[发明专利]基于神经网络的车牌识别系统及识别方法

权利要求书

1.基于神经网络的车牌识别方法，其特征在于，所述方法包括如下步骤：学习模型搭建、车牌识别；

所述学习模型搭建包括如下步骤：

A)将预存的车牌号输入至系统中，并将车牌号进行生成不同底色车牌照片，同时生成多角度的车牌照片形态；

B)将所有不同角度的车牌照片形态进行字符切割，将字符切割为前两位字符、及后五位或六位字符，将车牌照片的角度作为一级索引指令，将前两位字符作为及后面字符的数量作为二级索引指令，将每一个生成的照片进行生成峰群特点，将峰群特点作为三级索引指令；

C)将车牌号所生成的一级索引指令、二级索引指令及三级指令存至存储单元中；

所述车牌识别包括如下步骤：

A)将获得图像进行预处理，包括二值化、降噪、图像增强及边缘检测；

B)对车牌进行定位，提取车牌图像；

C)对提取的车牌图像进行二值化处理，查找倾斜的角度，将查找后的角度进行一级索引，索引后获得指定角度的一级索引指令下的照片库，

D)采用基于字符连通域宽度检测和先验知识相结合的方法进行车牌字符切割，将字符切割为前两位字符，及后五位或六位字符，切割后根据二级索引进行前两位字符的二级索引及匹配；

E)获取照片中字符的峰值特点进行三级索引，索引后进行匹配，匹配后，判断该图像是否在存储单元内，并执行相应的打开门禁的动作。

2.基于神经网络的车牌识别方法，其特征在于，学习模型搭建、车牌识别、学习模型优化；

所述学习模型搭建包括如下步骤：

A)将预存的车牌号输入至系统中，并将车牌号进行生成不同底色车牌照片，同时生成多角度的车牌照片形态；

B)将所有不同角度的车牌照片形态进行字符切割，将字符切割为前两位字符、及后五位或六位字符，将车牌照片的角度作为一级索引指令，将前两位字符作为及后面字符的数量作为二级索引指令，将每一个生成的照片进行生成峰群特点，将峰群特点作为三级索引指令；

C)将车牌号所生成的一级索引指令、二级索引指令及三级指令存至存储单元中；

所述学习模型优化包括如下步骤：

A)采集照片获取时间，并生成相应的识别初级索引指令，所述初级索引指令将进行二级索引指令及三级索引指令的优先权分配；

所述车牌识别包括如下步骤：

A)将获得图像进行预处理，包括二值化、降噪、图像增强及边缘检测；

B)对车牌进行定位，提取车牌图像；

C)对提取的车牌图像进行二值化处理，查找倾斜的角度，将查找后的角度进行一级索引，索引后获得指定角度的一级索引指令下的照片库，

D)采用基于字符连通域宽度检测和先验知识相结合的方法进行车牌字符切割，将字符切割为前两位字符，及后五位或六位字符，切割后根据二级索引进行前两位字符的二级索引及匹配；

E)获取照片中字符的峰值特点进行三级索引，索引后进行匹配，匹配后，判断该图像是否在存储单元内，并执行相应的打开门禁的动作。

3.根据权利要求1或2的基于神经网络的车牌识别方法，其特征在于，所述车牌识别的步骤B)中包括：

B1)对预处理后的图像进行小波变换，分级提取图像的边缘；

B2)形态化处理，对车牌轮廓进行初步定位；

B3)筛选车牌区域和伪车牌区域；

B4)采用投影法进行二次定位。

4.基于神经网络的车牌录入方法，其特征在于，

A)将获得图像进行预处理，包括二值化、降噪、图像增强及边缘检测；

B)对车牌进行定位，提取车牌图像；

C)对提取的车牌图像进行二值化处理，查找倾斜的角度，采用改进坐标变换的方法对车牌进行倾斜扶正；

D)采用基于字符连通域宽度检测和先验知识相结合的方法进行车牌字符切割，将字符切割为前两位字符，及后五位或六位字符，将前两位字符存储为二级索引指令，将后五位或六位的字符进行峰值特点记录。