基于改进YOLOv3和BGRU的车牌识别系统

针对传统中文车牌识别方法准确率不高、速度慢的问题,提出一种在自然交通场景下进行车牌定位和识别的端到端的深度学习模型。在卷积神经网络上扩展多尺度检测的深度,改进YOLOv3原有的检测网络,提升车牌对小物体的定位精度;系统利用BGRU优化识别网络,完成对定位车牌的无字符分割的识别任务,明显缩短训练时间,提升网络的收敛速度和识别准确率。实验结果表明,相比现存的传统车牌识别技术,改进方法极大地提高了车牌识别准确率和速度,鲁棒性和可靠性较好。