[发明专利]双层车牌识别方法、装置、计算机设备及存储介质

权利要求书

1.一种双层车牌识别方法，其特征在于，包括：

获取初始车牌图像；

对所述初始车牌图像进行预处理，得到大小为2a×2b个像素的目标车牌图像，其中，a、b为正整数；

提取所述目标车牌图像的图像向量特征；

使用如下公式计算所述图像向量特征的分类函数的函数值：

其中，为所述分类函数，为支持向量机的超平面的权值向量，为所述超平面的权值向量的转置，为所述图像向量特征，为预设的偏置值；

若所述函数值大于或等于0，则确定目标层数为双层；

若所述目标层数为双层，则将所述目标车牌图像裁剪成两个大小均为2a×b个像素的临时图像，并将下层的2a×b个像素的临时图像作为下层图像，将上层的2a×b的临时图像进行裁剪，获取中心区域的a×b个像素大小的图像，作为上层图像；

采用预设大小为c×b个像素的滑动窗口，以1个像素为步长，分别在所述上层图像中和所述下层图像中，从左至右进行滑动操作，并获取每次滑动时所述滑动窗口范围内的目标车牌图像，作为一个滑动窗口图像，其中，ca且c为正整数；

在所述上层图像中，滑动a-c次后，终止在上层的滑动操作，得到a-c个滑动窗口图像，在所述下层图像上滑动2a-c次后，终止在所述下层图像的滑动操作，得到2a-c个滑动窗口图像，共得到3a-2c个滑动窗口图像；

将3a-2c个所述滑动窗口图像输入到卷积神经网络中进行识别，得到3a-2c个识别结果，其中，每个所述识别结果包括若干个字符；

依次将3a-2c个所述识别结果中的字符放入字符集X中，得到X=，其中，q为3a-2c个识别结果中包含的字符的总数，为字符集X中的第i个字符，，q为正整数；

根据k+1个预设范围，确定所述字符集X的k个切分点，其中，kq，且k为正整数；

使用k个所述切分点对所述字符集X中的q个字符进行字符切分，得到k+1个子字符集；

获取每个所述子字符集中出现次数最多的字符作为目标字符，得到k+1个所述目标字符；

按照k+1个所述预设范围的顺序，对k+1个所述目标字符进行组合，得到所述目标车牌号码。

2.如权利要求1所述的双层车牌识别方法，其特征在于，所述对所述初始车牌图像进行预处理，得到大小为2a×2b个像素的目标车牌图像包括：

通过边缘检测算法，获取所述初始车牌图像中车牌的上边界和车牌的下边界；

根据所述车牌的上边界和所述车牌的下边界，确定车牌的范围图像；

使用拉东变换对所述范围图像进行倾斜校正，得到校正后的基础图像；

以所述基础图像的重心为中心，对所述基础图像进行裁剪，得到大小为2a×2b个像素的所述目标车牌图像。

3.如权利要求2所述的双层车牌识别方法，其特征在于，所述通过边缘检测算法，获取所述初始车牌图像中车牌的上边界和车牌的下边界包括：

通过高斯模糊对所述初始车牌图像进行噪音去除，得到去噪车牌图像；

使用预设的梯度算子来计算所述去噪车牌图像的水平方向和垂直方向的梯度值，得到初始梯度值集合；

采用非最大值抑制的方式对所述初始梯度值集合进行边缘细化处理，得到一个像素宽的梯度边缘；

使用预设的双阈值过滤所述梯度边缘中的弱边缘点，得到所述梯度边缘中的强边缘点；

根据所述强边缘点，确定所述车牌的上边界和所述车牌的下边界。