[发明专利]一种模糊车牌识别方法

说明书

本发明揭示了一种模糊车牌识别方法，包括如下步骤：S1、倾斜模糊车牌处理，采用透视变换的方式对所获取的车牌图像进行视觉校正；S2、车牌字符分割，依据车牌中字符位置和每个字符所占比例，对车牌进行盲分割，将车牌分为多个部分；S3、卷积神经网络识别，建立卷积神经网络进行车牌字符识别，通过结构上的局部相连、权值共享及下采样控制整个网络的规模，实现网络对所识别图像在形变方面的鲁棒性。本发明的方法处理时长较短，能够显著地提升对人眼所不能识别或者识别困难的模糊车牌的识别率，解决了交通执法过程中的难点，为执法者提供了有利的执法依据。

技术领域

本发明涉及一种识别方法，具体而言，涉及一种基于深度学习的模糊车牌识别方法，属于人工智能技术领域。

背景技术

随着汽车行业的不断发展，全世界范围内的车辆保有量不断增加。作为用于标识每台车辆唯一身份标识的车牌号码，其实用性和重要性也与日俱增。

在这样的时代背景下，车牌识别技术应运而生，作为交通、安防等领域内的一项重要技术，车牌识别可以在对车辆不作任何改动的情况下实现汽车身份的自动登记及验证，该技术已经被广泛地应用于公路收费、停车管理、 称重系统、交通诱导、交通执法、公路稽查、车辆调度、车辆检测等场合中。

近年来，国内外出现了很多关于车牌识别技术的深度研究、针对车牌上的字符提出了很多具有针对性的算法并取得了一定的研究成果。其中，莫林等人提出了一种基于评分模型的车牌字符识别方法，该方法首先对待识别字符进行区分，然后对分区的各个方格进行评分，采用类似模板匹配方式，最终得到高的字符模板作为识别结果；何兆成等人针对车牌字符识别中大部分单一特征提取方法在字符识别上的局限性，提出了一种字符多特征提取方法及其在车牌识别中的应用，该方法具备一定的鲁棒性；曾泉等人提出了一种基于SVM和BP神经网络的车牌识别系统，该系统采用SVM机器学习方法与HSV颜色空间和边缘特征结合的方式进行车牌位置进行精确定位，最终使用BP神经网络对车牌字符进行识别。除上述方法外，还出现了诸如李雅雯等人所提出的基于BP神经网络算法的车牌自动识别；王桂文等人所提出基于正交盖氏矩和SVM的车牌字符识别；以及陈利等人所提出的基于深度学习的车牌识别系统设计等等。

但是通过长期实践，技术人员发现，上述各类方法极易受到干扰，且对于车牌上单字符的识别时间较长，识别准确率方面也存在着一定的误差。再加上在实际的应用环境中，由于车辆的快速移动，很容易使得所采集的车辆图像出现模糊、重影等问题，从而进一步增加车牌识别的难度、导致无法获取准确的车牌信息。

综上所述，如何在现有技术的基础上提出一种全新的模糊车牌识别方法，以克服现有技术中的各种不足，也就成为了本领域内技术人员亟待解决的问题。

发明内容

鉴于现有技术存在上述缺陷，本发明的目的是提出一种基于深度学习的模糊车牌识别方法，具体如下。

一种模糊车牌识别方法，包括如下步骤：

S1、倾斜模糊车牌处理，采用透视变换的方式对所获取的车牌图像进行视觉校正；

S2、车牌字符分割，依据车牌中字符位置和每个字符所占比例，对车牌进行盲分割，将车牌分为多个部分；

S3、卷积神经网络识别，建立卷积神经网络进行车牌字符识别，通过结构上的局部相连、权值共享及下采样控制整个网络的规模，实现网络对所识别图像在形变方面的鲁棒性。

优选地，S1所述倾斜模糊车牌处理，包括如下步骤：

S11、通过人工干预的方式就车牌图像的顶点进行定位，得到对应角点的坐标信息，并得到同时满足限定条件的透明变换矩阵；

S12、通过灰度化的方式进行原图处理并与透视矩阵相乘，对车牌图像中的背景进行清除、得到校正后的车牌图像；