基于深度学习的车牌识别无感支付系统技术方案

本发明专利技术公开了基于深度学习的车牌识别无感支付系统，用于通过预置神经网络对车牌进行识别并结合第三方支付系统进行无感支付，提高了识别准确率，减少车辆的停留时长。包括：车牌高清图像采集模块、图像预处理模块、车牌检测模块、特征融合模块、车牌特征信息识别模块、识别结果存储模块、第三方支付模块和信息推送模块；车牌高清图像采集模块，用于在道路闸口或车辆管理出入口处获取高清摄像机采集到的原始车牌图像；图像预处理模块，用于从原始车牌图像中筛选出符合要求的目标车牌图像；车牌检测模块，用于提取目标车牌图像的颜色特征图像和字符特征图像；特征融合模块，用于将颜色特征图像和字符特征图像融合为目标车牌的特征信息图像。

A car license plate recognition system based on deep learning

【技术实现步骤摘要】
基于深度学习的车牌识别无感支付系统
本专利技术涉及深度学习领域，尤其涉及到一种基于深度学习的车牌识别无感支付系统。
技术介绍
车辆的智能化管理已成为一个普遍的社会化问题，而车牌的检测和识别是车辆智能化管理的主要部分之一，为了有效自动化管理车辆进出停车场、小区和其他场所，需要对车辆的车牌进行识别并记录。目前车牌检测和识别技术已趋于成熟，也取得较好的效果，但大多数识别方式都是基于单特征进行分析，在复杂的场景下，对不同规格的车牌的识别存在误差，准确率低。
技术实现思路
本专利技术提供了基于深度学习的车牌识别无感支付系统，用于通过预置神经网络对车牌进行识别并结合第三方支付系统进行无感支付，提高了识别准确率，减少车辆的停留时长。本专利技术实施例的第一方面提供基于深度学习的车牌识别无感支付系统，包括：车牌高清图像采集模块、图像预处理模块、车牌检测模块、特征融合模块、车牌特征信息识别模块、识别结果存储模块、第三方支付模块和信息推送模块；其中，所述车牌高清图像采集模块，用于在道路闸口或车辆管理出入口处获取高清摄像机采集到的原始车牌图像；所述图像预处理模块，用于从所述原始车牌图像中筛选出符合要求的目标车牌图像；所述车牌检测模块，用于提取所述目标车牌图像的颜色特征图像和字符特征图像；所述特征融合模块，用于将所述颜色特征图像和所述字符特征图像融合为所述目标车牌的特征信息图像；所述车牌特征信息识别模块，用于对所述目标车牌的特征信息图像进行识别，并生成识别结果；所述识别结果存储模块，用于存储所述识别结果；所述第三方支付模块，用于根据所述识别结果计算所述目标车牌的缴费金额，并进行无感支付的扣费操作；所述信息推送模块，用于根据所述缴费金额生成对应的扣费短信，并将所述扣费短信推送给所述目标车牌的车主。可选的，在本专利技术实施例第一方面的第一种实现方式中，所述车牌高清图像采集模块具体用于：对高清摄像机抓拍到的非车牌图像和倾斜角度较大、污染严重的车牌图像进行清洗，得到所述原始车牌图像。可选的，在本专利技术实施例第一方面的第二种实现方式中，所述图像预处理模块包括矫正子模块和去噪子模块；所述矫正子模块，用于对所述原始车牌图像中倾斜车牌进行矫正，得到矫正后的车牌图像；所述去噪子模块，用于对所述矫正后的车牌图像中的噪声进行去除。可选的，在本专利技术实施例第一方面的第三种实现方式中，所述车牌检测模块包括第一提取子模块和第二提取子模块，所述第一提取子模块用于提取所述目标车牌图像的颜色特征图像，所述第二提取子模块用于提取所述目标车牌图像的字符特征图像。可选的，在本专利技术实施例第一方面的第四种实现方式中，所述第一提取子模块具体用于：将所述目标车牌图像的红绿蓝RGB图像转化为色调饱和度明度HSV图像；对所述HSV图像进行二值化处理，得到二值化图像；对所述二值化图像中的空洞区域进行模糊操作，生成闭合的图像；基于目标车牌的长宽比特征和面积特征对所述闭合的图像进行筛选，生成所述目标车牌图像的颜色特征图像。