[發(fā)明專利]一種車牌字符智能識(shí)別系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 202010426782.0
• 申請(qǐng)日: 2020-05-19
• 公開（公告）號(hào): CN111652210A
• 公開（公告）日: 2020-09-11
• 發(fā)明（設(shè)計(jì)）人: 潘雷;楊鵬
• 申請(qǐng)（專利權(quán)）人: 浙江工貿(mào)職業(yè)技術(shù)學(xué)院
• 主分類號(hào): G06K9/32
• 分類號(hào): G06K9/32;G06K9/34;G06N3/04
• 代理公司: 北京陽光天下知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11671
• 代理人: 黃亞男

1.一種車牌字符智能識(shí)別系統(tǒng)，其特征在于，包括：車牌圖像處理單元、車牌字符智能識(shí)別單元、數(shù)據(jù)矯正輸出單元、數(shù)據(jù)管理單元和用戶終端；

所述車牌圖像處理單元用于獲取待識(shí)別的車牌圖像并對(duì)采集到的待識(shí)別車牌圖像進(jìn)行濾波和轉(zhuǎn)換處理，所述車牌圖像處理單元包括車輛圖像采集模塊和圖像處理模塊；

所述車牌字符智能識(shí)別單元用于對(duì)處理后的車牌圖像進(jìn)行車牌區(qū)域定位、車牌字符分割和車牌字符識(shí)別得到車牌號(hào)碼，所述車牌字符智能識(shí)別單元包括車牌檢測(cè)模塊、車牌字符分割模塊和字符識(shí)別模塊；

所述數(shù)據(jù)矯正輸出單元用于將車牌識(shí)別結(jié)果與所述數(shù)據(jù)管理單元存儲(chǔ)的用戶車牌信息進(jìn)行比對(duì)判斷是否為初次接收識(shí)別的車輛，所述數(shù)據(jù)矯正輸出單元包括車牌識(shí)別數(shù)據(jù)接收模塊、數(shù)據(jù)對(duì)比模塊、數(shù)據(jù)矯正模塊和數(shù)據(jù)輸出模塊；

所述數(shù)據(jù)管理單元包括用戶信息列表、用戶數(shù)據(jù)庫、用戶注冊(cè)模塊和云服務(wù)器，所述用戶信息列表用于查詢用戶的身份信息，所述用戶數(shù)據(jù)庫與所述用戶信息列表相關(guān)聯(lián)用于存儲(chǔ)用戶的身份信息，所述用戶注冊(cè)模塊用于新用戶注冊(cè)驗(yàn)證，所述云服務(wù)器用于存儲(chǔ)車牌檢測(cè)地點(diǎn)、時(shí)間和相關(guān)計(jì)費(fèi)信息。

2.據(jù)權(quán)利要求1所述的車牌字符智能識(shí)別系統(tǒng)，其特征在于，所述數(shù)據(jù)管理單元還包括顯示模塊、操作人員身份驗(yàn)證模塊和鑒權(quán)服務(wù)器，所述顯示模塊、所述操作人員身份驗(yàn)證模塊和鑒權(quán)服務(wù)器均與所述云服務(wù)器連接。

3.根據(jù)權(quán)利要求2所述的車牌字符智能識(shí)別系統(tǒng)，其特征在于，所述用戶終端包括登錄模塊、查詢模塊和信息交互模塊，所述用戶終端與所述數(shù)據(jù)管理單元相連接。

4.根據(jù)權(quán)利要求3所述的車牌字符智能識(shí)別系統(tǒng)，其特征在于，車主通過登錄模塊向所述鑒權(quán)服務(wù)器發(fā)送身份驗(yàn)證請(qǐng)求，所述鑒權(quán)服務(wù)器通過所述用戶信息列表鏈接所述用戶數(shù)據(jù)庫驗(yàn)證用戶身份信息，并將驗(yàn)證結(jié)果反饋至所述登錄模塊，驗(yàn)證成功后，車主可通過所述查詢模塊查詢車牌檢測(cè)地點(diǎn)、時(shí)間和相關(guān)計(jì)費(fèi)信息，當(dāng)所述用戶數(shù)據(jù)庫無車主相關(guān)信息即驗(yàn)證失敗后，車主通過所述信息交互模塊向所述用戶注冊(cè)模塊發(fā)送注冊(cè)請(qǐng)求并進(jìn)行驗(yàn)證信息錄入，所述用戶注冊(cè)模塊接收到所述驗(yàn)證信息后發(fā)送至所述用戶數(shù)據(jù)庫進(jìn)行存儲(chǔ)同時(shí)生成新的用戶信息列表。

