[发明专利]面向无约束条件下的车牌定位及识别方法、系统

说明书

本发明提供了一种面向无约束条件下的车牌定位及识别方法，对无约束条件下的车辆图像样本进行数据增强处理；将增强样本数据输入至目标检测网络，进行车牌预定位；矫正车牌预定位结果，得到样本的准确车牌定位结果；将定位结果送至车牌识别网络，采用搜索算法进行车牌后过滤识别；最终得到训练后的车牌定位及识别模型；在实际应用部署中，基于训练得到的车牌定位及识别模型，进行无约束条件下的车牌定位和车牌识别。同时提供了一种用于执行上述方法的车牌定位及识别系统。本发明实用性强，可以满足大部分场景下车牌定位和车牌识别的准确率；涉及算法的复杂度低，可集成性强，运行速度快，可以有效保证实时性。

技术领域

本发明涉及图像处理及应用技术领域，具体地，涉及一种面向无约束条件下的 车牌定位及识别方法、系统。

背景技术

在现实场景应用过程中，车牌定位和识别的准确度、实时性是至关重要的。无 约束条件下的车牌定位和识别，要求算法能够保持在误差很小的情况下定位出图像 中完整的车牌位置，同时准确无误、实时的识别出所定位车牌中的字符。

现阶段的车牌定位和识别，主要采用如下几种方法：

(1)基于的场景是摄像头正对车牌的情况，拍摄含有车的样本，采用如下三种 方式定位样本中的车牌位置：

①采用传统模式识别算法处理样本，例如：二值化、形态学处理，得到处理 后的特征图，使用先验信息定位图像中的车牌位置；

②预先使用车牌和大量的非车牌样本训练机器学习分类模型(例如SVM)，然后 遍历图像中的所有子区域，使用训练好的分类模型判断其是否包含车牌区域；

③将整张样本送入目标检测CNN网络中，检测图像中是否含有车牌，并定位 出车牌的位置。

(2)在定位出图像中车牌位置后，进行字符分割，通常采用投影法等得到分割 后的字符。

(3)在得到分割的字符块后，需要识别出每个字符代表的具体“汉字”、“字 母”和“数字”，常用识别字符的方法如下：

①将分割后的字符与数据库中的字符进行模板匹配，将匹配度最高的字符作 为识别出的字符；

②预先训练字符识别网络，使用该网络识别分割后的字符块。

虽然上述方法在某些场景下达到了较高的准确率，但仍存在如下缺陷：

(1)在无约束条件下的准确率低，在实际场景中，由于存在着光照(顺光、逆光、 侧光、光照强度等)、天气(晴朗、阴天、雨雪)、车位置(正面、不同轴不同角度的 偏移)等不同因素的影响，使得现阶段训练算法的样本和算法本身面临很大的挑战；

(2)目前的车牌算法一般都分为三个阶段：车牌定位、字符分割和车牌识别， 三个阶段分别操作会带来如下问题：一方面耗时，每个步骤都需要一定的时间，同 时在某些算法中，先检测给定样本的车辆，再在此基础上检测车牌；另一方面，准 确率，例如在字符分割过程中，若存在车牌老化、车牌周围轻微遮挡，使用投影法 得到的字符块将不准确。

(3)高速路上行驶的汽车种类除了常见的家用小轿车外，还有警车等其他不常 见的车，这些车的车牌与常见车的车牌有着很大的不同，这种不同使得现阶段的大 部分算法不能部署在无约束条件下。

目前没有发现同本发明类似技术的说明或报道，也尚未收集到国内外类似的资料。

发明内容

本发明针对现有技术中存在的上述不足，提供了一种可以部署在无约束条件下，能够满足实时性及准确性要求的面向无约束条件下的车牌定位及识别方法、系统。 其中，在车牌定位过程中，采用yolov3-tiny网络，在获得高准确率的过程中保证 短的运行时间。同时，将字符分割和车牌识别过程合并，使用一个网络实现最终的 端到端的识别。在定位到车牌后，为了保证后续过程的准确率，对定位的车牌进一 步归一化处理。