【技术实现步骤摘要】
一种针对雾霾天气环境的自动车牌识别方法
[0001]本申请属于车牌识别
,更具体地说,是涉及一种针对雾霾天气环境的自动车牌识别方法。
技术介绍
[0002]随着智慧交通的不断发展以及机动车数量的迅速增长,车牌识别技术已经成为实现智慧交通必不可少的一环,并且在停车场管理,高速公路收费,违章拍照等任务中发挥着非常重要的作用。现有的车牌识别算法大致可分为传统方法和基于深度学习的方法。传统车牌识别算法通常使用基于图像处理的算法来进行车牌的定位和识别,识别准确率较低,并且仅适用单一场景。
[0003]近年来,随着机器学习技术的发展,基于深度学习模型的车牌识别算法在稳定性和识别准确率方面都有了很大程度上的提升。然而,由于车牌识别的应用场景较为复杂,目前的车牌识别技术在雾霾等恶劣气象环境的干扰下,仍存在识别准确率低,鲁棒性差等问题,因此,雾霾天气环境下车牌识别准确率低的问题是目前亟待解决的重点问题。
技术实现思路
[0004]为实现上述目的,本申请采用的技术方案是:提供一种针对雾霾天气环境的自动车牌识别方法,首先上传雾霾天气环境下的有雾车辆图像,然后使用训练好的雾霾图像预处理模块对有雾车辆图像进行去雾处理,再采用车牌定位模块进行车牌定位,最后将定位出来的车牌输入到车牌识别模块进行车牌字符识别,并且输出识别结果。
[0005]可选地,包括以下步骤:
[0006]步骤一,开始;
[0007]步骤二,在雾霾图像预处理模块对采集的有雾车辆图像进行去雾处理之前,首先对清晰无雾车牌图片进行 ...
【技术保护点】
【技术特征摘要】
1.一种针对雾霾天气环境的自动车牌识别方法,其特征在于:首先上传雾霾天气环境下的有雾车辆图像,然后使用训练好的雾霾图像预处理模块对有雾车辆图像进行去雾处理,再采用车牌定位模块进行车牌定位,最后将定位出来的车牌输入到车牌识别模块进行车牌字符识别,并且输出识别结果。2.如权利要求1所述的一种针对雾霾天气环境的自动车牌识别方法,其特征在于:包括以下步骤:步骤一,开始;步骤二,在雾霾图像预处理模块对采集的有雾车辆图像进行去雾处理之前,首先对清晰无雾车牌图片进行加雾处理,批量生成与真实雾霾天气环境下的车辆图像类似的图片,并与原始清晰无雾车牌图像成对组合成训练集,作为Cycle GAN去雾模型的输入对模型进行训练;上传雾霾天气下的有雾车辆图像至雾霾图像预处理模块,使用训练好的Cycle GAN去雾模型对上传的有雾车辆图像进行去雾处理;步骤三,经过图像去雾网络,去除雾霾天气的干扰,生成清晰无雾的车辆图像,将该图像输入到基于YOLOv5的车牌定位模块进行车牌定位;步骤四,车牌定位模块将定位出来的车牌输入到车牌识别模块中,车牌识别模块使用LPRNet网络进行端到端的车牌字符识别;步骤五,结束。3.如权利要求2所述的一种针对雾霾天气环境的自动车牌识别方法,其特征在于:步骤二中,Cycle GAN去雾模型包括两个镜像对称的生成式对抗网络,每个生成式对抗网络包括两个鉴别器和两个生成器。4.如权利要求3所述的一种针对雾霾天气环境的自动车牌识别方法,其特征在于:Cycle GAN去雾模型用于进行有雾车牌图片到无雾车牌图片的变换;设有雾图像为X域,无雾图像为Y域;生成器一负责通过X域图片来生成Y域图片,生成器二负责通过Y域的图片来生成X域的图片;两个鉴别器需要判别输入图像是X域还是Y域;生成器尝试通过原域的图片学习到生成目标域的映射,鉴别器判断,在生成器和鉴别器对抗的过程中,使生成器生成的图片越来越接近真实的目标域图片。5.如权利要求4所述的一种针对雾霾天气环境的自动车牌识别方法,其特征在于:生成式对抗网络为了保留生成器生成的目标域图片在某些特征上与原域的图片相似,又将生成的假的目标域的图片还原回原域,并进行损失函数计算,损失函数为对抗性损失函数和循环一致性损失函数;对抗性损失函数,为学习原域与目标域之间的映射关系,用来保证图像从有雾图像映射到无雾图像,抗性损失函数如公式(1)所示:其中,x和y分别代表来自X域和Y域的图像,Gxy为负责从x域生成y域图像的生成器,Dy为鉴别器;
循环一致性损失函数,能够保证在图像域转换的过程中保留原图像在原域中的相应特征,循环一致性损失函数如公式(2)所示:其中,x和y分别代表来自X域和Y域的图像,Gxy为负责从x域生成y域图像的生成器,Gyx为负责从y域生成x域图像的生成器;完整的损失函数是两个损失函数的总和,如公式(3)所示:ψ(G
xy
,G
yx
...
【专利技术属性】
技术研发人员:王瑶,王佰玲,王家彬,王巍,王孝朋,
申请(专利权)人:威海天之卫网络空间安全科技有限公司,
类型:发明
国别省市:
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。