[发明专利]一种基于R-FCN的车牌字符检测及分割方法

说明书

本发明公开了一种基于R‑FCN的车牌字符检测及分割方法。本发明一种基于R‑FCN的车牌字符检测及分割方法，包括：S1.制作车牌图像样本并训练基于区域的检测网络；S2.输入一张待检测分割的彩色车牌图像；S3.将图像输入到基于区域的检测神经网络进行车牌字符检测并输出字符区域得分图和字符关联区域得分图；S4.处理检测神经网络输出的结果以得到车牌字符分割结果。本发明提出的基于R‑FCN的车牌字符检测及分割方法可以在复杂车牌图像情况下同时对汉字、数字和英文字母进行准确地分割并不受输入图像尺寸的限制，相比于其它同类基于深度学习方法具有更好的分割准确性和稳定性。

技术领域

本发明涉及一种基于R-FCN的车牌字符检测及分割方法，属于车牌图像识别领域中车牌字符分割技术。

背景技术

车辆牌照识别LPR(License Plate Recognition)系统是图像处理与模式识别技术在智能交通领域应用的重要研究课题之一。其在道路交通监控、停车场管理和车辆登记管理等方面有广泛的应用前景。

车牌识别系统作为智能交通系统的重要组成部分，它可以大大提高车辆管理工作的效率，实现车辆管理的自动化和智能化。车牌识别系统主要由两部分构成：车牌的检测和车牌的识别。其中车牌检测的任务是从采集的车辆图像中检测车牌位置并提取车牌区域图像。车牌的识别任务包括从检测到的车牌区域图像中检测并按序分割出车牌字符图像和识别字符图像两部分。由此可见，车牌字符检测是车牌识别系统的重要组成部分，车辆字符检测的效果将会直接关系到系统识别率的高低，因此，如何快速、准确地检测出车牌字符是车牌自动识别技术中关键的一步。现有基于深度学习网络的车牌字符检测方法存在以下技术问题：

1.现有方法多以基于滑动窗口的深度学习网络为主，由于实际车牌字符由数字、英文字母和部分汉字组成，这些字符形状多为不规则，若仅用单一形状的窗口平移滑动检测车牌字符并不能准确分割车牌字符。

2.现有方法多以基于滑动窗口的深度学习网络为主，该类方法对输入图像尺寸有一定限制。

因此，研究应用基于区域的卷积神经网络来分割车牌字符的方法是非常有必要的。

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，本发明提供一种基于R-FCN的车牌字符检测及分割方法，其对带有底纹、光照不均和对比度较低的车牌均具有很好的分割效果，能很好地解决现有基于深度学习网络的车牌字符检测方法在复杂车牌场景下检测精度不高问题。

为了解决上述技术问题，本发明提供了一种基于R-FCN的车牌字符检测及分割方法，步骤包括：

S1.制作车牌图像样本并训练基于区域的卷积神经网络；

S2.输入一张待检测分割的彩色车牌图像；

S3.将图像输入到基于区域的检测神经网络进行车牌字符检测并输出字符区域得分图和字符关联区域得分图；

S4.处理检测神经网络输出的结果以得到车牌字符分割结果。

在其中一个实施例中，其中步骤S1的具体流程为：

S1-1.制作车牌字符图像样本；

S1-2.使用样本训练检测网络。

在其中一个实施例中，其中步骤S1-1通过将二维各向同性的高斯图像透视变换至字符区域及字符关联区域的最小外接矩形边界处以制作车牌字符图像样本。

在其中一个实施例中，其中步骤S1-2用于训练的代价函数为：