[发明专利]基于粒子群算法优化神经网络的车牌识别系统及方法

说明书

本发明揭示了一种基于粒子群算法优化神经网络的车牌识别系统及方法，所述车牌识别系统包括：车牌定位模块、字符识别预处理模块、车牌识别模块；所述车牌定位模块包括：车牌字符初步定位单元、真实车牌获取单元、车牌铆钉去除单元、字符轴线确定单元；字符识别预处理模块包括二值化单元、倾斜校正单元、归一化处理单元；所述车牌识别模块包括粒子群学习单元、动态优化神经网络单元、识别单元。本发明提出的基于粒子群算法优化神经网络的车牌识别系统及方法，采用粒子群算法优化神经网络，动态优化神经网络的权值和隐层神经元个数，提高车牌识别精度和识别速度。

技术领域

本发明属于车牌识别技术领域，涉及一种车牌识别系统，尤其涉及一种基于粒子群算法优化神经网络的车牌识别系统；同时，本发明还涉及一种车牌识别方法。

背景技术

随着社会经济的发展,人民生活水平的不断提高,私人拥有机动车辆的数量迅速增加,车辆普及成为必然的趋势。在此情况下,仅仅依靠大力发展交通设施己不能解决交通拥挤、交通事故频发、环境污染加剧等问题。车辆牌照识别,技术是智能交通系统中的一个重要环节,它在交通监视和控制中占有很重要的地位,车辆牌照识别技术作为交通信息服务系统的重要手段,其任务是分析处理车辆图像,自动识别汽车牌号码。为了避免人工干预所带来的弊端,提高管理效率,对车辆牌照自动识别系统的需求和标准的要求越来越高。

目前,基于数字图像处理和模式识别的方法是车牌自动识别中最为常用和最为有效的方法。传统的基于神经网络的车牌识别采用BP算法优化神经网络权值，再进行车牌识别。由于BP算法学习效率低，同时无法优化神经网络隐层节点数，导致车牌识别率不高等问题。

有鉴于此，如今迫切需要设计一种新的车牌识别系统，以便克服现有车牌识别系统存在的上述缺陷。

发明内容

本发明所要解决的技术问题是：提供一种基于粒子群算法优化神经网络的车牌识别系统，采用粒子群算法优化神经网络，动态优化神经网络的权值和隐层神经元个数，提高车牌识别精度和识别速度。

此外，本发明还提供一种基于粒子群算法优化神经网络的车牌识别方法，采用粒子群算法优化神经网络，动态优化神经网络的权值和隐层神经元个数，提高车牌识别精度和识别速度。

为解决上述技术问题，本发明采用如下技术方案：

一种基于粒子群算法优化神经网络的车牌识别系统，所述车牌识别系统包括：车牌定位模块、字符识别预处理模块、车牌识别模块；

所述车牌定位模块用以获取图像中车牌的位置，对其进行定位；

所述车牌定位模块包括：车牌字符初步定位单元、真实车牌获取单元、车牌铆钉去除单元、字符轴线确定单元；

(1)所述车牌字符初步定位单元，用以初步定位车牌字符；

首先对获取的图像进行灰度化，如下式所示：

Y＝0.299*R+0.587*G+0.114*B

R、G、B分别为图像的红、绿、蓝的三色分类；

车牌的处理涉及到红色、白色、黄色和蓝色四种颜色，以蓝底白字车牌的基层进行初始设定，非蓝底白字车牌需要转换成蓝底白字的车牌；对于黄底黑字车牌经反色即变成蓝底白字，即各个颜色通道分量值为255减去当前颜色分量值；黑底白字的车牌，首先把黑色处理成为蓝色，即对应的蓝色通道分量值加255，将黑底白字的车牌处理成蓝底白字；

由于已经把车牌处理成蓝底白字，即(255,255,255)的像素点认为为字符笔画位置，由于车牌的尺寸是固定的，字符笔画位置固定后，再根据车牌区域的背景颜色和字符颜色所占像素点的比例也是固定的，从而即使拍摄角度有差异，车牌仍然会局限在一定的范围，从而对车牌进行了初定位；

(2)所述真实车牌获取单元用以获取真实车牌；