[发明专利]一种用于公路治超的违法汽车特征识别方法

权利要求书

1.一种用于公路治超的违法汽车特征识别方法，其特征在于，包括如下步骤：

步骤S1：高清摄像机对途经卡口的车辆进行拍摄；

步骤S2：将采集到的车辆图像进行预处理；

步骤S3：对预处理后的车辆进行形态学处理及车牌粗定位；

步骤S4：对粗定位的车牌进行字符分割与识别；

步骤S5：当车牌出现遮挡或造假时，对图片输入AlexNet卷积神经网络模型；

步骤S6：卷积神经网络模型对车辆特征进行识别。

2.根据权利要求1所述的一种用于公路治超的违法汽车特征识别方法，其特征在于，所述步骤S2中，预处理是将彩色车牌图像转换成灰度图像，将灰度图像进行直方图均衡高斯平衡处理，在对其中值滤波处理，使用Sobel算子对图像进行边缘检测。

3.根据权利要求2所述的一种用于公路治超的违法汽车特征识别方法，其特征在于，所述Sobel算用以运算图像高亮函数的灰度近似值，计算过程为：

则：

式中，3*3矩阵为卷积因子；*为卷积；A为原始图像；G_x为横向边缘检测图像的灰度值；G_y为纵向边缘检测图像的灰度值；G为合并后的梯度；θ为梯度方向。

4.根据权利要求1所述的一种用于公路治超的违法汽车特征识别方法，其特征在于，所述步骤S3中，车辆形态学处理包括二值腐蚀与膨胀和二值开闭运算；所述二值腐蚀与膨胀用于在开运算中消除照片中较小的区域，在闭运算便于轮廓的提取；高清摄像机拍摄的照片进行轮廓查找，根据国内车牌的面积和比例，从照片上提取出该车辆的车牌号码。

5.根据权利要求1所述的一种用于公路治超的违法汽车特征识别方法，其特征在于，所述步骤S4中，车牌的字符分割与识别中，使用垂直投影来对字符宽高比进行限制来切割字符，使用神经网络来对车牌的字母和数字进行识别，使用二值化对汉字进行训练和识别。

6.根据权利要求1所述的一种用于公路治超的违法汽车特征识别方法，其特征在于，所述AlexNet卷积神经网络模型有五层卷基层和三层全连接分类器构成；所述AlexNet卷积神经网络模型第一层输入3维RGB图像，使用96个3维的卷积过滤器进行特征提取，将每一层的输出作为下一层的输入，第五层池化后与4096个神经元进行全连接，第七层作为输出层。