在了解深度學(xué)習(xí)之前，我們先來說說目前車牌識別的核心問題和主要困難：

　　不同光照條件對識別效果影響很大。比如天氣狀況不同，車牌在晴天和陰雨、下雪天氣視覺上是不一樣的，晴天車牌圖片一般都較為清晰，但是強烈光照會帶來局部反光過強的問題，陰雨天氣圖片昏暗模糊，下雪則有可能覆蓋車牌的某些區(qū)域；另外即使在同一天由于陽光顏色的變化也會影響成像質(zhì)量。車牌本身種類較多，形狀、顏色、尺寸等都各有不同，而且，拍攝點的距離不同、拍攝角度不同都會影響到最終車牌在圖片中的呈現(xiàn)姿態(tài)和外觀。

　　這些都是影響車牌識別效果的直接因素，那么深度學(xué)習(xí)算法在車牌識別系統(tǒng)中的應(yīng)用真能得到改進(jìn)嗎？眾所周知，機(jī)器學(xué)習(xí)的主要問題就是讓計算機(jī)模擬人類大腦工作，為此研發(fā)人員構(gòu)建出人工神經(jīng)網(wǎng)絡(luò)模型，算法在提供初始條件后自主從數(shù)據(jù)學(xué)習(xí)新知識，不斷增強自身的學(xué)習(xí)和理解能力。深度學(xué)習(xí)的提出給神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)能力帶來了飛躍。

　　深度學(xué)習(xí)就是利用一些方法去構(gòu)建一個含有多層隱藏層的人工神經(jīng)網(wǎng)絡(luò)，網(wǎng)絡(luò)的每一層都對應(yīng)著原始數(shù)據(jù)不同層次的數(shù)學(xué)抽象，從而達(dá)到用特征向量描述圖像的目的。這里首先要明確兩個概念：有監(jiān)督學(xué)習(xí)和無監(jiān)督學(xué)習(xí)。

　　所謂有監(jiān)督學(xué)習(xí)，是指給定了訓(xùn)練樣本數(shù)據(jù)（data）的同時也已知樣本經(jīng)過學(xué)習(xí)后的目標(biāo)值，一般這些目標(biāo)值是由人工標(biāo)記或給出的真值（Ground Truth），也稱為樣本標(biāo)簽（label）。常見的有監(jiān)督學(xué)習(xí)形式有：回歸和分類?；貧w就是要對數(shù)據(jù)及其標(biāo)簽進(jìn)行擬合；另一種方式是進(jìn)行分類，對給定標(biāo)簽的數(shù)據(jù)訓(xùn)練分類器，訓(xùn)練分類器是優(yōu)化在訓(xùn)練數(shù)據(jù)上分類的正確率的過程。無監(jiān)督的學(xué)習(xí)過程不需要人工標(biāo)注數(shù)據(jù)的標(biāo)簽，只需要估計數(shù)據(jù)的分布特性或者將數(shù)據(jù)聚成特定數(shù)目的幾類。多數(shù)深度學(xué)習(xí)用到的算法都是屬于無監(jiān)督的。

　　深度學(xué)習(xí)有多種學(xué)習(xí)結(jié)構(gòu)，主要分為三類：

　　第一種是生成型的深度結(jié)構(gòu)，其代表有深度置信網(wǎng)絡(luò)（DBN）：它由一系列限制型玻爾茲曼機(jī)組成，主要能解決多層神經(jīng)網(wǎng)絡(luò)在學(xué)習(xí)的過程中標(biāo)簽數(shù)據(jù)需求量大、收斂速度慢和陷入局部極值等問題。由于其學(xué)習(xí)的是觀測數(shù)據(jù)和標(biāo)簽的聯(lián)合概率，所以對先驗概率和后驗概率都可以進(jìn)行估計。

　　第二種是區(qū)分型模型，卷積神經(jīng)網(wǎng)絡(luò)就是其代表，其結(jié)構(gòu)不同于第一類模型，只能對后驗概率進(jìn)行估計，適合應(yīng)用在識別和分類問題中。

　　第三種是混合型結(jié)構(gòu)，它是將上述兩種結(jié)構(gòu)用合適的方式組合起來。生成型結(jié)構(gòu)用于分類問題的時候，可以在后面使用區(qū)分型的結(jié)構(gòu)進(jìn)行參數(shù)優(yōu)化。

　　由此可見，不同于傳統(tǒng)目標(biāo)識別需要依賴研發(fā)人員花費大量時間和精力設(shè)計特征，深度學(xué)習(xí)的方法通過前向和后向傳播優(yōu)化深度神經(jīng)網(wǎng)絡(luò)參數(shù)，自主學(xué)習(xí)到合適的圖像描述子。深度神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)很多，其中卷積神經(jīng)網(wǎng)絡(luò)適用于做區(qū)分性問題，因此能夠應(yīng)用在目標(biāo)檢測和識別等計算機(jī)視覺問題中，車牌識別就是其中很好的應(yīng)用，那么前文中提到的各種識別問題就不難解決了。

　　不但針對車牌，深度學(xué)習(xí)算法對于車型識別也能起到關(guān)鍵性作用。據(jù)悉停車場車牌識別一體機(jī)行業(yè)的引領(lǐng)者安快正在研發(fā)基于深度學(xué)習(xí)的智能相機(jī)，一經(jīng)推出又將掀起停車場出入口控制領(lǐng)域的重大變革。

更多   車牌識別 安快車牌識別