[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

摘要

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。

主权项

1.一种基于深度卷积生成式对抗网络的车牌字符识别方法，其特征在于，包括如下步骤：(1)提取待识别的车牌图片：使用车牌图片提取方法，从交通路口中高清拍照设备所得到的图片中，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：(2a)构建含有5层的深度卷积神经网络作为生成模型；(2b)构建含有5层的卷积神经网络作为判别模型；(2c)采用单独交替训练方法，训练生成模型与判别模型，将训练好的生成模型和判别模型组成生成车牌图片的深度卷积生成式对抗网络DCGAN；(3)生成车牌图片：(3a)将待识别的车牌图片分辨率归一化至256×64像素大小，得到处理后的车牌图片；(3b)将处理后的车牌图片,输入到生成车牌图片的深度卷积生成式对抗网络DCGAN，输出生成的车牌图片；(4)构建字符识别网络的样本集：(4a)从交通路口中高清拍照设备所得到的图片中,提取待识别的车牌图片分别进行去噪、二值化及字符分割，获得7个字符图像，除去汉字字符，保留字母和数字字符,构成训练数据样本集A；(4b)从生成的车牌图片中获取700张图，对700张图分别进行去噪、二值化以及字符分割，保留字母和数字字符构成数据样本集B；(4c)将数据样本集A和数据样本集B混合后选取5％的样本，作为测试样本集，剩余95％的样本作为训练样本集C；(5)构建并训练车牌字符识别网络CNN：(5a)构建含有7层的卷积神经网络CNN；(5b)将训练样本集C输入到卷积神经网CNN中，训练卷积神经网络CNN，直到其输出层的损失函数值小于等于0.0001，得到训练好的车牌字符识别网络CNN；(6)车牌字符识别：将测试样本集输入到训练好的车牌字符识别网络CNN中，输出识别出的字母和数字字符。