[发明专利]基于深度卷积生成式对抗网络的车牌字符识别方法

说明书

本发明提出了一种基于深度卷积生成式对抗网络的车牌字符识别方法，具体实现步骤如下：(1)提取待识别的车牌图片；(2)构建并训练深度卷积生成式对抗网络DCGAN；(3)生成车牌图片；(4)构建字符识别网络的样本集；(5)构建并训练车牌字符识别网络CNN；(6)车牌字符识别。本发明采用基于深度卷积生成式对抗网络的车牌字符识别方法，能够有效克服现有技术中车牌数据严重匮乏，训练样本少导致网络过拟合的缺点，有效地增强了数据样本，而且使得字符识别网络的泛化能力和鲁棒性更强，提高了车牌字符识别率。

技术领域

本发明属于图像处理技术领域，更进一步涉及深度学习中的一种基于深度卷积生成式对抗网络的字符识别方法。本发明针对交通系统中，从路口设置的高清拍照设备所得到的图片中提取车牌图像，进而用少量车牌图像生成大量的车牌图像，将生成的车牌图像处理为训练样本，训练车牌字符识别网络，实现车牌字符识别。

背景技术

随着社会经济水平的不断提高和车辆的普及，规模不断扩大的交通事业对更加智能化的技术和系统的需求更大，智能交通系统已经成为社会生活的热点问题。车辆识别系统作为智能交通系统的重要组成部分，在高速公路入口、停车场无人管理、违章车辆自动记录等领域都有这广泛的应用，车牌字符识别作为车辆识别系统的重要组成，它的实现具有很大的经济价值和现实意义。

随着计算机硬件容量及运行速度的提高，深度学习算法已经可以对图像进行实时处理，所以已经有越来越多的深度学习算法应用在车牌识别中。目前应用在车牌识别中的深度学习方法例如BP神经网络、CNN等，然而深度学习需要大量的标注数据作为训练样本，而现实中往往在海量的数据中只有部分数据是可以使用的，并且国内车牌识别技术研究现状是商业和私有化，研究者很难找到开放的数据进行车牌识别技术的研究，在数据交易网站，车牌数据也是相当昂贵的，所以在应用深度学习的车牌识别技术中，车牌数据的稀缺问题已经深深的影响到深度学习方法的应用。

四川九洲电器集团有限责任公司在其申请的专利文献“一种车牌字符识别方法”(专利申请号：201210587347.1，公开号：CN103065137B)中提出了一种车牌字符识别方法。该方法首先采用canny算法和二值图像结合的方法来识别字符，识别时提取出了字符的边缘和跳变信息，再将字符边缘像素的跳变与模板字符集的跳变做匹配，找到匹配度最高的模板字符，进而获得字符的识别结果。这种基于跳变的字符识别，较好地解决了各种干扰下字符识别问题，保持较为稳定的高识别率。但是，该方法仍然存在的不足之处是，识别速度较慢，识别率和识别速度难以同时满足，并且对于部分无车牌或车牌严重破损的车辆识别率是相当低的，不能很好满足实际应用中的实时性、准确性要求。

董峻妃，郑伯川，杨泽静在其发表的论文“基于卷积神经网络的车牌字符识别”中提出了一种基于卷积神经网络的车牌字符识别方法。该方法首先对车牌字符图像进行大小归一化、去噪、二值化、细化、字符区域居中等预处理，去除复杂背景，得到简单的字符形状结构，然后利用所提出的CNN模型对预处理后的车牌字符集进行训练、识别。实验结果表明，该方法能够达到较高的正确识别率。但是，该方法仍然存在的不足之处是，其一，基于深度学习的车牌识别系统中车牌数据严重匮乏的问题。其二，需要大量的标注数据作为训练样本。其三，训练样本过少会导致网络过拟合。

发明内容

本发明的目的是针对上述现有技术存在的不足，提出了一种基于深度卷积生成式对抗网络的车牌字符识别方法，本发明与现有技术中其他车牌字符识别技术相比样本丰富，识别准确率高，速度快，适应性强。

实现本发明目的的思路是:先构建并训练深度卷积生成式对抗网络，将待识别的车牌图片通过训练好的深度卷积生成式对抗网络生成大量的车牌图片，再将生成的车牌图片分别进行去噪、二值化及字符分割，将分割所得到的数字和字母构建成字符识别网络的样本集，然后构建并训练车牌字符识别网络CNN，最后将字符测试集输入已训练好的车牌字符识别网络CNN进行分类，得到最终字符识别结果。

实现本发明目的的具体步骤如下：