[發(fā)明專利]基于Caffe深度學(xué)習(xí)框架的車牌字符識別方法

有效

• 申請?zhí)枺?/td>: 201710823771.4
• 申請日: 2017-09-13
• 公開（公告）號: CN108108746B
• 公開（公告）日: 2021-04-09
• 發(fā)明（設(shè)計(jì)）人: 歐先鋒;張國云;彭鑫;吳健輝;郭龍?jiān)?/a>;涂兵;周建婷
• 申請（專利權(quán)）人: 湖南理工學(xué)院
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/00;G06K9/34;G06K9/32
• 代理公司: 暫無信息
• 代理人: 暫無信息

在車牌字符識別的某些場合中，獲得的字符通常存在切割不均勻、光照對比度強(qiáng)烈、遮擋嚴(yán)重等強(qiáng)噪聲污染。針對被強(qiáng)噪聲污染的字符，本發(fā)明提出一種基于Caffe深度學(xué)習(xí)框架的車牌字符識別方法，在Caffe框架下搭建卷積神經(jīng)網(wǎng)絡(luò)，并對網(wǎng)絡(luò)參數(shù)訓(xùn)練獲得了一個魯棒性強(qiáng)、識別精度高的網(wǎng)絡(luò)結(jié)構(gòu)，同時，通過對訓(xùn)練樣本和識別圖像進(jìn)行縮放處理、傾斜糾正、歸一化處理，解決了現(xiàn)有的車牌字符識別方法中對傾斜、噪聲、相近字符識別精度不高的問題，大大提高了對于車牌字符的識別精度。

技術(shù)領(lǐng)域：

本發(fā)明屬于車牌識別技術(shù)領(lǐng)域，具體涉及一種Caffe深度學(xué)習(xí)框架的車牌字符識別方法。

背景技術(shù)：

車牌字符識別是公共交通、安全防護(hù)等領(lǐng)域的一項(xiàng)重要技術(shù)，具有重要的實(shí)際應(yīng)用價值。目前，車牌識別方法可以分為兩類，一類是基于非機(jī)器學(xué)習(xí)的識別方法，例如模板匹配方法，這類方法不需要訓(xùn)練，處理過程比較簡單，然而也存在易受復(fù)雜環(huán)境中噪聲等因素的干擾、單個字符識別時間較長等問題；另一類是基于機(jī)器學(xué)習(xí)的識別方法，例如，基于BP神經(jīng)網(wǎng)絡(luò)的識別方法、將SVM和正交蓋氏矩相結(jié)合的車牌字符識別方法，這些方法針對特定的車牌字符，都能夠取得比較好的識別效果，但是容易受到訓(xùn)練樣本數(shù)量的影響，魯棒性不夠高。

本申請?zhí)岢隽艘环N基于Caffe深度學(xué)習(xí)框架的車牌字符識別方法，通過引入Caffe深度學(xué)習(xí)框架，在此基礎(chǔ)上搭建卷積神經(jīng)網(wǎng)絡(luò)來實(shí)現(xiàn)車牌字符識別。實(shí)驗(yàn)結(jié)果表明，文章中提出的方法具有很好的識別效果，尤其是在有噪聲干擾的復(fù)雜環(huán)境下，該方法具有很強(qiáng)的魯棒性，對車牌字符的識別率仍然能夠達(dá)到95％以上。上述優(yōu)點(diǎn)使得該方法在實(shí)際應(yīng)用中具有較好的潛在應(yīng)用價值。

發(fā)明內(nèi)容：

針對當(dāng)前車牌字符識別中存在的這些典型問題，本申請?zhí)岢隽艘环N基于Caffe深度學(xué)習(xí)框架的車牌字符識別方法，通過引入Caffe深度學(xué)習(xí)框架，在此基礎(chǔ)上搭建卷積神經(jīng)網(wǎng)絡(luò)來實(shí)現(xiàn)車牌字符識別。

為達(dá)到上述目的，本發(fā)明提供的技術(shù)方案為：

一種基于Caffe深度學(xué)習(xí)框架的車牌字符識別方法，包括以下步驟：

步驟1：從不同光照強(qiáng)度、傾斜角度、遮擋程度、噪聲污染條件下拍攝的多副彩色車牌樣本圖像；

步驟2：對獲得的車牌樣本圖像預(yù)處理，得到分割后的子圖像樣本，挑選出其中包含字符的子圖像樣本，組成字符子圖像樣本集S；

步驟3：對字符子圖像樣本集S中的每個樣本s進(jìn)行進(jìn)一步處理，獲得處理后的字符子圖像樣本集S′；

步驟4：將字符子圖像樣本集S′中的樣本按照列表的方式存儲起來，并對列表中每一項(xiàng)進(jìn)行分類標(biāo)記；

步驟5：構(gòu)建六層Caffe深度學(xué)習(xí)網(wǎng)絡(luò)結(jié)構(gòu)，所述六層依次為卷積層1、池化層1、卷積層2、池化層2、全連接層1、全連接層2；建立網(wǎng)絡(luò)結(jié)構(gòu)之后對該網(wǎng)絡(luò)結(jié)構(gòu)的參數(shù)進(jìn)行初始化，初始參數(shù)是系統(tǒng)隨機(jī)生成的；

步驟6：將字符子圖像樣本集S′中每個樣本及其對應(yīng)的分類標(biāo)記輸入Caffe深度學(xué)習(xí)網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行字符識別，將識別結(jié)果與該圖像樣本的分類標(biāo)記進(jìn)行比較，根據(jù)比較結(jié)果調(diào)整網(wǎng)絡(luò)結(jié)構(gòu)的參數(shù)，得到訓(xùn)練后的Caffe深度學(xué)習(xí)網(wǎng)絡(luò)結(jié)構(gòu)；

步驟7：通過電子警察抓拍車牌圖像，用于進(jìn)行車牌字符識別；

步驟8：對獲得的車牌圖像預(yù)處理，得到分割后的子圖像，根據(jù)子圖像在車牌圖像中的位置，去除包含漢字的子圖像，保留其他包含字符的子圖像；

步驟9：對每個字符子圖像進(jìn)行進(jìn)一步處理，獲得處理后的字符子圖像；

步驟10：使用步驟6訓(xùn)練獲得的Caffe深度學(xué)習(xí)網(wǎng)絡(luò)結(jié)構(gòu)對每個處理后的字符子圖像進(jìn)行字符識別，得到識別結(jié)果；

步驟11：按順序合并各個字符子圖像的識別結(jié)果，得到車牌的識別結(jié)果；

所述步驟3和步驟9中的進(jìn)一步處理包括：