文献类型：期刊文章

作　　者：刘小溪[1] 程佳诚[2] 程咏梅[2] 顾一凡[3] 雷鑫华[2] 汪波[2]

LIU Xiaoxi;CHENG Jiacheng;CHENG Yongmei;GU Yifan;LEI Xinhua;WANG Bo(Department of Navigation,AVIC Xi’an Flight Automatic Control Research Institute,Xi’an 710076,China;School of Automation,Northwestern Polytechnical University,Xi’an 710114,China;Shanghai Electromechanical Engineering Research Institute,Shanghai 201109,China)

机构地区：[1]中国航空工业集团公司西安飞行自动控制研究所导航部,西安710076 [2]西北工业大学自动化学院,西安710114 [3]上海机电工程研究所,上海201109

出　　处：《计算机工程与应用》

年　　份：2023

卷　　号：59

期　　号：8

起止页码：175-181

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CSCD、CSCD_E2023_2024、IC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：视频图像定位方法可以解决GPS拒止环境下行车定位问题,该方法对公路路牌检测与字符序列识别,通过地理信息检索,得到路牌所在位置的地理信息。针对路牌检测类别少的问题,对YOLOv3进行轻量化改造,提出了简化的YOLOv3(simplified YOLOv3,S-YOLOv3);为了提高字符分类精度,对YOLOv3进行特征融合策略改进,提出高精度的字符分类YOLOv3(high precision character classification YOLOv3,HPCC-YOLOv3);分别对S-YOLOv3与HPCC-YOLOv3进行训练与测试;按照字符检测结果所处的位置进行字符聚类,实现字符序列识别;设计了由车载大恒水星相机、计算机组成的图像采集、车牌检测与字符识别系统;在复杂环境下进行跑车实验,结果表明了提出的方法能够有效提高视频图像路牌目标检测的速度和字符序列识别的精度。

关 键 词：路牌检测  字符识别 深度学习  鲁棒性 YOLOv3  

分 类 号：TP183]