[發明專利]高效準確的車牌識別方法

有效

• 申請號: 201710432232.8
• 申請日: 2017-06-09
• 公開（公告）號: CN107239778B
• 公開（公告）日: 2020-01-03
• 發明（設計）人: 王子磊;莊嘉帆
• 申請（專利權）人: 中國科學技術大學
• 主分類號: G06K9/32
• 分類號: G06K9/32;G06K9/34
• 代理公司: 11260 北京凱特來知識產權代理有限公司
• 代理人: 鄭立明;鄭哲

1.一種車牌識別方法，其特征在于，包括：

對輸入的車牌圖片進行車牌緊致化處理，獲得緊致的車牌圖片；

使用預先訓練好的全卷積神經網絡模型進行車牌整體識別，獲得緊致的車牌圖片中每一個像素點字符類別的預測結果，形成標簽得分矩陣；

對標簽得分矩陣進行分析，獲得最終的車牌字符串信息，包括：將標簽得分矩陣中，每一像素點得分最高的字符類別作為相應像素點的字符類別標簽，得到標簽矩陣L，再將標簽矩陣L分成s個對應字符標簽的二值圖；對每一二值圖進行字符類別塊分析，獲得一系列的字符圖像塊的標記，過濾掉大小與寬度小于設定值，以及不符合字符幾何特征的字符圖像塊之后，獲得字符圖像塊序列；記錄下每一個字符圖像塊的平均橫坐標以及對應的字符類別，將字符類別按照平均橫坐標從小到大進行排列，從而初步獲得字符串序列；若字符串序列的長度為預定值，即滿足車牌的字符數量，則將字符串序列按字符圖像塊平均橫坐標從小到大排列，從而獲得最終的車牌字符串信息。

2.根據權利要求1所述的一種車牌識別方法，其特征在于，所述對輸入的車牌圖片進行車牌緊致化處理，獲得緊致的車牌圖片包括：

對輸入的車牌圖片進行灰度化處理，再計算X方向和Y方向的梯度圖，并相應的進行X方向和Y方向的投影，獲得投影曲線；

結合投影曲線與預先設置的閾值來計算感興趣區域的邊界，將四周小于閾值的部分剔除，實現對車牌圖片中背景部分的裁剪，并將裁剪后車牌圖片的大小調整至與車牌長寬比相近的固定尺寸，最終獲得緊致的車牌圖片。

3.根據權利要求1所述的一種車牌識別方法，其特征在于，

利用標定好的車牌識別數據訓練全卷積神經網絡模型，其包括：

收集各個省份的車牌圖片并進行車牌緊致化處理后作為樣本，然后為每個樣本制作相應的標簽矩陣，標簽矩陣中的每個元素表示了對應像素點的字符類別；再使用深度學習框架，建立全卷積神經網絡模型；

以樣本和相應的標簽矩陣組成數據對，通過反向傳播算法以及梯度下降策略，使得損失函數最小化，最終得到訓練好的全卷積神經網絡模型。

4.根據權利要求1所述的一種車牌識別方法，其特征在于，所述使用預先訓練好的全卷積神經網絡模型進行車牌整體識別，獲得緊致的車牌圖片中每一個像素點字符類別的預測結果，形成標簽得分矩陣包括：

將緊致的車牌圖片輸入訓練好的全卷積神經網絡模型的輸入層，然后全卷積神經網絡模型進行前向傳播，最終得到一個m×n×c的標簽得分矩陣；其中，m與n為車牌圖片尺寸，c為標簽類別數目；

標簽得分矩陣中每一個元素代表了對應像素點所屬不同字符類別的得分。

5.根據權利要求1所述的一種車牌識別方法，其特征在于，該方法還包括：

若所得到字符串序列長度不等于預定值，則獲取每一個字符圖像塊的寬度，再按寬度從大到小的順序依次對字符圖像塊進行字符精細化分析，分析結果采用聯合投票策略進行判斷，直至字符總數等于預定值或者所有的字符圖像塊均進行了字符精細化分析。

6.根據權利要求5所述的一種車牌識別方法，其特征在于，字符精細化分析包括如下三種方法：

第一種方法：預先統計車牌圖片中每一字符的平均寬度，根據字符圖像塊的寬度和字符類別，確定相應字符類別的平均寬度，從而確定字符圖像塊中的字符數num1；

第二種方法：對緊致的車牌圖片進行閾值化處理獲得閾值圖，根據字符圖像塊的邊界，在閾值圖中截取感興趣區域；對感興趣區域進行輪廓查找的操作，并過濾掉大小與寬度小于預設值以及不符合字符幾何特征的輪廓之后，獲得相應的輪廓數，并將其作為字符圖像塊的字符數num2；

第三種方法：對第二種方法中的感興趣區域進行豎直方向的投影獲得投影曲線，然后針對不同類型的字符，使用不同階次的多項式函數進行擬合，再統計波峰的數目，并將其作為字符圖像塊的字符數num3。

7.根據權利要求6所述的一種車牌識別方法，其特征在于，

根據字符精細化分析得到的三個字符數，采用聯合投票策略，來最終確定圖像塊中的字符數：若字符數num1～num3中某個數值占多數，則認為字符個數為相應數值；若字符數num1～num3各不相同，則考察字符數num2和num3，與字符數num1之間的距離，取距離最小的數值作為字最終的字符個數；若最終的字符個數不等于預定值，則繼續處理下一寬度大小的字符圖像塊，直到所處理的字符圖像塊包含的字符總數等于預定值或者所有的字符圖像塊均進行了字符精細化分析。