一种车牌识别方法及终端技术

技术编号:15299793 阅读:114 留言:0更新日期:2017-05-12 02:02
本发明专利技术实施例提供了一种车牌识别方法及终端,所述方法包括:获取待处理图像;对所述待处理图像进行预处理,得到目标图像;采用目标分类器对所述目标图像进行训练,得到包含字符的N个目标区域,所述N为大于1的整数;使用第一预设算法将所述N个目标区域连接起来,得到M个候选框,所述M为大于1的整数;根据车牌的预设几何特征对所述M个候选框进行筛选,得到K个目标候选框,所述K为小于所述M的正整数;采用第二预设算法将所述K个目标候选框分割为多个字符,并由所述多个字符得到多个字符序列;对所述多个字符序列进行识别,得到目标车牌。通过本发明专利技术实施例可提高车牌识别的正确率。

License plate recognition method and terminal

The embodiment of the invention provides a vehicle license plate recognition method and a terminal. The method comprises: acquiring image to be processed; the image preprocessing, target image; the target classifier is trained on the target image, a N target region containing the character, the N is 1 an integer greater than the first preset; use the N algorithm to the target area connected M candidate frame, wherein M is an integer greater than 1; according to the preset geometric features of the M candidate frame screening plates, K target candidate frame, wherein K is a positive integer less than the M; using the K algorithm second preset target candidate frame is divided into a plurality of characters, multiple characters and the sequences obtained by the plurality of characters; to identify the plurality of character sequences, obtain the target plate. Through the embodiment of the invention, the correct rate of the license plate recognition can be improved.

