[發(fā)明專利]基于稀疏理論的字符識別方法

有效

• 申請?zhí)枺?/td>: 201310618572.1
• 申請日: 2013-11-29
• 公開（公告）號: CN103679209B
• 公開（公告）日: 2017-03-29
• 發(fā)明（設(shè)計(jì)）人: 李陽根;方秀敏;應(yīng)李勇;馬海
• 申請（專利權(quán)）人: 廣東領(lǐng)域安防有限公司
• 主分類號: G06K9/66
• 分類號: G06K9/66
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術(shù)領(lǐng)域

本發(fā)明涉及一種標(biāo)牌字符的自動識別方法，特別涉及一種基于稀疏理論的字符識別方法，屬于字符識別技術(shù)領(lǐng)域。

背景技術(shù)

標(biāo)牌字符自動識別是現(xiàn)代社會發(fā)展和進(jìn)步的表現(xiàn)，也是信息化、智能化管理的一個(gè)方向。其中，車牌自動識別是標(biāo)牌字符識別的一個(gè)重要領(lǐng)域，也是現(xiàn)代交通智能化管理的重要手段。

車牌識別技術(shù)是指：能夠自動檢測受控路面車輛并提取車輛牌照信息的處理技術(shù)，包括漢字字符、英文字母和阿拉伯?dāng)?shù)字的區(qū)分以及號牌顏色的識別。其以數(shù)字圖像處理、模式識別、計(jì)算機(jī)視覺等技術(shù)為基礎(chǔ)，對攝像機(jī)所拍攝的車輛圖像或者視頻序列進(jìn)行分析，得到每一輛汽車唯一的車牌號碼，從而完成識別過程。識別后的車牌通過一些后續(xù)處理手段不僅可以實(shí)現(xiàn)停車場或高速公路收費(fèi)管理、車輛出入管理、交通流量指標(biāo)控制測量、公路超速自動化監(jiān)管、違章處罰管理等，還可以實(shí)現(xiàn)車輛定位、汽車防盜等防控技術(shù)管理，保證了車輛使用安全性，對于維護(hù)交通安全和城市治安，防止交通堵塞，實(shí)現(xiàn)交通自動化管理有著現(xiàn)實(shí)的意義。

車牌自動識別是一項(xiàng)利用車輛的動態(tài)視頻或靜態(tài)圖像進(jìn)行牌照號碼、牌照顏色自動識別的模式識別技術(shù)。其硬件基礎(chǔ)一般包括觸發(fā)設(shè)備、攝像設(shè)備、照明設(shè)備、圖像采集設(shè)備、識別車牌號碼的處理機(jī)等，其軟件核心包括車牌定位算法、車牌字符分割算法和光學(xué)字符識別算法等。

當(dāng)前，國內(nèi)做車牌識別的廠商有幾十家，其中字符識別部分基本上都是基于兩類技術(shù)：一類是模板匹配；另一類是基于神經(jīng)網(wǎng)絡(luò)的分類器技術(shù)。模板匹配技術(shù)算法簡單，但運(yùn)算量大，抗干擾能力較弱，對二值化的要求較高，綜合識別率不高；神經(jīng)網(wǎng)絡(luò)技術(shù)的優(yōu)點(diǎn)是運(yùn)算量小，但對字符特征的選取很敏感，魯棒性并不高，同樣存在抗干擾能力弱等缺陷。

如何改善相關(guān)字符識別技術(shù)，基于現(xiàn)有硬件設(shè)備的基礎(chǔ)上，提高字符識別速度和準(zhǔn)確性，就成為本發(fā)明想要解決的主要問題。

發(fā)明內(nèi)容

鑒于上述現(xiàn)有識別技術(shù)的不足，本發(fā)明旨在提供一種基于稀疏理論算法，直接訓(xùn)練灰度圖像，省去了二值化圖像的過程，避免了二值化對圖像信息產(chǎn)生的損失和失真，從而達(dá)到提高字符識別率的目的。

本發(fā)明是通過以下技術(shù)方案來實(shí)現(xiàn)的：

一種基于稀疏理論的字符識別方法，具體步驟包括：

步驟一：建立測試樣本集，人工區(qū)分并假設(shè)測試樣本集中含有n個(gè)類，每個(gè)樣本中的數(shù)據(jù)為1位以上。

步驟二：從測試樣本集中每個(gè)類里抽出一個(gè)樣本(D₁，D₂，D₃.....，D_n)作為訓(xùn)練樣本train_data，Train_data=[D₁D₂D₃.....D_n]；隨機(jī)挑選一個(gè)測試樣本D_t作為測試樣本Test_data，Test_data=[D_t]。

步驟三：將訓(xùn)練樣本灰度歸一化為一個(gè)訓(xùn)練矩陣train_lab，計(jì)算得出訓(xùn)練矩陣的秩x2x，x2x平方和再開方后生成Y2Y，Y2Y的逆矩陣和訓(xùn)練矩陣的轉(zhuǎn)置矩陣相乘得到一個(gè)新的矩陣Proj_M。

步驟四：將Test_data的灰度值歸一化后生成Test_data2，將Test_data2中的樣本逐一跟這個(gè)新的矩陣Proj_M計(jì)算，得到一組值S，S為系數(shù)向量，測試數(shù)據(jù)、訓(xùn)練數(shù)據(jù)與S的關(guān)系為：

Test_data=Train_data*S

步驟五：按照S尋找train_data中相應(yīng)的訓(xùn)練項(xiàng)，求出train_data中所有類訓(xùn)練項(xiàng)與測試數(shù)據(jù)的差異矩陣gap，gap中各項(xiàng)為train_data中與S值對應(yīng)的相同類所有數(shù)據(jù)與測試樣本的誤差總和除以此類對應(yīng)的S值的平方；得出所有類的gap值后，其最小值所對應(yīng)的就是測試樣本所應(yīng)歸屬的類。

步驟六：對比步驟五中測試樣本所應(yīng)歸屬的類是否與步驟一中的人工分類相同，如相同，則識別正確；否則，為識別錯(cuò)誤，將測試樣本加入到訓(xùn)練樣本中。

步驟七：依次循環(huán)上述步驟二至步驟六，直到所有測試樣本都能識別正確為止。

本發(fā)明所述的基于稀疏理論的字符識別方法，通過訓(xùn)練灰度圖像，省去了二值化圖像的過程，避免了二值化對圖像信息產(chǎn)生的損失和失真，同時(shí)，對輸入數(shù)據(jù)優(yōu)化選擇，選擇差異性較大的個(gè)體作為訓(xùn)練樣本，訓(xùn)練樣本少而精，訓(xùn)練樣本中具有大部分有效數(shù)據(jù)，較少的冗余數(shù)據(jù)，有效減少了無效數(shù)據(jù)的影響，提高了識別率。其基于稀疏理論的識別方法具有識別速度快，識別效率高，抗干擾能力強(qiáng)的特點(diǎn)，單個(gè)字符的識別率可以達(dá)到99.2％。