一种基于卷积神经网络的中文车牌识别方法.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CN106096602A(43)申请公布日2016.11.09(21)申请号201610445168.2(22)申请日2016.06.21(71)申请人苏州大学地址215000江苏省苏州市工业园区仁爱路199号(72)发明人刘安孙悦周晓方李直旭赵雷(74)专利代理机构苏州广正知识产权代理有限公司32234代理人徐萍(51)Int.Cl.G06K9/20(2006.01)G06K9/32(2006.01)G06K9/62(2006.01)权利要求书1页说明书6页附图4页(54)发明名称一种基于卷积神经网络的中文车牌识别方法(57)摘要本发明公开了一种基于卷积神经网络的中文车牌识别方法，S1：车牌定位，将颜色模板匹配算法和轮廓查找算法相结合，定位出车牌；S2：字符分割，将灰度化后的车牌矩形块，二值化、闭操作、取轮廓后，可以得到外接矩形，从而截取出字符图块；S3：卷积神经网络的设计和训练，其中，卷积神经网络设置为10层结构；S4：字符识别，使用S3中预先训练好的卷积神经网络，作为分类器，将要识别的字符输入，得到分类结果和其置信率。通过上述方式，本发明提供的基于卷积神经网络的中文车牌识别方法，具有准确率极高、普适性极强、处理时间很短等优点，在现代智能交通系统、停车场管理、高速公路收费站等场景上有着广泛的应用前景。CN106096602ACN106096602A权利要求书1/1页1.一种基于卷积神经网络的中文车牌识别方法，其特征在于，包括包括如下步骤：S1：车牌定位步骤，将颜色模板匹配算法和轮廓查找算法相结合，定位出车牌；S2：字符分割步骤，将灰度化后的车牌矩形块，二值化、闭操作、取轮廓后，可以得到外接矩形，从而截取出字符图块；S3：卷积神经网络的设计和训练步骤，其中，卷积神经网络设置为10层结构，包括1个输入层、1个输出层、2个用于特征提取的卷积层、2个用于特征优化选取的抽样层、2个用于表示特征的全连接层、1个用于快速收敛的激励层和1个用于计算输出和目标损失值的损失层；S4：字符识别步骤，使用S3中预先训练好的卷积神经网络，作为分类器，将要识别的字符输入，得到分类结果和其置信率。2.根据权利要求1所述的基于卷积神经网络的中文车牌识别方法，其特征在于，在S1中使用颜色查找算法，对图像预处理并进行颜色模板的匹配，并判断车牌是否匹配成功。3.根据权利要求1所述的基于卷积神经网络的中文车牌识别方法，其特征在于，在S1中如果颜色查找算法无法定位车牌，则使用轮廓查找算法，将图像灰度化后，进行角度判断和尺寸检测，得到车牌矩形块，同时使用预先训练的支持向量机分类器，筛选出真正的车牌。4.根据权利要求1所述的基于卷积神经网络的中文车牌识别方法，其特征在于，在S1中所述车牌定位既可以应用于静态图像，又可以应用于动态视频，若为动态视频时，则先提取出关键帧，再作为静态图像处理。5.根据权利要求1所述的基于卷积神经网络的中文车牌识别方法，其特征在于，在步骤S3中，使用S2中分割出来的字符，作为数据集，进行迭代训练，将数据集按8：2比例分为训练集和验证集，经过10万次迭代，训练出卷积神经网络模型。2CN106096602A说明书1/6页一种基于卷积神经网络的中文车牌识别方法技术领域[0001]本发明涉及计算机视觉、数字图像处理和深度学习领域，特别是涉及基于卷积神经网络的中文车牌识别方法。背景技术[0002]车牌识别是现代智能交通系统中的重要组成部分之一，应用十分广泛。它以数字图像处理、计算机视觉、机器学习等技术为基础，对摄像机所拍摄的车辆图像或者视频序列进行分析，得到每一辆汽车唯一的车牌号码，从而完成识别过程。通过一些后续处理手段可以实现停车场收费管理，交通流量控制指标测量，车辆定位，汽车防盗，高速公路超速自动化监管、闯红灯电子警察、公路收费站等等功能。对于维护交通安全和城市治安，防止交通堵塞，实现交通自动化管理有着现实的意义。[0003]车牌识别系统的硬件基础一般包括触发设备（监测车辆是否进入视野）、摄像设备、照明设备、图像采集设备、识别车牌号码的处理机（如计算机）等，而其软件核心包括车牌定位算法、车牌字符分割算法和字符识别算法。[0004]车牌定位和车牌字符分割部分主要是使用计算机视觉和图像处理技术。通过对静态图像进行旋转、变换、灰度化、模糊、闭操作、腐蚀、取轮廓、直方图统计等形态学操作，可以从图像中提取出我们所需要部分。[0005]常用的字符识别方法，大致可以分为两类：光学字符识别技术（OCR）和人工神经网络算法(ANN)。OCR主要使用基于模板匹配的算法，方法如下：首先将分割后的字符二值化，并将其尺寸大小缩放为字符数据库中模板的大小，然后与所有的模板进行匹配，选择最佳匹配作为结果。