[发明专利]一种智能车牌识别系统

说明书

技术领域

本发明属于图像处理技术领域，尤其涉及一种智能车牌识别系统。

背景技术

车牌号码识别简称车牌识别，也称作车牌号识别或车辆牌照识别或车辆号牌识别，是计算机视频图像识别技术在车辆牌照识别中的一种应用，即从图像信息中将车牌号码提取并识别出来。车辆号码识别是智能交通系统中一项很重要的技术，可广泛应用于各类有专属号码的交通工具上，如：汽车、火车、非机车辆等。

车辆号码识别已经取得了广泛的应用，如电子警察、公安卡口、高速公路测速与收费、停车场管理、天网监控、专车专停管理等，特别是在电子警察和公安卡口以及高速公路等领域，基本都已具备了车牌识别功能。停车场自2012年始在中国也进入了广泛应用阶段，截止2013年底预估已达到10％的覆盖率，天网监控和专车专停的应用才刚刚起步。然而，现有智能车牌识别系统没有车辆的自动计费系统，功能比较单一，智能化程度较低。

交互式抠图技术在有限的用户交互下抠取图像的前景，被广泛的应用在图像及视频编辑、三维重建等领域中，有极高的应用价值。近年来的抠图技术中，拉氏矩阵给出alpha图上像素间的线性关系，对alpha图的估计起到了重要作用。交互式抠图是在有限的用户交互下，计算前景的alpha图，从而将前景从背景中分离出来。抠图问题的输入是原图像I和用户提供的三分图，输出是alpha图及前景F、背景B，因此是典型的病态问题，需要引入假设条件求解alpha图。抠图算法可分为三类：基于采样的方法、基于传播的方法、采样和传播结合的方法。

现有技术推导出的拉氏抠图矩阵给出邻域像素的alpha值间的线性关系，被广泛的应用在抠图算法中；拉氏抠图矩阵有其局限性，拉氏抠图矩阵表示空间邻域内像素间的关系，但不能体现非邻域间像素间的关系；拉氏抠图矩阵建立在空间连续的假设基础上，在某些前景和背景分量突变的区域，拉氏抠图矩阵难以得到理想的效果。

近年来，已有学者对Alpha稳定分布噪声模型下的单载频信号的载频估计进行了一定的研究，但其研究成果较少。孙等人提出基于分数低阶统计量，提出了一种适用于Alpha稳定分布的新的谱分析方法。该方法利用分数低阶协方差谱，对全部取值范围(0＜α≤2)的带噪信号进行频率特性分析，并提出了加权交叠平均法估计分数低阶协方差谱。该方法对任何一个α取值都适用，且谱估计的方差较小。但是该文献中并没有对载频估计给出具体算法步骤，仍需对其协方差谱进行深入研究才能估计出载频；赵等人针对基于二阶循环统计量的参数估计方法在Alpha稳定分布噪声中严重退化的问题，提出了一种基于分数低阶循环谱的MPSK信号载频估计方法，对于不同M值下的PSK信号，分析了其载波频率与相应分数低阶循环谱参数的关系，在此基础上给出了适合所有PSK信号的载波频率估计方法。该方法在混合信噪比为-10dB且α为1.5时，BPSK信号的载频估计的归一化均方误差为0.043，QPSK信号载频估计的归一化均方误差为0.041，因此低信噪比下的载频估计性能仍有待提高。

综上所述，现有技术存在的问题：现有智能车牌识别系统没有车辆的自动计费系统，功能比较单一，智能化程度较低；信号质量差，图像获取真实性不良。

发明内容

针对现有技术存在的问题，本发明提供了一种智能车牌识别系统。

本发明是这样实现的，一种智能车牌识别系统，所述智能车牌识别系统包括：车牌识别单元、停车场计费单元、通道门禁出入单元；

所述车牌识别单元，用于采集车牌信息并对车牌信息进行处理的车牌识别单元；

所述停车场计费单元与车牌识别单元电性连接，用于对与车牌相对应的车辆进行停车计费；

所述通道门禁出入单元与车牌识别单元电性连接，用于对车辆出入通道信息进行处理；

所述车牌识别单元包括：图像采集模块、人机录入模块、车牌定位模块、字符分割模块、字符识别模块；

所述图像采集模块，用于采集车牌图像信息；具体包括：使用移动最小二乘法替代最小二乘法构造拉普拉斯矩阵，并使用KNN邻域替代空间邻域，获取非邻域像素在alpha图上的线性关系，从而计算出移动拉氏矩阵，并得到alpha图；

对接收的含有Alpha稳定分布噪声的PSK信号求循环共变函数；通过对循环共变函数进行傅里叶变换，求其循环共变谱；根据所得的循环共变谱提取其中循环频率ε＝0Hz的截面；分别搜索所得截面的正负半轴的峰值，找到峰值对应的正负频率值，并取绝对值后求均值作为载频的估计值Alpha稳定分布噪声下PSK信号的载频估计并输出；对输出的图像特征向量进行提取并输出最终采集的图像；