[发明专利]一种基于多特征融合的车牌定位与识别方法

说明书

技术领域

本发明涉及一种车牌识别领域,特别是一种基于多特征融合的车牌定位与识别方法。

背景技术

随着人类社会的快速发展，世界各国汽车拥有量不断攀升，大中城市交通状况日益严峻，交通拥堵、事故多发、管理效率低等问题受到人们的重视。有效的交通管理成为各国政府及相关部门关注的焦点。为解决这些问题，智能交通系统 (Intelligent Transportation System，ITS)应运而生。它可以加强道路、车辆、驾驶员和管理人员之间的联系，实现道路交通管理自动化和车辆行驶的智能化，增强交通安全，减少交通堵塞，提高运输效率，减少环境污染，节约能源，提高经济活力。作为ITS的关键技术之一的汽车牌照自动识别(License Plate Automatic Recognition，LPAR)的准确性和速度将直接影响ITS的整体性能。目前，国内外车牌定位与识别方法使用单一特征主要包括：纹理特征^[1]、边缘特征^[2-5]、形态学特征^[6]、颜色特征^[7-9]及灰度投影特征^[10]。纹理特征、边缘特征和灰度投影特征易受噪声影响，而颜色特征易受到光照及环境的影响，导致复杂场景下的车辆图像的定位与识别效果不理想。为避免车牌定位与识别过程中单一特征的环境适应性差，很难达到准确定位与识别车牌以及满足实时性识别的要求问题，一些研究采用融合两种特征来进行车牌定位与识别^[11-13]，在一些特殊环境下效果差。如汽车的颜色是蓝色，车牌颜色也是蓝色，则融合颜色特征的车牌定位与识别方法效果会差很多。。

发明内容

本发明所要解决的技术问题是，针对现有技术不足，提供一种基于多特征融合的车牌定位与识别方法，提高车牌识别的准确率。

为解决上述技术问题，本发明所采用的技术方案是：一种基于多特征融合的车牌定位与识别方法，包括以下步骤：

1)对车辆图像进行预处理，提取车牌图像的色差特征、边缘特征以及车牌字符的纹理投影特征；

2)融合车牌图像的边缘特征与车牌字符的纹理投投影特征，进行数学形态学运算，对车牌进行粗定位；

3)利用上述粗定位得到的车牌粗定位图像，融合所述车牌图像的色差特征，进行车牌的精细定位，确定完整的车牌区域；

4)对所述车牌区域内的车牌字符进行归一化处理；

5)选取N幅精细定位后的车牌图像作为训练样本，利用深度学习算法训练样本，得到训练好的网络，分别使用归一化处理后的车牌字符内的汉字、字母、字母数字、数字四个样本对四个子网络进行训练，得到相应的节点数和权值，逐个提取车牌区域的图像特征，然后从相应的文件中读取相应的节点数和权值，把归一化处理后的车牌字符分别送入相应的网络进行识别，输出识别结果。

步骤1)中，车牌图像的色差特征提取具体过程包括：

对于蓝底白字的车牌，采用下式提取蓝色色差： S_(x,y)＝B_(x,y)-min{R_(x,y),G_(x,y)}；其中，S_(x,y)为色差提取后的车牌图像坐标点(x,y) 的蓝色色差像素值，B_(x,y)，R_(x,y)，G_(x,y)分别为(x,y)点蓝、红、绿对应的像素值；

对于黄底黑字组成的车牌，采用下式提取黄色色差：

其中，S'_(x,y)为色差提取后的车牌图像坐标点(x,y) 的黄色色差像素值，R，G，B分别为(x,y)点红、绿、蓝对应的像素值；

对于白底车牌，采用下式提取白色色差：其中，S″_(x,y)为色差提取后的车牌图像坐标点(x,y)的白色色差像素值，T₁为阈值；

对于黑底车牌，采用下式提取黑色色差：其中， S^*_(x,y)为色差提取后的车牌图像坐标点(x,y)的黑色色差像素值，T₂为阈值；