[发明专利]一种基于Caffe框架的深度学习车牌字符识别方法

摘要

本发明公开的一种基于Caffe框架的深度学习车牌字符识别方法包括分类器训练和字符识别两个过程，分类器训练包括字符处理、分成汉字集和非汉字集以及建立Caffe架构学习网络结构、然后分别进行训练得到相对应的分类器，字符识别包括预先建立索引表并对抓取到的车牌图像进行处理，然后利用相对应的分类器识别后再通过查索引表得到识别结果，按顺序组合后即为车牌的最终识别结果。本发明的一种基于Caffe框架的深度学习车牌字符识别方法以基于Caffe架构的深度学习为基础，解决了现有的车牌字符识别方法中对倾斜、断裂、相近字符识别精度不高的问题，大大提高了对于车牌字符的识别精度。

主权项

1.一种基于Caffe框架的深度学习车牌字符识别方法，其特征在于，包括分类器训练以及字符识别两个过程，其中，分类器训练的具体步骤如下：步骤1，对大量的样本车牌图像进行车牌定位、车牌校正、二值化处理和字符分割的预处理，得到分割出的二值化字符图像集C_train，总共含有的样本个数为Nsam；步骤2，字符处理：对字符图像集C_train中的各个字符图像进行中心化、切变校正以及归一化的处理，得到归一化后的字符图像集C_trainnor；步骤3，把字符图像集C_trainnor分成两个子集，分别为汉字图像集C1_train和数字及字母的非汉字图像集C2_train；步骤4，建立两种基于Caffe架构的深度学习网络结构，其中，一种为汉字网络结构DL1，另一种为非汉字网络结构DL2；步骤5，利用步骤4建立的网络结构训练分类器：把汉字图像集C1_train作为输入，代入汉字网络结构DL1，训练得到汉字分类器DLC1；把非汉字图像集C2_train作为输入，代入非汉字网络结构DL2，训练得到非汉字分类器DLC2；字符识别的具体步骤如下：步骤6，预先建立汉字索引表Tab1和非汉字索引表Tab2，然后对抓拍视频流中每帧图像定位的各个车牌图像进行步骤1的预处理，得到待识别各个车牌图像的字符样本集C，C＝{c1,c2,…cm,…cM}，其中cm为车牌中的第m个字符,1≤m≤M，M为单个车牌包含的字符总个数；步骤7，对字符样本集C中的各个字符c_m经由步骤2的处理，得到归一化后的车牌字符步骤8，对车牌各个字符分别进行识别：根据字符所在位置进行字符类型判断，如果是第一个字符，即为汉字字符，否则为非汉字字符，把汉字字符代入汉字分类器DLC₁，输出结果为汉字的类别索引其中d＝0,1,…,N₁‑1,m＝1，N₁为汉字的类别数，查找对应的汉字索引表Tab₁得到汉字的识别结果R_m,m＝1；把非汉字字符代入非汉字分类器DLC₂，输出结果为非汉字的类别索引其中d＝0,1,…,N₂‑1,m＝2,3,…,M，N₂为非汉字字符的类别数，查找非汉字索引表Tab₂分别得到非汉字字符的识别结果R_m,m＝2,3,…,M，按顺序合并各个字符的识别结果，得到车牌的识别结果R_p,R_p＝UR_m，其中m＝1,2,…,M。