【技术实现步骤摘要】

本专利技术涉及视频监控
,具体涉及一种车牌识别方法及终端
技术介绍
随着交通运输业的快速发展,人们的出行日益便捷,但与此同时也伴随着频繁发生的交通事故、交通拥堵等现象,使得交通安全问题越来越成为人们重点关注的问题。在现代的科技背景下,人们引入了智能交通运输系统(IntelligentTransportationSystem,ITS),而车辆牌照作为目前唯一能外在的标记汽车的属性就显得十分重要,因此车辆牌照识别技术(VehicleLicensePlateRecognition,VLPR)对于如今的交通运输业来说是一个很关键技术,车牌识别系统(LicensePlateRecognitionSystem,LPRS)的构建也就应运而生。现有技术中,车牌识别系统由三个关键的模块组成,它们分别是:车牌字符定位,车牌字符分割和车牌字符识别,这三个模块依次进行,相辅相成。车牌定位技术是车牌识别系统的主要环节,旨在把车牌从整个车辆图像中定位出来,现有技术中比较常见的方法有利用车牌的颜色和纹理信息结合得到车牌区域,利用车牌的边缘特征以及形状特征进行定位以及机器学习训练样本数据的方法。车牌字符分割则是车牌识别系统的关键成分,目的是把定位到车牌字符通过某种方法分割出来,主要分为连通域分析法和投影分析法。字符识别是车牌识别系统的必要因素,目的是把分割出来的车牌字符识别出确切的字符,也就是识别出车牌号,主要有模板匹配法和基于学习的方法。然而,在现实的应用场景下,现有的车牌信息通常是来自于摄像头的拍照或者摄影,另外又由于车辆是在行进的过程中、夜晚路灯或者车灯的影响以及天气气候等各种环境的影响,这都很可能造成拍摄的成像画面不清晰,这就使得车牌的定位、车牌字符的特征提取以及对车牌的识别工作会有很大的挑战。
技术实现思路
本专利技术实施例提供了一种车牌识别方法及终端,以期提高车牌识别的正确率。本专利技术实施例第一方面提供了一种车牌识别方法,包括:获取待处理图像;对所述待处理图像进行预处理,得到目标图像;采用目标分类器对所述目标图像进行训练,得到包含字符的N个目标区域,所述N为大于1的整数;使用第一预设算法将所述N个目标区域连接起来,得到M个候选框,所述M为大于1的整数;根据车牌的预设几何特征对所述M个候选框进行筛选,得到K个目标候选框,所述K为小于所述M的正整数;采用第二预设算法将所述K个目标候选框分割为多个字符,并由所述多个字符得到多个字符序列;对所述多个字符序列进行识别,得到目标车牌。可选地,所述对所述待处理图像进行预处理,得到目标图像,包括:将所述待处理图像转化为灰度图像;对所述灰度图像进行填充处理,得到所述目标图像。可选地,所述使用第一预设算法将所述N个目标区域连接起来,得到M个候选框,包括:采用行程长度平滑算法对所述N个目标区域进行平滑处理,得到平滑处理后的所述N个目标区域;将所述平滑处理后的所述N个目标区域连接成一个区域,并采用预设字符框将所述字符进行标记,得到所述M个候选框。可选地,所述获取待处理图像之前,所述方法还包括:获取正样本集和负样本集;使用卷积神经网络算法对所述正样本集和所述负样本集进行训练,得到所述目标分类器。可选地,所述对所述多个字符序列进行识别,得到目标车牌,包括:采用如下公式分别对所述多个字符序列进行评分,得到所述多个评分值,如下:其中,m函数为字符序列中每一字符的评分函数,所述字符序列的首字符的宽度为w1,所述字符序列的剩余字符宽度为w2,w1=(c1)、w2=(c2,c3,...,c7),所述字符序列分割出的断点为所述字符序列为I∈RW×H,所述字符序列的宽度为W,高度为H,s表示评分值,所述首字符所述剩余字符将所述多个评分值中的最大值对应的字符序列作为所述目标车牌。本专利技术实施例第二方面提供了一种终端,包括:获取单元,用于获取待处理图像;处理单元,用于对所述待处理图像进行预处理,得到目标图像;训练单元,用于采用目标分类器对所述目标图像进行训练,得到包含字符的N个目标区域,所述N为大于1的整数;连接单元,用于使用第一预设算法将所述N个目标区域连接起来,得到M个候选框,所述M为大于1的整数;筛选单元,用于根据车牌的预设几何特征对所述M个候选框进行筛选,得到K个目标候选框,所述K为小于所述M的正整数;分割单元,用于采用第二预设算法将所述K个目标候选框分割为多个字符,并由所述多个字符得到多个字符序列;识别单元,用于对所述多个字符序列进行识别,得到目标车牌。可选地,所述处理单元包括:转化模块,用于将所述待处理图像转化为灰度图像;填充模块,用于对所述灰度图像进行填充处理,得到所述目标图像。可选地,所述连接单元包括:处理模块,用于采用行程长度平滑算法对所述N个目标区域进行平滑处理,得到平滑处理后的所述N个目标区域;连接模块,用于将所述平滑处理后的所述N个目标区域连接成一个区域,并采用预设字符框将所述字符进行标记,得到所述M个候选框。可选地,所述获取单元,还具体用于:在获取待处理图像之前,获取正样本集和负样本集;所述训练单元,还具体用于:训练使用卷积神经网络算法对所述正样本集和所述负样本集进行训练,得到所述目标分类器。可选地,所述识别单元包括:评分模块,用于采用如下公式分别对所述多个字符序列进行评分,得到所述多个评分值,如下:其中,m函数为字符序列中每一字符的评分函数,所述字符序列的首字符的宽度为w1,所述字符序列的剩余字符宽度为w2,w1=(c1)、w2=(c2,c3,...,c7),所述字符序列分割出的断点为所述字符序列为I∈RW×H,所述字符序列的宽度为W,高度为H,s表示评分值,所述首字符所述剩余字符确定模块,用于将所述多个评分值中的最大值对应的字符序列作为所述目标车牌。实施本专利技术实施例,具有如下有益效果:通过本专利技术实施例,获取待处理图像,对待处理图像进行预处理,得到目标图像,采用目标分类器对目标图像进行训练,得到包含字符的N个目标区域,N为大于1的整数,使用第一预设算法对N个目标区域将N个目标区域连接起来,得到M个候选框,M为大于1的整数,根据车牌的预设几何特征对M个候选框进行筛选,得到K个目标候选框,K为小于M的正整数,采用第二预设算法将K个目标候选框分割为多个字符,并由多个字符得到多个字符序列,对多个字符序列进行识别,得到目标车牌。如此,可提高车牌识别的正确率。附图说明为了更清楚地说明本专利技术实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本专利技术的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。图1是本专利技术实施例提供的一种车牌识别方法的第一实施例流程示意图;图2是本专利技术实施例提供的一种车牌识别方法的第二实施例流程示意图;图3a是本专利技术实施例提供的一种终端的第一实施例结构示意图;图3b是本专利技术实施例提供的图3a所描述的终端的处理单元的结构示意图;图3c是本专利技术实施例提供的图3a所描述的终端的连接单元的结构示意图;图3d是本专利技术实施例提供的图3a所描述的终端的识别单元的结构示意图;图4是本专利技术实施例提供的一种终端的第二实施例结构示意图。具体实施方式下面将结合本专利技术实施例中的附图,对本专利技术实施例中的本文档来自技高网
...
一种车牌识别方法及终端

