[發明專利]基于YOLOv3的同步端到端車牌定位與識別方法

在審

• 申請號: 202010740113.0
• 申請日: 2020-07-28
• 公開（公告）號: CN111914839A
• 公開（公告）日: 2020-11-10
• 發明（設計）人: 徐光柱;匡婉;雷幫軍;萬秋波;吳正平;石勇濤
• 申請（專利權）人: 三峽大學
• 主分類號: G06K9/32
• 分類號: G06K9/32;G06K9/34;G06K9/46;G06N3/04;G06N3/08
• 代理公司: 宜昌市三峽專利事務所 42103
• 代理人: 吳思高

基于YOLOv3的同步端到端車牌定位與識別方法，獲取車牌外接矩形框以及車牌號信息，制作成數據集標簽文件，將數據集分為訓練數據集、驗證數據集和測試數據集；訓練基于YOLOv3的車牌檢測與識別一體化網絡LP?Yolo，使之能在檢測車牌的同時實現對多種類型車牌的識別，將訓練數據集增廣后，放入網絡訓練；利用訓練好的網絡模型，在測試數據集上對車牌進行定位和識別，然后評估模型。本發明能對多種類型及不同長度的車牌進行分類并識別。同時，該方法提出的網絡LP?Yolo能在各種非約束環境下快速準確檢測并識別車牌。

技術領域

本發明涉及車牌自動識別技術領域，具體涉及一種基于YOLOv3的同步端到端車牌定位與識別方法。

背景技術

自動車牌識別系統在智能交通領域中應用廣泛，如車輛違章監測、高速路口收費、停車場收費等。在道路交通管理中，車牌是獲取車輛擁有者信息的唯一依據，因此在車輛行駛過程中，準確有效的識別車牌信息具有重要意義。現有的車牌識別技術通常被分為車牌檢測和字符識別兩部分。現有的車牌檢測與字符識別技術均可分為傳統方法和深度學習的方法。

傳統車牌檢測方法可分為基于邊緣特征、基于數學形態學和基于顏色特征三種。如文獻[1]陳政.車牌識別系統研究綜述[J].現代信息科技,2019,3(11):193-195中記載。其中，1)基于邊緣特征的方法是利用車牌邊緣特征信息對車牌進行定位，文獻[2]Davis,A.M.,Arunvinodh C.,Arathy Menon NP.(2015).Automatic license plate detectionusing vertical edge detection method.2015International Conference onInnovations in Information,Embedded and Communication Systems(ICIIECS).doi:10.1109/iciiecs.2015.7193073.提出一種快速邊緣檢測算法VEDA用于提取車牌垂直邊緣，并使用HDD對車牌區域進行高亮處理來定位車牌。基于邊緣特征的方法適合處理邊界明顯的車牌圖像，對于模糊的、邊界不清的車牌圖像效果不佳。

2)基于數學形態學的方法通過膨脹、腐蝕等基本運算處理圖像，文獻[3]王曉群,劉宏志.基于自適應數學形態學的車牌定位研究[J].圖學學報,2017,38(06):843-850提出了一種基于自適應數學形態學的方法，通過改進行列自適應數學形態學結構元素的方法對車牌進行粗定位,提高了只基于行的自適應結構元素選取算法獲取候選車牌的效率。基于數學形態學的方法只適合處理背景簡單的車牌圖像，因此通常需要結合其他方法來定位車牌。

3)基于顏色特征的方法利用車牌特有的顏色特征對車牌進行定位，文獻[4]Tian,Y.,Song,J.,Zhang,X.,Shen,P.,Zhang,L.,Gong,W.,…Zhu,G.(2016).An algorithmcombined with color differential models for license-platelocation.Neurocomputing,212,22–35.doi:10.1016/j.neucom.2016.02.081.提出了一種結合顏色特征與Adaboost算法的車牌檢測算法，該算法利用顏色差分模型對車牌進行粗定位，然后使用Adaboost算法訓練特征分類器實現車牌精定位。中國車牌顏色是固定的藍底黑字、黃底黑字等幾類，因此很容易定位，但當背景顏色與車牌顏色相似時，該類方法定位效果會受到影響。