The invention discloses an automatic license plate recognition method based on a deep convolution neural network. The network structure of the first design method of neural network and its input format; then using random affine transform synthesis of training samples, the synthesis of real scene images and gray images of license plate, license plate image add generated a large number of real scene noise simulation; back propagation neural network, the supervised backpropagation algorithm for training neural network; sliding window search. The sliding window positioning plate, cutting image is converted to grayscale, normalized to the standard input format. The invention can not only deal with the image translation and rotation effect on Recognition brings, and it can avoid the dependence on the specific environment, the font recognition process, the algorithm is easy to realize high robustness, and easy to transplant.
【技术实现步骤摘要】
基于深度卷积神经网络的自动车牌识别方法
本专利技术属于基于人工智能的图像处理
,特别是一种基于深度卷积神经网络的自动车牌识别方法。
技术介绍
自动车牌识别广义是指使用计算机图像处理技术,从图像中自动识别车辆登记拍照的技术。它可以利用现有的监控摄像头作为输入。随着智能交通系统的发展,自动车牌识别技术被广泛应用在各个领域。传统的自动车牌识别装置使用光学字符识别技术从图像中提取字符,从获得一副车牌图片开始,基本步骤包括,车牌定位、车牌字符分割、车牌字符识别。传统方法采用特定的算法处理图像,对图像规格要求苛刻。比如在图像分辨率低,或者因为高速运动造成的模糊,车牌字符变化或场景变化等情况下,识别率较低。因此传统方法复杂且容错性差,不易移植到各种平台,不能适应复杂变化的场景。目前自动车牌识别的方法主要有两种:基于SVM的方法和基于模板匹配的方法。基于SVM的方法,根据车牌字符特征,建立子分类器,对子分类器建立个字符的样本库,通过SVM方法训练得到各字符的判别函数。然后根据字符相应位置,归一化送到对应分类器组,通过识别函数得到分类结果。但是由于现场环境的复杂,车牌字符也很难准确分割,字符差异性大(LiuYongchun,YuXiaohong,YangJing.StudyoflicenseplatelocationsystembasedonSVM.Proceedings-2ndIEEEInternationalConferenceonAdvancedComputerControl,ICACC2010,v5,pl95_198)。基于模板匹配的方法,是利用车牌字符轮廓、 ...
【技术保护点】
一种基于深度卷积神经网络的自动车牌识别方法,其特征在于,步骤如下:步骤1、构造一个具有多字符识别的深度卷积神经网络;步骤2、随机仿射变换合成训练样本,将训练样本转换为灰度图并把尺寸归一化;步骤3、输入合成训练样本,采用反向传播算法训练神经网络;步骤4、滑窗搜索定位车牌,使用固定宽度与高度的矩形窗口滑动扫描待识别的整副图片,计算每次滑动扫描得到的区域中车牌存在概率,选取最大概率区域转换为灰度图并归一化,作为神经网络的输入;步骤5,解析神经网络的输出向量,在图片中标记车牌识别结果。
【技术特征摘要】
1.一种基于深度卷积神经网络的自动车牌识别方法,其特征在于,步骤如下:步骤1、构造一个具有多字符识别的深度卷积神经网络;步骤2、随机仿射变换合成训练样本,将训练样本转换为灰度图并把尺寸归一化;步骤3、输入合成训练样本,采用反向传播算法训练神经网络;步骤4、滑窗搜索定位车牌,使用固定宽度与高度的矩形窗口滑动扫描待识别的整副图片,计算每次滑动扫描得到的区域中车牌存在概率,选取最大概率区域转换为灰度图并归一化,作为神经网络的输入;步骤5,解析神经网络的输出向量,在图片中标记车牌识别结果。2.根据权利要求1所述的基于深度卷积神经网络的自动车牌识别方法,其特征在于,步骤1所述神经网络的结构包括三个卷积层、三个池化层、两个完全连接层、一个输出层;所述每个卷积层均由5×5的卷积单元组成,每个卷积单元的参数均通过反向传播算法优化得到;所述输出层包括多个节点,其中一个节点作为车牌存在概率指示器,其余节点用于编码车牌字符的存在概率。3.根据权利要求1所述的基于深度卷积神经网络的自动车牌识别方法,其特征在于,步骤1所述神经网络的输入格式为128×64灰度图;对于更大尺寸的图片,采用滑窗搜索的方法定位切割图像。4.根据权利要求1所述的基于深度卷积神经网络的自动车牌识...
【专利技术属性】
技术研发人员:彭树生,李勇强,李冬,王强,周仁峰,
申请(专利权)人:南京理工大学,
类型:发明
国别省市:江苏,32
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。