可选的，在本专利技术实施例第一方面的第五种实现方式中，所述第一提取子模块具体用于：将所述目标车牌图像的红绿蓝RGB图像转化为色调饱和度明度HSV图像；对所述HSV图像进行二值化处理，得到二值化图像；对所述二值化图像中的空洞区域进行模糊操作，生成闭合的图像；基于目标车牌的长宽比特征和面积特征对所述闭合的图像进行筛选，生成所述目标车牌图像的颜色特征图像。可选的，在本专利技术实施例第一方面的第六种实现方式中，所述特征融合模块具体还用于：将所述颜色特征图像确定为背景图像，将所述字符特征图像确定为前景图像；通过特征融合器将所述背景图像和所述前景图像按照预置顺序进行特征融合，生成所述目标车牌的特征信息图像。可选的，在本专利技术实施例第一方面的第七种实现方式中，所述车牌特征信息识别模块具体用于：将所述目标车牌的特征信息图像输入到改进的残差(residualnetwork，ResNet)神经网络模型；通过所述改进的残差ResNet神经网络模型对所述目标车牌的特征信息图像进行识别，所述改进的残差ResNet神经网络模型用于减少梯度消失和梯度爆炸；生成识别结果，所述识别结果包括车牌号、车牌类型和车牌颜色。可选的，在本专利技术实施例第一方面的第八种实现方式中，所述第三方支付模块，还用于将车牌号码和对应的第三方支付账号进行绑定，并且授权所述第三方支付账号的支付权限。可选的，在本专利技术实施例第一方面的第九种实现方式中，所述信息推送模块，还用于通过所述第三方支付账号向所述目标车牌的车主推送扣费信息。本专利技术实施例提供的技术方案中，提供了基于深度学习的车牌识别无感支付系统包括：车牌高清图像采集模块、图像预处理模块、车牌检测模块、特征融合模块、车牌特征信息识别模块、识别结果存储模块、第三方支付模块和信息推送模块；其中，车牌高清图像采集模块，用于在道路闸口或车辆管理出入口处获取高清摄像机采集到的原始车牌图像；图像预处理模块，用于从原始车牌图像中筛选出符合要求的目标车牌图像；车牌检测模块，用于提取目标车牌图像的颜色特征图像和字符特征图像；特征融合模块，用于将颜色特征图像和字符特征图像融合为目标车牌的特征信息图像；车牌特征信息识别模块，用于对目标车牌的特征信息图像进行识别，并生成识别结果；识别结果存储模块，用于存储识别结果；第三方支付模块，用于根据识别结果计算目标车牌的缴费金额，并进行无感支付的扣费操作；信息推送模块，用于根据缴费金额生成对应的扣费短信，并将扣费短信推送给目标车牌的车主。本专利技术实施例，通过预置神经网络对车牌进行识别并结合第三方支付系统进行无感支付，提高了识别准确率，减少车辆的停留时长。附图说明图1为本专利技术实施例中基于深度学习的车牌识别无感支付系统的一个实施例示意图；图2为本专利技术实施例中基于深度学习的车牌识别无感支付系统的另一个实施例示意图；图3为本专利技术实施例中基于深度学习的车牌识别无感支付系统的另一个实施例示意图。具体实施方式本专利技术提供了基于深度学习的车牌识别无感支付系统，用于通过预置神经网络对车牌进行识别并结合第三方支付系统进行无感支付，提高了识别准确率，减少车辆的停留时长。为了使本
的人员更好地理解本专利技术方案，下面将结合本专利技术实施例中的附图，对本专利技术实施例进行描述。本专利技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外，术语“包括”或“具有”及其任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。请参阅图1，本专利技术实施例提供的基于深度学习的车牌识别无感支付系统，具体包括：车牌高清图本文档来自技高网...

