[发明专利]一种基于深度学习卷积神经网络的车牌检测识别方法

权利要求书

1.一种基于深度学习卷积神经网络的车牌检测识别方法，其特征在于，主要包括数据采集模块(一)；检测识别训练模块(二)；字符定位测试模块(三)。

2.基于权利要求书1所述的数据采集模块(一)，其特征在于，包括车牌检测数据采集和车牌识别数据采集两部分。

3.基于权利要求书2所述的车牌检测数据采集，其特征在于，构造一个具有车辆与背景场景可见的数据储存系统，自动归类真实世界中含有车牌的图像，同时在保持场景变化的条件下，采集原始车牌图像2万张自然不重复以达到训练系统具有鲁棒性。

4.基于权利要求书2所述的车牌识别数据采集，其特征在于，构造一个具有车辆与背景场景不可见的数据储存系统，即切割车牌区域同时剔除背景，同时在保持字体、内容变化的条件下，采集切割车牌图像2.5万张、车牌字符图像10万张和难分辨负样本图像10万张自然不重复以达到训练系统具有鲁棒性。

5.基于权利要求书1所述的检测识别训练模块，其特征在于，包括车牌检测系统训练和车牌识别系统训练两部分。

6.基于权利要求书5所述的车牌检测系统训练，其特征在于，对于给定图像，训练一个深度卷积神经网络用于定位并分类车牌，此时单独使用车牌检测数据集。

7.基于权利要求书5所述的车牌识别系统训练，其特征在于，对于给定图像，训练一系列深度网络用于字符识别，具体为：

(1)确认字符是否存在的检测：构造一个二元分类深度网络，使用字符块作为正样本、车牌背景及符号作为负样本进行训练，此网络能筛选掉非字符图像；

(2)进行字符的具体识别检测：当存在一个字符时，训练一个深度卷积神经网络，其中含有车牌首汉字32个(中国大陆各省、自治区、直辖市简称)、末汉字两个(香港与澳门特别行政区简称)、英文字母24个(除了I和O)、数字全部10个，使用车牌识别数据集进行训练，改变光照、字体、切割方向等条件以增强训练系统的鲁棒性。

8.基于权利要求书1所述的字符定位测试模块，其特征在于，包括车牌检测系统测试和车牌识别系统测试两部分。

9.基于权利要求书8所述的车牌检测系统测试，其特征在于，对于给定图像，首要确定当前图像是否包含一个或以上车牌，改变光照、可视角度、形状与背景等条件以增强测试系统的鲁棒性。

10.基于权利要求书8所述的车牌识别系统测试，其特征在于，一旦给定图像中检测出包含车牌，对车牌中的字符进行分割、独立，然后对单独的字符进行识别，同时为保证所有字符都能成功分割，设计一个多步骤的分割过程，从指定位置开始定位，各自分类，即汉字归汉字，英文字母归英文字母，数字归数字，再合并成结果。