車牌識別系統架構-Tigerwong

車牌識別系統採用兩層前饋神經網絡。 根據自文本分析,車牌字符識別是一個小分類問題。 具有一個隱藏層的神經網絡可以接近任何非線性數。 因此,只需要兩層神經網絡來識別字符。 由於車牌上的字符分為漢字、字母和數字,根據具體情況,本文設計了四個神經網絡,即漢字神經網絡、字母神經網絡、數字神經網絡和字母和數字放電神經網絡。 歸一化字符h圖像中的每個像素都用作神經網絡的輸入。 字符的統一大小為32*16,因此總共有512個輸入。 輸出神經節點的數量由待分類問題的類別數量決定。 漢字網,省、直轄市、柏芝區的簡稱有31個漢字,軍車有13個漢字,使領館、臨時用車、教練車有51個漢字。 漢字網的輸出節點數為51個; 數字從。 到9,有十個數字網絡。 本文的問題解決方案是指網絡的權重和閾值,即網絡訓練的目的是尋找一組權重和閾值的最優組合。 一般車牌識別系統採用 = 二進製編碼方式,但車牌識別系統涉及的參數較多,精度要求較高。 二進制編碼的準確性受到染色體長度的限制。 本文採用實數編碼,一方面滿足精度要求,另一方面問題編碼意義明確。 03選擇優秀的父母進行各種基因操作是必要的,需要有一個標準。 基於適應度函數的遺傳算法 在這個學科中,誤差是衡量個體好壞的根本標準,即誤差越小,個體適應度越高。 相反,誤差越大,個體適應度越差。