一种车牌识别的方法及装置制造方法及图纸

本发明专利技术实施例公开了一种车牌识别的方法及装置，获取待识别车牌图像；对待识别车牌图像进行预处理；提取经过预处理的待识别车牌图像中具有尺度不变特征变换的特征点，生成特征点矩阵；调用预先训练得到的包括车牌类别以及非车牌类别的分类模型，分类模型是基于训练多个车牌图像以及多个非车牌图像的尺度不变特征变换的特征点而获得的模型；利用分类模型，根据特征点矩阵判断待识别车牌所属的类别。基于尺度不变特征变换的特征点对车牌图片样本和非车牌图片样本进行训练，寻找出每一类样本中的公共特征点，进而获得分类模型，继而判断出待识别车牌图像所属类别。本申请可以在不增加漏车的基础上，有效地去除不是车牌的图像继而提高了识别的准确率。

License plate recognition method and device

The embodiment of the invention discloses a method and a device for license plate recognition, license plate recognition to obtain image; treat the recognition of vehicle license plate image preprocessing; after extraction has the characteristics of scale invariant feature transform to identify the license plate image preprocessing, feature point matrix; transfer the pre trained categories, including the license plate classification model the plate type, the classification model is to obtain the feature points of the training of multiple license plate image scale and a plurality of non plate image invariant feature transform based on the model; using the classification model, according to the feature matrix to judge the category of license plate recognition. The characteristics of scale invariant feature transform training of license plate image samples and non license plate images based on samples, to find out the common feature points of each class in the sample, and then obtain the classification model, and then determine to identify the license plate image category. The application can effectively remove the image which is not a license plate without increasing the vehicle leakage, thereby improving the recognition accuracy.

