[发明专利]一种基于粒子群算法优化神经网络的车牌识别方法

说明书

一种基于粒子群算法优化神经网络的车牌识别方法，本发明根据车牌每位字符的特征值，通过三个神经网络分别对车牌字符中的文字、字母和数字进行学习和识别，从而判断是否识别成功；本发明通过对车牌字符进行分类，改变传统的一个神经网络进行识别车牌，采用三个神经网络来识别车牌，精简网络结构，提高了车牌识别精度和识别速度，同时避免了人工干预的过程，降低车牌识别过程中的成本；本发明还通过将车牌图像统一转换为蓝底白字的车牌图像，然后再获取颜色分量值，最后再转换为第二灰度数字图像，更加全面的涵盖市面上所有车牌种类，进一步提高车牌识别的效率和准确率。

技术领域

本发明涉及人脸识别领域，具体涉及一种基于粒子群算法优化神经网络的车牌识别方法。

背景技术

随着社会经济的发展,人民生活水平的不断提高,私人拥有机动车辆的数量迅速增加,车辆普及成为必然的趋势。在此情况下,仅仅依靠大力发展交通设施己不能解决交通拥挤、交通事故频发、环境污染加剧等问题。车辆牌照识别技术是智能交通系统中的一个重要环节,它在交通监视和控制中占有很重要的地位,车辆牌照识别技术作为交通信息服务系统的重要手段,其任务是分析处理车辆图像,自动识别汽车牌号码。

但在现有技术中，在交通管理环节中需要增加需要人工干预的工作量，例如车牌图像不清晰，无法识别车牌等，导致车牌识别的效率低，交通管理效率低，成本高。

发明内容

本发明要解决的技术问题在于，解决现有技术中在进行车牌识别过程中需要人工干预，工作效率低，识别正确率低，管理成本高的问题。

本发明实施例的目的在于提出一种基于粒子群算法优化神经网络的车牌识别方法，所述方法包括步骤：

获取第二车牌图像；

将所述第二车牌图像转为第二灰度数字图像；

获取所述第二灰度数字图像的车牌背景尺寸和整体车牌字符尺寸；

将所述第二灰度数字图像转换为第二二值化图像，根据所述车牌背景尺寸和整体车牌字符尺寸将所述第二二值化图像分为10*70的矩阵，并将所述矩阵均分成7份，从而获得车牌每位字符的尺寸为10*10的矩阵；

根据车牌每位字符的尺寸获取车牌每位字符的特征值，并获取所述特征值对应的学习后的三个神经网络；

根据所述学习后的三个神经网络获取识别输出值；

根据所述识别输出值确定所述第二车牌图像是否识别成功。

优选的，所述步骤“将所述第二车牌图像转为第二灰度数字图像”具体为：

将所述第二车牌图像转换为蓝底白字的车牌图像；

获取所述蓝底白字的车牌图像的颜色分量值；

根据所述颜色分量值将所述蓝底白字的车牌图像转换为第二灰度数字图像。

优选的，当所述第二车牌图像为蓝底白字或黑底白字的车牌图像时，直接获取所述蓝底白字或黑底白字的车牌图像的颜色分量值，并根据所述颜色分量值将所述蓝底白字或黑底白字的车牌图像转换为第二灰度数字图像：

0.299*r+0.587*g+0.114*b

当所述第二车牌图像为黄底黑字的车牌图像时，首先将所述黄底黑字的车牌图像转换为蓝底白字的车牌图像，再获取所述蓝底白字的车牌图像的颜色分量值：

然后根据所述颜色分量值将所述蓝底白字的车牌图像转换为第二灰度数字图像：

其中分别为图像的红、绿、蓝的三色分类；r、g、b为所述第二车牌图像的原始的颜色分量，为所述第二车牌图像为黄底黑字时转换为蓝底白字后的车牌图像的颜色分量。