本申请实施例属于车牌分割技术领域，涉及一种车牌分割方法，实时采集车辆的车牌图像，获得第一车牌图像；对第一车牌图像感兴趣区域的进行提取及预处理，获得第二车牌图像；分类第二车牌图像为正样本、负样本、中文样本；加载及调用级联分类器模型识别出车牌字符图像；对车牌字符图像使用预设训练窗口大小滑动；基于caffe机器学习获取正样本、负样本、中文样本的当前概率，保存正样本、负样本、中文样本的概率；对比相邻的概率，当相邻概率中包含正样本和负样本或中文样本和负样本概念大于预设的阈值，并且连续包含则是合法的字符；对合法的字符采用非极大值抑制方法获取到边界；对边界进行扩展或收缩去除无用的区域，得到单个字符区域集合。
License Plate Segmentation Method, Device, Computer Equipment and Computer Readable Storage Media
【技术实现步骤摘要】
车牌分割方法、装置、计算机设备及计算机可读存储介质
本专利技术涉及车牌分割
，尤其涉及一种车牌分割方法、装置、计算机设备及计算机可读存储介质。
技术介绍
智能交通系统(ITS)对人们生活有越发重要的影响。智能交通系统充分利用先进技术改善交通的安全性和便利性。智能交通系统应用广泛，比如，随着人们安全意识的增强，私人区域会使用ITS对进出的车辆实现监控；交通部门利用ITS对违规车辆实现监控等等。车牌是车辆的唯一识别符，智能交通系统的使用和推广必须依赖于车牌的识别。车牌分割主要包含三个步骤：车牌定位，字符分割，字符识别。目前字符分割方法很多，具体包括：1)OCR(opticalcharacterrecognition)---此方法对识别机器印刷的字符有很高的分割准确率和效率。对于车牌字符分割，如果在很好的环境条件，OCR也有很好的准确率和效率。但是，对环境要求过高，局限了这种方法的推广使用2)面积投影法(可以排除细小的噪声，面积大的噪声容易形成伪字符区)，轮廓投影法(可以排除较大的噪声，分散的小噪声容易形成伪字符区)。在理想条件(无干扰)时，综合运用以上两种方法，可以得到理想的分割效果，但是现场充满了各种干扰(光线，噪声)，使得图像质量受到很大影响。3)模板匹配法。对车牌图像尺寸要求很高，车牌稍微变形就会导致字符分割错误。但是对字符黏连和柳钉干扰不害怕。4)垂直投影分割法，对变形不严重的车牌可以很好分割，但是对字符黏连和柳钉以及车牌左右边框很敏感。5)基于连通域思想的垂直切分方法。对柳钉不敏感，但是对字符粘连很面干。6)聚类分析法：可以很好解决汉字不连通的问题，解决车牌字符分割中存在的噪声感染，车牌磨损造成的字符粘连难题。不足：执行时间慢，对车牌的宽度有限制。
技术实现思路
本申请实施例的目的在于提出一种车牌分割方法、装置，其主要目的在于环境不好情况下，实现车牌字符分割也有比较高的准确率和效率。为了解决上述技术问题，本申请实施例提供一种车牌分割方法，采用了如下所述的技术方案：一种车牌分割方法，该方法包括：实时采集车辆的车牌图像，获得第一车牌图像；对所述第一车牌图像感兴趣区域的进行提取及预处理，获得第二车牌图像；分类所述第二车牌图像为正样本、负样本、中文样本；加载及调用级联分类器模型识别出车牌字符图像；对车牌字符图像使用预设训练的窗口大小滑动；基于caffe机器学习获取正样本、负样本、中文样本的当前概率，并保存得到的正样本、负样本、中文样本的概率；对比相邻的概率，当相邻概率中包含正样本和负样本或中文样本和负样本概念大于预设的阈值，并且连续包含则是合法的字符；对合法的字符采用非极大值抑制方法获取到边界；及对边界进行扩展或收缩去除无用的区域，得到单个字符区域集合。进一步的，所述对所述第一车牌图像感兴趣区域的进行提取及预处理，获得第二车牌图像的步骤具体包括：对所述第一车牌图像感兴趣区域的进行提取，得到目标区域图像；对目标区域图像做运动特征目标检测，得到运动特征目标图像；对运动特征目标图像进行高斯模糊降噪处理，调整高斯参数，选择合适的高斯核，平滑图像，得到高斯模糊降噪图像；对高斯模糊降噪图像进行阈值化，匹配HSV的范围，保存匹配颜色，得到第二车牌图像。