[發(fā)明專利]一種基于視頻監(jiān)控的新能源車牌檢測方法

有效

• 申請?zhí)枺?/td>: 201810993897.0
• 申請日: 2018-08-29
• 公開（公告）號: CN109255350B
• 公開（公告）日: 2021-12-10
• 發(fā)明（設(shè)計）人: 劉峰;王瀟凡;干宗良;崔子冠;唐貴進
• 申請（專利權(quán)）人: 南京郵電大學(xué)
• 主分類號: G06K9/32
• 分類號: G06K9/32;G06K9/62;G06N3/04
• 代理公司: 南京縱橫知識產(chǎn)權(quán)代理有限公司 32224
• 代理人: 董建林

本發(fā)明公開一種基于視頻監(jiān)控的新能源車牌檢測方法，包括：采集大量含車牌區(qū)域的新能源車輛圖片作為訓(xùn)練模型的數(shù)據(jù)集，對所述數(shù)據(jù)集中每張圖片進行人工標點；構(gòu)建新能源車牌檢測訓(xùn)練神經(jīng)網(wǎng)絡(luò)，將所述數(shù)據(jù)集輸入神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練得到新能源車牌檢測模型；再從監(jiān)控視頻中獲取新能源車輛圖像，建立包含車牌位置坐標信息的新能源車輛圖像集合，根據(jù)視頻中目標車輛出現(xiàn)的時間順序?qū)⒛繕塑囕v圖片命名；通過神經(jīng)網(wǎng)絡(luò)提取待檢測圖像特征，將特征送入檢測模型進行判斷，根據(jù)模型輸出該車輛圖像中車牌圖像候選區(qū)的置信度；最后，根據(jù)得到基于置信度的車牌候選區(qū)域，計算車牌的最佳位置坐標點。

技術(shù)領(lǐng)域

本發(fā)明屬于數(shù)字安防車牌檢測技術(shù)領(lǐng)域，具體是一種基于視頻監(jiān)控的新能源車牌檢測方法。

背景技術(shù)

與日俱增的機動車給交通部門的監(jiān)督與管理帶來了嚴峻的挑戰(zhàn)，智能交通系統(tǒng)顯得尤其重要，在監(jiān)控場景下的車牌作為車輛的身份標識，使得車牌自動檢測識別(ALPR)技術(shù)成為智能交通系統(tǒng)中的關(guān)鍵技術(shù)，通過各種圖像處理和計算機視覺技術(shù)識別車牌上的字符，從而識別每輛車。車牌識別通常包括車牌檢測，字符分割和識別；其中，車牌檢測是車牌識別的基本組成部分，車牌檢測在檢測精度和運行時效率方面的性能在很大程度上決定了整個識別系統(tǒng)的整體準確性和處理速度，從而影響著智慧城市中智能交通系統(tǒng)的表現(xiàn)，因此車牌檢測是現(xiàn)代智能交通系統(tǒng)的一項重要功能模塊。

然而，由于自然環(huán)境以及監(jiān)控設(shè)備等因素的影響，采集到的車牌圖像既有清晰的高質(zhì)量圖像，也有模糊的低質(zhì)量圖像，因此對于不同質(zhì)量的車牌圖像，都需要設(shè)計出能夠正確提取車牌信息的檢測算法。

目前，車牌檢測定位的思路是分兩個階段：粗檢和精確定位。粗檢的目的是從輸入的圖像中提出候選區(qū)域，而精確定位則是從這些候選區(qū)域中篩選出真正的車牌圖像。在整個定位流程中，粗檢的地位更加重要，它側(cè)重于查全率，即在粗檢階段提取出的候選區(qū)域要盡量包含輸入圖像中所有的車牌圖像。

粗檢主要包括下列幾種方法：(1)基于邊緣特征的方法：利用邊緣特征進行車牌粗檢的一般流程：①將輸入的圖像進行灰度化處理；②利用Sobel算子提取垂直邊緣；③對邊緣圖像進行二值化；④對二值化后的圖像進行閉操作；該方法利用閉操作將相鄰的垂直邊緣像素點連接起來，利用開操作消除孤立的邊緣像素點，但形態(tài)學(xué)操作的時間復(fù)雜度過高，無法用于對車牌圖像的實時檢測；(2)最大穩(wěn)定極值區(qū)域(MSER)算法：①使用一系列灰度閾值對圖像進行二值化處理；②對于每個閾值得到的二值圖像，得到相應(yīng)的黑色區(qū)域與白色區(qū)域；③在比較寬的灰度閾值范圍內(nèi)保持形狀穩(wěn)定的區(qū)域就是MSER；該方法可以在相對簡單的場景中實現(xiàn)高定位精度，然而對于車牌的某些區(qū)域被污染的場景會難以檢測；(3)基于顏色特征的方法：HSV顏色模型可以定位出大部分顏色鮮明的車牌，但此方法受圖片質(zhì)量影響較大，在顏色法后通常采用邊緣檢測定位法，通過垂直邊緣檢測，將圖片中垂直邊緣較多的區(qū)域定位出來，兩種方法的結(jié)合可以獲得車輛圖片中車牌所在的區(qū)域，判斷出真正的車牌位置。

申請?zhí)枮镃N201710531085.X的專利公開了一種基于深度學(xué)習(xí)卷積神經(jīng)網(wǎng)絡(luò)的車牌檢測識別方法，首先使用構(gòu)造自動儲存系統(tǒng)來歸類真實世界中含有車牌的圖像，在不同光照、可視角度、場景中采集足夠數(shù)量的車牌與切割字符圖像，然后使用一系列深度神經(jīng)網(wǎng)絡(luò)進行車牌檢測與識別的訓(xùn)練，得到的模型再由切割好的字符單獨進行檢測與識別，最終合并成為結(jié)果。申請?zhí)枮镃N201710187201.0的專利公開了一種基于分塊的車牌區(qū)域回歸技術(shù)的車牌檢測方法，包括：進行車輛檢測，獲得目標車輛，由目標車輛確定整個車牌檢測區(qū)域；將所述車牌檢測區(qū)域劃分成n個小塊，各小塊之間部分重疊；使用第一深度神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)模型擬合得到大致的車牌區(qū)域，同時獲得該區(qū)域是真車牌的可信度；根據(jù)所述車牌區(qū)域的位置與可信度的關(guān)系，融合得到最終的車牌區(qū)域。