[发明专利]车牌识别方法、系统、存储介质和装置

说明书

本发明涉及一种车牌识别方法、系统、存储介质和装置。主要包括：获取车牌图像；将车牌图像运用字符分割算法，将车牌图像分割为若干个单独的待识别字符；将各个单独的待识别字符依次输入到多粒度多类别级联森林中，进行识别，并将最后的识别结果输出。本发明使用多粒度多类别级联森林算法，通过对比实验发现，可以有效提高车牌的识别率，尤其对于一些清晰度很差的车牌的识别率有显著提高。

技术领域

本发明涉及车牌自动识别技术领域，特别是涉及车牌识别方法、系统、存储介质和装置。

背景技术

车牌识别系统是计算机视频图像识别技术在车辆牌照识别中的一种应用。其技术要求可以将运动中的汽车牌照从环境中提取并识别出来，经过牌照提取、预处理、特征提取、字符识别等技术手段，实现识别车辆牌号、颜色等信息的功能。能够起到车辆出入管理、自动放行、检测报警等作用，对于维护交通安全、城市治安，防止交通堵塞和实现交通的自动化管路有着现实的意义。

运用图像处理技术进行车牌识别的研究最早始于80年代，通常采用的是简单的图像处理技术，并没有形成完整的系统体系，除此以外最终还是需要人工进行干预。直到90年代，随着计算机视觉技术的发展，出现了车牌识别的系统化研究，该系统主要基于模式识别技术，主要分为图像分割、特征提取和模板构造、字符识别三部分。主要的原理是利用不同阈值对应的直方图不同，经过大量的统计实验确定出车牌位置的图像直方图的阈值范围，从而根据阈值对应的直方图分割出车牌，再利用预先设置的标准字符模板进行模式匹配识别出字符。近几年，随着人工智能技术的再次兴起，利用人工智能技术进行车牌识别也吸引了越来越多的关注。人工智能领域中，处理图像的主流深度神经网络是卷积神经网络，通过对图像进行卷积、池化以及全连接等一列操作，识别出图像中的字符。

车牌识别主要有以下五个步骤，分别是图像采集、牌照定位、字符分割、字符识别以及结果输出。除了必不可少的硬件设备外，主要的软件核心算法包括车牌定位算法，车牌字符分割算法和光学字符识别算法等。车牌的识别率与牌照质量密切相关。牌照的污损、油漆脱落以及牌照被遮挡等情况都会影响到识别率。现在已有的车牌识别系统已经有了很好的识别率，但是识别率任然有待提高，尤其是在车牌清晰度很差的情况下，还是会出现无法正确识别出车牌的情况。

发明内容

基于此，提供一种车牌识别方法。以提高车牌的识别率。

一种车牌识别方法，包括：

构建多粒度多类别级联森林，通过数据集对所述多粒度多类别级联森林进行训练；

获取待识别的车牌图像；

运用字符分割算法，将车牌图像分割为若干个单独的待识别字符；

将各个单独的待识别字符依次输入到训练好的多粒度多类别级联森林中，进行识别，并将最后的识别结果输出。

上述方法中，使用多粒度多类别级联森林算法，通过对比实验发现，可以有效提高车牌的识别率，尤其对于一些清晰度很差的车牌的识别率有显著提高。

在其中一个实施例中，所述多粒度多类别级联森林包括多粒度扫描以及级联多类别森林。

在其中一个实施例中，所述级联多类别森林的每一层由完全随机森林、极端随机森林以及分类和回归树森林组成。

在其中一个实施例中，所述多粒度扫描为对每一个单独的待识别字符用三个不同尺寸的窗口进行切片操作，得到三组不同大小的实例，将每一组实例作为输入给到随机森林，得到三组链式数据。。

在其中一个实施例中，所述将各个单独的待识别字符依次输入到多粒度多类别级联森林中，进行识别，并将最后的识别结果输出包括：

对每一个单独的待识别字符，用三个不同尺寸的窗口进行切片操作，得到三组不同大小的实例；