【技术实现步骤摘要】
一种基于上下文信息的车牌字符识别方法
本专利技术涉及车牌识别
，尤其涉及一种基于上下文信息的车牌字符识别方法。
技术介绍
车牌识别是智能交通的核心技术，包含了三个大部分：车牌位置检测，车牌字符分割，车牌字符识别。其中，车牌字符识别是整个技术最重要的一部分，车牌字符识别引擎的质量，直接决定车牌识别技术的整体性能。车牌字符识别是指对于已经精确分割的单个车牌字符，识别出其真实的字母意义，常用的方法有以下几类：(1)基于全局特征的方法，该类特征采用全局变换来获取字符的整体特征，使用有序的整体特征或者子集特征来构成特征向量，常见的特征有GABOR变换特征、矩特征、投影特征、笔划密度特征、HARR特征、HOG特征等。这些特征的优点是对局部变化不敏感，抗干扰能力强；其缺点是容易忽略某些重要的局部特征，无法区分相似的字符。(2)基于局部特征的方法，该类特征是在字符的多个局部区域内，计算相应的特征，使用串联的有序局部特征构成最终的特征向量，主要特征包括局部灰度直方图特征、LBP特征、穿线特征、SIFT特征等。该类...
【技术保护点】
1.一种基于上下文信息的车牌字符识别方法，其特征在于，包括：/n构建深度神经网络模型，该深度神经网络模型包括快速提取特征网络、上下文信息网络和识别网络，快速提取特征网络、上下文信息网络和识别网络依次连接；/n通过获取的车牌字符训练样本图像集合，训练所述深度神经网络模型；/n通过训练后的深度神经网络模型，对待识别的车牌图像进行识别。/n
【技术特征摘要】
1.一种基于上下文信息的车牌字符识别方法，其特征在于，包括：
构建深度神经网络模型，该深度神经网络模型包括快速提取特征网络、上下文信息网络和识别网络，快速提取特征网络、上下文信息网络和识别网络依次连接；
通过获取的车牌字符训练样本图像集合，训练所述深度神经网络模型；
通过训练后的深度神经网络模型，对待识别的车牌图像进行识别。
2.根据权利要求1所述的基于上下文信息的车牌字符识别方法，其特征在于，所述快速提取特征网络包括卷积层conv0、残差网络基础结构体resnetblock0和残差网络基础结构体resnetblock1；
卷积层conv0的输入连接到输入的车牌图像上，卷积层conv0的输出接入残差网络基础结构体resnetblock0的输入，残差网络基础结构体resnetblock0的输出接入残差网络基础结构体resnetblock1的输入，残差网络基础结构体resnetblock1的输出接入上下文信息网络输入。
3.根据权利要求2所述的基于上下文信息的车牌字符识别方法，其特征在于，所述残差网络基础结构体resnetblock0或残差网络基础结构体resnetblock1均包括卷积层convresnet0、卷积层convresnet1_0、卷积层convresnet1_1、convresnet1_2、合并层eltsum和卷积层conv2；
卷积层convresnet0的输入和卷积层convresnet1_0的输入均连接到该残差基础结构体的输入特征层，卷积层convresnet1_0的输出连接到卷积层convresnet1_1的输入，卷积层convresnet1_1的的输出连接到convresnet1_2的输入，convresnet1_2的输出和卷积层convresnet0的输出均连接到合并层eltsum的输入，合并层eltsum的输出连接到卷积层conv2的输入。
4.根据权利要求3所述的基于上下文信息的车牌字符识别方法，其特征在于，所述上下文信息网络包括高度方向上下文信息特征图heightcontext、宽度方向上下文信息特征图widthcontext和综合上下文信息特征图fullcontext；
残差网络基础结构体resnetblock1的输出被分成3路，一路连接到高度方向上下文信息特征图heightcontext的输入，一路连接到宽度方向上下文信息特征图widthcontext输入，最后一路分别与高度上下文信息特征图heightcontext的输出、宽度方向上下文信息特征图widthcontext的输出连接到综合上下文信息特征图fullcontext的输入，综合上下文信息特征图fullcontext的输出连接到识别网络的输入。
5.根据权利要求4所述的基于上下文信息的车牌字符识别方法，其特征在于，所述高度方向上下文信息特征图heightcontext的获取步骤如下：
S1...
【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。