一种基于轮廓检测和深度神经网络的车牌识别系统技术方案

本发明专利技术公开了一种基于轮廓检测和深度神经网络的车牌识别系统，涉及安防监控的技术领域。其技术要点是：该系统由预处理、定位、倾斜校正和识别四部分组成，定位包括初步定位和精准定位，本发明专利技术具有的优点：通过两次轮廓检测分别完成对车牌的初步定位和精准定位，对于精准定位的车牌校正其角度后，完整地输入到后续的深度神经网络直接对车牌上的所有文字进行识别。该系统使用的定位系统有效地降低了计算量，节省了算力资源，而识别系统在提高了识别精度和识别效率的同时，又成功规避了文字分割对识别带来的负面影响。对识别带来的负面影响。对识别带来的负面影响。

【技术实现步骤摘要】
一种基于轮廓检测和深度神经网络的车牌识别系统


[0001]本专利技术涉及安防监控的
，具体为一种基于轮廓检测和深度神经网络的车牌识别系统。

技术介绍

[0002]车牌识别是计算机视觉和模式识别在智能交通领域的重要应用之一，该技术应用范围广泛，涵盖交通流量检测，出入口车辆管理，违章车辆监控，车辆安全防盗管理等。该项技术的任务是从图像中找到车牌所在区域，并识别出区域内的文字。一个完整的车牌识别系统通常由预处理，车牌定位，文字识别三个步骤组成，其中车牌定位和字符识别是该系统的关键。
[0003]当下，车牌定位系统通常使用基于颜色信息的图像分割或者基于深度神经网络的检测器，两种系统在各种复杂场景下均能保持较高的定位精度，但前者的计算量大，定位效率低下，而后者虽然效率较高，但需要投入大量的时间和人力用于数据搜集和前期的训练调参。文字识别一般先对检测到的车牌进行水平、垂直投影，根据投影得到的像素分布将车牌号逐一分割成单个文字，随后经过分割后的文字输入到分类器中，由分类器对每个文字进行辨识。由于文字是后续识别单个文字的关键，因此分割的正确与否直本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于轮廓检测和深度神经网络的车牌识别系统，其特征在于，该系统由预处理、定位、倾斜校正和识别四部分组成，所述定位包括初步定位和精准定位：预处理：首先将原始图像转换为灰度图，随后使用低通滤波消除图像中的噪声，接着对降噪后的图像进行边缘检测，并生成有原图中的各种轮廓信息构成的二值图；初步定位：检测二值图中的外层轮廓，获取每一个外层轮廓的像素点坐标集合，根据得到的坐标集合绘制轮廓的外接正矩形，这些外接正矩形包围的区域被视为车牌所在区域的初步定位；精准定位：根据初步定位的车牌区域从原始图像中裁剪出对应的子图，并基于RGB颜色空间对于每一张子图进行映射，首先遍历图中的像素点，用像素值中一种基色分量的两倍减去剩余两种基色分量，并将结果与事先定义的阈值进行比较，随后将所有的子图变换成灰度图，生成新的二值图像；检测上述二值图像内的轮廓，并对检测到的每一个轮廓计算对应最小外接矩形以及最小外接矩形的宽高比和相对于所在二值图像所占的像素比例，从每张子图内筛选出满足宽高比在2.7～3.5之间且像素数量占所在二值图像50％以上面积最小的外接矩形，作为车牌所在区域的精准定位；倾斜校正：根据上述保留的最小外接矩形的中心坐标，宽高和倾斜角度，计算...

【专利技术属性】
技术研发人员：王伟栋，
申请(专利权)人：上海悠络客电子科技股份有限公司，
类型：发明
国别省市：