[发明专利]基于机器学习和最大极值稳定区域的车牌识别方法

摘要

本发明公开了一种基于机器学习和最大极值稳定区域的车牌识别方法，充分利用最大极值稳定区域具有仿射不变性和对光照的适应性，且适用于文字字符检测提取的特点，直接对原车辆图像中的字符区域进行提取，并结合机器学习和车牌排列规则去除非字符区域，无需再进行车牌定位和字符分割等一系列繁琐操作，提高了车牌识别方法的效率，且适用于复杂环境下的车牌识别，适合于智能交通系统的设计和部署。

主权项

1.基于机器学习和最大极值稳定区域的车牌识别方法，其特征在于：包括以下步骤：S1：对车辆图像进行预处理操作，将彩色的原始图像转换为灰度图像，再将灰度图像进行高斯模糊处理和滤波去噪，得到预处理后的图像；S2：对预处理后的图像进行最大极值稳定区域提取，然后对提取出的每一个区域取轮廓并外接最小矩形框；S3：利用车牌字符特有的尺寸特征对提取出的区域进行筛选，去除非字符区域；S4：将步骤S3筛选出的区域输入训练好的机器学习模型进行判别，去除非字符区域；S5：对步骤S4中通过机器学习模型筛选出的区域进行去包含操作，得到剩余区域；S6：计算每个剩余区域的中心坐标，根据每个剩余区域的中心坐标去除孤立的非字符区域；S7：检查步骤S6得到的剩余区域是否有缺失，若存在缺失，则进行补全；S8：进行字符识别，输出识别结果。