[发明专利]一种监控场景下车牌字符分割与识别方法

说明书

本发明涉及一种监控场景下车牌字符分割与识别方法，包括以下步骤：步骤S1：对车牌字符图像进行分类，为显式特征分类器和隐式特征分类器的训练做好准备；步骤S2：输入车牌图像；步骤S3：对车牌图像采用投影分割法和连通域法相结合的字符分割方法进行字符分割；步骤S4：采用显式特征分类器和隐式特征分类器相融合的方法对车牌字符进行识别。本发明采用投影分割法和连通域法相结合的方法来改善车牌字符分割的效果，针对车牌字符识别特征考虑单一的问题，提出了基于显式特征分类器与隐式特征分类器融合的方法，能够结合两者在特征提取上的优势，从而改善字符识别的效果。

技术领域

本发明涉及模式识别与计算机视觉领域，特别是一种监控场景下车牌字符分割与识别方法。

背景技术

随着平安中国建设步伐的加快，监控摄像头分布越来越广，摄像头的分辨率越来越高，直接使用这些遍布大街小巷的监控环境与使用标准卡口的车辆图像采集装置相比，带来了一些新的挑战。传统的车牌识别系统在公路收费、停车场等方面运用广泛，但大多数的运用场景都需要一些特殊硬件设备的支持，如地感线圈，一次只能对一辆车进行识别，识别速度慢，且图像传输大多采用模拟信号，图像层次感不强，对比度较差，为了保证分辨率往往不能采集到车辆全景，从而导致不能满足刑侦、治安的相关业务要求。监控环境场景下基于动态视频流的车牌检测与识别系统无需安装其它硬件设备，能够同时对图像中的多个车牌进行检测，不受硬件和环境的制约，效率高，能够对多帧视频图像分别进行识别，选择置信度最高的作为最终结果，从而降低单帧图像对识别结果的影响，识别准确率较高。但基于监控环境场景下的车牌检测系统也面临着许多挑战，例如车牌角度变化大，长期使用的摄像头表面附着的尘埃会使采集到的图像模糊，噪点增多。这些都给车牌字符识别带来了巨大挑战。近年来，随着计算机图像处理、人工智能、模式识别、视频传输等技术的不断发展，基于动态视频流的车牌算法在犯罪侦查、交通事故快速处理等社会生活中获得越来越广泛的应用。

虽然国内外学者也纷纷对此展开了研究，提出了一些高水平和使用性强的车牌字符分割与识别算法，但是仍然存在字符分割效果不理想，车牌字符识别特征考虑单一的问题。垂直投影分割法算法简单，速度快，但对噪声较为敏感，对车牌字符不连通的情况效果较差；连通域法对字符形变、光照、天气环境不敏感，但是对字符不连通的情况效果比较不理想。因此我们采用投影分割法和连通域法相结合的方法来改善车牌字符分割的效果。针对字符识别特征考虑单一，识别准确率不高的情况，我们采用显式特征分类器与隐式特征分类器相融合的方法。基于先验知识的人工提取到的显式特征具有较强的针对性，但提取到的特征一般为浅层的特征，且特征提取太过依赖人的经验和主观意识，提取到的特征的不同对分类性能影响很大，甚至提取的特征的顺序也会影响最后的分类性能，而基于卷积神经网络(CNN)等机器自学习的特征能够自动学习图像深层次的特征，避免了人工对显式特征进行选择，自动从训练数据中学习特征。隐式特征提取能够降低特征选择对分类器的影响，但特征提取的可解释性较差，特征选择完全依赖于模型的选择。本文的方法能够结合两者在特征提取上的优势，从而改善字符识别的效果。

发明内容

有鉴于此，本发明的目的是提供一种监控场景下车牌字符分割与识别方法，以克服现有技术中存在的缺陷。

本发明采用以下方案实现：一种监控场景下车牌字符分割与识别方法，包括以下步骤：

步骤S1：对车牌字符图像进行分类，为显式特征分类器和隐式特征分类器的训练做好准备；

步骤S2：输入车牌图像；

步骤S3：对车牌图像采用投影分割法和连通域法相结合的字符分割方法进行字符分割；

步骤S4：采用显式特征分类器和隐式特征分类器相融合的方法对车牌字符进行识别。

进一步地，在所述步骤S3中，通过如下步骤对车牌字符进行分割：