基于可信区域的车牌识别方法技术

本发明专利技术涉及一种基于可信区域的车牌识别方法，采用k‑means++聚类来选择初始车辆和车牌候选框的数量和尺度；将得到的初始候选框的数量和尺度结合到YOLO‑L模型，来提高车辆区域和车牌区域的定位准确率。通过YOLO‑L模型来定位车辆区域和车牌区域，并输出左上角和右下角的坐标；YOLO‑L模型首先区分道路上的车辆和其他物体；车牌识别算法判断车牌区域是否位于车辆区域内，以消除车牌区域的错误识别；如果所在车牌区域位于这些车辆区域内，则认为所在车牌区域正确检测，完成车牌识别。本发明专利技术基于可信区域的车牌识别方法，有效区分了车牌和类似的物体，能有效地定位车牌，减少了车牌的误判，大大降低了类似物体的误判性，提供了车牌识别效率，提高车牌识别的准确性。

【技术实现步骤摘要】
基于可信区域的车牌识别方法
本专利技术涉及一种车牌识别方法，具体的说，是涉及一种基于可信区域的车牌识别方法。
技术介绍
智能交通系统(ITS)在交通测量和监测方面发挥重要作用，例如，跟踪偷来的汽车、控制进入停车场和有限的交通区和收集交通流量统计资料。车牌识别方法包括四个步骤，即图像捕获，车牌区域定位，字符分割和字符识别。车牌区域定位步骤是从图像中检测并提取矩形车牌区域，字符分割步骤是指分离车牌区域上的字符，字符识别步骤是将基于图像的字符转换成文本表达，车牌区域定位是ITS的关键过程，其定位精度直接影响其他两个步骤。车牌定位在复杂的环境中具有挑战性，因为在车牌相对较小的地区，由于照明的影响，模糊以及分辨率低等诸多因素。针对恶劣天气条件和视觉变化等复杂道路环境下的YOLOv2模型——最准确和快速的目标检测深度学习算法。但是，它仍然有两个缺陷。首先是它不能有效检测到较小的车牌。二是道路上的广告牌，道路标识等类似物体可能被错误地检测为车牌。
技术实现思路
针对上述现有技术中的不足，本专利技术提供一种快捷、准确的基于可信区域的车牌识别方法。为缓解上述问题，提出了一种基于新模型YOLO-L和车牌识别本文档来自技高网...

【技术保护点】
1.一种基于可信区域的车牌识别方法，其特征在于，采用k‑means++聚类来选择初始车牌候选框的数量和尺度；YOLO‑L模型首先区分道路上的车辆和其他物体；车牌识别算法判断车牌候选框是否位于车辆区域内，以消除车牌区域的错误识别；如果所在车牌区域位于这些车辆区域内，则认为所在车牌区域正确，进行车牌符号检测和识别，完成车牌识别。

【技术特征摘要】
1.一种基于可信区域的车牌识别方法，其特征在于，采用k-means++聚类来选择初始车牌候选框的数量和尺度；YOLO-L模型首先区分道路上的车辆和其他物体；车牌识别算法判断车牌候选框是否位于车辆区域内，以消除车牌区域的错误识别；如果所在车牌区域位于这些车辆区域内，则认为所在车牌区域正确，进行车牌符号检测和识别，完成车牌识别。2.根据权利要求1所述基于可信区域的车牌识别方法，其特征在于：所述YOLO-L模型是将输入图像划分为S×S网格；如果一个对象的中心落入一个网格单元中，该网格单元负责检测该对象；每个网格单元预测B个边界框，这些框的置信度分数和两类概率；这些置信度分数反映了盒子包含对象的有多少信心；每个图像中都有S×S×B的边界框；当类别概率P大于给定阈值T时，对象被预测。3.根据权利要求1所述基于可信区域的车牌识别方法，其特征在于：所述YOLO-L模型将候选帧提取、特征提取、目标分类和目标位置统一到一个神经网络中；神经网络直接从图像中提取候选区域；整个图像的特征预测了车牌和车辆的区域；目标检测和识别被视为回归问题。4.根据权利要求1所述基于可信区域的车牌识别方法，其特征在于：所述YOLO-L模型实现了实时的端到端检测。5.根据权利要求1所述基于可信区域的车牌识别方法，其特征在于：所述YOLO-L模型检测目标帧并预测目标的置信度，在每个候选帧中的定义为Conf(Object)；在公式(1)中，意味着是否落入与候选框对应的单元中。如果该单元格中没有对象，则Pr(Object)＝0，除此以外，Pr(Object)＝1；在式(2)中，意味着预测框与地面真值之间的交集(IOU)；每个边界框由5个预测组成：x，y，w，h和置信度；(x，y)坐标表示相对于网格单元边界的框的中心；W和h分别代表宽度和高...

【专利技术属性】
技术研发人员：闵卫东，李祥鹏，廖艳秋，刘瑞康，
申请(专利权)人：南昌大学，
类型：发明
国别省市：江西,36