一种分割车牌字符的方法技术

本发明专利技术公开了一种分割车牌字符的方法，属于车牌识别领域，该方法包括物体检测、卷积神经网络回归预测、归一化处理、色彩转换处理、二值化处理、轮廓检测、边界定位和切割步骤。该分隔车牌字符方法通过车牌定位、角度矫正、图像归一化等步骤，根据车牌字符宽度、高度的设定的阈值，对字符位置进行确定，大大提高了车牌字符分割的精度，为后续的车牌字符识别提供了保证。

A method of segmentation of license plate characters

【技术实现步骤摘要】
一种分割车牌字符的方法
本专利技术属于车牌识别
，具体涉及一种分割车牌字符的方法。
技术介绍
目前基于深度学习的车牌识别的传统做法大部分采用字符分割然后通过神经网络对分割后的字符进行识别。由于车牌拍摄存在一定角度，字符边界定位不准确等因素，造成分割精度不高，对后续识别的过程造成干扰，导致整体识别精度下降，影响车牌汉字识别的精度。
技术实现思路
本专利技术的目的在于提供一种分割车牌字符的方法，以解决上述
技术介绍
中提出的问题。为实现上述目的，本专利技术提供如下技术方案：一种分割车牌字符的方法，该方法包括如下步骤：S1、利用训练好的车牌检测模型进行车牌粗略定位，得到车牌图片；S2、将上述得到的车牌图片经过卷积神经网络(CNN)回归计算，前向传播一次，得到车牌各顶点坐标；S3、利用车牌四个顶点的坐标，通过仿射变换进行角度矫正，得到车牌的正视图；S4、归一化处理—将定位后的车牌图片调整为统一的尺寸大小；S5、色彩转换处理—将S4中经过归一化处理的彩色图转换为单通道的灰度图；本文档来自技高网...

【技术保护点】
1.一种分割车牌字符的方法，其特征在于，该方法包括如下步骤：/nS1、利用训练好的车牌检测模型进行车牌粗略定位，得到车牌图片。/nS2、将上述车牌图片输入另一个已经训练好的CNN回归模型，进行CNN的一次前向传播，经过连续卷积、池化运算，输出得到车牌四个顶点的坐标。/nS3、利用车牌四个顶点的坐标，通过仿射变换进行角度矫正，得到车牌的正视图。/nS4、将车牌正视图再进一步归一化处理：调整为统一的尺寸大小；/nS5、色彩转换处理—将S4中经过归一化处理的彩色图转换为单通道的灰度图；/nS6、二值化处理—利用高斯滤波对经过S5处理的灰度图进行滤波操作并进行二值化处理，得到二值图；/nS7、轮廓检测...

【技术特征摘要】
1.一种分割车牌字符的方法，其特征在于，该方法包括如下步骤：
S1、利用训练好的车牌检测模型进行车牌粗略定位，得到车牌图片。
S2、将上述车牌图片输入另一个已经训练好的CNN回归模型，进行CNN的一次前向传播，经过连续卷积、池化运算，输出得到车牌四个顶点的坐标。
S3、利用车牌四个顶点的坐标，通过仿射变换进行角度矫正，得到车牌的正视图。
S4、将车牌正视图再进一步归一化处理：调整为统一的尺寸大小；
S5、色彩转换处理—将S4中经过归一化处理的彩色图转换为单通道的灰度图；
S6、二值化处理—利用高斯滤波对经过S5处理的灰度图进行滤波操作并进行二值化处理，得到二值图；
S7、轮廓检测—将S6中得到的二值图进行外轮廓检测，得到所有字符外轮廓和外轮廓的上下边界值；
S8、将S7中得到的轮廓按照轮廓位置坐标的X轴方向进行排序；
S9、切割—根据S8中排序得到的汉字上下左右边界值，对汉字部分进行切割，得到汉字部分图片；
S10、分割数字和字母字符，得到最...

【专利技术属性】
技术研发人员：李庆民，卢存盟，
申请(专利权)人：创泽智能机器人集团股份有限公司，
类型：发明
国别省市：山东;37