[發(fā)明專利]一種車牌識別方法及車牌識別設(shè)備

有效

• 申請?zhí)枺?/td>: 201410745124.2
• 申請日: 2014-12-08
• 公開（公告）號: CN104408475B
• 公開（公告）日: 2018-09-14
• 發(fā)明（設(shè)計）人: 唐健;李昕;鄒振宇;李銳
• 申請（專利權(quán)）人: 深圳市捷順科技實業(yè)股份有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/66
• 代理公司: 深圳市深佳知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 44285
• 代理人: 王仲凱

1.一種車牌識別方法，應用于布置在現(xiàn)場的車牌識別設(shè)備中，所述車牌識別設(shè)備中包括根據(jù)原始訓練集訓練的原始車牌分類器，其特征在于，所述車牌識別方法包括：

根據(jù)所述原始車牌分類器檢測現(xiàn)場的無車場景，收集現(xiàn)場的靜態(tài)負樣本；所述靜態(tài)負樣本為所述現(xiàn)場的無車場景中被所述原始車牌分類器誤檢為車牌區(qū)域的背景圖像；

將所述靜態(tài)負樣本添加到所述車牌識別設(shè)備的所述原始訓練集中，得到第一訓練集，根據(jù)所述第一訓練集訓練第一車牌分類器；

根據(jù)所述第一車牌分類器檢測現(xiàn)場的有車場景，收集現(xiàn)場的動態(tài)負樣本，將所述動態(tài)負樣本添加到所述第一訓練集中，得到第二訓練集，根據(jù)所述第二訓練集訓練第二車牌分類器，并根據(jù)所述第二車牌分類器進行車牌識別；所述動態(tài)負樣本為所述現(xiàn)場的有車場景中被所述第一車牌分類器誤檢為車牌區(qū)域的運動圖像；

所述根據(jù)所述第一訓練集訓練第一車牌分類器，包括：

使用方向梯度直方圖HOG特征對所述第一訓練集里的每一個正樣本進行表征，形成正樣本HOG特征向量；

使用方向梯度直方圖HOG特征對所述第一訓練集里的每一個負樣本進行表征，形成負樣本HOG特征向量；

利用支持向量機SVM對所述正樣本HOG特征向量和所述負樣本HOG特征向量進行訓練，獲得第一車牌分類器；

所述根據(jù)所述第一車牌分類器檢測現(xiàn)場的有車場景，收集現(xiàn)場的動態(tài)負樣本，包括：

獲取所述車牌識別設(shè)備檢測現(xiàn)場的有車場景得到的視頻圖像，提取所述視頻圖像中的疑似車牌區(qū)域，根據(jù)所述第一車牌分類器檢測所述疑似車牌區(qū)域中的車牌區(qū)域；

從所述車牌區(qū)域中分割出多個字符，根據(jù)支持向量機SVM訓練的車牌字符識別模型對多個所述字符進行識別，并判斷每個所述字符的識別置信度；

根據(jù)每個所述字符的識別置信度判斷所述車牌區(qū)域是否有效，如果無效，將所述車牌區(qū)域作為所述現(xiàn)場的動態(tài)負樣本。

2.根據(jù)權(quán)利要求1所述的車牌識別方法，其特征在于，所述根據(jù)每個所述字符的識別置信度判斷所述車牌區(qū)域是否有效，包括：

判斷所述字符的個數(shù)是否為7個；

如果是，判斷每個所述字符的識別置信度是否大于或等于第一閾值；

如果是，判斷7個所述字符的識別置信度的和是否大于或等于第二閾值；

如果是，則判定所述車牌區(qū)域有效，否則無效。

3.根據(jù)權(quán)利要求1所述的車牌識別方法，其特征在于，所述將所述動態(tài)負樣本添加到所述第一訓練集中，包括：

按照預設(shè)的時間間隔統(tǒng)計所述第一車牌分類器檢測現(xiàn)場的有車場景的誤檢率，并判斷所述誤檢率是否大于第三閾值；

如果是，判斷收集到的所述動態(tài)負樣本的個數(shù)是否大于或等于第四閾值；

如果是，將所述動態(tài)負樣本添加到所述第一訓練集中。