[发明专利]基于人工神经网络的车牌识别学习方法及系统

说明书

本发明提供了一种基于人工神经网络的车牌识别学习方法及系统，包括：将每个车牌识别仪作为人工神经元，通过网络组成车牌识别系统的人工神经网络，对车牌识别仪给出样本车牌进行学习得到经验表，根据所述经验表预测识别结果；通过回归分析，了解统一车牌的多个字符或者多个车牌的多个字符是否相关、相关方向与强度，建立数学模型；通过验证目标车牌，调整数学模型的反应变数与解释变数；通过分类分析，根据已知样本车牌的特征，判断新的样本车牌属于哪种已知的样本类，通过计算选择特征参数，建立判别函数，对样本车牌进行分类。本发明能够准确识别车辆的有效身份，减少了对识别距离和环境的要求，节约安装维护成本。

技术领域

本发明涉及车辆识别技术领域，具体地，涉及一种基于人工神经网络的车牌识别学习方法及系统。

背景技术

在现行的车牌识别系统中，车牌在晴天和阴雨、下雪天气视觉上是不一样的，同时，车牌本身种类较多，形状、颜色、尺寸等都各有不同，拍摄点的距离不同、拍摄角度不同都会影响到最终车牌结果。

机器学习是人工智能的一个分支。学习算法中涉及了大量的统计学、逼近论、凸分析、计算复杂性理论等多门学科。神经网络由大量的人工神经元联结进行计算。神经网络中的神经元连接的权重和神经元的激励值是变化的；激励函数定义神经元如何根据其他神经元的活动来改变自己的激励值；学习规则指定了网络中的权重如何随着时间推进而调整。

如何对行车牌识别进行机器学习，实现全天候条件、不同安装环境条件下对不同车牌进行准确识别是本领域急需解决的技术问题。

发明内容

针对现有技术中的缺陷，本发明的目的是提供一种基于人工神经网络的车牌识别学习方法及系统。

根据本发明提供的一种基于人工神经网络的车牌识别学习方法，包括步骤：

人工神经网络组建步骤：将每个车牌识别仪作为人工神经元，通过网络组成车牌识别系统的人工神经网络，对车牌识别仪给出样本车牌进行学习得到经验表，根据所述经验表预测识别结果；

数学模型建立步骤：通过回归分析，了解统一车牌的多个字符或者多个车牌的多个字符是否相关、相关方向与强度，建立数学模型；

数学模型调整步骤：通过验证目标车牌，调整数学模型的反应变数与解释变数；

分类分析步骤：通过分类分析，根据已知样本车牌的特征，判断新的样本车牌属于哪种已知的样本类，通过计算选择特征参数，建立判别函数，对样本车牌进行分类。

较佳的，还包括：

权重调整步骤：指定车牌识别仪连接的权重，同一场地的车牌识别仪相互之间的连接权重高于不同场地的车牌识别仪之间的连接权重。

较佳的，还包括：

激励值调整步骤：根据车流量调整车牌识别仪的激励值，车牌识别仪的激励值随车流量的增加而增加，随车流量的降低而减少。

根据本发明提供的一种基于人工神经网络的车牌识别学习系统，包括：

人工神经网络组建模块：将每个车牌识别仪作为人工神经元，通过网络组成车牌识别系统的人工神经网络，对车牌识别仪给出样本车牌进行学习得到经验表，根据所述经验表预测识别结果；

数学模型建立模块：通过回归分析，了解统一车牌的多个字符或者多个车牌的多个字符是否相关、相关方向与强度，建立数学模型；

数学模型调整模块：通过验证目标车牌，调整数学模型的反应变数与解释变数；

分类分析模块：通过分类分析，根据已知样本车牌的特征，判断新的样本车牌属于哪种已知的样本类，通过计算选择特征参数，建立判别函数，对样本车牌进行分类。

较佳的，还包括：