[发明专利]基于机器学习和模板的车牌字符分割方法

摘要

本发明提供一种基于机器学习和模板的车牌字符分割方法。本发明以机器学习作为切入点，通过使用多比例模板在待分割图像上滑动，然后使用支持向量机对每个模板在各滑动位置上评分，最后取最高评分所对应的模板和滑动位置，完成分割。本发明在后续步骤中完全摒弃了需要设定阈值的图像处理方法，不再需要将图像二值化，中间过程也不需要设定阈值，易于实现，同时具有很高的鲁棒性，不仅能对简单场景下的车牌完成分割，也能对复杂场景下的模糊、字符粘连的车牌完成分割。

主权项

1.基于机器学习和模板的车牌字符分割方法，其特征在于，包括以下步骤：1)评分模型训练步骤：1‑1)收集并制作正、负样本；正样本为包含一个独立的完整车牌字符的图片，负样本由含有不完整字符或多于1个字符的图片和完全不含车牌字符的图片组成；1‑2)将正、负样本转换为归一化尺寸的灰度图，再对灰度图提取字符特征；1‑3)利用正、负样本的字符特征训练评分模型；2)多比例模板构造步骤：2‑1)根据标准号牌式样将其整体缩放到构造标准车牌模板，标准车牌模板的宽高分别为W、H；由7个横向顺序排列的矩形框构成，一个矩形框对应框住一个车牌字符，每个矩形框按对应左上角点x坐标与y坐标，右下角点x坐标与y坐标进行位置存储；2‑2)根据标准模板进行尺寸变化，构造n个不同比例的模板T0‑Tn‑1，不同比例的模板间的字符框的宽高比例不同；3)模板评分步骤：3‑1)对于一幅待分割的宽为w高为h的车牌图像，将其缩放为宽为H*w/h高为32的图像；3‑2)对于第i个模板Ti，i＝0,…,n‑1，其总宽度为len(Ti)，将模板Ti在待分割图像上从左到右进行滑动并评分，记待分割图像左边第1列像素点位置为0，Ti从位置0开始滑动，对滑动的每一个位置，提取模板Ti中7个矩形框中图像的HOG特征并利用训练好的评分模型对7个矩形框进行评分，对7个矩形框进行评分进行求和得到模板Ti在该滑动位置上的评分，模板Ti的滑动范围为[0,H*w/h‑len(Ti)]；3‑3)遍历完所有模板，记录各模板在每一个滑动位置上的评分，选择最高评分所对应的模板以及滑动位置作为字符分割的最优模板以及起始位置。