[发明专利]一种基于细胞神经网络的智能安全多车牌定位识别方法

权利要求书

1.一种基于细胞神经网络的智能安全多车牌定位识别方法，其特征在于，该方法包括：

在前端摄像设备采集到多车道监控彩色图像后，基于细胞神经网络边缘检测、融合颜色量化分割色码矩阵、长宽定比特性定位出各个车牌区域；双线性插值法对各个车牌区域进行放大，灰度自适应法车牌区域二值化，二值投影法分割出各个字符；基于模板匹配融合色码矩阵识别出各个字符以及各个车牌颜色类型。以实现从含有多车牌图像中定位识别出尽可能小的车牌区域，定位速度快，识别准确度高。

2.如权利要求1所述的方法，其特征在于，所述定位出各个车牌区域的方法具体包括：

在前端摄像设备采集到多车道监控彩色图像后，进行灰度化、细胞神经网络边缘检测、两次膨胀形态学处理，然后融合颜色空间转换量化得到的色码蒙板获得候选区域，并利用长宽定比进行候选区域真实性验证，最后定位、采集出各个候选车牌区域。

3.如权利要求1所述的方法，其特征在于，所述字符分割的方法具体包括：

采用双线性插值法对各个车牌区域进行放大，灰度自适应法车牌区域二值化，二值投影法分割出各个字符。

4.如权利要求1所述的方法，其特征在于，所述字符及颜色识别的方法具体包括：

基于模板匹配识别出各个字符，融合颜色分割生成的色码矩阵得到各个车牌颜色类型。

5.如权利要求2所述的方法，其特征在于，所述细胞神经网络边缘检测方法具体包括：

采用分析细胞神经网络动态迭代过程获得模板参数值，将获得的参数值带入状态方程、输入输出方程，迭代输出边缘检测结果。

6.如权利要求2所述的方法，其特征在于，所述颜色量化分割生成色码矩阵方法具体包括：

将采集到的RGB格式彩色图像转化为HSI模式，根据车牌颜色出现概率的大小：蓝色、黄色、白色、黑色、红色，进行多阈值量化分割：

若f(x，y)∈[f_i(x，y)(1-θ_i)，f_i(x，y)(1+θ_i)]，g_i(x，y)＝50i。

其中，f_i(x，y)为候选区域颜色对应的H、S、I维颜色标准值，θ_i为颜色容许度，g_i(x，y(i∈[0，5]，i ∈R)为候选区域颜色的量化码值。