摘 要：随着社会的发展和科技的进步，国家对交通控制、安全管理的要求日益提高，智能交通管理已成为当前交通管理发展的主要方向，而车牌定位技术则是智能交通系统的基础。为了解决车牌定位区域精确度差，定位不准等问题，采用基于车牌混合特征的车牌定位技术，不仅可以有效地解决上述问题而且通过仿真实验证明本文提出的车牌定位算法综合性强，运行速度快，精确度可以达到96.7%，可以在复杂的环境中实现精准定位。
关键词：车牌定位；图像识别；混合特征提取
DOI:10.19850/j.cnki.2096-4706.2021.02.019
中图分类号：TP391.41 文献标识码：A 文章编号：2096-4706（2021）02-0076-05
Research on License Plate Location Algorithm Based on Mixed Feature of License Plate
XIAN Zhijie，FANG Qinqin，JI Weiwei，LI Haixia
（Suqian University，Suqian 223800，China）
Abstract：With the development of society and the progress of science and technology，the national requirements for traffic control and safety management are increasing day by day. Intelligent traffic management has become the main direction of the current development of traffic management，and license plate location technology is the basis of intelligent transportation system. In order to solve the problems of poor accuracy and inaccurate location of license plate location area，the license plate location technology based on mixed characteristics of license plate is adopted，which can not only effectively solve the above problems，but also the simulation experiment proves that the license plate location algorithm in this paper has strong comprehensiveness，fast running speed，and the accuracy can reach 96.7%，which can achieve accurate location in complex environment
Keywords：license plate location；image identification；mixed feature extraction
参考文献：
[1] 王晓群，刘宏志. 基于自适应数学形态学的车牌定位研究[J]. 图学学报，2017，38（6）：843-850.
[2] 陈丽娟. 基于脉冲神经网络的车牌定位算法 [J]. 中国高新技术企业，2016（32）：13-14.
[3] 傅鹏，谢世朋. 基于级联卷积神经网络的车牌定位 [J]. 计算机技术与发展，2018，28（1）：134-137.
[4] CAO X D，WEI Y C，WEN F，et al. Face Alignment by Explicit Shape Regression [J].International Journal of Computer Vision，2014，107（2）：177-190.
[5] 李宇成，杨光明，王目树. 车牌识别系统中关键技术的研究 [J]. 计算机工程与应用，2011，47（27）：180-184+209.
[6] 钟伟钊，杜志发，徐小红，等. 基于字符边缘点提取的车牌定位方法 [J]. 计算机工程与设计，2017，38（3）：795-800+813.
[7] XIE L L ，AHMAD T，JIN L W，et al. A New CNN-Based Method for Multi-Directional Car License Plate Detection [J].IEEE Transactions on Intelligent Transportation Systems，2018，19（2）：507-517.
[8] 曾毅. 遗传算法在车牌定位中的应用 [J]. 福建电脑，2015，31（7）：88-90.
[9] PARISI R，DI-CLAUDIO D I，LUCARELLI G，et al. Car plate recognition by neural networks and image processing [C]//1998IEEE International Symposium on Circuits and Systems （ISCAS）.Monterey：IEEE，1998：195-198.
[10] 杨海廷. 基于纹理特征的车牌识别系统的研究与实现[D]. 成都：电子科技大学，2005.
[11] 马飞. 一种基于小波变换和Tophat 变换的车牌定位算法[J]. 电子设计工程，2016，24（22）：118-121.
[12] 钟良建，张恕远，成万江. 多特征车牌定位方法 [J]. 自动化应用，2020（11）：65-68.
[13] 潘思赣，李振. 基于颜色空间与神经网络车牌识别技术研究 [J]. 中国交通信息化，2020（S1）：132-136.
[14] 漆世钱. 基于轮廓识别和BGR 颜色空间的车牌定位 [J].计算机技术与发展，2020，30（12）：176-180.
[15] 贺秉东. 基于深度学习的位图字体矢量化系统的设计与实现 [D]. 济南：山东大学，2020.
作者简介：
咸志杰（2000—），男，汉族，江苏徐州人，本科在读，研究方向：图像处理；
方芹芹（2000—），女，汉族，江苏淮安人，本科在读，研究方向：神经网络；
季伟伟（1999—），男，汉族，江苏盐城人，本科在读，研究方向：图像处理；
通讯作者：
李海霞（1983—），女，汉族，山东寿光人，讲师，研究生，研究方向：微纳器件。