【技术实现步骤摘要】
一种基于空间位置信息的车牌字符分割方法
本专利技术涉及车牌识别
,具体涉及一种基于空间位置信息的车牌字符分割方法。
技术介绍
车牌识别是智能交通的核心技术,包含了三个部分:车牌定位,字符分割,字符识别。其中,字符分割是整个技术最重要的一部分,字符分割的好坏,直接影响后续的字符识别,进而影响整体的识别性能。字符分割是指在一幅已知车牌准确位置的图像中,精确分割出每个单一字符。对于清晰的车牌图像,已有很多成熟方法,可以获得较好的分割结果,然而,实际环境中,由于光线变化、拍摄角度、车牌污损等各种复杂场景的存在,会造成车牌字符的模糊、缺失、粘连等缺陷的出现,当前的成熟方法很难进行精确分割,造成最终的车牌识别失败。因此,如何有效的对低质量车牌图像进行精确字符分割,仍然是当前限制车牌识别技术的难题。目前,车牌字符分割主要有以下几类方法:(1)基于垂直投影的方法,该方法通过获取车牌字符的垂直投影曲线,依据曲线的波峰波谷位置,获取每个字符的边缘位置。该类方法的优点是算法简单,速度快,对于清晰车牌,分割效果较佳,其缺点是对于一些污损、粘连、定位不够精确的低质量车牌,分割效果会明显下降,甚至失效。(2)基于连通区域分析的方法,该方法首先进行车牌图像二值化,利用单个字符都是单连通区域的特征进行分析,最终获取字符的位置。该类方法的优点是对低图像质量的车牌适应性较好,速度较快,然而,它对于缺失、粘连的字符,却无能为力。(3)基于机器学习的方法,如“一种基于支持向量机的车牌字符分割方法”,该类方法通过 ...
【技术保护点】
1.一种基于空间位置信息的车牌字符分割方法,其特征在于:/n包括以下步骤:/nS1、建立深度神经网络模型;/nS2、通过标注好的训练样本数据,优化所述深度神经网络模型参数,得到最优深度神经网络模型;/nS3、读取车牌图像信息,通过所述最优深度神经网络模型运算,提取车牌字符之间的空间位置信息特征,进而获取车牌每一个字符的位置。/n
【技术特征摘要】
1.一种基于空间位置信息的车牌字符分割方法,其特征在于:
包括以下步骤:
S1、建立深度神经网络模型;
S2、通过标注好的训练样本数据,优化所述深度神经网络模型参数,得到最优深度神经网络模型;
S3、读取车牌图像信息,通过所述最优深度神经网络模型运算,提取车牌字符之间的空间位置信息特征,进而获取车牌每一个字符的位置。
2.根据权利要求1所述的基于空间位置信息的车牌字符分割方法,其特征在于:所述S1、建立深度神经网络模型,具体包括:
S11、设计深度神经网络模型的输入图像;
S12、设计快速下降网络,用于获取输入图像的高层特征;
S13、设计空间位置信息网络,基于所述输入图像的高层特征获取字符空间位置信息特征图;
S14、设计字符预测网络,在所获取的字符空间位置信息特征图的基础上,进一步提升特征网络的表达能力,最终预测出车牌各个字符的准确位置。
3.根据权利要求2所述的基于空间位置信息的车牌字符分割方法,其特征在于:所述步骤S11中所采用的输入图像尺寸为512×256的RGB图像。
4.根据权利要求2所述的基于空间位置信息的车牌字符分割方法,其特征在于:所述快速下降网络包括卷积层conv0、最大值下采样层maxpool0、两个残差网络基础结构体resnetblock0和resnetblock1、合并层eltsum及卷积层conv2;
所述卷积层conv0的核尺寸是7×7,跨度是4×4;
所述最大值下采样层maxpool0核尺寸是2×2,跨度是2×2;
所述残差网络基础结构体包括卷积层convresnet0、convresnet1_0、convresnet1_1、convresnet1_2、
其中,所述卷积层convresnet0核尺寸是3×3,跨度是2×2,所述convresnet1_0核尺寸是1×1,跨度是1×1,所述卷积层convresnet1_0的作用是降低特征图通道数,减少后续卷积层的运算量;所述convresnet1_1核尺寸是3×3,跨度是2×2,所述卷积层convresnet1_2的核尺寸是1×1,跨度是1×1,卷积层convresnet1_2的作用是提升特征图通道数,增加特征丰富度;
所述合并层eltsum是两个输入特征图进行逐像素相加的合并层;
所述卷积层conv2是一个核尺寸是3×3,跨度是1×1的卷积层,其作用是进行合并特征融合。
5.根据权利要求2所述的基于空间位置信息的车牌字符分割方法,其特征在于:所述空间位置信息网络包括高度方向空间位置信息特征图heightcontext和宽度方向空间位置信息特征图widthcontext;
其中,宽度方向空间位置信息特征图获取步骤如下,设步骤S12的输出特征图尺寸是8×16×128:
具体包括:
S131、沿着宽度方向进行逐行切片,每一个切片特征图的尺寸是8×1×128,切片特征图的名称分别是cut0,cut1,cut2....cut15;
S132、使用128个核尺寸是3×128,跨度是1×1的卷积核对第一个切片特征图cut0进行卷积,得到的输出特征图cut0...
【专利技术属性】
技术研发人员:张卡,何佳,尼秀明,
申请(专利权)人:安徽清新互联信息科技有限公司,
类型:发明
国别省市:安徽;34
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。