[发明专利]基于卷积神经网络的车牌识别方法及系统

摘要

本发明提供一种基于卷积神经网络的车牌识别方法及系统，用边缘检测法来实现车牌定位，车牌字符分割采用像素法，用卷积神经网络来实现字符识别，识别准确率比传统方式的车牌识别方法高。上述基于卷积神经网络的车牌识别方法结合深度学习，在不利识别的条件下也能有较高的识别率，极大地提高了车牌识别的鲁棒性。

主权项

1.一种基于卷积神经网络的车牌识别方法，其特征在于，包括以下步骤：S1：获取目标车牌的图像；S2：采用边缘检测法对目标车牌图像进行车牌域的定位，以获得车牌字符区域，具体包括以下步骤：输入获取的目标车牌图像，将目标车牌的图像转化为灰度图；将转化的灰度图进行高斯平滑处理，再进行中值滤波，Sobel算子边缘检测处理以及膨胀腐蚀处理得到腐蚀膨胀后的图像，根据对车牌的先验知识，由腐蚀膨胀后图像的宽高比来定位得到车牌域定位图像；S3：采用像素法对车牌字符区域内的车牌字符进行分割，具体包括以下步骤：首先对车牌域定位图像进行预处理；设定一字符宽度阈值；将预处理后的图片像素按照每一列来统计；扫描每列的图片像素，每列识别到一个白色像素，则列数加1，识别到的是黑色像素则继续下个像素点的扫描，直到检测到某一列累计白色像素为0，统计连续出现白色像素的列数，判断累计白色像素不为0的连续列的宽度是否达到所述字符宽度阈值，若小于所述字符宽度阈值，则认为所述连续列属于同一字符，不进行切割操作，继续扫描下一列；若大于所述字符宽度阈值，就认为所述连续列不属于同一个字符，则进行切割操作，并保留白色像素的字符区域整体；如此循环往复，直至完成所有车牌字符的切割；S4：采用卷积神经网络识别切割后的车牌字符。