【技术保护点】
1.一种基于深度学习的车牌识别无感支付系统，其特征在于，包括：/n车牌高清图像采集模块、图像预处理模块、车牌检测模块、特征融合模块、车牌特征信息识别模块、识别结果存储模块、第三方支付模块和信息推送模块；/n其中，所述车牌高清图像采集模块，用于在道路闸口或车辆管理出入口处获取高清摄像机采集到的原始车牌图像；/n所述图像预处理模块，用于从所述原始车牌图像中筛选出符合要求的目标车牌图像；/n所述车牌检测模块，用于提取所述目标车牌图像的颜色特征图像和字符特征图像；/n所述特征融合模块，用于将所述颜色特征图像和所述字符特征图像融合为所述目标车牌的特征信息图像；/n所述车牌特征信息识别模块，用于对所述目标车牌的特征信息图像进行识别，并生成识别结果；/n所述识别结果存储模块，用于存储所述识别结果；/n所述第三方支付模块，用于根据所述识别结果计算所述目标车牌的缴费金额，并进行无感支付的扣费操作；/n所述信息推送模块，用于根据所述缴费金额生成对应的扣费短信，并将所述扣费短信推送给所述目标车牌的车主。/n

【技术特征摘要】
1.一种基于深度学习的车牌识别无感支付系统，其特征在于，包括：
车牌高清图像采集模块、图像预处理模块、车牌检测模块、特征融合模块、车牌特征信息识别模块、识别结果存储模块、第三方支付模块和信息推送模块；
其中，所述车牌高清图像采集模块，用于在道路闸口或车辆管理出入口处获取高清摄像机采集到的原始车牌图像；
所述图像预处理模块，用于从所述原始车牌图像中筛选出符合要求的目标车牌图像；
所述车牌检测模块，用于提取所述目标车牌图像的颜色特征图像和字符特征图像；
所述特征融合模块，用于将所述颜色特征图像和所述字符特征图像融合为所述目标车牌的特征信息图像；
所述车牌特征信息识别模块，用于对所述目标车牌的特征信息图像进行识别，并生成识别结果；
所述识别结果存储模块，用于存储所述识别结果；
所述第三方支付模块，用于根据所述识别结果计算所述目标车牌的缴费金额，并进行无感支付的扣费操作；
所述信息推送模块，用于根据所述缴费金额生成对应的扣费短信，并将所述扣费短信推送给所述目标车牌的车主。


2.根据权利要求1所述的基于深度学习的车牌识别无感支付系统，其特征在于，所述车牌高清图像采集模块具体用于：
对高清摄像机抓拍到的非车牌图像和倾斜角度较大、污染严重的车牌图像进行清洗，得到所述原始车牌图像。


3.根据权利要求1所述的基于深度学习的车牌识别无感支付系统，其特征在于，
所述图像预处理模块包括矫正子模块和去噪子模块；
所述矫正子模块，用于对所述原始车牌图像中倾斜车牌进行矫正，得到矫正后的车牌图像；
所述去噪子模块，用于对所述矫正后的车牌图像中的噪声进行去除。


4.根据权利要求1所述的基于深度学习的车牌识别无感支付系统，其特征在于，
所述车牌检测模块包括第一提取子模块和第二提取子模块，所述第一提取子模块用于提取所述目标车牌图像的颜色特征图像，所述第二提取子模块用于提取所述目标车牌图像的字符特征图像。


5.根据权利要求4所述的基于深度学习的车牌识别无感支付系统，其特征在于，所述第一提取子模块具体用于：
将所述目...

【专利技术属性】
技术研发人员：焦勇，王超，郭垒，
申请(专利权)人：中电万维信息技术有限责任公司，
类型：发明
国别省市：甘肃;62