The invention discloses a vehicle license plate location based on multi feature fusion and recognition method, extract color features, the license plate image edge features and texture features of license plate character projection; edge feature and character fusion of license plate image texture projection feature, mathematical morphology operation, the coarse positioning of the plate; the plate location image, color feature of license plate image fusion, fine mapping of the license plate, the plate region complete; license plate character on the license plate area is normalized; get the training samples, the trained network, using letters, numbers, letters, Chinese characters number four on a sample of four sub networks for training, get the number of nodes and the corresponding weights, one has to locate the license plate image feature extraction well, read the number of nodes and the corresponding weights, the After the normalization, the characters of the license plate are sent to the corresponding network to recognize and output the recognition results. The invention can improve the accuracy of license plate recognition.
【技术实现步骤摘要】
一种基于多特征融合的车牌定位与识别方法
本专利技术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。
技术介绍
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(IntelligentTransportationSystem,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(LicensePlateAutomaticRecognition,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。。
技术实现思路
本专利技术所要解决的技术问题是,针对现有技术不足,提供一种 ...
【技术保护点】
一种基于多特征融合的车牌定位与识别方法,其特征在于,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。
【技术特征摘要】
1.一种基于多特征融合的车牌定位与识别方法,其特征在于,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。2.根据权利要求1所述的基于多特征融合的车牌定位与识别方法,其特征在于,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;对于白底红字或者黑底红字的车牌,采用下式提取红色色差:S**(x,y)=R(x,y)-min{B(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)的红色色差像...
【专利技术属性】
技术研发人员:王智文,蒋联源,张灿龙,欧阳浩,黄镇谨,唐博文,胡振寰,
申请(专利权)人:广西科技大学,
类型:发明
国别省市:广西,45
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。