[发明专利]一种基于自学习阈值的车牌字符分割方法及系统

权利要求书

1.一种基于自学习阈值的车牌字符分割方法，其特征在于，包括：

获取待识别的车牌字符局部RGB图像；

将车牌字符局部图像输入至预先训练好的车牌字符分割模型中进行前向运算，得到车牌字符位置矩形和车牌图像的二值分割图；

基于车牌字符位置矩形和车牌图像的二值分割图，获取每个车牌字符的二值分割图；

基于连通区域分析和投影图分析，对每个车牌字符的二值分割图进行分析，得到每个车牌字符的分割位置。

2.如权利要求1所述的基于自学习阈值的车牌字符分割方法，其特征在于，所述车牌字符分割模型包括主干网络和预测网络，主干网络的输入为车牌字符局部RGB图像、输出为深层语义特征图；预测网络的输入为所述深层语义特征图、输出为所述车牌字符位置矩形和所述车牌图像的二值分割图。

3.如权利要求2所述的基于自学习阈值的车牌字符分割方法，其特征在于，所述主干网络包括卷积层conv0_0、conv1_0、conv1_1、conv1_2和conv1_3，拼接层concat1、concat2、concat3和concat4，3个残差网络基础机构体resblock1、resblock2、resblock3，以及多个上采样层upsample；

卷积层conv0_0、resblock1、resblock2和resblock3依次连接，卷积层conv0_0的输入为所述车牌字符局部RGB图像；

所述残差网络基础机构体resblock3的输出分别与卷积层conv1_0的输入和所述预测网络连接，卷积层conv1_0的输出经一个上采样层upsample与拼接层concat1连接；卷积层conv1_1的输入与拼接层concat1的输出连接，卷积层conv1_1的输出经一个上采样层upsample与拼接层concat2连接；卷积层conv1_2的输入与拼接层concat2的输出连接，卷积层conv1_2的输出经一个上采样层upsample与拼接层concat3连接；卷积层conv1_3的输入与拼接层concat3的输出连接，卷积层conv1_3的输出依次经两个上采样层upsample后的输出特征图和所述车牌字符局部RGB图像均与拼接层concat4的输入连接，拼接层concat4的输出与所述预测网络连接。

4.如权利要求3所述的基于自学习阈值的车牌字符分割方法，其特征在于，每个所述残差网络基础机构体包括下采样层resconv2、卷积层resconv0、resconv1、resconv3和resconv4以及合并层eltsum0和eltsum1，下采样层resconv2和卷积层resconv0的输入为上一残差网络基础机构体的输出或卷积层conv0的输出，卷积层resconv0的输出接卷积层resconv1的输入，卷积层resconv1和下采样层resconv2的输出均接合并层eltsum0的输入，合并层eltsum0用于将卷积层resconv1和下采样层resconv2输出的特征图按照对应元素相加合并成一个特征图作为输出；

合并层eltsum0的输出依次经卷积层resconv3和卷积层resconv4后与合并层eltsum1的输入连接，合并层eltsum0的输出还与合并层eltsum1的输入连接，合并层eltsum1用于将卷积层resconv4和合并层eltsum0输出的特征图按照对应元素相加合并成一个特征图作为输出。