进一步地，每一级联分类器的算法为：1)使用Haar-like特征做检测；2)使用积分图对应用到检测器的特征进行快速计算；3)使用AdaBoost学习算法从巨大的Haar-like特征中挑选出少量至关重要的特征。进一步地，所述对边界进行扩展或收缩去除无用的区域，得到单个字符区域集合的步骤具体包括：获取列像素为0和非0的数量；判断列像素为0的比例是否大于95％；当列像素为0的比例大于95％，则认为没有切到边缘，向内收缩1像素；及当列像素为0的比例小于95％，则认为切到了边缘，则向外扩张1像素。为了解决上述技术问题，本申请实施例还提供一种车牌分割装置，采用了如下所述的技术方案：一种车牌分割装置，采集模块、提取及预处理模块、分类模块、加载及调用模块、窗口滑动模块、第一获取模块、判断模块、第二获取模块及处理模块，其中所述采集模块，用于实时采集车辆的车牌图像，获得第一车牌图像；所述提取及预处理模块，用于对所述第一车牌图像感兴趣区域的进行提取及预处理，获得第二车牌图像；所述分类模块，用于分类所述第二车牌图像为正样本、负样本、中文样本；所述加载及调用模块，用于加载及调用级联分类器模型识别出车牌字符图像；所述窗口滑动模块，用于对车牌字符图像使用预设训练的窗口大小滑动；所述第一获取模块，用于基于caffe机器学习获取正样本、负样本、中文样本的当前概率，并保存得到的正样本、负样本、中文样本的概率；所述判断模块，用于对比相邻的概率，当相邻概率中包含正样本和负样本或中文样本和负样本概念大于预设的阈值，并且连续包含则是合法的字符；所述第二获取模块，用于对合法的字符采用非极大值抑制方法获取到边界；及所述处理模块，用于对边界进行扩展或收缩去除无用的区域，得到单个字符区域集合。进一步的，所述提取及预处理模块包括提取子模块、检测子模块、平滑子模块及匹配子模块，其中：所述提取子模块，用于对所述第一车牌图像感兴趣区域的进行提取，得到目标区域图像；所述检测子模块，用于对目标区域图像做运动特征目标检测，得到运动特征目标图像；所述平滑子模块，用于对运动特征目标图像进行高斯模糊降噪处理，调整高斯参数，选择合适的高斯核，平滑图像，得到高斯模糊降噪图像；及所述匹配子模块，用于对高斯模糊降噪图像进行阈值化，匹配HSV的范围，保存匹配颜色，得到第二车牌图像。进一步地，每一级联分类器的算法为：1)使用Haar-like特征做检测；2)使用积分图对应用到检测器的特征进行快速计算；3)使用AdaBoost学习算法从巨大的Haar-like特征中挑选出少量至关重要的特征。述处理模块包括有获取子单元、判断子单元、收缩子模块及扩张子模块，所述获取子模块，用于获取列像素为0和非0的数量；所述判断子模块，用于判断列像素为0的比例是否大于95％；所述收缩子模块，用于当列像素为0的比例大于95％，则认为没有切到边缘，向内收缩1像素；及所述扩张子模块，用于当列像素为0的比例小于95％，则认为切到了边缘，则向外扩张1像素。为了解决上述技术问题，本申请实施例还提供一种计算机设备，采用了如下所述的技术方案：一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序时实现以上车牌分割方法的步骤。为了解决上述技术问题，本申请实施例还提供一种计算机可读存储介质，采用了如下所述的技术方案：一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现以上车牌分割方法的步骤。与现有技术相比，本申请实施例主要有以下有益效果：本专利技术采用车牌字符的图片使用训练窗口大小滑动，再使用机器学习得到当前的概率，使用非极大值抑制方法得到边界，对边界进行扩展或收缩去除无用区域，得到单个字符区域集合，进而识别每个字符。此方法提高字符分割的准确率和效率。附图说明为了更清楚地说明本申请中的方案，下面将对本申请实施例描述中所需要使用的附图作一个简单介绍，显而易见地，下面描述中的附图是本申请的一本文档来自技高网...
