[发明专利]中文车牌字符识别方法及系统

说明书

技术领域

本发明涉及模式识别技术领域，特别是涉及一种中文车牌字符识别方法及 系统。

背景技术

目前，智能交通系统(IntelligentTransportationSystem,ITS)在车 辆管理系统中越来越流行，从而减少了不少人力、物力和财力，同时有效改进 了交通安全。车牌识别系统作为智能交通系统的核心部分，通常由三步构成， 分别是车牌定位、字符分割以及字符识别。

现有技术中，通常采用局部二值模式(LocalBinaryPattern,LBP)特征 作为车牌图像各位置处的特征，LBP特征通过对当前位置处的像素点与邻域像素 的取值关系进行编码，从而获得当前位置处的像素点与其邻域像素点所构成的 位置区域的纹理特征，进而基于各位置区域的纹理特征来识别车辆图像中是否 包含应有的车牌字符。

LBP特征能够在一定程度上反应每个像素点的邻域特征。但是，由于中文车 牌字符图像通常包括汉字字符、字母以及阿拉伯数字，具有较复杂的纹理。所 以，采用现有的3×3邻域的LBP特征无法准确反映出包含有多种字符的图像特 征，从而导致中文车牌字符图像识别的准确性不高，而且速度较慢。

发明内容

基于此，有必要针对现有技术的缺陷和不足，提供一种中文车牌字符识别 方法及系统，能够快速、准确地对中文车牌字符进行识别。

为实现本发明目的而提供的中文车牌字符识别方法，包括以下步骤：

S100，对训练图像和测试图像进行尺度归一化,其中，所述训练图像和所 述测试图像中均包含有中文车牌字符；

S200，根据所述中文车牌字符中不同类型字符的位置，采用不同维数的LBP 算法，计算归一化后的所述测试图像和所述训练图像中的各位置区域的LBP特 征向量；

S300，对所述训练图像中的各位置区域的LBP特征向量进行训练，得到适 合于不同类型字符的MLP字符模型；

S400，将所述测试图像中的各位置区域的LBP特征向量输入所述MLP字符 模型中，对所述测试图像中包含的中文车牌字符进行分类识别。

在其中一个实施例中，所述步骤S200包括以下步骤：

S210，对尺度归一化后的所述测试图像和所述训练图像中的各位置区域进 行分块；其中，所述测试图像和所述训练图像中包含的中文车牌字符的第一位 字符所在的位置区域分块的数目大于其他字符所在的位置区域分块的数目；

S220，提取同一个位置区域分块后的各分块图像的LBP特征，计算各分块 图像的LBP直方图；根据每一个位置区域内所有的分块图像的LBP直方图得到 所述测试图像和所述训练图像中的各位置区域的LBP特征向量。

在其中一个实施例中，所述步骤S300包括以下步骤：

S310，采用反向传播算法，对所述训练图像中的各位置区域的LBP特征向 量进行训练，得到适合于不同类型字符的MLP字符模型。

其中，所述MLP字符模型包括汉字MLP模型、字母MLP模型、数字MLP模 型以及字母数字MLP模型。

在其中一个实施例中，所述步骤S400包括以下步骤：

S410，将所述测试图像中包含的中文车牌字符的第一位字符所在的位置区 域的LBP特征向量输入所述汉字MLP模型，进行分类识别；

S420，将所述测试图像中包含的中文车牌字符中的除第一位字符以外的其 他字符所在的位置区域的LBP特征向量分别输入所述字母MLP模型、数字MLP 模型或字母数字MLP模型，进行分类识别。

在其中一个实施例中，所述步骤S420包括以下步骤：

S421，若所述字母MLP模型与所述字母数字MLP模型对当前字符所在的位 置区域的LBP特征向量的分类结果一致，则判断所述当前字符为字母；

S422，若所述数字MLP模型与所述字母数字MLP模型对当前字符所在的位 置区域的LBP特征向量的识别结果一致，则判断所述当前字符为数字。

相应地，基于统一发明构思，本发明还提供一种中文车牌字符识别系统， 包括图像归一化模块、特征向量提取模块、字符模型训练模块以及字符识别模 块；

所述图像归一化模块，用于对训练图像和测试图像进行尺度归一化,其中， 所述训练图像和所述测试图像中均包含有中文车牌字符；