【技术实现步骤摘要】
一种车牌识别的方法及装置
本专利技术涉及图像处理领域，特别是涉及一种车牌识别的方法及装置。
技术介绍
由于车辆的普及，车辆的通行监控管理方法已经不局限于传统的方法。使用图像处理技术来高效地管理车辆的通行是目前的一个趋势，其过程一般是对车辆的车牌进行抓拍，利用车牌识别设备对抓拍图片进行识别，进而可以有效地管理停车场或者是高速公路的车辆通行。近年来，随着车牌识别设备广泛使用，车牌识别设备的识别准确率已经不能满足现有的车牌识别需求，而其车牌识别率的高低决定着管理系统的有效性，虽然车牌的识别率由于现在图像识别算法、摄像机分辨率和对比度等各种相关技术的进步，已经可以达到较高的准确率，但是仍然存在着一定的缺陷。在识别准确率较高的基础上，现有车牌识别技术存在的缺陷主要是多车和漏车，漏车是指在车牌识别的过程中，为了减少非车牌进入车牌识别过程的可能性，漏掉一部分不清晰的车牌，而多车是指在车牌识别的过程中，将不是车牌的物体也识别成车牌，例如电动车牌照、排列有序的竖栏杆和广告上的数字等等。现有的车牌识别过程中，使用的识别技术不同，存在的缺陷也不同，但一般情况下不能解决多车和漏车此消彼长的问题，即降低了多车的可能性，相应地漏车的可能性也会增加，而减少了漏车的可能性，相应地多车的可能性也会增加。为了解决多车的问题，现有技术中一般是识别车牌上的字符，并通过字符识别的置信度来判断车牌识别结果中的某一位或者是某几位字符的置信度是否低于预设的阈值，继而判断出识别结果中是否有非车牌。但是由于上述识别方法的判断标准为字符的置信度，故置信度的可信度决定着识别结果的准确率，且当前字符的置信度都不太靠谱。进一步地，不清楚车牌上的字符的识别置信度也不会高，所以会造成过滤掉本身是车牌的图像。故在不增加漏车的基础上，如何有效地去除不是车牌的图像继而提高识别准确率是本领域亟待解决的问题，基于此，本专利技术提出了一种车牌识别的方法及装置。
技术实现思路
本专利技术的目的是提供一种车牌识别的方法，目的在于在不增加漏车的基础上，有效地去除不是车牌的图像继而提高了识别的准确率；本专利技术的另一目的是提供一种车牌识别的装置，其车牌识别的准确率较高。为解决上述技术问题，本专利技术提供一种车牌识别的方法，该方法包括：获取待识别车牌图像；对所述待识别车牌图像进行预处理；提取经过预处理的所述待识别车牌图像中具有尺度不变特征变换的特征点，生成特征点矩阵；调用预先训练得到的包括车牌类别以及非车牌类别的分类模型，所述分类模型是基于训练多个车牌图像以及多个非车牌图像的尺度不变特征变换的特征点而获得的模型；利用所述分类模型，根据所述特征点矩阵判断所述待识别车牌所属的类别。可选地，所述分类模型的训练过程包括：获取第一预设数量的车牌图像以及第二预设数量的非车牌图像；分别将所述车牌图像和所述非车牌图像作预处理操作；分别提取经过预处理的所述车牌图像以及所述非车牌图像上具有尺度不变特征变换的特征点，分别组成车牌特征点矩阵以及非车牌特征点矩阵；利用线性判别分析对所述车牌特征点矩阵以及所述非车牌特征点矩阵进行计算，得出用于降维的旋转矩阵；根据所述旋转矩阵和所述车牌特征点矩阵，得出第一类中心坐标点；根据所述旋转矩阵和所述非车牌特征点矩阵，得出第二类中心坐标点；其中，所述第一类中心坐标点是所述车牌特征点矩阵降到预设维度空间上的中心坐标点，所述第二类中心坐标点是所述非车牌特征点降到所述预设维度空间上的中心坐标点。可选地，所述对所述待识别车牌图像进行预处理包括：获取所述待识别车牌图像的灰度图像；将所述灰度图像调整为预设像素大小的图像。可选地，所述提取经过预处理操作的所述待识别车牌图像中具有尺度不变特征变换的特征点，生成特征点矩阵包括：构造经过预处理的所述待识别车牌图像的尺度空间；检测所述尺度空间内的所有特征点；去除所述特征点中不稳定的特征点；确定剩余的所述特征点的主方向；生成剩余的所述特征点的描述子；将已确定所述主方向和已生成所述描述子的所述特征点组成所述特征点矩阵。可选地，所述利用所述分类模型，根据所述特征点矩阵判断所述待识别车牌所属的类别包括：利用所述旋转矩阵计算出所述特征点矩阵降到所述预设维度空间上的坐标点；计算所述坐标点与所述第一类中心坐标点的第一距离，以及所述坐标点和所述第二类中心坐标点的第二距离；比较所述第一距离和所述第二距离的大小；当所述第一距离小于所述第二距离时，则将所述待识别车牌图像识别为车牌图像，反之，则将所述待识别车牌图像识别为非车牌图像。此外，本专利技术还提供了一种车牌识别的装置，包括：获取单元，用于获取待识别车牌图像；预处理单元，用于对所述待识别车牌图像进行预处理；提取单元，用于提取经过预处理的所述待识别车牌图像中具有尺度不变特征变换的特征点，生成特征点矩阵；调用单元，用于调用预先训练得到的包括车牌类别以及非车牌类别的分类模型，所述分类模型是基于训练多个车牌图像以及多个非车牌图像的尺度不变特征变换的特征点而获得的模型；分类单元，用于利用所述分类模型，根据所述特征点矩阵判断所述待识别车牌所属的类别。可选地，所述调用单元包括：获取子单元，用于获取第一预设数量的车牌图像以及第二预设数量的非车牌图像；预处理操作子单元，分别将所述车牌图像和所述非车牌图像作预处理操作；特征点提取子单元，用于分别提取经过预处理的所述车牌图像以及所述非车牌图像上具有尺度不变特征变换的特征点，分别组成车牌特征点矩阵以及非车牌特征点矩阵；旋转矩阵计算子单元，用于利用线性判别分析对所述车牌特征点矩阵以及所述非车牌特征点矩阵进行计算，得出用于降维的旋转矩阵；第一中心坐标点获取子单元，用于根据所述旋转矩阵和所述车牌特征点矩阵，得出第一类中心坐标点；第二中心坐标点获取子单元，用于根据所述旋转矩阵和所述非车牌特征点矩阵，得出第二类中心坐标点；其中，所述第一类中心坐标点是所述车牌特征点矩阵降到预设维度空间上的中心坐标点，所述第二类中心坐标点是所述非车牌特征点降到所述预设维度空间上的中心坐标点。可选地，所述预处理单元包括：灰度图获取子单元，用于获取所述待识别车牌图像的灰度图像；调整子单元，用于将所述灰度图像调整为预设像素大小的图像。可选地，所述提取单元包括：构造子单元，用于构造经过预处理的所述待识别车牌图像的尺度空间；检测子单元，用于检测所述尺度空间内的所有特征点；去除子单元，用于去除所述特征点中不稳定的特征点；确定主方向子单元，用于确定剩余的所述特征点的主方向；描述子生成子单元，用于生成剩余的所述特征点的描述子；生成子单元，用于将已确定所述主方向和已生成所述描述子的所述特征点组成所述特征点矩阵。可选地，所述分类单元包括：计算子单元，用于利用所述旋转矩阵计算出所述特征点矩阵降到所述预设维度空间上的坐标点；距离计算子单元，用于计算所述坐标点与所述第一类中心坐标点的第一距离，以及所述坐标点和所述第二类中心坐标点的第二距离；比较子单元，用于比较所述第一距离和所述第二距离的大小；确定子单元，用于当所述第一距离小于所述第二距离时，则将所述待识别车牌图像识别为车牌图像，反之，则将所述待识别车牌图像识别为非车牌图像。本专利技术实施例所提供的一种车牌识别的方法及装置，获取待识别车牌图像；对待识别车牌图像进行预处理；提取经过预处理的待识别车牌图像中具有尺度不变本文档来自技高网...