【技术保护点】
一种车牌识别方法,其特征在于,包括:获取待处理图像;对所述待处理图像进行预处理,得到目标图像;采用目标分类器对所述目标图像进行训练,得到包含字符的N个目标区域,所述N为大于1的整数;使用第一预设算法将所述N个目标区域连接起来,得到M个候选框,所述M为大于1的整数;根据车牌的预设几何特征对所述M个候选框进行筛选,得到K个目标候选框,所述K为小于所述M的正整数;采用第二预设算法将所述K个目标候选框分割为多个字符,并由所述多个字符得到多个字符序列;对所述多个字符序列进行识别,得到目标车牌。

【技术特征摘要】
1.一种车牌识别方法,其特征在于,包括:获取待处理图像;对所述待处理图像进行预处理,得到目标图像;采用目标分类器对所述目标图像进行训练,得到包含字符的N个目标区域,所述N为大于1的整数;使用第一预设算法将所述N个目标区域连接起来,得到M个候选框,所述M为大于1的整数;根据车牌的预设几何特征对所述M个候选框进行筛选,得到K个目标候选框,所述K为小于所述M的正整数;采用第二预设算法将所述K个目标候选框分割为多个字符,并由所述多个字符得到多个字符序列;对所述多个字符序列进行识别,得到目标车牌。2.根据权利要求1所述的方法,其特征在于,所述对所述待处理图像进行预处理,得到目标图像,包括:将所述待处理图像转化为灰度图像;对所述灰度图像进行填充处理,得到所述目标图像。3.根据权利要求1所述的方法,其特征在于,所述使用第一预设算法将所述N个目标区域连接起来,得到M个候选框,包括:采用行程长度平滑算法对所述N个目标区域进行平滑处理,得到平滑处理后的所述N个目标区域;将所述平滑处理后的所述N个目标区域连接成一个区域,并采用预设字符框将所述字符进行标记,得到所述M个候选框。4.根据权利要求1至3任一项所述的方法,其特征在于,所述获取待处理图像之前,所述方法还包括:获取车牌图像的正样本集和负样本集;使用卷积神经网络算法对所述正样本集和所述负样本集进行训练,得到所述目标分类器。5.根据权利要求1至3任一项所述的方法,其特征在于,所述对所述多个字符序列进行识别,得到目标车牌,包括:采用如下公式分别对所述多个字符序列进行评分,得到所述多个评分值,如下:s(w1,w2,bw1,bw2,P,Q)=1|bw1|Σi=1|bw1|mi(biw1,p)+1|bw2|Σi=1|bw2|mi(biw2,Q)]]>其中,m函数为字符序列中每一字符的评分函数,所述字符序列的首字符的宽度为w1,所述字符序列的剩余字符宽度为w2,w1=(c1)、w2=(c2,c3,...,c7),所述字符序列分割出的断点为所述字符序列为I∈RW×H,所述字符序列的宽度为W,高度为H,s表示评分值,所述首字符所述剩余字符将所述多个评分值中的最大值对应的字符序列作为所述目标车牌。6.一种终端,其特征在于,包括:获取单元,...

【专利技术属性】
技术研发人员:靳强禹世杰蔡天任
申请(专利权)人:深圳市华尊科技股份有限公司
类型:发明
国别省市:广东;44

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1