摘 要：近些年来，深度学习已逐渐替代机器学习而走进大众的生活当中，尤其是机器视觉，在拍照识图、光学字符识别（OCR）、自动驾驶等领域发挥着重要作用。文章针对智能交通中的车牌识别，提出一种基于 CRNN 的文本序列模型。该模型实现了端到端、免分割的车牌文字识别方法，充分体现了卷积神经网络的优势，在很多场景下都表现出较好的性能。经多次测试统计，该模型的识别准确率高达 98.5%，平均响应时间为 100 ms，测试效果良好。
关键词：车牌识别；端到端；CRNN；OCR；神经网络
DOI:10.19850/j.cnki.2096-4706.2021.20.020
中图分类号：TP391 文献标识码：A 文章编号：2096-4706（2021）20-0078-05
Research and Application of a License Plate Recognition Algorithm Based on CRNN
HUA Chunmeng, ZANG Yanhui, MA Huocai
(Foshan Polytechnic, Foshan 528137, China)
Abstract: In recent years, deep learning has gradually replaced machine learning and entered the public life, especially machine vision, which plays an important role in the fields of photo recognition, optical character recognition (OCR), automatic driving and so on. Aiming at the license plate recognition（LPR）in intelligent transportation, this paper proposes a text sequence model based on CRNN. The model realizes the end-to-end and segmentation free license plate character recognition method, fully reflects the advantages of convolutional neural network, and shows good performance in many scenes. After many tests and statistics, the recognition accuracy of the model is as high as 98.5%, the average response time is 100 ms, and the test effect is good.
Keywords: license plate recognition; end-to-end; CRNN; OCR; neural network
参考文献：
[1] 吴宏伟 . 基于深度学习的车牌检测识别系统研究 [D]. 大连：大连理工大学，2021.
[2] 罗雅丽 . 车牌识别中人工智能技术的应用 [J]. 电脑编程技巧与维护，2021（7）：125-127.[3] 高昕葳 . 基于深度学习的汽车车牌识别算法研究 [J]. 机电工程技术，2021，50（10）：164-166.
[4] 史敏红，李树文，杨志 . 基于卷积神经网络的智能车牌识别研究 [J]. 电视技术，2021，45（9）：89-91+99.
[5] 张彩珍，李颖，康斌龙，等 . 基于深度学习的模糊车牌字符识别算法 [J]. 激光与光电子学进展，2021，58（16）：259-266.
[6] LEE E R，KIM P K，KIM H J. Automatic recognition of a car license plate using color image processing [C]//Proceedings of 1st international conference on image processing.Austin：IEEE，1994：301-305.
[7] LAROCA R，SEVERO E，ZANLORENSI L A，et al. A Robust Real-Time Automatic License Plate Recognition Based on the YOLO Detector [C]// 18 International Joint Conference on Neural Networks (IJCNN).Rio de Janeiro：IEEE，2018：1-10.
[8] CHENG C W，MEI L Y，ZHANG J H. License Plate Recognition via Deep Convolutional Neural Network [J].IOP Conference Series：Earth and Environmental Science，2018：189（6）：062030.
[9] HE K M，ZHANG X Y，REN S Q，et al. Deep residual learning for image recognition [C]//2016 IEEE Conference on Computer Vision and Pattern Recognition (CVPR).Las Vegas：IEEE，2016：770-778.
[10] 张炳力，秦浩然，江尚，等 . 基于 RetinaNet 及优化损失函数的夜间车辆检测方法 [J]. 汽车工程，2021，43（8）：1195-1202.
[11] 牛作东，覃涛，李捍东，等 . 改进 RetinaFace 的自然场景口罩佩戴检测算法 [J]. 计算机工程与应用，2020，56（12）：1-7.
[12] 罗月童，江佩峰，段昶，等 . 面向小目标检测的改进RetinaNet 模型及其应用 [J]. 计算机科学，2021，48（10）：233-238.
[13] 张福玲，张少敏，支力佳，等 . 融合注意力机制和特征
金字塔网络的 CT 图像肺结节检测 [J]. 中国图象图形学报，2021，26（9）：2156-2170.
[14] 孟月波，金丹，刘光辉，等 . 共享核空洞卷积与注意力引导 FPN 文本检测 [J]. 光学精密工程，2021，29（8）：1955-1967.
[15] 姚铭，邓红卫，付文丽，等 . 一种改进的 Mask R-CNN的图像实例分割算法 [J]. 软件，2021，42（9）：78-82
.[16] 汪朝晖，于姗姗，孔娟娟，等 . 基于 CRNN 网络的公交电子站牌屏显识别及纠正 [J]. 信息技术与信息化，2021（7）：164-169.
[17] 占鸿渐 . 基于深度学习的字符串识别研究 [D]. 上海：华东师范大学，2021.
[18] 刘晓峰，宋文爱，陈小东，等 . 基于多核卷积融合网络的 BLSTM-CTC 语音识别 [J]. 计算机应用与软件，2021，38（11）：167-173.
[19] 胡黎，黄洪全，梁超，等 . 基于双通路 CNN 的端到端语音识别研究 [J]. 传感器与微系统，2021，40（11）：69-72+83.
作者简介：华春梦（1990.04—），男，汉族，河南南阳人，助教，硕士研究生，研究方向：嵌入式 Linux、机器学习、人工智能；臧艳辉（1978.10—），女，汉族，湖北襄阳人，高级工程师，硕士研究生，研究方向：移动物联网、大数据技术应用；马伙财（1993.11—），男，汉族，广东肇庆人，助教，硕士研究生，研究方向：生成对抗神经网络、数据挖掘。