[发明专利]基于深度学习图像识别的车牌识别方法及系统

说明书

本发明涉及车牌识别技术领域，尤其涉及了基于深度学习图像识别的车牌识别方法及系统，包括图像采集器、图像处理器、图像存储器、图像处理中心、临时数据库、新数据库和车辆检测器，图像处理器通过随机替换字符的方式对模糊车牌图像进行处理，图像存储器通过清晰度分析检测对识别图像进行清晰化处理，图像处理器通过3D卷积中的低秩近似模型对图像进行建模。该基于深度学习图像识别的车牌识别方法及系统，采用清晰度分析检测，把最清晰的图像画面被传输到临时数据库中，图像处理器通过随机替换字符所在区域的方式生成不同内容的车牌数据，可以及时准确的识别出车辆的信息，造成行车出入口堵塞，影响后续车辆的出入。

技术领域

本发明涉及车牌识别技术领域，具体为基于深度学习图像识别的车牌识别方法及系统。

背景技术

深度学习是机器学习领域中一个新的研究方向，它被引入机器学习使其更接近于最初的目标——人工智能。深度学习是学习样本数据的内在规律和表示层次，这些学习过程中获得的信息对诸如文字，图像和声音等数据的解释有很大的帮助。它的最终目标是让机器能够像人一样具有分析学习能力，能够识别文字、图像和声音等数据。

车牌识别主要是对行车出入口的车辆进行图像拍摄和图像识别，并且其要求识别的车牌尺寸大小必须在一定的范围内，随着计算机和人工智能领域核心技术日新月异地发展，对于监控视频中运动目标的检测、识别和定位等技术水平也是突飞猛进，其中低分辨率图像识别一直是图像处理技术研究中最活跃的话题之一，也是长久以来的难点之一。一个完善的车牌识别系统包括视频图像采集、车辆检测、车牌定位、字符分割、字符识别等一系列的步骤。

当在不同的识别环境下，拍摄下的车牌图像可能会存在模糊和不可识别的现象，且行车出入口的车流量一般较大，若因为车牌图像模糊或不可识别导致车牌识别设备不能及时准确的识别出车辆的信息，会造成行车出入口堵塞，影响后续车辆的出入。

发明内容

本发明的目的在于提供基于深度学习图像识别的车牌识别方法及系统，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：基于深度学习图像识别的车牌识别系统，包括图像采集器、图像处理器、图像存储器、图像处理中心、临时数据库、新数据库和车辆检测器，所述图像采集器分别与图像处理器和图像存储器电性连接，所述图像存储器的输出端与临时数据库的输入端连接，所述临时数据库的输出端与新数据库的输入端连接，所述图像处理中心的输入端与新数据库的输出端连接。

所述图像处理器通过随机替换字符的方式对模糊车牌图像进行处理，所述图像存储器通过清晰度分析检测对识别图像进行清晰化处理，所述图像处理器通过3D卷积中的低秩近似模型对图像进行建模。

优选的，所述图像处理器通过随机替换字符的方式对模糊车牌图像进行处理，并对生成的车牌数据进行图像增强处理。

优选的，所述图像存储器内置用于删除不可识别图像的过滤器，所述车辆检测器分别与图像处理器、图像存储器、图像处理中心、临时数据库、新数据库和云数据库信号连接。

优选的，所述新数据库的数据通过EDS加密服务器进行传输，且图像处理中心的输出端与云数据库通过无线信号连接。

基于深度学习图像识别的车牌识别方法，包括以下步骤：

S1：图像采集器对车辆的车牌进行拍摄后，将拍摄的画面传输到图像处理器，图像处理器对图像数据进行VLAD融合后获取向量，获得的向量通过3D卷积中的低秩近似模型对图像进行建模，得到特征结果。

S2：图像处理器将建模后的特征结果进行图像分析，清晰的图像直接传输到新数据库中，部分模糊的图像则随机替换字符的方式对模糊车牌图像进行处理，并对生成的车牌数据进行图像增强处理，加强图像的清晰度后，再传输到新数据库中，对于完全模糊的图像则不进行处理。