车牌识别系统架构-Tigerwong

车牌识别系统采用两层前馈神经网络。 根据自文本分析，车牌字符识别是一个小分类问题。 具有一个隐藏层的神经网络可以接近任何非线性数。 因此，只需要两层神经网络来识别字符。 由于车牌上的字符分为汉字、字母和数字，根据具体情况，本文设计了四个神经网络，即汉字神经网络、字母神经网络、数字神经网络和字母和数字放电神经网络。 归一化字符h图像中的每个像素都用作神经网络的输入。 字符的统一大小为32*16，因此总共有512个输入。 输出神经节点的数量由待分类问题的类别数量决定。 汉字网，省、直辖市、柏芝区的简称有31个汉字，军车有13个汉字，使领馆、临时用车、教练车有51个汉字。 汉字网的输出节点数为51个; 数字从。 到9，有十个数字网络。 本文的问题解决方案是指网络的权重和阈值，即网络训练的目的是寻找一组权重和阈值的最优组合。 一般车牌识别系统采用 = 二进制编码方式，但车牌识别系统涉及的参数较多，精度要求较高。 二进制编码的准确性受到染色体长度的限制。 本文采用实数编码，一方面满足精度要求，另一方面问题编码意义明确。 03选择优秀的父母进行各种基因操作是必要的，需要有一个标准。 基于适应度函数的遗传算法 在这个学科中，误差是衡量个体好坏的根本标准，即误差越小，个体适应度越高。 相反，误差越大，个体适应度越差。