[發(fā)明專利]一種復(fù)雜場景下的車牌檢測識(shí)別方法以及系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 202110886996.0
• 申請(qǐng)日: 2021-08-03
• 公開（公告）號(hào): CN113609969A
• 公開（公告）日: 2021-11-05
• 發(fā)明（設(shè)計(jì)）人: 林海華;琚午陽
• 申請(qǐng)（專利權(quán)）人: 北京睿芯高通量科技有限公司
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/46;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京科龍寰宇知識(shí)產(chǎn)權(quán)代理有限責(zé)任公司 11139
• 代理人: 孫皓晨

本發(fā)明涉及一種復(fù)雜場景下的車牌檢測識(shí)別方法以及系統(tǒng)，包括如下步驟：采集車輛視頻流，并在視頻流中提取圖片數(shù)據(jù)；構(gòu)建車輛局部定位模塊，并將圖片數(shù)據(jù)作為車輛局部定位模塊的訓(xùn)練數(shù)據(jù)，得到車牌局部定位模型；根據(jù)得到的車牌角點(diǎn)信息和外接矩形信息進(jìn)行圖片矯正；構(gòu)建車牌識(shí)別模塊，將車牌圖片作為車牌識(shí)別模型的訓(xùn)練數(shù)據(jù)，得到車牌識(shí)別模型；將矯正的圖片作為車牌識(shí)別模塊輸入，得到圖片識(shí)別結(jié)果。本發(fā)明具有較強(qiáng)的實(shí)際應(yīng)用性。

技術(shù)領(lǐng)域

本發(fā)明涉及車牌檢測技術(shù)領(lǐng)域，特別涉及一種基于深度學(xué)習(xí)技術(shù)的復(fù)雜場景下的車牌檢測識(shí)別方法以及系統(tǒng)。

背景技術(shù)

傳統(tǒng)的車牌檢測方法一般利用OpenCV檢測等方法，復(fù)雜場景下精度較低，魯棒性較差，不能達(dá)到實(shí)際落地應(yīng)用的效果；而現(xiàn)有的基于深度的車牌檢測技術(shù)一般通過三個(gè)步驟，包括車牌定位、車牌字符分割和字符識(shí)別，此方法時(shí)效性較差，且對(duì)于復(fù)雜場景檢測性能較低。

現(xiàn)有技術(shù)一公開了一種基于OpenCV的車牌檢測方法，主要分為以下步驟：

1.車輛檢測。通過讀取圖片或視頻，基于混合高斯模型的背景差分法以及形態(tài)學(xué)的方法，通過設(shè)定像素點(diǎn)數(shù)閾值檢測出車輛區(qū)域。

2.車牌區(qū)域粗定位。調(diào)整圖片大小并進(jìn)行顏色轉(zhuǎn)換，利用直方圖均衡化、形態(tài)學(xué)(腐蝕膨脹)、濾波、邊緣檢測以及開閉運(yùn)算得到最大連通區(qū)域，從而得到車牌的候選區(qū)域。

3.車牌區(qū)域精確定位。對(duì)候選區(qū)域進(jìn)行顏色空間轉(zhuǎn)化(藍(lán)色，大部分車牌為藍(lán)色)并進(jìn)行均衡化。通過設(shè)定藍(lán)色顏色空間閾值找到非零點(diǎn)集所在的最大矩形區(qū)域，并利用邊緣檢測算子和霍夫變換進(jìn)行水平矯正，得到變換后的圖像。對(duì)變換后的圖像進(jìn)行灰度變換，并通過設(shè)定閾值得到精確定位的車牌圖像。

4.車牌字符分割。對(duì)車牌進(jìn)行垂直投影，并求出投影平均值，通過搜索投影值對(duì)每個(gè)字符進(jìn)行分割，并對(duì)其進(jìn)行歸一化，二值化得到字符。

5.車牌字符識(shí)別。通過訓(xùn)練多個(gè)支持向量機(jī)對(duì)單個(gè)漢字、字符或者數(shù)字進(jìn)行分類。

但是上述現(xiàn)有技術(shù)一存在如下缺點(diǎn)：

1.此方法廣泛和擴(kuò)展性較差，僅支持對(duì)于正面車輛圖像的檢測識(shí)別，不能夠應(yīng)用于多角度車輛檢測。

2.此方法對(duì)于圖像質(zhì)量要求較為嚴(yán)格，光照強(qiáng)度和拍攝角度等外界客觀因素對(duì)應(yīng)方法影響較大，復(fù)雜場景下性能較差。

3.字符識(shí)別嚴(yán)重依賴于字符分割精度，字符分割精度依賴于圖片質(zhì)量，導(dǎo)致識(shí)別精度較差。

4.字符識(shí)別對(duì)二值化圖片進(jìn)行單字符識(shí)別，舍去了字符的很多重要特征，識(shí)別精度差。

現(xiàn)有技術(shù)二公開了一種基于深度學(xué)習(xí)技術(shù)的車牌檢測識(shí)別方法，一般包括一下步驟：

1.車牌定位模塊。獲取圖像作為YOLO框架輸入，得到車牌的矩形框。

2.車牌字符分割模塊。對(duì)車牌進(jìn)行垂直投影，并求出投影平均值，通過搜索投影值對(duì)每個(gè)字符進(jìn)行分割，并對(duì)其進(jìn)行歸一化，二值化得到字符。

3.車牌字符識(shí)別模塊。利用循環(huán)神經(jīng)網(wǎng)絡(luò)進(jìn)行字符識(shí)別。

但是現(xiàn)有技術(shù)二有如下缺點(diǎn)：

1.現(xiàn)有的車牌檢測識(shí)別，對(duì)于車牌定位一般采用目標(biāo)檢測的方法如YOLO框架，其缺點(diǎn)在于YOLO框架只能生成矩形框，雖然一般會(huì)進(jìn)行校正，但對(duì)于傾斜程度較大的車牌其檢測效果并不好，直接影響到車牌字符分割和車牌字符識(shí)別的精度。

2.現(xiàn)有技術(shù)將車牌分割和車牌識(shí)別技術(shù)分為兩步進(jìn)行處理，且車牌字符分割采用垂直投影的方法，對(duì)于外界客觀因素對(duì)其影響較大，并且兩個(gè)模型的聯(lián)合出現(xiàn)累計(jì)誤差，從而減少整個(gè)模型的精度。

發(fā)明內(nèi)容

發(fā)明所要解決的問題