[发明专利]一种开放式停车位中车牌识别方法及系统

说明书

本发明公开了一种开放式停车位中车牌识别方法，包括：S1，获取待检测图像；S2，车牌检测，对待检测的图像采用改进的MTCNN深度学习算法进行车牌检测，判断当前图像中是否存在车牌的四个顶点；S3，车牌校正，根据检测的车牌的四个顶点，计算透视变换矩阵，采用透视变换理论，对车牌进行校正；S4，整牌识别，对校正后的车牌图像归一化处理，然后对归一化后的车牌进行整行识别。还公开了一种开放式停车位中车牌识别系统，本发明提供的方法和系统能有效提高开放式停车位中车牌的识别效率和准确性。

技术领域

本发明涉及一种车牌识别方法及系统，尤其涉及一种开放式停车位中的车牌识别方法及系统。

背景技术

目前的车牌识别设备应用最广泛的是高速入口的ETC车牌识别设备以及封闭式停车场车牌识别设备。这两种设备的场景十分固定，所抓拍的车牌角度非常正，距离对于抓拍车牌来说足够清晰，不用考虑功耗性能等问题的情况下，补光也很充足，不受限于光线。采用传统的OCR处理方案就能满足。但是在开放式的场景中，停车过程不尽相同，导致车牌抓拍角度各种各样，且受限于设备的性能及安装角度，抓拍的车牌的清晰度非常有限，因此如何在开放式停车场中进行准确的车牌识别，这是一个急需解决技术问题。

发明内容

在开放式停车场的车位管理中，车牌识别及图像分类是一个痛点，如果无法实现车牌的准确识别，将无法实现对开放式停车位的有效管理。而且受限于芯片性能、功耗及场景多样化的问题，车牌识别的准确率较低。如图1所示，在开放式停车场中，包含超声波探测器的停车场车位管理设备一般安装在距离车位上边框18厘米处(可根据实际车位长度进行调整)，一般使超声波探测距离覆盖半个车位，超声波探测器定时发射超声波，用以检测车位内物体的距离，根据回波时间减发射时间，算出距离，一般小于5米大于0.2米都算有车，此超声波只用于判断是否启动停车位管理设备。如图1所示。停车设备启动时，将会对停车场进行拍照，由于停车过程不尽相同，导致车牌抓拍角度各种各样，且受限于设备的性能及安装角度，抓拍的车牌的清晰度非常有限，因此无法准确识别车牌。

为了实现开放式停车场中车牌的准确识别，本申请提出了一种开放式停车位中车牌识别方法，包括：

S1，获取待检测图像；

S2，车牌检测，对待检测的图像采用改进的MTCNN深度学习算法进行车牌检测，判断当前图像中是否存在车牌的四个顶点；

S3，车牌校正，根据检测的车牌的四个顶点，计算透视变换矩阵，采用透视变换理论，对车牌进行校正；

S4，整牌识别，对校正后的车牌图像归一化处理，然后对归一化后的车牌进行整行识别。

优选地，所述步骤S2包括：

S201，通过一个基于3层的CNN快速生成候选窗口；

S202，通过一个4层的卷积神经网络CNN对步骤S201得到候选窗口图像进行处理，否决大量非车牌窗口从而精化车牌窗口；

S203，使用5层的CNN进一步精化结果并输出4个车牌顶点。

优选地，所述步骤S2还包括：

当检测不到车牌时，将图片通过有车无车算法进行判断，在判断有车时，通过人工进行车牌识别，当判断无车时，不作处理。

所述有车无车算法采用mobilenet网络对场景图像进行分类，将图像的类型分为六类，有车样本：露出车身车轮、只露出底盘(无车轮)、只有车轮；无车样本：场景中没有车、场景中有经过车辆(远处小车)、图片曝光。

另外，本发明还提供了一种开放式停车位中车牌识别系统，包括：

待检测图像获取模块，获取待检测的图像；

车牌检测模块，对待检测的图像采用改进的MTCNN深度学习算法进行车牌检测，判断当前图像中是否存在车牌的四个顶点；