YOLOv8-LPRNet模型在智能交通中的车牌识别  

作　　者：江跃龙 陈伟迅 孟思明 唐鹤芳 柯旭能 

机构地区：[1]广州铁路职业技术学院

出　　处：《中国科技信息》2024年第21期115-117,共3页China Science and Technology Information

基　　金：广东省普通高校创新团队项目(自然科学)(No.2021KCXTD068);广州市高等教育教学质量与教学改革工程计算机应用技术专业群“双师型”教师培养培训基地(No.2022SSPRJD004);2023年广东省科技创新战略专项资金(大学生科技创新培育项目)(No.pdjh2023a0948)资助。

摘　　要：随着人工智能技术的飞速发展,车牌号检测作为计算机视觉领域的重要应用之一,吸引了广泛的关注和研究。车牌号检测在交通管理、智能监控、安全防护等领域具有重要意义。通过深度学习等先进技术的应用,现代车牌号检测系统能够实现高精度、高效率的车牌识别,同时适应不同环境和光照条件。然而,面临的挑战包括复杂的场景、遮挡、光照变化等因素,要求算法在实际应用中具有鲁棒性和稳定性。因此,车牌号检测技术的持续创新和优化,对于提升交通安全、提高城市管理效率具有重要意义。

关 键 词：车牌识别 计算机视觉 人工智能技术 智能监控 光照变化 深度学习 智能交通 安全防护 

分 类 号：TP183[自动化与计算机技术—控制理论与控制工程] TP391.41[自动化与计算机技术—控制科学与工程] U495[交通运输工程—交通运输规划与管理]