[发明专利]一种字符识别方法及装置

说明书

技术领域

本发明涉及计算机图像处理技术领域，尤其涉及一种字符识别方法及装置。

背景技术

随着社会经济的发展，车辆的数量不断增加，因此通过计算机信息化、智能化的方案管理车辆成为必然。现有技术中车牌识别在智能交通领域扮演者重要的角色，其在交通流量监测、高速公路卡口收费、闯红灯违章车辆监控及社区自动收费系统中具有广泛的应用。

现有的车牌类型识别的过程中主要包括：车牌定位、车牌矫正、车牌字符分割和字符识别等几个主要步骤。字符识别为车牌识别中的核心技术，将字符序列识别出后，需要通过字符识别技术将字符序列中的每个字符识别出。

目前采用的车牌字符识别算法包括：模板匹配算法和机器学习算法。其中，机器学习算法需要学习大量的字符样本，并且需要经过长时间的训练，计算量大并且效率低。模板匹配算法相对机器学习算法实现简单，但是其鲁棒性较差，这是因为模板匹配算法就是将识别字符与所存储的标准字符模板集合中的每个模板进行比较，然后选择与之距离最相近的模板作为识别结果。模板匹配方法多利用了字符的轮廓、网格、投影等统计特征，因此会导致相似字符区分能力差以及因为特征数据维数过大而导致识别速度慢等问题，对于有变形、位移、倾斜的待识别字符，模板匹配方法很容易产生误识别，识别准确性较差。

发明内容

有鉴于此，本发明实施例提供一种字符识别方法及装置，用以解决现有技术字符识别过程中鲁棒性差的问题。

本发明提供一种字符识别方法，所述方法包括：

对包含待识别字符信息的图片进行二值化处理，识别二值化处理后该图片中字符的边界，根据确定的边界，在包含待识别字符信息的样本图片中截取待识别字符区域，对该截取的字符区域进行二值化、归一化处理；

在归一化处理后的待识别字符区域中，识别像素值的跳变，根据跳变时白色像素点的位置，在字符边缘信息图中相应像素点的位置赋值255，其他像素点的位置赋其他值，其中该字符边缘信息图与该归一化后的字符区域大小相等；

识别该字符边缘信息图中每个像素点的像素值，当识别到该字符边缘信息图中像素点的像素值为255时，计算该像素点的梯度值，并确定归属方向，采用该归属方向值对边缘梯度数组中相应位置赋值，该数组的其他位置赋值为-1；

将该边缘梯度数组与保存的每个字符对应的每个模板进行匹配，确定匹配距离，将匹配距离最小值对应的字符作为识别结果。

本发明提供一种字符识别装置，所述装置包括：

归一化模块，用于对包含待识别字符信息的图片进行二值化处理，识别二值化处理后该图片中待识别字符的边界，根据确定的边界，在包含待识别字符信息的样本图片中截取待识别字符区域，对该截取的字符区域进行二值化、归一化处理；

边缘信息确定模块，用于在归一化处理后的待识别字符区域中，识别像素值的跳变，根据跳变时白色像素点的位置，在字符边缘信息图中相应像素点的位置赋值255，其他像素点的位置赋其他值，其中该字符边缘信息图与该归一化后的字符区域大小相等；

梯度方向确定模块，用于识别该字符边缘信息图中每个像素点的像素值，当识别到该字符边缘信息图中像素点的像素值为255时，计算该像素点的梯度值，并确定归属方向，采用该归属方向值对边缘梯度数组中相应位置赋值，该数组的其他位置赋值为-1；

匹配识别模块，用于将该边缘梯度数组与保存的每个模板进行匹配，确定匹配距离，将匹配距离最小值对应的字符作为识别结果。

本发明提供了一种字符识别方法及装置，该方法针对待识别字符识别和模板创建时，进行归一化处理、确定字符边缘信息图，并确定边缘梯度数组中每个数值的取值，当确定了边缘梯度数组中相应位置的赋值后，根据待识别字符对应边缘梯度数组与每个字符对应的每个模板之间的匹配，确定匹配距离，根据匹配距离识别字符。由于在本发明中根据字符中每个像素点的梯度方向，作为边缘梯度数组中的相应数值，而梯度方向具有较强的抗干扰能力，因此本字符识别方法具有较强的鲁棒性，并且在识别的过程中与每个字符对应的每个模板进行匹配，根据匹配距离，将匹配距离最小值对应的字符作为识别结果，因此可以避免字符单模板匹配的鲁棒性差的问题，提高了该匹配方法的适用范围。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本发明的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1为本发明提供的字符识别过程示意图；

图2为本发明提供的字符模板创建过程中的归一化处理的过程；