一种复杂场景下基于深度学习的实时车牌识别方法.pdf
书生****写意
在线预览结束,喜欢就下载吧,查找使用更方便
相关资料
一种复杂场景下基于深度学习的实时车牌识别方法.pdf
本发明提供一种基于深度学习技术的自然场景下车牌自动化识别的方法。基本原理是,首先以轻量级的MobileNet神经网络作为特征提取网络,加入深度学习物体检测算法SSD(SingleShotMulti‑boxesDetector)中,并在场景车牌图像上训练;然后利用SSD‑MobileNet检测车牌区域并对车牌种类进行分类;其次,针对检测到的车牌区域,利用多阈值二值化操作,通过寻找字符轮廓确定边界点集,对边界点集进行线拟合确定车牌角点,再通过透视变换操作一步校正车牌;最后将车牌送入具有七输出的卷积神经网
一种基于深度学习的场景识别方法.pdf
本发明公开了一种基于深度学习的场景识别方法,包括:对待识别的原始图片进行预处理,获得尺寸和通道一致的待识别图像;构建深度学习网络,并对所述深度学习网络进行训练,获得训练后的深度学习网络模型,其中,所述深度学习网络包括目标检测网络单元、场景识别网络单元、第一特征融合单元、注意力网络单元以及第二特征融合单元;将所述待识别图像输入训练后的深度学习网络模型中,获得图像的场景识别结果。本发明通过低‑高层特征的融合,结合注意力机制,增加图像特征中的细节信息,可以对原始图片进行有效的场景分类。
一种基于深度学习的智能车牌识别方法及系统.pdf
本发明属于智能交通工程技术领域,具体提供一种基于深度学习的智能车牌识别方法及系统,其中方法包括:获取原始车辆图片,采用CenterNet对原始车辆图片进行车牌的目标位置的定位、检测与保存;提取车牌兴趣区域图像,输入已训练好的车牌识别模型中,判断车牌是否遮挡不清,若正常,则进一步提取车牌图片,若不正常,则提示报警;对车牌图片进行预处理得到车牌图像信息;将处理后的车牌字符传入卷积神经网络进行模型的训练与优化,最终预测得到车牌识别结果。通过选取CenterNet网络进行车牌定位与检测,选择直方图均衡化、倾斜度矫
一种复杂场景下实时视频多人行为识别方法及系统.pdf
本发明涉及一种复杂场景下实时视频多人行为识别方法及系统,属于机器视觉技术领域。该方法包括:采集视频数据;建立场景人脸标签库,用于人脸识别模型训练;构建轻量化SlowFast模型用于复杂场景多人行为识别;建立不同人员类别异常行为动作标签库,建立训练行为动作标签库;将训练数据集经过预处理之后,输入到构建的轻量化SlowFast网络中进行训练;利用人脸识别模型和轻量化SlowFast网络模型进行实际场景行为动作检测、识别。本发明通过人脸识别,确定人员类别身份,建立人脸检测框与人员位置定位框的关联关系,对场景中目
一种基于深度学习的复杂文字识别方法.pdf
本发明涉及图像识别领域,特别涉及一种基于深度学习的复杂文字识别方法。通过分析文字复杂性的原因,使用随机样本生成器产生的包含待识别图片噪声模型和扭曲特征模型的训练样本来训练深度神经网络;这样的训练样本中包含复杂的噪声和扭曲变形,可以满足各种复杂文字识别的需要;将少量人工标注的第一训练样本集和随机生成的大量第二训练样本集混合后输入所述深度神经网络中,解决了通过深度神经网络来识别文字时需要大量人工标注训练样本的问题;并且在保留了待识别图片的噪声、扭曲等复杂性的前提下,使用最先进的深度神经网络进行自动化学习,避免