一种车牌角度矫正方法技术

一种车牌角度矫正方法，属于车牌矫正领域。本发明专利技术针对现有的车牌角度矫正需要依赖于二值图像、不能适应多种拍摄图像、因图像差异导致角度矫正的准确度低的缺陷，提供一种不依赖于二值图像、适应性广、准确度高的车牌角度矫正方法。本发明专利技术中，根据当前采集到的车牌图片制作训练数据和测试数据；建立车牌角度矫正的训练模型，采用训练数据对训练模型进行训练，直至模型的鲁棒性和运算速度达到预设阈值；将测试数据输入训练模型，训练模型自动识别测试数据中车牌的顶点坐标，训练模型将当前的顶点坐标进行处理，从而获取变换后的车牌平面矩形图。本发明专利技术主要用于识别车牌时对车牌角度的矫正。

【技术实现步骤摘要】
一种车牌角度矫正方法
本专利技术属于车牌矫正领域，具体涉及一种车牌角度矫正方法。
技术介绍
随着城市交通建设的不断进步，车牌识别在人们日常生活中经常见到，目前已成为智慧交通的重要组成部分。近年来车牌识别技术虽然发展迅速，但是受限于车辆的使用环境(光线较强或者较弱、车牌污染、雨雪大雾天气等)使得车牌识别的各个环节中始终存在一些问题，导致识别精度有限，其中车牌倾斜角度矫正可以在很大程度上提升车牌字符识别的准确率。在车牌识别中，因为拍摄设备不可能一直垂直于车牌拍摄，因此采集到的车牌经常会是带有一定的倾斜角度。对于倾斜角度较小的情况，可以使用传统的也是目前市场最多使用的方法，例如直线拟合(Hough)、random变换等。但是这些方法都比较依赖车牌的二值化数据。对于不同环境(雨雪天气、光线明亮、黑暗)影响下，对于车牌处理得到的二值图会有较大的差异。这种差异会直接影响车牌后续的识别。因此，就需要一种不依赖于二值图像、适应性广、准确度高的车牌角度矫正方法。
技术实现思路
本专利技术针对现有的车牌角度矫正需要依赖于二值图像本文档来自技高网...

【技术保护点】
1.一种车牌角度矫正方法，其特征在于，它包括以下步骤：/nS1、根据当前采集到的车牌图片制作训练数据和测试数据；/nS2、建立车牌角度矫正的训练模型，采用所述训练数据对所述训练模型进行训练，直至所述模型的鲁棒性和运算速度达到预设阈值；/nS3、将所述测试数据输入所述训练模型，所述训练模型自动识别所述测试数据中车牌的顶点坐标，所述训练模型将当前的顶点坐标进行处理，从而获取变换后的车牌平面矩形图。/n

【技术特征摘要】
1.一种车牌角度矫正方法，其特征在于，它包括以下步骤：
S1、根据当前采集到的车牌图片制作训练数据和测试数据；
S2、建立车牌角度矫正的训练模型，采用所述训练数据对所述训练模型进行训练，直至所述模型的鲁棒性和运算速度达到预设阈值；
S3、将所述测试数据输入所述训练模型，所述训练模型自动识别所述测试数据中车牌的顶点坐标，所述训练模型将当前的顶点坐标进行处理，从而获取变换后的车牌平面矩形图。


2.根据权利要求1所述的一种车牌角度矫正方法，其特征在于，所述S1包括以下步骤：
S11、将当前采集到的车牌图片进行定位，获取当前车牌的外接矩形，并得到所述外接矩形的高度、宽度和中心点的坐标；
S12、对所述外接矩形以中心点向外扩展，得到扩展矩形；
S13、对所述扩展矩形中的车牌的顶点进行标注，并定义顶点坐标；
S14、将上述标注好的车牌图片随机分成训练数据和测试数据。


3.根据权利要求1所述的一种车牌角度矫正方法，其特征在于，所述S2包括以下步骤：
S21、使用卷积神经网络建立车牌角度矫正的训练模型，形成网络结构；
S22、对所述训练数据进行预处理，生成标准数据；
S23、将所述标准数据进行灰度处理和高斯模糊处理后输入所述训练模型，所述网络结构的最后一层经激活函数输出结果；
S24、根据所述训练模型的预设值与所述激活函数的预测值计算损失函数。


4.根据权利要求3所...

【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