[发明专利]基于卷积神经网络的车牌检测方法

摘要

本发明公开了一种基于卷积神经网络的车牌检测方法；具体包括通过基于Haar特征的Adaboost车牌检测器对待检测车牌图像进行检测获取车牌粗选区域、通过卷积神经网络完整车牌识别模型对车牌粗选区域进行识别获取车牌最终候选区域、通过多阈值分割算法对车牌最终候选区域进行分割获取车牌汉字、字母和数字、通过汉字、字母和数字卷积神经网络识别模型对车牌汉字、字母和数字进行识别得到车牌识别结果。本发明利用基于Haar特征的Adaboost车牌检测器和卷积神经网络完整车牌识别模型可以实现对不用条件下的车牌图像准确识别，同时利用多阈值分割算法对字符进行分割可以更简便的对字符图像进行分割，在工程应用具有良好效果。

主权项

一种基于卷积神经网络的车牌检测方法，其特征在于，包括以下步骤：S1.准备车牌正样本和负样本，训练基于Haar特征的Adaboost车牌检测器；S2.对待检测图像进行灰度化处理，并利用步骤S1中的基于Haar特征的Adaboost车牌检测器进行滑动窗口检测，获取待检测图像中的车牌粗选区域；S3.准备完整车牌正样本和负样本，训练卷积神经网络完整车牌识别模型；S4.利用步骤S3中的卷积神经网络完整车牌识别模型对步骤S2中的车牌粗选区域进行筛选，获取车牌最终候选区域，并保存车牌最终候选区域副本；S5.利用局部水平投影方法对步骤S4中的车牌最终候选区域进行水平倾斜角度检测，并利用旋转校正法对车牌最终候选区域和车牌最终候选区域副本进行水平倾斜校正，具体为：选取车牌最终候选区域进行灰度化处理，并对灰度化后的图像利用大津法进行二值化处理；再对二值化后的图像在设定角度范围内进行旋转，并求解旋转后的图像水平投影数值；最后选取每一个角度下的水平投影数值中较大的5组数值进行求和，比较不同角度下的求和数值并将最大求和数值对应的角度作为车牌的倾斜角度，并根据得到的车牌倾斜角度对车牌最终候选区域和车牌最终候选区域副本进行旋转校正；S6.利用多阈值分割算法对水平倾斜校正后的车牌最终候选区域和车牌最终候选区域副本进行处理，得到车牌字符对应图像；S7.准备汉字、字母和数字样本，训练汉字卷积神经网络识别模型、字母和数字卷积神经网络识别模型；S8.利用步骤S7中的汉字卷积神经网络识别模型、字母和数字卷积神经网络识别模型对步骤S6中车牌字符对应图像进行车牌字符识别，并统计识别结果。