[发明专利]基于神经网络的车牌识别系统及识别方法

说明书

本发明涉及一种基于神经网络的车牌识别方法，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：将预存的车牌号输入至系统中，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：对图像预处理后，通过神经网络处理单元进行一级索引、二级索引及三级索引后，对照片进行识别判断。本发明的有益效果为：本发明所提供的车辆识别系统及识别方法，能够实现快速的识别，其识别的时间一般维持在0.1s‑0.3s，大大缩短了等待的时间。

技术领域

本发明涉及车牌技术领域，具体涉及一种基于神经网络的车牌识别系统及识别方法。

背景技术

随着我国经济的高速发展，人民生活水平的不断提高，私有车辆原来越多，交通需求量也越来越大，现有的交通基础设施建设速度远远跟不上机动车辆和其他交通工具的增长速度，传统的人工管理方式已经越来越不能满足实际工作的需求，如何将安全可靠快捷的车辆进行监控，为人类提供高科技带来的便捷、时尚、安全的现代生活，成为了一个全新的客体，在此背景下，智能交通的理念迎来了发展机遇。

智能交通前景十分广阔，随着我国城市化进程的加快和汽车销量的大幅攀升，城市堵车日趋严重，给人们生活带来了诸多不变，并产生大量的气体排放，交通事故频繁，在此背景下，政府加大力度投入智能交通迫在眉睫，智能交通行业规模也越来越大，从长期来看，智能交通的发展如汽车监控、车辆智能识别、实时路况等将成为智能交通的主要内容。

车辆拍照是全世界唯一对车辆身份识别的标记，尽管拍照的字符、颜色、格式内容和制作材料会多种多样，但是车辆拍照仍是全球范围内最为精准和特定的识别标志，因此，车牌识别技术在交通系统管理中有着十分重要的作用，然而目前的车辆识别技术的识别速度慢，仍然导致着在进入指定停车位的时候，需要较多的等待时间。

发明内容

为了有效解决上述问题，本发明提供一种基于神经网络的车牌识别系统及识别方法。

本发明的具体技术方案如下：基于神经网络的车牌识别方法，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。

基于神经网络的车牌识别方法，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；