[發明專利]基于改進BING算法的車牌預檢測方法有效
| 申請號： | 201710854432.2 | 申請日： | 2017-09-20 |
| 公開（公告）號： | CN107657275B | 公開（公告）日： | 2020-07-21 |
| 發明（設計）人： | 馬爭;解梅;李佩倫;秦方 | 申請（專利權）人： | 電子科技大學 |
| 主分類號： | G06K9/62 | 分類號： | G06K9/62;G06K9/46 |
| 代理公司： | 電子科技大學專利中心 51203 | 代理人： | 周劉英 |
| 地址： | 611731 四川省成*** | 國省代碼： | 四川;51 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 基于 改進 bing 算法 車牌 預檢 方法 | ||
1.基于改進BING算法的車牌預檢測方法，其特征在于，包括下列步驟：
步驟1：訓練分類器：
101：輸入訓練樣本集，包括包含車牌的圖像和圖像中的車牌位置標注信息；
102：提取正樣本：從訓練樣本圖像中提取車牌切片圖，并對車牌切片圖進行尺寸歸一化處理，縮放為24*8的大小；計算尺寸歸一化后的車牌切片圖的梯度圖，得到梯度車牌切片圖，進行圖像列向量化得到正樣本；
103：提取負樣本：從訓練樣本圖像中隨機提取非車牌的切片圖，并將所述切片圖縮放為24*8的大小后，再計算各切片圖的梯度圖，對所述梯度圖列向量化得到負樣本；
104：訓練分類器：基于正、負樣本進行分類器訓練，去掉分類器的偏置項后，將分類器排列成為24*8的模板圖片；
105：將步驟104訓練好的模板圖片劃分為3個8*8大小的子模板，并計算每個子模板中的像素的二值化梯度幅值其中bk表示第k個比特面，Ng表示梯度圖像的估計超參數；
步驟2：檢測處理：
步驟201：輸入待預檢測的圖片；
步驟202：構建待預檢測的圖片的8層圖像金字塔，其中圖像金字塔的放縮系數為0.8；
步驟203：計算所述8層圖像金字塔的各像素點的二值化梯度幅值，每層的二值化梯度幅值的計算公式為其中l表示第l層圖像，bk,l表示第l層圖像的第k個比特面，Ng表示梯度圖像的估計超參數；
采用24*8的滑窗對待預檢測的圖片進行滑窗檢測，每次滑窗提取窗口內各像素點的二值化梯度幅值，并將滑窗結果按滑窗方向順次劃分為3個8*8的子滑窗結果，并將子滑窗結果輸入分類器，獲取每次滑窗的最終判定得分sl：
其中Nw表示分類器的估計超參數，βj表示校準系數，符號·表示內積運算；
步驟204：對每次滑窗的最終判定得分sl進行非極大值抑制處理，輸出待預檢測的圖片的推薦框。
2.如權利要求1所述的方法，其特征在于，梯度圖像的估計超參數Ng＝4。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于電子科技大學，未經電子科技大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201710854432.2/1.html，轉載請聲明來源鉆瓜專利網。
