昵称登录后显示

车辆车牌自动识别系统（自研AI识别）
目标：本系统是通过摄像头多车辆的车牌拍照，然后对拍摄的照片中的车牌进行定位并且对车牌的字符进行识别。计划系统需满足两种情况，一种是像进入小区车牌识别，另一种是城市交通摄像头拍摄照片的车牌识别。本系统是本人独自开发，独自设计，是通过java进行的开发，后面如果完成，考虑会出Python版本。
系统目前的状况：目前系统主体代码已经开发完成，可以实现蓝牌，黄牌，绿牌的车牌的识别，在经过学习后，可以正确识别。还有一些问题后期将进行持续的优化跟进。
系统存在的问题：
1、针对像川，沪这样的字符还没有进行成功切割，原因是时间关系，也是由于前期没有考虑这方面，实在后期的训练素材中发现的这个问题
2、针对图片中有多个车牌，目前由于设计关系，只识别一个车牌；解决方案已经确定，后续会进行修正
3、目前进行深度学习的素材不够，后期需寻找大量素材进行训练
4、训练方式的效率有待提高，尽管经过优化已经大幅缩短了学习时间
5、对于一些大倾斜角度的照片，识别效果不是很好，目前已找到原因
系统的研发过程介绍：
车辆识别系统大致可以分为以下步骤：
1、首先是车牌进行对位，目前使用opencv技术
2、将定位到的车牌进行分类，这里是由于在车牌定位的过程中，也会定位到一些其他图片，所以这里需要进行分类，这里使用SVM支持向量机进行分类
3、对车牌进行处理，并进行字符分割
4、将分割好的字符利用卷积神经网络进行深度学习。卷积神经网络完全有自己开发，未使用第三方框架，自主可控。
5、学习完成后，下次就可以对分割的字符直接进行分类识别
6、将识别后的字符进行输出
期间优化效率问题：
1、修改以前效率低下的代码，提升代码运行效率
2、选择正确的卷积核，提升计算效率
3、重写卷积神经网络结构，大幅提升计算效率
4、进行合适的数据适配，大幅提升计算效率，并且会避免计算越界
5、优化梯度下降方式，提升计算效率
6、目前还有一些已知的优化，比如gpu的适配，梯度算法的优化，后续将持续跟进。
6、经过上面的大优化以及一些其他小优化，训练效率从以前的7个小时左右减少到目前的五到十分钟，目前的学习速度处于本人可接受范围内。后期还将进行持续的优化。