Abstract：
针对传统基于边缘检测、颜色和形态学的车牌定位算法易受拍摄角度、光照、天气等复杂背景干扰的问题,本文引入Unet神经网络,提高了车牌定位的准确度.考虑到硬件移植的可行性,重点考虑了Unet网络宽度、输入图像分辨率、非结构化剪枝等对定位精度的影响,得到更为轻量的网络模型,参数总量仅为76K.在FPGA板上搭建测试平台测试实现了97.6％的定位准确率,识别帧率为50FPS,可应用于需边沿计算的场景中.
Keyword：
Reprint 's Address：
Email：
Version：
Source ：
电子制作
ISSN： 1006-5059
Year： 2024
Issue： 8
Volume： 32
Page： 57-61
Cited Count：
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count：
Chinese Cited Count：
30 Days PV： 4
Affiliated Colleges：
