一种自然场景下的车牌自动识别方法技术

本发明专利技术涉及一种自然场景下的车牌自动识别方法，包括车辆检测、车牌检测和字符识别三个步骤。首先对给定的输入图像，运用YOLOv3算法进行车辆检测，然后对检测得到的车辆，运用变形平面目标检测网络WPOD‑NET搜索车牌，并用仿射变换参数矫正扭曲车牌为正面视图的矩形；最后将车牌输入LPRNET网络，识别可变长度的车牌字符。本发明专利技术在自然场景中考虑给定图像的倾斜和质量不佳，级联的模型数量较少，且能够识别可变长度的车牌，有较好的实用性。

【技术实现步骤摘要】
一种自然场景下的车牌自动识别方法
本专利技术涉及数字图像处理
，特别是涉及在自然场景下进行车牌自动识别中，级联的车辆检测、车牌检测、字符识别算法。
技术介绍
车牌自动识别是对采集图像中出现的车辆进行车辆检测、车牌检测、车牌矫正、字符分割、字符识别等操作，将图像信息转换为字符信息，以识别车辆身份。近年来，车牌自动识别系统在交通相关的场景中得到广泛应用，例如被盗车辆的检测、收费控制、交通管理、数字安全监控以及大城市停车场停车管理领域。目前，优化车牌自动识别系统成为了研究热点。并行处理和深度学习的最新进展改进了许多计算机视觉任务，深度卷积神经网络(CNN)已成为车辆检测、车牌检测、光学字符识别(OCR)的先进机器学习技术，并使自动车牌识别系统得到优化。此外，一些商业的自动车牌识别系统(Sighthound、OpenALPR、AmazonRekognition)也在探索深度学习方法，它们通常部署在庞大的数据中心，通过网络服务工作，每天能够处理数千到数百万的图像，并不断得到改进。当前大多数车牌自动识别系统以监控方式采集了车辆的正面视本文档来自技高网...

【技术保护点】
1.一种自然场景下的车牌自动识别方法，其特征在于，包括以下步骤：/n(1)车辆检测：首先对给定的输入图像，运用YOLOv3算法进行车辆检测；/n(2)车牌检测：然后对检测得到的车辆，运用变形平面目标检测网络搜索车牌，并用仿射变换参数矫正扭曲车牌为正面视图的矩形，得到矫正后的车牌图像；/n(3)字符识别：最后将车牌图像输入LPRNET网络，对矫正后的车牌图像进行字符识别，识别出可变长度的车牌字符。/n

【技术特征摘要】
1.一种自然场景下的车牌自动识别方法，其特征在于，包括以下步骤：
(1)车辆检测：首先对给定的输入图像，运用YOLOv3算法进行车辆检测；
(2)车牌检测：然后对检测得到的车辆，运用变形平面目标检测网络搜索车牌，并用仿射变换参数矫正扭曲车牌为正面视图的矩形，得到矫正后的车牌图像；
(3)字符识别：最后将车牌图像输入LPRNET网络，对矫正后的车牌图像进行字符识别，识别出可变长度的车牌字符。


2.根据权利要求1所述的自然场景下的车牌自动识别方法，其特征在于：步骤(1)中，选择经典目标检测算法YOLOv3对给定图像中的车辆进行检测，保留车辆相关的类别，删除其他类别，YOLOv3模型不进行修改。


3.根据权利要求1所述的自然场景下的车牌自动识别方法，其特征在于：步骤(2)中，运用变形平面目标检测...

【专利技术属性】
技术研发人员：黄益平，张晓林，杨剑锋，李雪，张陈欢，刘惟锦，
申请(专利权)人：北京航天长峰科技工业集团有限公司，
类型：发明
国别省市：北京;11