一种确保车辆入场车牌识别率100%正确的方法技术

本发明专利技术涉及车牌识别技术领域，尤其为一种确保车辆入场车牌识别率100％正确的方法，其方法包括如下步骤：拍摄监控范围内的车辆，采集车辆图像，首先对获取的车牌图像进行预处理，随后对图像中的车牌进行定位，得到车牌图像，同时对车牌图像进行帧测处理，随后将车牌区域分割成车牌字符；本发明专利技术方法采用不同的算法对车牌进行二次识别，并能够对两次识别的结果进行对比，在结果不一致时进行人工识别，确保车牌识别的准确率，减少车场的经济损失，解决了目前在停车收费管理时，如果车牌角度比较大或出现其他物品影响的时候，易导致识别系统得出错误的识别结果，进而给车场带来经济损失和不便的问题。和不便的问题。和不便的问题。

【技术实现步骤摘要】
一种确保车辆入场车牌识别率100%正确的方法


[0001]本专利技术涉及车牌识别
，具体为一种确保车辆入场车牌识别率 100％正确的方法。

技术介绍

[0002]随着人民生活水平的提高和经济的发展，机动车的数量逐年增多，道路交通成为人们日益关注的问题。为了解决道路交通问题，车牌识别作为智能交通系统的基础部分，已广泛应用于交通管理、交通监控、治安监控、停车管理等场景，而车牌自动识别方法作为其关键技术则发挥着举足轻重的作用。
[0003]目前在停车收费管理时，如果车牌角度比较大，或者车牌上有脏污，或者光线和其他和车牌字符相似的物品影响的时候，导致系统得出错误的识别结果，进而给车场带来经济损失和不便，为此我们提出一种采用不同的算法对车牌进行二次识别，并能够对两次识别的结果进行对比，在结果不一致时进行人工识别，确保车牌识别准确率的方法来解决此问题。

技术实现思路

[0004]本专利技术的目的在于提供一种确保车辆入场车牌识别率100％正确的方法，以解决上述
技术介绍
中提出的问题。
[0005]为实现上述目的，本专利技术本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种确保车辆入场车牌识别率100％正确的方法，其特征在于：其方法包括如下步骤：(S1)：拍摄监控范围内的车辆，采集车辆图像，首先对获取的车牌图像进行预处理，随后对图像中的车牌进行定位，得到车牌图像，同时对车牌图像进行帧测处理，随后将车牌区域分割成车牌字符，定位好后把车牌区域中的每个车牌字符提取出来成为单个的车牌字符；(S2)：基于深度学习平台搭建一个卷积神经网络模型，从互联网中收集不同的车牌图像，将这些图像制成训练集，并使用训练集对卷积神经网络模型进行训练，得到训练好的卷积神经网络模型，使用该卷积神经网络模型对步骤(S1)中得到单个车牌字符进行识别，获得车牌的识别结果；(S3)：在第一次识别完成后，从采集到车牌的图像中，识别呈现车牌的图像区域，采用分割算法将车牌图像区域分割成多个待识别图像块；(S4)：构建FasterRCNN网络模型，并利用FasterRCNN网络模型来构建Back
‑
bone共享卷积网络，采用Back
‑
bone共享卷积网络对图像区域进行特征提取，得到图像区域的特征矩阵，将特征矩阵输入循环神经网络，以顺序识别出不同图像块的文本信息，同时将多个文本信息合并，得出车牌的识别结果；(S5)：将步骤(S2)和步骤(S4)中的车牌识别结果放在一起进行对比，两次识别的结果一致，则说明识别结果正确，如果两次识别的结果不一致，则将待识别的车牌图像上传，并由车场相关人员进行人工识别。2.根据权利要求1所述的一种确保车辆入场车牌识别率100％正确的方法，其特征在于：所述步骤(S1)中，对车牌图像进行预处理时，去除图像中的噪声，增强图像关键信息，同时减少图像处理的复杂度。3.根据权利要求1所述的一种确保车辆入场车牌识别率10...

【专利技术属性】
技术研发人员：刘巍，刘游彬，
申请(专利权)人：深圳市鼎元信息科技有限公司，
类型：发明
国别省市：