[發明專利]一種實現非機動車牌識別和定位的方法

在審

• 申請號: 202011394225.1
• 申請日: 2020-12-02
• 公開（公告）號: CN112418221A
• 公開（公告）日: 2021-02-26
• 發明（設計）人: 郭賜華;邱俊杰;黃文通;鐘偉威;林政通;李賓
• 申請（專利權）人: 福建億安智能技術有限公司
• 主分類號: G06K9/32
• 分類號: G06K9/32;G06K9/46;G06K9/62
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明提供一種實現非機動車牌識別和定位的方法，涉及非機動車牌識別和定位技術領域。該包括以下處理模塊：圖像預處理模塊、車牌檢測模塊、車牌定位與校正模塊、車牌識別模塊,步驟1、預處理，利用圖像預處理模塊對數據采集圖像進行預處理，提升模型的收斂速度并提升模型的精度；步驟2、車牌檢測，對預處理后的圖像數據進行檢測，得到可能存在車牌的區域，并對疑似車牌區域進行邊界擴展，每個邊界擴展后的疑似車牌區域均放縮到一定尺度；步驟3、車牌上下邊界定位，對疑似車牌區域進行上下定位，定位出車牌邊框。通過對圖像進行預處理，然后進行分區域識別，相比于現有的檢測方法在檢測速度上有著顯著優勢。

技術領域

本發明涉及非機動車牌識別和定位技術領域，具體為一種實現非機動車牌識別和定位的方法。

背景技術

市面行業現有實現商用技術均無實現對非機動車車牌識別和定位的技術，目前道路非機動車占有量的提高且保持于較高水準，所以非機動車車牌識別對于道路交通的管理有著重要的作用和意義，目前現有專利為CN110674821A，該專利技術采用Faster-RCNN，Faster-RCNN屬于Two-stage類別的目標檢測算法；

本申請采用YOLO算法技術，YOLO算法技術屬于One-stage類別的目標檢測算法。

對于這兩種類別的目標檢測算法，Two-stage檢測算法在mAP方面具有優勢，而One-stage檢測算法在檢測算法在速度上具有優勢。而YOLO后續算法技術改進了網絡結構，使其更適合小目標檢測；特征更為細致，融入多持續特征圖信息來預測不同規格物件；且現有技術及專利只針對非機動車車牌數字、字母進行識別，而對車牌行政區劃文字不做定位和識別，使其技術存在一定的業務局限性，而且現有的技術，無法實現對非機動車車牌所屬行政區劃文字無法識別的問題，對非機動車車牌實現技術校正分析處理。

發明內容

(一)解決的技術問題

針對現有技術的不足，本發明提供了一種實現非機動車牌識別和定位的方法，解決了現有技術及專利只針對非機動車車牌數字、字母進行識別，而對車牌行政區劃文字不做定位和識別，使其技術存在一定的業務局限性的問題。

(二)技術方案

為實現以上目的，本發明通過以下技術方案予以實現：一種實現非機動車牌識別和定位的方法，包括以下處理模塊：圖像預處理模塊、車牌檢測模塊、車牌定位與校正模塊、車牌識別模塊,

步驟1、預處理，利用圖像預處理模塊對數據采集圖像進行預處理，提升模型的收斂速度并提升模型的精度；

步驟2、車牌檢測，對預處理后的圖像數據進行檢測，得到可能存在車牌的區域，并對疑似車牌區域進行邊界擴展，每個邊界擴展后的疑似車牌區域均放縮到一定尺度；

步驟3、車牌上下邊界定位，對疑似車牌區域進行上下定位，定位出車牌邊框；

步驟4、車牌校正，與標準號牌樣式進行對比，校正車牌的邊界信息；

步驟5、車牌左右邊界定位；

步驟6、車牌分隔，把校正好的圖像中車牌區域進行分隔，安裝標準車牌區域規劃，分成城市區號和車牌號；

步驟7、結果整合，分別對車牌號區域和城市區號區域進行識別，得到識別結構。

優選的，所述圖像預處理模塊用于接受采集設備上傳的數字圖像數據，并進行歸一化處理。

優選的，所述車牌檢測模塊接受圖像預處理模塊處理后的圖像數據，檢測圖中可能存在的車牌，并對疑似車牌區域進行邊界擴展，每個邊界擴展后的疑似車牌區域均放縮到一定尺度。