[發(fā)明專利]一種基于卷積神經(jīng)網(wǎng)絡(luò)的多尺度車牌精準(zhǔn)定位方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201710792262.X
• 申請(qǐng)日: 2017-09-05
• 公開（公告）號(hào): CN107506763B
• 公開（公告）日: 2020-12-01
• 發(fā)明（設(shè)計(jì)）人: 姚劍;韓婧;趙嬌;劉亞輝;李禮
• 申請(qǐng)（專利權(quán)）人: 武漢大學(xué)
• 主分類號(hào): G06K9/32
• 分類號(hào): G06K9/32;G06N3/08
• 代理公司: 武漢科皓知識(shí)產(chǎn)權(quán)代理事務(wù)所(特殊普通合伙) 42222
• 代理人: 魏波

本發(fā)明公開了一種基于卷積神經(jīng)網(wǎng)絡(luò)的多尺度車牌精準(zhǔn)定位方法，首先構(gòu)建卷積神經(jīng)網(wǎng)絡(luò)對(duì)輸入圖像進(jìn)行特征提取，然后基于多尺度特征對(duì)輸入圖像中可能包含車牌的區(qū)域位置進(jìn)行提取，最后基于多尺度特征對(duì)真正的車牌區(qū)域進(jìn)行識(shí)別和精準(zhǔn)定位。本發(fā)明使用卷積神經(jīng)網(wǎng)絡(luò)提取圖像特征，識(shí)別效果好；對(duì)具有不同語義性和分辨率的特征進(jìn)行了融合，對(duì)不同尺度的車牌都具有良好的識(shí)別能力；直接對(duì)車牌的角點(diǎn)進(jìn)行預(yù)測(cè)和推斷，構(gòu)造出能精確覆蓋車牌實(shí)際區(qū)域的四邊形，定位精度高。

技術(shù)領(lǐng)域

本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，具體涉及一種基于卷積神經(jīng)網(wǎng)絡(luò)所構(gòu)建，能對(duì)圖像中的車牌進(jìn)行精確定位，并對(duì)車牌尺度變化具有高度不變性的車牌檢測(cè)方法。

背景技術(shù)

車牌識(shí)別是智能交通的核心技術(shù)之一，被廣泛地應(yīng)用于交通監(jiān)測(cè)、道路管理、不停車收費(fèi)系統(tǒng)等領(lǐng)域。車牌識(shí)別包含三個(gè)步驟：車牌檢測(cè)、車牌字符分割和車牌字符識(shí)別。其中，車牌檢測(cè)是后續(xù)車牌字符分割與識(shí)別的基礎(chǔ)，決定了整個(gè)系統(tǒng)的識(shí)別性能，被認(rèn)為是車牌識(shí)別中最重要的步驟。因此，設(shè)計(jì)和實(shí)現(xiàn)高性能的車牌檢測(cè)算法，對(duì)車牌識(shí)別具有重要的意義。

車牌檢測(cè)的目標(biāo)是在輸入圖像中定位車牌的位置，并通過一定的幾何形式對(duì)其進(jìn)行指示。一般來說，車牌檢測(cè)算法通常先對(duì)待檢測(cè)圖像進(jìn)行特征提取，然后構(gòu)建分類器基于提取到的特征信息對(duì)區(qū)域進(jìn)行判定和識(shí)別。

傳統(tǒng)車牌檢測(cè)算法使用的特征可以分為三類。第一類是基于車牌自身結(jié)構(gòu)的特征，如車牌的顏色、形狀、對(duì)稱性、灰度值、長寬比等；第二類是基于車牌字符特性的特征，如車牌字符的線型、長寬比、字符間距等；第三類是圖像處理領(lǐng)域較為通用的特征描述算子，如SIFT(Scale Invariant Feature Transform),SURF(Speeded-Up Robust Features)、HOG(Histogram of Oriented Gradient)等。這些特征對(duì)于車牌信息具有一定的表達(dá)能力，但其設(shè)計(jì)過程非常復(fù)雜、自動(dòng)化程度低，且通常只能表達(dá)較為淺層的信息，魯棒性和適應(yīng)性較弱。

此外，傳統(tǒng)的車牌檢測(cè)算法還面臨兩大挑戰(zhàn)：首先，難以對(duì)圖像中的車牌進(jìn)行足夠精準(zhǔn)的定位。由于相機(jī)視角和仿射變換的影響，自然場(chǎng)景圖像中的車牌往往具有一定程度的形變，其幾何形狀在圖像中由矩形變?yōu)橐话愕乃倪呅危鴤鹘y(tǒng)車牌檢測(cè)算法的檢測(cè)結(jié)果為矩形區(qū)域，無法精確覆蓋實(shí)際的車牌區(qū)域，從而產(chǎn)生了檢測(cè)結(jié)果與實(shí)際情況的不匹配，通常需要借助其他的方法來進(jìn)一步對(duì)傾斜的車牌進(jìn)行矯正。其次，難以對(duì)不同尺度的車牌進(jìn)行有效識(shí)別。圖像中的車牌尺度常常具有較大的差異性，而傳統(tǒng)的車牌檢測(cè)技術(shù)通常只對(duì)某一尺度范圍內(nèi)的車牌具有較好的檢測(cè)能力，對(duì)尺度差異較大、特別是小尺寸的車牌，其識(shí)別效果往往不佳。

發(fā)明內(nèi)容

為了解決以上技術(shù)問題，本發(fā)明提出了一種基于卷積神經(jīng)網(wǎng)絡(luò)的車牌檢測(cè)方法，能對(duì)輸入圖像中的車牌進(jìn)行精準(zhǔn)定位，并對(duì)車牌尺度的變化具有高度的不變性。

本發(fā)明所采用的技術(shù)方案是：一種基于卷積神經(jīng)網(wǎng)絡(luò)的多尺度車牌精準(zhǔn)定位方法，其特征在于，包括以下步驟：

步驟1：構(gòu)建卷積神經(jīng)網(wǎng)絡(luò)對(duì)輸入圖像進(jìn)行特征提取；

步驟2：基于多尺度特征對(duì)輸入圖像中可能包含車牌的區(qū)域位置進(jìn)行提取；

步驟3：基于多尺度特征對(duì)真正的車牌區(qū)域進(jìn)行識(shí)別和精準(zhǔn)定位。

本發(fā)明具有以下三個(gè)優(yōu)點(diǎn)：

(1)高識(shí)別率；

本發(fā)明使用了卷積神經(jīng)網(wǎng)絡(luò)對(duì)輸入圖像進(jìn)行特征提取，自動(dòng)化程度高，識(shí)別效果好。經(jīng)測(cè)試，本方法對(duì)車牌的召回率和識(shí)別精度均高達(dá)99％，且對(duì)極端環(huán)境的容忍力強(qiáng)，在圖像較為模糊、存在噪聲干擾的條件下，本方法的性能基本不受影響。

(2)精確定位；

本發(fā)明使用角點(diǎn)檢測(cè)結(jié)合對(duì)稱性約束的策略對(duì)車牌角點(diǎn)進(jìn)行檢測(cè)和推斷，可以得到精確覆蓋車牌實(shí)際位置的四邊形區(qū)域。