[发明专利]道路车流的车牌识别方法

摘要

本发明公开了一种道路车流的车牌识别方法,主要解决现有技术在复杂环境下车牌识别准确率低的问题。其实现方案是：1.采集若干个不同场景和在不同拍摄角度、不同天气和光照情况下的车辆行驶视频，提取视频中的车牌信息并处理，构建训练数据集；2.构建基于图像特征域转换的车牌识别网络；3.利用训练数据集对构建好的车牌识别网络进行训练；4.将待识别的车牌图像输入到训练好的车牌识别网络，对车牌图像进行识别，得到车牌预测序列，并将车牌预测序列进行整理，得到最终的车牌预测结果。本发明不仅在车牌识别时取得了很高的准确率，而且对各种交通状况及天气光照情况都有很好的普适性，具有较强的鲁棒性，可用于道路车流的车牌识别。

主权项

1.一种道路车流的车牌识别方法，其特征在于，包括如下：(1)构建训练数据集：(1a)采集若干个不同场景、不同拍摄角度、不同天气和光照情况下的车辆行驶视频；(1b)将采集的视频每隔50帧读取一张图像，并读取出车牌号作为标注信息，以车牌号为文件名保存车牌图像，存入A文件夹；(1c)利用计算机图像合成功能，将所有车牌号逐一画在纯蓝色背景的图片上，得到合成车牌图，并以车牌号为文件名保存合成图像，存入B文件夹；(1d)将A、B文件夹中对应的图像进行统一大小调整，并按左右拼接的方式，拼接成一张图像，左半部分为A文件夹中的图像，右半部分为B文件夹中的图像，以车牌号为文件名保存成图像，即为训练数据集；(2)构建基于图像特征域转换的车牌识别网络：(2a)搭建基于图像特征域转换的车牌识别网络中的图像特征域生成子网络，该子网络依次由4个卷积层和4个反卷积层组成；(2b)搭建基于图像特征域转换的车牌识别网络中的图像特征域判别子网络，该子网络依次由3个卷积层组成；(2c)搭建基于图像特征域转换的车牌识别网络中的卷积序列识别子网络，该子网络包括五个卷积层和四个池化层；(3)训练基于图像特征域转换的车牌识别网络：(3a)将训练数据集图像的左半部分输入到步骤2构建的的车牌识别网络中，经过图像特征域生成子网络输出生成车牌特征；生成车牌特征经过卷积序列识别子网络输出预测序列；将训练数据集图像的右半部分和生成车牌特征分别输入图像特征域判别子网络，得到是否为真实图片的判断结果；(3b)分别计算图像特征域生成子网络、图像特征域判别子网络、卷积序列识别子网络的损失值，利用损失值采用随机梯度下降算法，分别训练各个子网络，得到训练好的基于图像特征域转换的车牌识别网络；(4)利用训练好的车牌识别网络对车牌图像进行识别：将待识别车牌图像的大小调整成256×64个像素，输入到训练好的图像特征域生成子网络，得到生成车牌特征；将生成车牌特征输入训练好的卷积序列识别子网络，得到车牌预测序列，并将预测序列经过整理，输出车牌号。