典型文献
基于YOLOv5和LPRnet的车辆精细化识别研究
文献摘要：
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％.
文献关键词：
车牌定位;车牌识别;YOLOv;LPRnet模型算法
中图分类号：
作者姓名：
张琦;崔琳;王超
作者机构：
宿州学院信息工程学院,安徽宿州221112
文献出处：
引用格式：
[1]张琦;崔琳;王超-.基于YOLOv5和LPRnet的车辆精细化识别研究)[J].长江信息通信,2022(03):40-43
A类：
LPRnet,YOLOv
B类：
YOLOv5,精细化识别,中国汽车,车辆管理,采矿,建材,车牌识别,识别算法,像素,分离出来,个字符,分车,灰尘,常识,车牌检测,几何校正,改进算法,复杂环境,综合识别,识别率,车牌定位,模型算法
AB值：
0.279396
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
