[1]焦伟超,郑伯川,袁秀芳.一种基于SVM的真伪车牌分类算法[J].西华师范大学学报(自然科学版),2016,37(02):233-236.[doi:10.16246/j.issn.1673-5072.2016.02.022]
 JIAO Weichao,ZHENG Bochuan,YUAN Xiufang.An Algorithm Based on SVM to Classify True or False License Plates[J].Journal of China West Normal University(Natural Sciences),2016,37(02):233-236.[doi:10.16246/j.issn.1673-5072.2016.02.022]
点击复制

一种基于SVM的真伪车牌分类算法()
分享到:

《西华师范大学学报(自然科学版)》[ISSN:1673-5072/CN:51-1699/N]

卷:
37
期数:
2016年02期
页码:
233-236
栏目:
出版日期:
2016-06-20

文章信息/Info

Title:
An Algorithm Based on SVM to Classify True or False License Plates
作者:
焦伟超 郑伯川袁秀芳
(西华师范大学数学与信息学院,四川 南充637009)
Author(s):
JIAO WeichaoZHENG BochuanYUAN Xiufang
(College of Mathematic and Information,China West Normal University,Nanchong Sichuan 637009,China)
关键词:
支持向量机 车牌定位 真伪车牌 特征向量 核函数
Keywords:
support vector machineslicense plate locationtrue or false license plateeigenvectorkernel function
分类号:
TP391.4
DOI:
10.16246/j.issn.1673-5072.2016.02.022
文献标志码:
A
摘要:
车牌定位算法往往会定位出一些伪车牌候选区域,为准确区分出车牌候选区域中的真伪车牌,提出了一种基于支持向量机(SVM)的真伪车牌分类算法。该算法首先提取出车牌候选区域图像的纹理特征和几何特征,构成特征向量集;然后根据特征向量训练SVM分类器;最后利用训练好的分类器来实现对真伪候选车牌区域图像进行分类判断,得到真车牌区域。实验表明,算法对车牌候选区域分类准确率高达993%,且具有较强的抗干扰能力和鲁棒性。
Abstract:
The license plate location algorithm always locates some pseudo candidate regions of license plates.To distinguish the true or false license plates accurately from candidate regions of license plates,in this paper, we propose a classification algorithm that is based on support vector machine (SVM).Firstly,the algorithm extracts license plate image texture and geometrical features of candidate regions to form an eigenvector set.Next,it trains the SVM classifier.Finally,it classifies the license plates′ candidate regions via the well trained classifier.Experimental results show that the algorithm can classify the license plates′ candidate regions with accuracy up to 99.3%,and has a strong antiinterference ability and robustness.

相似文献/References:

[1]袁秀芳,张征,郑伯川,等.基于SVR的多变量电力消费预测[J].西华师范大学学报(自然科学版),2015,36(03):289.
 YUAN Xiu fang,ZHANG Zheng,ZHENG Bo chuan,et al.Prediction for Multivariable Electricity Consumption Based on SVR[J].Journal of China West Normal University(Natural Sciences),2015,36(02):289.
[2]张文军,张运陶.基于支持向量机的苯酚类化合物毒性的QSAR研究[J].西华师范大学学报(自然科学版),2008,29(02):186.[doi:10.16246/j.issn.1673-5072.2008.02.013]
 ZHANGWen-jun,ZHANGYun-tao.QSARStudyonPhenolDerivativesToxicity BasedonSupportVectorMachine[J].Journal of China West Normal University(Natural Sciences),2008,29(02):186.[doi:10.16246/j.issn.1673-5072.2008.02.013]
[3]王晓慧,李云飞.基于支持向量机的个人信用风险评价研究[J].西华师范大学学报(自然科学版),2017,38(02):195.[doi:DOI:10.16246/j.issn.1673-5072.2017.02.015]
 WANG Xiaohui,LI Yunfei.Personal Credit Risk Assessment Based on Support Vector Machine (SVM)[J].Journal of China West Normal University(Natural Sciences),2017,38(02):195.[doi:DOI:10.16246/j.issn.1673-5072.2017.02.015]

备注/Memo

备注/Memo:
收稿日期:2015-09-11
基金项目:西华师范大学校级创新团队项目(XTC20144);四川省科技创新苗子工程培育项目(2016045)
作者简介:焦伟超(1991—),男,河南漯河人,硕士研究生,主要从事数字图像处理研究。
通讯作者:郑伯川(1974—),男,四川自贡人,教授,博士,主要从事数字图像处理、机器学习、人工神经网络研究。 E-mail:zhengbochuan@126.com
更新日期/Last Update: 2016-06-20