【技术保护点】
1.一种车牌分割方法，其特征在于，包括下述步骤：实时采集车辆的车牌图像，获得第一车牌图像；对所述第一车牌图像感兴趣区域的进行提取及预处理，获得第二车牌图像；分类所述第二车牌图像为正样本、负样本、中文样本；加载及调用级联分类器模型识别出车牌字符图像；对车牌字符图像使用预设训练的窗口大小滑动；基于caffe机器学习获取正样本、负样本、中文样本的当前概率，并保存得到的正样本、负样本、中文样本的概率；对比相邻的概率，当相邻概率中包含正样本和负样本或中文样本和负样本概念大于预设的阈值，并且连续包含则是合法的字符；对合法的字符采用非极大值抑制方法获取到边界；及对边界进行扩展或收缩去除无用的区域，得到单个字符区域集合。
【技术特征摘要】
1.一种车牌分割方法，其特征在于，包括下述步骤：实时采集车辆的车牌图像，获得第一车牌图像；对所述第一车牌图像感兴趣区域的进行提取及预处理，获得第二车牌图像；分类所述第二车牌图像为正样本、负样本、中文样本；加载及调用级联分类器模型识别出车牌字符图像；对车牌字符图像使用预设训练的窗口大小滑动；基于caffe机器学习获取正样本、负样本、中文样本的当前概率，并保存得到的正样本、负样本、中文样本的概率；对比相邻的概率，当相邻概率中包含正样本和负样本或中文样本和负样本概念大于预设的阈值，并且连续包含则是合法的字符；对合法的字符采用非极大值抑制方法获取到边界；及对边界进行扩展或收缩去除无用的区域，得到单个字符区域集合。2.根据权利要求1所述的车牌分割方法，其特征在于，所述对所述第一车牌图像感兴趣区域的进行提取及预处理，获得第二车牌图像的步骤具体包括：对所述第一车牌图像感兴趣区域的进行提取，得到目标区域图像；对目标区域图像做运动特征目标检测，得到运动特征目标图像；对运动特征目标图像进行高斯模糊降噪处理，调整高斯参数，选择合适的高斯核，平滑图像，得到高斯模糊降噪图像；对高斯模糊降噪图像进行阈值化，匹配HSV的范围，保存匹配颜色，得到第二车牌图像。3.根据权利要求1所述的车牌分割方法，其特征在于，每一级联分类器的算法为：1)使用Haar-like特征做检测；2)使用积分图对应用到检测器的特征进行快速计算；3)使用AdaBoost学习算法从巨大的Haar-like特征中挑选出少量至关重要的特征。4.根据权利要求1所述的车牌分割方法，其特征在于，所述对边界进行扩展或收缩去除无用的区域，得到单个字符区域集合的步骤具体包括：获取列像素为0和非0的数量；判断列像素为0的比例是否大于95％；当列像素为0的比例大于95％，则认为没有切到边缘，向内收缩1像素；及当列像素为0的比例小于95％，则认为切到了边缘，则向外扩张1像素。5.一种车牌分割装置，其特征在于，包括：采集模块、提取及预处理模块、分类模块、加载及调用模块、窗口滑动模块、第一获取模块、判断模块、第二获取模块及处理模块，其中所述采集模块，用于实时采集车辆的车牌图像，获得第一车牌图像；所述提取及预处理模块，用于对所述第一车牌图像感兴趣区域的进行提取及预处理，获得第二车牌图像；所述分类模块，用于分类所述第二车牌图像为正样本、负样本、中文样本；所述...
【专利技术属性】
技术研发人员：周宇媚，庞光垚，彭国晋，
申请(专利权)人：梧州学院，
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。