[发明专利]一种基于YOLO模型的车牌定位和识别方法

权利要求书

1.一种基于YOLO模型的车牌定位和识别方法，其特征在于，包含以下步骤：

S1：采用改进的深度学习YOLO算法进行车牌区域的定位；

S2：利用校正探测器进行检测边框的校正；

S3：利用增强的卷积神经网络SRCNN模型对车牌区域的图像进行超分辨率技术的处

理；S4：利用神经网络进行光学字符识别。

2.根据权利要求1所述的基于YOLO模型的车牌定位和识别方法，其特征在于S1具体包括以下步骤：

A.构建YOLO卷积神经网络并进项相应的网络参数设定。在YOLO算法中，从接收端获取到图像时，将图片分为很多个网格，每个网格产生n个边界框用来回归，每个边界框有4个坐标值和1个置信度(共5个参数)，同时还有若干类别参数，可以通过置信度和类别概率共同进行检测。模型由24个卷积层和2个全连接层构成。对于检测任务，将其安排在预处理中前20个卷积层去实现，之后添加4个卷积层，然后是2个全连接层；

B.使用maxout激活函数代替leaky激活函数，并将所有预测值进行归一化操作；

C.进行权值初始化，一方面共享卷积层的权值使用Imagenet分类训练模型进行初始化，而其他的层使用零均值高斯分布进行初始化；

D.调整阀值来改进非极大值抑制，从而加快边界框的筛选速度；

E.训练卷积神经网络，训练时设置不同的loss的权值，通过卷积层来提取特征，然后输入全连接层进行最后的预测，YOLO会选择每个单元网格预测的边界框中置信度最大的一个，对其进行回归。

3.根据权利要求1所述的基于YOLO模型的车牌定位和识别方法，其特征在于S2具体包括以下步骤：

A.根据检测阀值的比较，构建将虚构矩形变换为倾斜车牌区域的仿射矩阵；

B.进行图像的仿射变换。

4.根据权利要求1所述的基于YOLO模型的车牌定位和识别方法，其特征在于S3具体包括以下步骤：

A.构建SRCNN卷积神经网络并进项相应的网络参数设定，所述的卷积增强的SRCNN卷积神将网络由由6个卷积层构成；

B.对SRCNN卷积神经网络进行初始化，对于网络中的带训练参数使用不同的小随机数进行初始化；

C.训练卷机神经网络。

5.根据权利要求1所述的基于YOLO模型的车牌定位和识别方法，其特征在于S4具体包括以下步骤：

A.对车牌区域进项字符分割，将其分割成单独的字体块；

B.进行字符识别。