【技术保护点】
一种车牌识别的方法，其特征在于，包括：获取待识别车牌图像；对所述待识别车牌图像进行预处理；提取经过预处理的所述待识别车牌图像中具有尺度不变特征变换的特征点，生成特征点矩阵；调用预先训练得到的包括车牌类别以及非车牌类别的分类模型，所述分类模型是基于训练多个车牌图像以及多个非车牌图像的尺度不变特征变换的特征点而获得的模型；利用所述分类模型，根据所述特征点矩阵判断所述待识别车牌所属的类别。

【技术特征摘要】
1.一种车牌识别的方法，其特征在于，包括：获取待识别车牌图像；对所述待识别车牌图像进行预处理；提取经过预处理的所述待识别车牌图像中具有尺度不变特征变换的特征点，生成特征点矩阵；调用预先训练得到的包括车牌类别以及非车牌类别的分类模型，所述分类模型是基于训练多个车牌图像以及多个非车牌图像的尺度不变特征变换的特征点而获得的模型；利用所述分类模型，根据所述特征点矩阵判断所述待识别车牌所属的类别。2.如权利要求1所述的方法，其特征在于，所述分类模型的训练过程包括：获取第一预设数量的车牌图像以及第二预设数量的非车牌图像；分别将所述车牌图像和所述非车牌图像作预处理操作；分别提取经过预处理的所述车牌图像以及所述非车牌图像上具有尺度不变特征变换的特征点，分别组成车牌特征点矩阵以及非车牌特征点矩阵；利用线性判别分析对所述车牌特征点矩阵以及所述非车牌特征点矩阵进行计算，得出用于降维的旋转矩阵；根据所述旋转矩阵和所述车牌特征点矩阵，得出第一类中心坐标点；根据所述旋转矩阵和所述非车牌特征点矩阵，得出第二类中心坐标点；其中，所述第一类中心坐标点是所述车牌特征点矩阵降到预设维度空间上的中心坐标点，所述第二类中心坐标点是所述非车牌特征点降到所述预设维度空间上的中心坐标点。3.如权利要求2所述的方法，其特征在于，所述对所述待识别车牌图像进行预处理包括：获取所述待识别车牌图像的灰度图像；将所述灰度图像调整为预设像素大小的图像。4.如权利要求2所述的方法，其特征在于，所述提取经过预处理的所述待识别车牌图像中具有尺度不变特征变换的特征点，生成特征点矩阵包括：构造经过预处理的所述待识别车牌图像的尺度空间；检测所述尺度空间内的所有特征点；去除所述特征点中不稳定的特征点；确定剩余的所述特征点的主方向；生成剩余的所述特征点的描述子；将已确定所述主方向和已生成所述描述子的所述特征点组成所述特征点矩阵。5.如权利要求2至4任一项所述的方法，其特征在于，所述利用所述分类模型，根据所述特征点矩阵判断所述待识别车牌所属的类别包括：利用所述旋转矩阵计算出所述特征点矩阵降到所述预设维度空间上的坐标点；计算所述坐标点与所述第一类中心坐标点的第一距离，以及所述坐标点和所述第二类中心坐标点的第二距离；比较所述第一距离和所述第二距离的大小；当所述第一距离小于所述第二距离时，则将所述待识别车牌图像识别为车牌图像，反之，则将所述待识别车牌图像识别为非车牌图像。6.一种车牌识别的装置，其特征在于，包括：获取单元，用于获取待识别车牌图像；预处理单元，用于对所述待识别车牌图像进行预处理；提取单元，...

【专利技术属性】
技术研发人员：唐健，蔡昊然，杨利华，
申请(专利权)人：深圳市捷顺科技实业股份有限公司，
类型：发明
国别省市：广东,44