5.根據(jù)權(quán)利要求1所述的車牌字符智能識(shí)別系統(tǒng)，其特征在于，所述圖像處理模塊把所述車輛圖像采集模塊采集的原始車輛圖像轉(zhuǎn)化為灰度圖,所述車牌檢測(cè)模塊經(jīng)過灰度增強(qiáng)和二值化把車牌和背景區(qū)域區(qū)分開,再通過邊緣檢測(cè)和中值濾波得到車牌字符的輪廓,最后幾何校正得到車牌區(qū)域圖像。

6.根據(jù)權(quán)利要求1所述的車牌字符智能識(shí)別系統(tǒng)，其特征在于，所述車牌字符分割模塊根據(jù)車牌區(qū)域的特征進(jìn)行分割得到字符圖像。

7.根據(jù)權(quán)利要求1所述的車牌字符智能識(shí)別系統(tǒng)，其特征在于，所述字符識(shí)別模塊采用基于LeNet5網(wǎng)絡(luò)的卷積神經(jīng)網(wǎng)絡(luò)模型的車牌字符識(shí)別方法進(jìn)行識(shí)別，具體包括：輸入層輸入所述車牌字符分割模塊分割后的字符圖像,圖像大小為n*n；C1層為卷積層,經(jīng)過32組5×5的卷積核,卷積得到32個(gè)大小為n*n的特征圖,激活函數(shù)采用Relu函數(shù)，Dropout＝0.25，其中，Dropout函數(shù)是深度神經(jīng)網(wǎng)絡(luò)的訓(xùn)練中用于緩解過擬合問題，以一定的概率隨機(jī)地臨時(shí)丟棄一部分神經(jīng)元節(jié)點(diǎn)；將所述大小為n*n的特征圖輸入S1層進(jìn)行池化,通過32個(gè)2×2的模板,池化得到32個(gè)大小為n*n的特征圖；將所述大小為n*n的特征圖輸入C2層，所述C2層為卷積層，經(jīng)過32組5×5的卷積核,卷積得到32個(gè)大小為n*n的特征圖，激活函數(shù)采用Relu函數(shù)；將C2的特征圖輸入S2層進(jìn)行池化，通過32個(gè)2×2的模板,池化得到32個(gè)大小為n*n的特征圖,Dropout＝0.25；將F5全連接層與所述S2層進(jìn)行全連接通過sigmoid函數(shù)輸出多維向量；F5層和輸出層構(gòu)成Softmax分類器,用于分類車牌字符，其中，輸出層是由34個(gè)神經(jīng)元構(gòu)成，分別代表省份信息。

8.根據(jù)權(quán)利要求4所述的車牌字符智能識(shí)別系統(tǒng)，其特征在于，所述車牌識(shí)別數(shù)據(jù)接收模塊接收到所述字符識(shí)別模塊識(shí)別的車牌字符識(shí)別數(shù)據(jù)后發(fā)送給所述數(shù)據(jù)對(duì)比模塊，所述數(shù)據(jù)對(duì)比模塊根據(jù)所述車牌字符識(shí)別數(shù)據(jù)通過所述用戶信息列表調(diào)取所述用戶數(shù)據(jù)庫中的用戶數(shù)據(jù)驗(yàn)證該車是否為初次接收識(shí)別的車輛，所述數(shù)據(jù)矯正模塊對(duì)驗(yàn)證結(jié)果進(jìn)行矯正后通過所述數(shù)據(jù)輸出模塊輸出，若是非初次識(shí)別車輛將本次車牌檢測(cè)地點(diǎn)和時(shí)間存儲(chǔ)至所述云服務(wù)器，否則通過所述用戶注冊(cè)模塊自動(dòng)注冊(cè)生成臨時(shí)用戶信息同時(shí)鏈接至用戶信息列表。