线阅读 下载PDF 职称材料

煤矿井下无轨胶轮车智能辅助驾驶方法及系统研究

11

作者 韩鑫 《人工智能研究》 2025年第4期1-3,共3页

针对煤矿井下作业空间狭小、视觉环境恶劣、人车事故频发的问题,提出一种基于视觉人工智能的煤矿井下无轨胶轮车智能辅助驾驶方法及系统。该系统以深度学习算法为核心,融合图像增强、相机标定、字符相似度计算等技术,实现对驾驶员不系... 针对煤矿井下作业空间狭小、视觉环境恶劣、人车事故频发的问题,提出一种基于视觉人工智能的煤矿井下无轨胶轮车智能辅助驾驶方法及系统。该系统以深度学习算法为核心,融合图像增强、相机标定、字符相似度计算等技术,实现对驾驶员不系安全带、闯红灯、单手开车、抽烟及车辆安全距离不足等不安全行为的实时检测与识别。通过硬件设备层、数据层、基础服务层、服务应用层及展现层的分层架构设计,构建“数据采集-预处理-模型推理-结果后处理-告警记录”的一体化监管流程。实验验证表明,该系统可精准识别多种不安全行为,显著提升井下交通监管的智能化水平,降低人工成本,为煤矿井下运输安全提供可靠技术支撑。 展开更多

关键词 煤矿井下 智能辅助驾驶 深度学习 目标检测(YOLO) 车牌识别(lprnet) 图像增强

在线阅读 下载PDF 职称材料