[發明專利]一種智能車牌識別系統

在審

• 申請號: 201710761984.9
• 申請日: 2017-08-30
• 公開（公告）號: CN107545265A
• 公開（公告）日: 2018-01-05
• 發明（設計）人: 謝衛;朱銀萍;張民;王瑋;王慶
• 申請（專利權）人: 浙江智神數碼科技有限公司
• 主分類號: G06K9/34
• 分類號: G06K9/34;G06K9/32;G06K9/62;G07B15/02;G07C9/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種智能車牌識別系統，其特征在于，所述智能車牌識別系統包括：車牌識別單元、停車場計費單元、通道門禁出入單元；

所述車牌識別單元，用于采集車牌信息并對車牌信息進行處理的車牌識別單元；

所述停車場計費單元與車牌識別單元電性連接，用于對與車牌相對應的車輛進行停車計費；

所述通道門禁出入單元與車牌識別單元電性連接，用于對車輛出入通道信息進行處理；

所述車牌識別單元包括：圖像采集模塊、人機錄入模塊、車牌定位模塊、字符分割模塊、字符識別模塊；

所述圖像采集模塊，用于采集車牌圖像信息；具體包括：使用移動最小二乘法替代最小二乘法構造拉普拉斯矩陣，并使用KNN鄰域替代空間鄰域，獲取非鄰域像素在alpha圖上的線性關系，從而計算出移動拉氏矩陣，并得到alpha圖；

對接收的含有Alpha穩定分布噪聲的PSK信號求循環共變函數；通過對循環共變函數進行傅里葉變換，求其循環共變譜；根據所得的循環共變譜提取其中循環頻率ε＝0Hz的截面；分別搜索所得截面的正負半軸的峰值，找到峰值對應的正負頻率值，并取絕對值后求均值作為載頻的估計值Alpha穩定分布噪聲下PSK信號的載頻估計并輸出；對輸出的圖像特征向量進行提取并輸出最終采集的圖像；

所述移動最小二乘摳圖的方法如下：

在灰度圖像中,窗口w_i的鄰域內alpha值滿足局部線性條件，使用移動最小二乘法求解局部線性關系，表示如下：

J(α,a,b)=Σj∈I(Σi∈wjωi2(αi-ajIi-bj)2+ϵaj2)ωi=k(i-j)2---(1)]]>

公式(1)中權值ω，ω_i是鄰域w_k中的權值；式(1)表示為以下矩陣的形式:

J(α)=ΣkWk2||Gk.akbk-α‾k||2;]]>

對于每個鄰域w_k,G_k定義為‖w_k‖×2矩陣；G_k每行包括向量(I_i,1)，W_k是每行向量對應的權值ω_i組成的向量，G_k’為G_k的W_k加權，對應的每行向量表示為(W_k.I_i,W_k)，是鄰域內所有像素對應的alpha值組成的向量；

系數a_k,b_k解得如下所示：

(ak,bk)=argmin(Wk.(Gk.akbk-α‾k||)2)=(Gk′TGk′)-1Gk′TWkα‾kGk′=Wk.Gk;]]>

令J(α)表示為下式：

J(α)=ΣkαkTG‾k′TG‾k′αk=αkTLαk;]]>

L=Wk2.δi,j+1-2Wk||wk||(1+1σk2+ϵ||wk||(Ii-μk)(Ij-μk));]]>

δ_i,j是Kronecker delta函數，μ_k和σ²分別是小窗口w_k內的基于W_k的加權均值和方差，‖w_k‖是窗口內像素的個數,L為移動拉氏摳圖矩陣；

所述接收信號的循環共變函數包括：

所述信號含有服從SαS分布噪聲的MPSK信號，表示為：

x(t)=EV(t)exp[j(2πfct+φ0)]+w(t)]]>

其中E是信號的平均功率，M＝2^k，m＝1,2,...M,q(t)表示矩形脈沖波形，T表示符號周期，f_c表示載波頻率，φ₀表示初始相位，若w(t)是服從SαS分布的非高斯噪聲，則其自共變函數定義為：

