一种基于车牌识别与车辆特征匹配的套牌检测方法.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CN107545239A(43)申请公布日2018.01.05(21)申请号201710544552.2G06T7/11(2017.01)(22)申请日2017.07.06G06T7/155(2017.01)G08G1/017(2006.01)(71)申请人南京理工大学地址210094江苏省南京市孝陵卫200号(72)发明人曹从咏董浩朱莹莹沈瑜嘉谈俊希(74)专利代理机构南京苏创专利代理事务所(普通合伙)32273代理人张学彪(51)Int.Cl.G06K9/00(2006.01)G06K9/34(2006.01)G06K9/62(2006.01)G06N3/08(2006.01)G06T5/00(2006.01)权利要求书2页说明书6页附图2页(54)发明名称一种基于车牌识别与车辆特征匹配的套牌检测方法(57)摘要本发明公布了一种基于车牌识别与车辆特征匹配的套牌检测方法，包括以下步骤：提取监控设备帧图，将源图灰度化；采用Sobel边缘检测对车牌进行定位；运用形态学处理图像使得区域连通便于车牌轮廓提取；设置宽高比、面积精确提取；通过hough变化和垂直投影进行车牌矫正与字符分割；使用神经网络识别分割字符获取车牌信息；迁移AlexNet神经网络框架，通过识别颜色的深度特征进行分类；运用KNN算法结合数据库系统信息检测套牌情况。本发明保证了车辆识别的精度；直接迁移高精度的卷积神经网络作为基础框架，代价小花费小；能快速在计算机平台上实现，所以车牌识别及车辆识别系统进行大范围布置代价小，可行性高。CN107545239ACN107545239A权利要求书1/2页1.一种基于车牌识别与车辆特征匹配的套牌检测方法，期特征在于：包括以下步骤：步骤一、车牌识别；步骤二、车辆特征匹配；步骤三、综合所述步骤一和步骤二进行套牌检测；所述步骤一的车牌识别包括以下步骤：步骤1、视频监控设备识别到车辆在监控内时，提取视频中的一帧图像作为源图；步骤2、对步骤1获得的源图进行归一化和灰度化；步骤3、对步骤2得到的图使用直方图均衡化处理，同时使用非线性的中值滤波与线性的高斯滤波处理；步骤4、采用sobel算法实现边缘垂直检测对步骤3得到的图像中的车牌进行定位；步骤5、对步骤4中得到图像使用数学形态学的闭运算来处理，消除图像噪声填补图像孔洞；步骤6、在opencv限制外接矩形的宽高比和外接矩形的面积，获得车牌位置；步骤7、将车牌的位置提取出来，使用hough变换矫正车牌位置；步骤8、将矫正后的车牌使用垂直投影，并在opencv中对字符宽高比中限制来切割字符；步骤9、使用车牌字符集训练BP神经网络，将训练好后神经网络用于步骤8得到图像，获得车牌字符；所述步骤二的车辆特征匹配，包括如下步骤：步骤a、提取彩色图片的三维数组，放置AlexNet神经网络训练获取深度特征，用深度特征代替原始图片特征；步骤b、将深度特征用于分类模型，首先识别是否是机动车辆，再识别车辆的品牌和型号；步骤c、将深度特征通过KNN算法，结合车辆系统数据库，计算车辆特征相似度，并设置最小特征匹配阈值。2.根据权利要求1所述的基于车牌识别与车辆特征匹配的套牌检测方法，其特征在于，步骤4中的所述sobel算法是一离散型差分算子，用以运算图像高亮函数的灰度近似值；A代表原始图像，GX代表横向边缘检测图像的灰度值；基于边缘检测图像的梯度值进行二值化处理，并设置阈值，大于阈值记为255，否则设置为0，将预处理后的单通道灰度图二值化。3.根据权利要求1所述的基于车牌识别与车辆特征匹配的套牌检测方法，其特征在于，步骤5中所述的数学形态学，包括二值腐蚀与膨胀、二值开闭运算，膨胀和腐蚀均作用于高亮部分，膨胀是指与矩形核进行卷积，并将最大值赋予给指定的像素，使得图像高亮区域增长，获得比原图更大的白色区域；腐蚀取最小值得到更小的白色区域，最后通过设置外接矩形的宽高比和外接矩形的面积，筛选同时满足条件的矩形框。4.根据权利要求1所述的基于车牌识别与车辆特征匹配的套牌检测方法，其特征在于，2CN107545239A权利要求书2/2页步骤a中所述的提取彩色图片的三维数组，放置AlexNet神经网络训练获取深度特征，用深度特征代替原始图片特征：所述AlexNet神经网络模型由5层卷积层和3层全连接分类器构成；在第一层输入三维RGB图像，使用96个三维的卷积过滤器进行特征提取，采用非饱和激活函数RELU，使用有重叠的池化和局部归一化来减少过拟合提升模型的泛化能力，将每一层的输出作为下一层的输入，第三、四层不进行池化和局部归一化处理；第五层池化后与4096个神经元进行全连接，第七层与第六层类似，最后一层作为输出层；通过AlexNet模型前七层训练出图像的深度特