[发明专利]一种基于CNN的双行车牌分割方法及系统

说明书

本发明实施例公开了一种基于CNN的双行车牌分割方法及系统，包括训练及建模过程和检测过程，包括：将车牌图像训练数据集分辨率缩放到给定大小；标记所有车牌图像的标签；设置模型训练参数；定义一个13层的带有若干权值参数的CNN双行车牌分割模型；在Caffe框架中采用随机梯度下降算法输出一个训练好的CNN双行车牌分割模型；将车牌图像测试数据集分辨率缩放到给定大小，并输入到训练好的CNN双行车牌分割模型进行测试；使用softmax分类器识别出所求的车牌图像的单双行车牌类别、左右边界分割点纵坐标。本发明对车牌倾斜度较大和图像质量较差的双行车牌图像具有较好的鲁棒性，改善了现有方法对双行车牌分割准确率不高的问题。

技术领域

本发明属于自动车牌分割与识别技术领域，特别涉及一种基于CNN的双行车牌分割方法及系统，用以解决现有车牌识别方法对双行车牌因字符分割不准确而导致的识别率下降的问题。

背景技术

车牌分割是指利用图形图像处理技术将车牌字符进行分割的技术，是自动车牌识别系统的一个重要步骤。自动车牌识别系统主要包括三个步骤：车牌定位与分割、车牌字符分割、车牌字符识别。每一步骤的准确率都会直接影响到自动车牌识别系统的识别结果准确性。目前，自动车牌识别系统有着广泛的应用，例如交通安全执法、无人看守停车场以及高速公路自动收费等。由于自动车牌识别系统的重要性，车牌分割技术的准确性也显得非常重要，近年来有越来越多的研究人员在研究相关的车牌分割技术。

车牌字符分割一般可以分为基于投影的方法和基于字符连通性的方法。基于投影的车牌分割方法首先将图片二值化，然后计算垂直投影直方图或者水平投影直方图，最后找到分割线位置并将车牌字符进行分割(请参见文献：Ingole S K,Gundre SB.Characters feature based Indian vehicle license plate detection andrecognition[C]//International Conference on Intelligent Computing andControl.Coimbatore:IEEE Computer Society Press,2018:1-5)。但是，基于投影的方法很容易受到车牌倾斜度、噪声、图片明暗度等因素影响，导致车牌字符分割准确率下降。基于字符连通性的车牌字符分割方法先在车牌区域查找每个字符的连通轮廓再对每个车牌字符进行分割(请参见文献：Ta T D,Le D A,Le M T.Automatic number platerecognition on electronic toll collection systems for Vietnamese conditions[C]//Proceedings of the 9th International Conference on UbiquitousInformation Management and Communication.New York:ACM,2015:1-5)。但是，该方法容易受到噪声影响而导致字符轮廓的查找错误，并且对于不具备连通性的汉字的分割准确率较低。

基于以上问题，本发明提出了一种基于CNN的双行车牌分割算法，有效地将双行车牌分割为两个单行车牌，提高后续的车牌字符分割和识别的准确率。CNN是卷积神经网络的英文缩写，现在已经被广泛应用于计算机视觉领域中。CNN的输入可以是一张包含3个颜色通道的二维图像，避免了传统机器学习方法中需要人工选择图像特征的局限性。CNN中的权值参数共享网络结构降低了网络模型的复杂度，相比传统的神经网络减少了权值参数的数量。卷积神经网络避免了传统机器学习方法的复杂特征提取和数据重建过程，可以直接从大量的训练数据集中通过全自动的训练和学习获得较好的双行车牌分割结果。本发明所提出的一种基于CNN的双行车牌分割方法专门是为了实现对双行车牌图像的高效分割而设计的，有效地解决现有方法中所存在的难以处理车牌倾斜较大图像和噪声较多图像的问题。

故，针对现有技术的缺陷，实有必要提出一种技术方案以解决现有技术存在的技术问题。

发明内容