[发明专利]一种基于卷积神经网络的车牌去模糊识别方法

权利要求书

1.一种基于卷积神经网络的车牌去模糊识别方法，其特征在于：包括如下步骤：

步骤一、去模糊训练样本采集：收集清晰的车牌数据，作为车牌去模糊训练部分的输出数据，手工制作模糊车牌数据，作为训练输入的数据；

步骤二、训练车牌去模糊网络，输入数据为模糊车牌图像，输出清晰车牌图像；

步骤三、车牌识别训练样本采集：标记车牌属性标签；

步骤四、采用卷积神经网络、长短时记忆网络及CTC，进行车牌识别；

步骤五、把原始车牌数据输入训练好的去模糊网络，把输出图片输入车牌识别网络，实时的输出车牌属性内容。

2.根据权利要求1所述的一种基于卷积神经网络的车牌去模糊识别方法，其特征在于：所述深层卷积神经网络通过建立15convolution+ReLUlayers，完成车牌由模糊变清晰规律的学习，所述深层卷积神经网络包括图像特征提取网络、图像特征记忆网络及损失层。

3.根据权利要求1所述的一种基于卷积神经网络的车牌去模糊识别方法，其特征在于：所述图像特征提取网络为VGG-16网络去掉最后的池化层和三层全连接层，再接一层防过拟合层、一层扁平层；

所述图像特征记忆网络是通过双层的长短时记忆网络记忆车牌的特征；

所述损失层是利用CTC损失函数，接在长短时记忆网络的最后一层，用于序列学习，优化序列。

4.根据权利要求1所述的一种基于卷积神经网络的车牌去模糊识别方法，其特征在于：所述车牌属性标签包括：车牌颜色标签，车牌中的汉字标签、字母标签、数字标签。

5.根据权利要求1所述的一种基于卷积神经网络的车牌去模糊识别方法，其特征在于：所述步骤一中制作模糊车牌数据的方法为：对训练的清晰车牌数据添加透视畸变，增加饱和度光照的噪声，添加自然环境的噪声，然后在随机选择车牌不定大小的区域，使用高斯模糊进行模糊处理。