[發明專利]一種基于重建的車牌漢字識別方法

有效

• 申請號: 201310072000.8
• 申請日: 2013-03-07
• 公開（公告）號: CN103106402A
• 公開（公告）日: 2013-05-15
• 發明（設計）人: 黃山;蔣欣榮;周欣
• 申請（專利權）人: 成都威路特軟件科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/20
• 代理公司: 成都行之專利代理事務所(普通合伙) 51220
• 代理人: 梁田

技術領域

本發明屬于計算機軟件領域，涉及圖像識別與模式處理技術，特別是一種基于重建的車牌漢字識別方法。

背景技術

我國的車牌中不僅有英文字母和阿拉伯數字,?還包含筆劃繁雜的漢字,其識別難度比字母、數字大的多。國內部分道路條件差,?車牌污染比較嚴重；?而且實際運行的車輛號牌會受到泥、油、漆等影響,?車牌字符往往會有斷裂、遮擋等現象；?同時號牌制作工藝的不規范也會出現字符變淺、變模糊；車輛拍攝位置不固定，也導致字符圖像產生各種形變。這些因素導致車牌漢字識別的難度比普通的漢字識別大的多。這也是國內現有的車牌識別系統識別率不夠高的主要原因。因此準確識別車牌中的漢字字符,?成為目前國內車牌識別系統的難點。

現有技術的車牌漢字識別方法主要有三大類：（1）模板匹配識別方法（2）特征識別方法（3）神經網絡識別方法。

模板匹配識別方法的基本原理是根據采樣得到的漢字樣本生成標準的漢字灰度模板圖像。在識別時把切分得到的待識別對象大小歸一化，灰度歸一化之后與標準漢字模板進行一定的匹配計算，匹配度最高的結果即為識別結果。不同的模板生成方式，不同的匹配度計算方法，可以得到對應的各種改進的模板匹配方法。?例如文獻《基于模板匹配的車牌漢字識別方法及判別函數》（《電子科技》?2011年12期?谷秋頔?白艷萍）披露了一種改進的模板匹配方法。

特征識別方法的基本原理是提取待識別字符的某些固有特征形成特征向量，再根據一定的分類規則對提取的特征向量進行分類判決，從而確定漢字識別結果。根據不同的特征，比如結構特征、SIFT特征、PCA特征等；或者不同的分類規則，比如貝葉斯分類器、KNN分類器、支持向量機等，可以得到對應的各種不同的特征識別方法，例如專利號為CN201110082300的《車牌字符識別方法》和專利號為CN201110164726的《基于ＦＰＧＡ多核的車牌識別系統》分別公開了一種應用于車牌識別的特征識別方法。

神經網絡識別方法的基本原理是收集大量的字符樣本或者樣本特征，把樣本（或特征）送入構造好的神經網絡進行訓練，直到網絡達到設定的穩定標準。識別時，把待識別樣本（或特征）送入訓練好的神經網絡即可得到識別結果。根據不同的神經網絡的輸入，以及選擇不同的神經網絡結構，可以得到不同的神經網絡識別方法，已有相關公開文獻。例如刊登在《中國人民公安大學學報(自然科學版)》2009年03期中的《基于神經網絡的車牌漢字識別方法》（楊大力?劉舒）。

上述三種算法各自有其缺陷。模板匹配方法的主要缺陷：模板匹配對于車牌字符定位的準確性要求較高，如果在一定范圍進行滑動匹配，又會帶來較大的時間復雜度。模板匹配方法對于字符形變敏感。雖然可以通過一些技術來對傾斜以及透視投影造成的畸變進行校正，但是形變對識別的影響還是較大。特征識別方法的主要缺陷：特征提取的效果受車牌質量的影響較為嚴重。車牌容易受到污損、遮擋等，使其質量退化。這種情況下漢字字符特征提取容易出現較大的偏差，從而影響識別。神經網絡識別方法的主要缺陷：神經網絡的結構復雜，不易確定。在訓練中受噪聲的干擾較大，容易陷入局部極值，影響識別效果。

發明內容

現有技術中模板匹配對車牌字符定位準確性要求高，形變影響大；特征識別對車牌外觀整潔要求較為苛刻；而神經網絡算法方法復雜，易受噪聲干擾，容易陷入局部極值。為克服上述現有技術各自存在的缺陷，本發明提供一種基于重建的車牌漢字識別方法。

本發明所述一種基于重建的車牌漢字識別方法，包括如下步驟：

步驟A.對每一車牌漢字，獲取M張不同的車牌漢字圖像，M為正整數；對這些

車牌漢字圖像進行縮放至統一像素大小Z的灰度圖像，求取縮放至統一像素大小的每張圖片的圖像向量，得到各個漢字對應的參照樣本向量集；

步驟B.對各個車牌漢字的參照樣本向量集求取特征值及特征值對應的圖像特征系數向量，利用圖像特征系數向量構造特征系數向量矩陣U,每個不同的漢字對應一個不同的特征系數向量矩陣U；

步驟C.將待識別漢字圖像縮放至與步驟A中車牌漢字圖像縮放的統一像素大小Z相同的像素大小，求取其圖像向量f,?利用F=U?*?U_T?*f得出重建圖像向量F，其中U_T為U的轉置矩陣；

步驟D.比較F和f相關性I，相關性I最大時使用的特征系數向量矩陣Ui對應的漢字即為待識別漢字圖像所對應的識別結果。

優選的，所述Z為30*60像素大小。

具體的，所述步驟B包括如下步驟：