bp神经网络在车牌识别中技术中的应用

bp神经网络在车牌识别技术中的应用 就是一些简介目前， 一些发达国家已经将车牌识别技术应用在不停车收费系统和交通监控系统的实际系统中， 在全天候的条件下识别 精度超过 95％；国内车牌识别技术发展较慢，虽然取得了一些 成果，但仍停留在实验室阶段，目前的实验室识别进度为 90％， 而在全天候条件下识别精度约为 80％，远达不到实际应用的要 求。 车牌识别系统主要分为车牌定位、字符分割和字符识别三个 部分。 目前，车牌识别主要有以下几种识别方法：模板匹配法、特 征统计匹配法和神经网络识别法。 模板匹配法对规整字符的识 别率比较高，但在字符变形等情况下，识别能力有限；特征统计 匹配法在实际应用中，当字符出现断裂、部分缺失时，识别效果 不理想； 神经网络识别能有效识别解析度较高和图像比较清晰 的车牌，具有强大的分类能力，容错性，鲁棒性和非线性映射能 力，汽车牌照中的字符识别很多都是采用神经网络来实现，其中 BP 神经网络作为神经网络的精华，是迄今为止，应用最为广泛 的网络算法。