[發(fā)明專利]一種基于卷積神經(jīng)網(wǎng)絡(luò)的車牌字符識別方法

在審

• 申請?zhí)枺?/td>: 201910602203.0
• 申請日: 2019-07-05
• 公開（公告）號: CN110348448A
• 公開（公告）日: 2019-10-18
• 發(fā)明（設(shè)計(jì)）人: 趙艷芹;童朝娣
• 申請（專利權(quán)）人: 黑龍江科技大學(xué)
• 主分類號: G06K9/34
• 分類號: G06K9/34;G06K9/46;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 深圳市智科友專利商標(biāo)事務(wù)所 44241
• 代理人: 曲家彬

1.一種用于車牌字符識別的卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的構(gòu)建方法，包括步驟A：基于經(jīng)典卷積神經(jīng)網(wǎng)絡(luò)LeNet-5設(shè)定車牌識別卷積神經(jīng)網(wǎng)絡(luò)初始結(jié)構(gòu)；步驟B：使用預(yù)處理后的一組字符樣本訓(xùn)練圖以及和訓(xùn)練圖字符對應(yīng)的標(biāo)簽對步驟A中設(shè)定的初始車牌識別卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，得到訓(xùn)練好的車牌識別卷積神經(jīng)網(wǎng)絡(luò)；步驟C：使用預(yù)處理后的一組字符樣本訓(xùn)練圖以及和訓(xùn)練圖字符對應(yīng)的標(biāo)簽對步驟B中訓(xùn)練好的車牌識別卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行測試，得到驗(yàn)證后的車牌識別卷積神經(jīng)網(wǎng)絡(luò)；其特征在于：

步驟A中所述車牌識別卷積神經(jīng)網(wǎng)絡(luò)初始結(jié)構(gòu)包括2層卷積層、2層采樣層、3層dropout層和2層全連接層，按照輸入層、第一卷積層、第一采樣層、第一dropout層、第二卷積層、第二采樣層、第二dropout層、第一全連接層、第三dropout層、第二全連接層和輸出層順次相連，前序?qū)拥妮敵鲎鳛楫?dāng)前層的輸入；其中所述卷積層用于對輸入的圖像進(jìn)行特征提取，所述采樣層用于降維和特征整合，所述全連接層用于線性變換，所述dropout層用于簡化復(fù)雜的網(wǎng)絡(luò)結(jié)構(gòu)，防止模型過擬合，提高收斂速度，所述輸出層與所述第二全連接層構(gòu)成一個(gè)Softmax分類器，所述Softmax分類器用于對字符圖片進(jìn)行分類，輸出字符圖片對應(yīng)車牌中的字符。

2.根據(jù)權(quán)利要求1所述的一種用于車牌識別的卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的構(gòu)建方法，其特征在于：所述輸入層為36*28 px大小的字符圖像，所述第一卷積層和第二卷積層包括4個(gè)5*5的卷積核，所述第一采樣層和第二采樣層的采樣窗口為2*2，采用最大池化方法對前序?qū)拥妮敵鲞M(jìn)行池化，所述第一全連接層包含256個(gè)神經(jīng)元，所述第二全連接層包含128個(gè)神經(jīng)元，所述第一dropout層、第二dropout層和第三dropout層的概率值為0.2~0.5，所述輸出層為34個(gè)神經(jīng)元構(gòu)成的向量，對應(yīng)除I和O外的24個(gè)字母和0~9 十個(gè)數(shù)字。

3.根據(jù)權(quán)利要求2所述的一種車牌識別卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的構(gòu)建方法，其特征在于：所述第一dropout層的概率值為0.3，第二dropout層和第三dropout層的概率值為0.4。

4.根據(jù)權(quán)利要求1所述的一種用于車牌字符識別的卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的構(gòu)建方法，其特征在于：步驟B中所述的一組字符樣本訓(xùn)練圖為手寫字符圖集或者車牌字符圖集或者手寫字符圖集與車牌字符圖集的混合圖集。

5.根據(jù)權(quán)利要求4所述的一種車牌識別卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的構(gòu)建方法，其特征在于：所述字符樣本訓(xùn)練集為10000~12000張。

6.根據(jù)權(quán)利要求1所述的一種車牌識別卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的構(gòu)建方法，其特征在于：所述第一卷積層的特征圖數(shù)目為4，第二卷積層的特征圖數(shù)目為12。

7.一種車牌識別方法，包括獲取車牌的圖像并進(jìn)行預(yù)處理的步驟；對車牌進(jìn)行人工剪輯方式得到單個(gè)車牌字符圖像集，然后進(jìn)行預(yù)處理的步驟，以及使用卷積神經(jīng)網(wǎng)絡(luò)對預(yù)處理后的字符圖像進(jìn)行識別的步驟，其特征在于：所述的卷積神經(jīng)網(wǎng)絡(luò)為按權(quán)利要求1中步驟訓(xùn)練所得的卷積神經(jīng)網(wǎng)絡(luò)。