[发明专利]一种非二值化和边缘检测的车牌字符图像分割方法

说明书

本发明公开了一种非二值化和边缘检测的车牌字符图像分割方法。获取车牌的字符样本图片和非字符样本图片；构建深度学习网络，输入训练获得字符判别网络；获取车牌图片，对车牌图片进行字符区域的检测定位得到车牌字符区域，设定滑动窗口；将滑动窗口在字符区域内从左向右进行滑动遍历形成一系列窗口，并将窗口内图像区域输入到字符判别网络，得到窗口内是否包含单个字符的字符概率，进行优化处理，保留窗口即为车牌中的字符。本发明能准确对车牌字符区域进行字符分割，相比较于传统图像处理下利用二值化和边缘检测进行字符分割的方法，其对带有底纹、光照不均的车牌均具有极佳的分割效果，该发明对于车牌识别应用具有较大的实用价值。

技术领域

本发明涉及车牌图像识别领域中车牌字符分割方法，具体涉及一种非二值化和边缘检测的车牌字符图像分割方法。

背景技术

车牌作为车辆的重要信息载体，其为车辆提供唯一的合法表示。车牌识别技术也是当今智慧交通中最为核心和关键的技术，其对于及时追溯、查询车辆信息和规避一定的交通事故具有重要的作用。

当前的车牌识别技术主要包括车牌定位、车牌字符分割、车牌字符识别等步骤。其中车牌分字符割则是车牌识别流程中极为重要，也是最复杂的步骤。目前基于传统图像处理技术下的车牌分割技术往往因为车牌底纹复杂、光线照明度不均等原因得不到较好的分割效果，这也是造成目前部分车牌识别系统识别精度不高的重要原因。

发明内容

为了解决背景技术中复杂环境下车牌字符分割难的问题，本发明提供了一种非二值化和边缘检测的车牌字符图像分割方法，识别方法简单，识别精度高，具有较好的实用型和可扩展性。

本发明所采用的技术方案包括如下步骤：

1)获取车牌的字符样本图片和非字符样本图片；每个字符样本图片和每个非字符样本图片均具有一个标签，每个字符样本图片具有的标签为字符标签，每个非字符样本图片具有的标签为非字符标签；非字符样本图片及其非字符标签和字符样本图片及其字符标签用于输入到深度学习模型；

所述的字符样本图片为车牌中仅包含有完整单个字符的一幅图片；非字符样本图片为车牌中包含部分或者不包含单个字符的一幅图片。

2)构建用于识别输入图片为非字符或字符二分类的深度学习网络，使用步骤1)图片输入进行训练，完成训练后保存深度神经网络的权重参数数据Q，获得字符判别网络，字符判别网络用于后续的待测图片处理预测；

3)获取车牌的完整图像作为车牌图片，获取预先通过检测算法(例如MobileNetSSD或Cascade)对车牌图片进行字符区域的检测定位得到车牌字符区域，并设定滑动窗口的大小；

4)将滑动窗口在步骤3)的字符区域内从左向右进行滑动遍历形成一系列窗口，并将窗口内的图像区域输入到步骤2)所训练好的字符判别网络，得到窗口内是否包含单个字符的字符概率，然后针对一系列窗口及其对应的字符概率进行优化处理删除伪字符窗口和重叠度较大的窗口，保留的窗口即为车牌中的字符，完成车牌字符图像的分割。

所述步骤1)具体为：通过滑动窗口在车牌图片中进行不定方向的滑动：若有完整字符出现在滑动窗口中，则保存窗口，并以窗口构建字符样本图片，并且字符标签为1；若仅有完整字符的局部或完全无字符出现在滑动窗口中，则保存窗口，并以窗口构建非字符样本图片，并且非字符标签为-1。

所述步骤2)中深度学习网络如下：