[發(fā)明專利]一種基于車牌識別與車輛特征匹配的套牌檢測方法

有效

• 申請?zhí)枺?/td>: 201710544552.2
• 申請日: 2017-07-06
• 公開（公告）號: CN107545239B
• 公開（公告）日: 2021-01-12
• 發(fā)明（設(shè)計）人: 曹從詠;董浩;朱瑩瑩;沈瑜嘉;談俊希
• 申請（專利權(quán)）人: 南京理工大學(xué)
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/34;G06K9/62;G06N3/08;G06T5/00;G06T7/11;G06T7/155;G08G1/017
• 代理公司: 南京蘇創(chuàng)專利代理事務(wù)所(普通合伙) 32273
• 代理人: 張學(xué)彪

1.一種基于車牌識別與車輛特征匹配的套牌檢測方法，期特征在于：包括以下步驟：

步驟一、車牌識別；

步驟二、車輛特征匹配；

步驟三、綜合所述步驟一和步驟二進行套牌檢測；

所述步驟一的車牌識別包括以下步驟：

步驟1、視頻監(jiān)控設(shè)備識別到車輛在監(jiān)控內(nèi)時，提取視頻中的一幀圖像作為源圖；

步驟2、對步驟1獲得的源圖進行歸一化和灰度化；

步驟3、對步驟2得到的圖使用直方圖均衡化處理，同時使用非線性的中值濾波與線性的高斯濾波處理；

步驟4、采用sobel算法實現(xiàn)邊緣垂直檢測對步驟3得到的圖像中的車牌進行定位；所述sobel算法是一離散型差分算子，用以運算圖像高亮函數(shù)的灰度近似值；A代表原始圖像，G_X代表橫向邊緣檢測圖像的灰度值；基于邊緣檢測圖像的梯度值進行二值化處理，并設(shè)置閾值，大于閾值記為255，否則設(shè)置為0，將預(yù)處理后的單通道灰度圖二值化；

步驟5、對步驟4中得到圖像使用數(shù)學(xué)形態(tài)學(xué)的閉運算來處理，消除圖像噪聲填補圖像孔洞；所述的數(shù)學(xué)形態(tài)學(xué)，包括二值腐蝕與膨脹、二值開閉運算，膨脹和腐蝕均作用于高亮部分，膨脹是指與矩形核進行卷積，并將最大值賦予給指定的像素，使得圖像高亮區(qū)域增長，獲得比原圖更大的白色區(qū)域；腐蝕取最小值得到更小的白色區(qū)域，最后通過設(shè)置外接矩形的寬高比和外接矩形的面積，篩選同時滿足條件的矩形框；

步驟6、在opencv限制外接矩形的寬高比和外接矩形的面積，獲得車牌位置；

步驟7、將車牌的位置提取出來，使用hough變換矯正車牌位置；

步驟8、將矯正后的車牌使用垂直投影，并在opencv中對字符寬高比中限制來切割字符；

步驟9、使用車牌字符集訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)，將訓(xùn)練好后神經(jīng)網(wǎng)絡(luò)用于步驟8得到圖像，獲得車牌字符；

所述步驟二的車輛特征匹配，包括如下步驟：

步驟a、提取彩色圖片的三維數(shù)組，放置AlexNet神經(jīng)網(wǎng)絡(luò)訓(xùn)練獲取深度特征，用深度特征代替原始圖片特征；步驟a中所述的提取彩色圖片的三維數(shù)組，放置AlexNet神經(jīng)網(wǎng)絡(luò)訓(xùn)練獲取深度特征，用深度特征代替原始圖片特征：所述AlexNet神經(jīng)網(wǎng)絡(luò)由5層卷積層和3層全連接分類器構(gòu)成；在第一層輸入三維RGB圖像，使用96個三維的卷積過濾器進行特征提取，采用非飽和激活函數(shù)RELU，使用有重疊的池化和局部歸一化來減少過擬合提升模型的泛化能力，將每一層的輸出作為下一層的輸入，第三、四層不進行池化和局部歸一化處理；第五層池化后與4096個神經(jīng)元進行全連接，第七層與第六層類似，最后一層作為輸出層；通過AlexNet模型前七層訓(xùn)練出圖像的深度特征；

步驟b、將深度特征用于分類模型，首先識別是否是機動車輛，再識別車輛的品牌和型號；

步驟c、將深度特征通過KNN算法，結(jié)合車輛系統(tǒng)數(shù)據(jù)庫，計算車輛特征相似度，并設(shè)置最小特征匹配閾值；所述步驟c中的車輛識別方式中，對深度特征使用加Ridge的logistic回歸算法完成不同圖片的分類任務(wù)，KNN算法基于相似度匹配數(shù)據(jù)庫車牌對應(yīng)車輛信息，用于檢測套牌情況，其中W_ik和W_jk均為圖形特征向量，X_i和X_j均由AlexNet卷積神經(jīng)網(wǎng)絡(luò)獲得。

2.根據(jù)權(quán)利要求1所述的基于車牌識別與車輛特征匹配的套牌檢測方法，其特征在于：所述步驟6中的外接矩形的寬高比范圍為2.7-5；所述外接矩形的面積小于1000mm²。

3.根據(jù)權(quán)利要求1所述的基于車牌識別與車輛特征匹配的套牌檢測方法，其特征在于：所述步驟8中的字符寬高比范圍為1.2-2.6。