Rx,C(t,τ)=[x(t),x(t-τ)]α=E(x(t)(x(t-τ))<p-1>)E(|x(t-τ)|p)γx(t-τ)]]>

其中(x(t-τ))^<p-1>＝|x(t-τ)^p-2x*(t-τ)，γ_x(t-τ)是x(t)的分散系數，則x(t)的循環共變定義為：

Rx,Cϵ(t,τ)=1T0∫-T0/2T0/2Rx,C(t,τ)e-j2πϵtdt=1T∫-T/2T/2E(x(t)(x(t-τ))<p-1>)E(|x(t-τ)|p)γx(t-τ)e-j2πϵtdt]]>

其中ε稱為循環頻率，T為一個碼元周期；

所述圖像特征向量提取方法具體步驟為：

步驟一、采集到N個樣本用作訓練集X，采用下式求出樣本平均值m：

m=1NΣi=1Nxi]]>

其中，x_i∈樣本訓練集X＝(x₁，x₂，…，x_N)；

步驟二、求出散布矩陣S：

S=Σi=1N(xi-m)(xi-m)t;]]>

求出散布矩陣的特征值λi和對應的特征向量ei，其中，ei便是主分量，將特征值從大到小依次排列λ1，λ2，…；

取出p個值，λ1，λ2，…，λp確定出車牌空間E＝(e1，e2，…，eP)，在此車牌空間上，訓練樣本X中，每個元素投影到該空間的點由下式得到：

x'i＝Etxi，t＝1，2，…，N；

由上式得到的是將原向量經過PCA降維后的p維向量；

所述的特征提取基于稀疏表征，采用圖像識別算法進行多圖像識別；

圖像識別算法進行多圖像識別的具體方法為：

對當前幀車牌檢測并按坐標排序得出當前幀多個車牌的識別結果；根據當前幀各車牌的識別結果計算對應的車牌各自相鄰n幀識別結果；統計各個車牌的身份，由超過半數n/2的統一身份決定目標的最終身份；

其中，計算待識別圖片與預置的圖像庫各類別間的重建誤差{r₁，r₂……r_n}，r₁<r₂<……<r_n，將得到的相似度值按照的規則確定最終識別結果；其中T₁為比率值，T1＝0.65；

所述人機錄入模塊，與圖像采集模塊電性連接，可以在圖像采集模塊不靈敏時，進行人工輸入，有利于防止可疑車牌逃避處罰；

所述車牌定位模塊，與圖像采集模塊電性連接，可以根據圖像采集信息，有效定位車牌；所述車牌定位模塊的車牌定位方法包括：根據車牌大小、比例留下每個子空間的外接矩陣即為疑似車牌區域；設置一個跳變函數f(i,j)，對疑似車牌區域進行精確定位，確定車牌區域的上下邊界：

其中c(i,j)為

c(i,j)＝LBP_8,1(i,j)-LBP_8,1(i,j-1)

上兩式中i＝1,2,3,4,…N,j＝2,3,4,…M，因此任意一行i的跳變次數和S(i)為：

S(i)=Σi=2N|f(i,j)|]]>

如果任意一行跳變次數的和S(i≥12)，則這一行就有可能屬于車牌區域；由上至下對整幅圖像進行掃描，找出所有滿足S(i≥12)的行，并記錄下這一行的行數i；如果有連續的h行滿足S(i≥12)，則可以得到一個寬度為M，高度為h的矩形區域，這個區域就有可能是車牌區域，因此車輛圖像中不具有此特征的區域得到了排除；

所述字符分割模塊，與車牌定位模塊電性連接，用于將車牌上的字符進行分割讀取；

所述字符識別模塊，與字符分割模塊電性連接，用于將分割完的字符分別識別，最后輸出結果；

所述停車場計費單元包括：讀卡器、控制器、計費器；

所述讀卡器，用于讀取車主身份識別卡片；

所述控制器，根據計費器上所顯示的費用，對車主的卡片進行扣費；

所述通道門禁出入單元，包括RFID控制單元和電磁門鎖。

所述RFID控制單元，采用RFID射頻芯片，RFID射頻芯片向車主身份識別卡片發射讀取信號，

所述RFID控制單元連接電磁門鎖，用于控制電磁門鎖的開關。