[发明专利]一种车牌识别方法及车牌识别设备

摘要

本申请公开了一种车牌识别方法及车牌识别设备，根据原始车牌分类器检测现场的无车场景，收集现场的静态负样本；将静态负样本添加到车牌识别设备的原始训练集中，得到第一训练集，根据第一训练集训练第一车牌分类器；根据第一车牌分类器检测现场的有车场景，收集现场的动态负样本，将动态负样本添加到第一训练集中，得到第二训练集，根据第二训练集训练第二车牌分类器，并根据第二车牌分类器进行车牌识别。这样，利用第二训练集训练的第二车牌分类器能够去除静态负样本和动态负样本，此时现场可能出现的绝大部分负样本都能够被第二车牌分类器拒绝，从而达到对车牌的精确识别，减少车牌识别设备的误检率。

主权项

1.一种车牌识别方法，应用于布置在现场的车牌识别设备中，所述车牌识别设备中包括根据原始训练集训练的原始车牌分类器，其特征在于，所述车牌识别方法包括：根据所述原始车牌分类器检测现场的无车场景，收集现场的静态负样本；所述静态负样本为所述现场的无车场景中被所述原始车牌分类器误检为车牌区域的背景图像；将所述静态负样本添加到所述车牌识别设备的所述原始训练集中，得到第一训练集，根据所述第一训练集训练第一车牌分类器；根据所述第一车牌分类器检测现场的有车场景，收集现场的动态负样本，将所述动态负样本添加到所述第一训练集中，得到第二训练集，根据所述第二训练集训练第二车牌分类器，并根据所述第二车牌分类器进行车牌识别；所述动态负样本为所述现场的有车场景中被所述第一车牌分类器误检为车牌区域的运动图像；所述根据所述第一训练集训练第一车牌分类器，包括：使用Haar特征对所述第一训练集里的每一个正样本进行表征，形成正样本Haar特征向量；使用Haar特征对所述第一训练集里的每一个负样本进行表征，形成负样本Haar特征向量；利用Adaboost算法对所述正样本Haar特征向量和所述负样本Haar特征向量进行训练，获得第一车牌分类器；所述根据所述第一车牌分类器检测现场的有车场景，收集现场的动态负样本，包括：获取所述车牌识别设备检测现场的有车场景得到的视频图像，提取所述视频图像中的疑似车牌区域，根据所述第一车牌分类器检测所述疑似车牌区域中的车牌区域；从所述车牌区域中分割出多个字符，根据支持向量机SVM训练的车牌字符识别模型对多个所述字符进行识别，并判断每个所述字符的识别置信度；根据每个所述字符的识别置信度判断所述车牌区域是否有效，如果无效，将所述车牌区域作为所述现场的动态负样本。