大学毕业设计 使用python基于opencv开发车牌识别系统,可以实现后台传输的图片识别 使用了两个相同结构的卷积神经网络 车牌识别系统可以分为两个部分,
第一个部分是车牌定位过滤部分;
第二个部分是字符识别部分;
在这两部分中我都是使用CNN卷积神经网络训练之后进行识别内容。
车牌定位部分使用的技术主要为图像预处理,车牌轮廓提取还有车牌的定位;
字符识别部分使用的技术主要为字符的分割,然后完成字符识别,输出车牌信息。
输入层:36x128
第一层卷积:卷积核大小:3x3,通道数:3,卷积核个数:32,激活函数使用Relu,四个维度的滑动步长为1,填充算法的类型:SAME。
第一层池化:使用池化窗口大小为2x2的最大池化,由于不想在batch(批量)同channels(通道)做池化,因此设置为1.
第二层卷积:卷积核大下:3x3,通道数为32,卷积核个数:64,激活函数使用Rule,四个维度的滑动步长为1,填充算法的类型:SAME。
第二层池化:同样使用池化窗口大小为2x2的最大池化,由于不想在batch(批量)同channels(通道)做池化,因此设置为1.
第三层卷积:卷积核大
2023-07-08 11:03:14
8.57MB
车牌识别
1