[发明专利]一种基于深度学习的车牌识别和分类方法及系统

说明书

本发明涉及一种基于深度学习的车牌识别和分类方法，该方法包括以下步骤：步骤1：通过高斯降噪和灰度化处理对采集到的图片进行预处理；步骤2：建立基于直方图的精细化车牌定位与分割模型，对图片进行车牌定位与分割；步骤3：建立基于深度学习的车牌字符识别模型，对带有车牌字符图片进行识别；步骤4：构建基于HSV颜色识别的车牌类型识别模型，对车牌的颜色进行识别进而实现车牌类型分类，与现有技术相比，本发明具有提高车牌位置的识别率和实现对车牌类型的分类等优点。

技术领域

本发明涉及计算机视觉与深度学习领域，尤其是涉及一种基于深度学习的车牌识别和分类方法及系统。

背景技术

现有的技术中，对车牌的定位大多使用目标检测的方法来对车牌定位，但是使用目标检测的方法正确率不是很高并且定位的车牌会出现大量的倾斜图片还需要后期处理。另外，现有技术中还有是通过opencv图像处理的方法对车牌定位，但是大都使用的只是对车牌矩形形状的筛选，这样导致车牌定位出现很大的误差。

由于环境、道路或者人为因素造成车牌有严重污渍，车牌模糊不清或者车牌偏斜角度很大的车辆。这样会导致深度学习识别的过程字符识别失败。还有就是外部光照条件，不同的气候条件、背景光照环境、车牌反光等，会导致车牌颜色不够突出，从而使车牌定位和车牌类型识别出现错误。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于深度学习的车牌识别和分类方法及系统。

本发明的目的可以通过以下技术方案来实现：

一种基于深度学习的车牌识别和分类方法，该方法包括以下步骤：

步骤1：通过高斯降噪和灰度化处理对采集到的图片进行预处理；

步骤2：建立基于直方图的精细化车牌定位与分割模型，对图片进行车牌定位与分割；

步骤3：建立基于深度学习的车牌字符识别模型，对带有车牌字符图片进行识别；

步骤4：构建基于HSV颜色识别的车牌类型识别模型，对车牌的颜色进行识别，进而实现车牌类型分类。

所述的步骤2中，对图片进行车牌定位与分割的过程具体包括以下步骤：

步骤201：在摄像头拍取的多张图片中，获取车牌的位置；

步骤202：基于水平方向直方图波峰检测法精细化车牌的位置，通过查找水平方向直方图波峰和垂直方向直方图波峰消除车牌的边框；

步骤203：采用垂直方向直方图波峰检测实现对车牌的单个字符进行分割。

所述的步骤2中，通过计算机视觉技术对已拍的多张照片进行车牌定位和车牌字符分割，获取一张能够清楚定位车牌和7个字符的图片进行下一步处理，进行下一步处理的图片满足的条件包括：

进行车牌定位矩形比例筛选和颜色筛选，定位出车牌位置；

进行字符分割，分割得到7位字符。

所述的步骤201中，获取车牌的位置的过程具体包括以下步骤：

步骤201A：采用canny边缘检测和形态学操作技术将图片中闭合的部分充分填充，得到边框；

步骤201B：判断得到的边框是否为矩形轮廓，即判断是否得到矩形框，若是，则进行矩形框筛选；

步骤201C：进行HSV色彩检测，对检测到的矩形框进一步筛选，判断是否属于设置的5种车牌类型，若是，则获取车牌的位置。