模式识别与人工智能测控技术２０２３年第４２卷第３期收稿日期：２０２２－０３－０９基金项目：北京市自然科学基金－丰台轨道交通前沿研究联合基金（Ｌ２１１０１７）；北京市教委科研计划科技一般项目（ＫＭ２０２１１０００５０２７）引用格式：安鑫，孙昊，卓力，等．基于可变形卷积和自适应二维位置编码的鲁棒车牌识别方法［Ｊ］．测控技术，２０２３，４２（３）：１１－１８．ＡＮＸ，ＳＵＮＨ，ＺＨＵＯＬ，ｅｔａｌ．ＲｏｂｕｓｔＬｉｃｅｎｓｅＰｌａｔｅＲｅｃｏｇｎｉｔｉｏｎＢａｓｅｄｏｎＤｅｆｏｒｍａｂｌｅＣｏｎｖｏｌｕｔｉｏｎａｎｄＡｄａｐｔｉｖｅ２ＤＰｏｓｉｔｉｏｎａｌＥｎ⁃ｃｏｄｉｎｇ［Ｊ］．Ｍｅａｓｕｒｅｍｅｎｔ＆ＣｏｎｔｒｏｌＴｅｃｈｎｏｌｏｇｙ，２０２３，４２（３）：１１－１８．基于可变形卷积和自适应二维位置编码的鲁棒车牌识别方法安鑫１，孙昊２∗，卓力１，李嘉锋１（１．北京工业大学信息学部，北京１００１２４；２．中国公路工程咨询集团有限公司，北京１０００４８）摘要：车牌识别是智能交通系统中的关键步骤，为提高在非可控和复杂场景下车牌的识别精度，提出了一种鲁棒车牌识别方法，该方法主要包括车牌检测和车牌字符识别２个核心部分。首先，采用ＹＯＬＯｖ５网络实现车牌的检测；其次，基于递归卷积神经网络框架，提出了一种基于可变形卷积和自适应二维位置编码（Ａ２ＤＰＥ）的车牌字符识别方法。该方法针对车牌大小、倾斜角度和光照条件等动态变化的特点，采用了可变形卷积来更好地提取车牌字符的特征，并引入了Ａ２ＤＰＥ模块，根据输入自适应地获取车牌字符位置编码信息。最后，利用双向长短期记忆网络进行车牌字符的识别，无须分割车牌字符，可以实现不同长度车牌字符的准确识别。在自建数据集ＬＰｄａｔａ与公开数据集ＣＬＰＤ上的实验结果表明，与现有方法相比，该方法能够以较低的模型复杂度达到较高的准确率。关键词：车牌识别；可变形卷积；神经网络；车牌中图分类号：ＴＰ３９１文献标志码：Ａ文章编号：１０００－８８２９（２０２３）０３－００１１－０８ｄｏｉ：１０．１９７０８／ｊ．ｃｋｊｓ．２０２２．０６．２７３ＲｏｂｕｓｔＬｉｃｅｎｓｅＰｌａｔｅＲｅｃｏｇｎｉｔｉｏｎＢａｓｅｄｏｎＤｅｆｏｒｍａｂｌｅＣｏｎｖｏｌｕｔｉｏｎａｎｄＡｄａｐｔｉｖｅ２ＤＰｏｓｉｔｉｏｎａｌＥｎｃｏｄｉｎｇＡＮＸｉｎ１,ＳＵＮＨａｏ２∗,ＺＨＵＯＬｉ１,ＬＩＪｉ...
