[發明專利]復雜光照下的車牌識別方法及系統

有效

• 申請號: 201310224358.8
• 申請日: 2013-06-06
• 公開（公告）號: CN103530600A
• 公開（公告）日: 2014-01-22
• 發明（設計）人: 鄒博;周宇弘;李鋒;鄒達;高飛
• 申請（專利權）人: 東軟集團股份有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/34
• 代理公司: 北京鴻元知識產權代理有限公司 11327
• 代理人: 陳英俊

1.一種復雜光照下的車牌識別方法，包括：?

S110：預先根據車牌的字符結構構建概率圖模型；?

S120：預先根據車牌的每個字符的分割結果構建交互勢函數；?

S130：預先根據車牌的每個字符的分割結果和識別結果構建關聯勢函數；?

S140：對車牌進行定位與字符分割；?

S150：通過字符分割獲得至少一個分割候選字符序列，通過所述交互勢函數獲得所述分割候選字符序列中相鄰字符間距離的關系；?

S160：對所述分割候選字符序列進行識別，獲得與所述分割候選字符序列相對應的識別結果，通過所述關聯勢函數獲得所述分割候選字符序列中字符分割位置與識別結果之間的關系；?

S170：根據所述概率圖模型、所述相鄰字符間距離的關系和所述字符分割位置與識別結果之間的關系，獲得所述候選字符序列的每個字符分割位置的概率值；?

S180：根據每個字符分割位置的概率值獲得所述分割候選字符序列的概率值，將所述分割候選字符序列中概率值最大的字符序列作為車牌的識別結果。?

2.如權利要求1所述的復雜光照下的車牌識別方法，其中，對車牌進行定位的過程包括：?

通過Haar-like特征對車牌圖像進行檢測構成弱分類器；?

通過Adaboost將所述弱分類器疊加構成強分類器；?

將所述強分類器串聯成級聯分類器，完成車牌的定位；?

其中，在對車牌進行字符分割之前，還包括：?

對車牌圖像進行傾斜校正，其中，當車牌邊緣圖像的水平投影值之和最大時，視為所述車牌圖像被傾斜矯正至水平位置。?

3.如權利要求2所述的復雜光照下的車牌識別方法，其中，在對車牌進行字符分割的過程中，?

當所述車牌圖像上下部分光照不均時，獲取所述車牌圖像的垂直梯度圖，然后利用所述車牌圖像的字符上下邊界與梯度水平投影的變化確定所述字符上下邊界的候選位置；?

當所述車牌圖像曝光過度時，在所述車牌圖像的二值圖范圍內確定所述車牌圖像垂直方向投影的波谷點，然后根據粘連字符中前一個字符的右邊界候選位置確定下一個字符的左邊界候選位置；?

當所述車牌圖像曝光不足時，確定所述車牌圖像在垂直方向投影為0的邊界作為所述字符的左右候選位置。?

4.如權利要求1所述的復雜光照下的車牌識別方法，其中，在步驟S110中，以所述字符的分割位置為所述概率圖模型的隱含結點，用C＝[c₁，…，c₇]表示；以對應的所述字符分割后的識別評價為所述概率圖模型的觀測結點，用R＝[r₁，…，r₇]表示；隱含結點C＝[c₁，…，c₇]和觀測結點R＝]r₁，…，r₇]的聯合概率如下：?

其中代表交互勢函數，表示各隱含結點之間的聯系；代表關聯勢函數，表示隱含結點與觀測結點之間的聯系；?

其中，在步驟S170和步驟S180中?

將所述車牌圖像的字符分割轉化成對最大后驗概率P(c，r)的估計，尋找最優的隱含結點C=[c₁，…，c₇]，使其滿足：?

C＝aigmax_C·P(C＝C^*|R)。?

5.如權利要求1所述的復雜光照下的車牌識別方法，其中，在步驟S130中，?

通過log-sigmoid激活函數將置信度范圍映射到[0,1]區間，分割所述關聯勢函數定義為：其中δ表示神經網絡輸出的分類結果。?

其中，在步驟S120中，?

根據高斯概率分布對所述車牌圖像的字符之間的距離進行的評價，將所述交互勢函數定義為：?

其中，d_x(.，.)與d_y(.，.)代表兩個相鄰字符中心點的水平距離與垂直距離；D_ij代表兩個相鄰字符中心點的實際水平距離；H為車牌高度；σ_c用于在不同的拍攝角度下，所述車牌圖像相鄰兩個字符中心點水平距離的調整。?