一种模糊车牌识别方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN111160338A(43)申请公布日2020.05.15(21)申请号201911346105.1(22)申请日2019.12.24(71)申请人苏州奥易克斯汽车电子有限公司地址215000江苏省苏州市吴江经济技术开发区联杨路以南，顺风路东侧(72)发明人王凤石(74)专利代理机构南京苏科专利代理有限责任公司32102代理人姚姣阳(51)Int.Cl.G06K9/32(2006.01)G06K9/34(2006.01)G06K9/40(2006.01)G06N3/04(2006.01)G06N3/08(2006.01)权利要求书2页说明书5页附图1页(54)发明名称一种模糊车牌识别方法(57)摘要本发明揭示了一种模糊车牌识别方法，包括如下步骤：S1、倾斜模糊车牌处理，采用透视变换的方式对所获取的车牌图像进行视觉校正；S2、车牌字符分割，依据车牌中字符位置和每个字符所占比例，对车牌进行盲分割，将车牌分为多个部分；S3、卷积神经网络识别，建立卷积神经网络进行车牌字符识别，通过结构上的局部相连、权值共享及下采样控制整个网络的规模，实现网络对所识别图像在形变方面的鲁棒性。本发明的方法处理时长较短，能够显著地提升对人眼所不能识别或者识别困难的模糊车牌的识别率，解决了交通执法过程中的难点，为执法者提供了有利的执法依据。CN111160338ACN111160338A权利要求书1/2页1.一种模糊车牌识别方法，其特征在于，包括如下步骤：S1、倾斜模糊车牌处理，采用透视变换的方式对所获取的车牌图像进行视觉校正；S2、车牌字符分割，依据车牌中字符位置和每个字符所占比例，对车牌进行盲分割，将车牌分为多个部分；S3、卷积神经网络识别，建立卷积神经网络进行车牌字符识别，通过结构上的局部相连、权值共享及下采样控制整个网络的规模，实现网络对所识别图像在形变方面的鲁棒性。2.根据权利要求1所述的一种模糊车牌识别方法，其特征在于，S1所述倾斜模糊车牌处理，包括如下步骤：S11、通过人工干预的方式就车牌图像的顶点进行定位，得到对应角点的坐标信息，并得到同时满足限定条件的透明变换矩阵；S12、通过灰度化的方式进行原图处理并与透视矩阵相乘，对车牌图像中的背景进行清除、得到校正后的车牌图像；S13、采用OpenCV中的去运动模糊滤波器对校正后的车牌图像进行处理，所述去运动模糊滤波器由PSF生成、维纳滤波生成和频域滤波组成。3.根据权利要求2所述的一种模糊车牌识别方法，其特征在于，S11中所述限定条件包括：所获取的原始车牌图像与转换后的车牌图像二者的左侧保持不变；所获取的原始车牌图像与转换后的车牌图像二者在人为编订的左上角点上保持统一；以所获取的原始车牌图像中左上角点相邻量两边边长为依据，确定转换后的车牌图像中的矩形长、宽。4.根据权利要求1所述的一种模糊车牌识别方法，其特征在于，S2所述车牌字符分割，包括如下步骤：依据公共安全行业标准GA36-2007《中华人民共和国机动车号牌》中字符位置和每个字符所占的比例，对车牌进行盲分割，盲分割的车牌被分割为汉字、第二字符、点、第三字符、第四字符、第五字符、第六字符以及第七字符，共八个字符。5.根据权利要求1所述的一种模糊车牌识别方法，其特征在于，S2中所述每个字符所占的比例分别为：汉字所占比例为15.7%，第二、五、六字符各自所占比例均为12.9%，点所占比例为5.6%，第三字符所占比例为11.6%，第四、七字符各自所占比例均为14.3%。6.根据权利要求1所述的一种模糊车牌识别方法，其特征在于，S3所述卷积神经网络识别，包括如下步骤：S31、建立卷积神经网络；S32、对所建立的卷积神经网络进行训练，总体误差采用交叉熵的定义，权值初始化采用Xavier方法，网络优化采用梯度下降算法，在训练过程中采用提前停止算法；S33、将训练好的卷积神经网络应用于模糊车牌识别、得到模糊车牌识别结果。7.根据权利要求6所述的一种模糊车牌识别方法，其特征在于，S31中所述卷积神经网络包括：按序连接的多组相连接的功能层组、一个全连接层以及一个分类层；每组所述功能层组内均包括一个卷积层以及一个下采样层；2CN111160338A权利要求书2/2页第一组所述功能层组中的所述卷积层为近卷积层。8.根据权利要求6所述的一种模糊车牌识别方法，其特征在于，S32中所述对所建立的卷积神经网络进行训练，还包括：在目标函数中添加L2正则化项以及在所述卷积神经网络中增加Dropout层。3CN111160338A说明书1/5页一种模糊车牌识别方法技术领域[0001]本发明涉及一种识别方法，具体而言，涉及一种基于深度学习的模糊车牌识别方法，属于人工智能技术领域。背景技术[0002]随着汽车