[发明专利]一种车牌识别的方法及装置

说明书

本发明实施例公开了一种车牌识别的方法及装置，获取待识别车牌图像；对待识别车牌图像进行预处理；提取经过预处理的待识别车牌图像中具有尺度不变特征变换的特征点，生成特征点矩阵；调用预先训练得到的包括车牌类别以及非车牌类别的分类模型，分类模型是基于训练多个车牌图像以及多个非车牌图像的尺度不变特征变换的特征点而获得的模型；利用分类模型，根据特征点矩阵判断待识别车牌所属的类别。基于尺度不变特征变换的特征点对车牌图片样本和非车牌图片样本进行训练，寻找出每一类样本中的公共特征点，进而获得分类模型，继而判断出待识别车牌图像所属类别。本申请可以在不增加漏车的基础上，有效地去除不是车牌的图像继而提高了识别的准确率。

技术领域

本发明涉及图像处理领域，特别是涉及一种车牌识别的方法及装置。

背景技术

由于车辆的普及，车辆的通行监控管理方法已经不局限于传统的方法。使用图像处理技术来高效地管理车辆的通行是目前的一个趋势，其过程一般是对车辆的车牌进行抓拍，利用车牌识别设备对抓拍图片进行识别，进而可以有效地管理停车场或者是高速公路的车辆通行。

近年来，随着车牌识别设备广泛使用，车牌识别设备的识别准确率已经不能满足现有的车牌识别需求，而其车牌识别率的高低决定着管理系统的有效性，虽然车牌的识别率由于现在图像识别算法、摄像机分辨率和对比度等各种相关技术的进步，已经可以达到较高的准确率，但是仍然存在着一定的缺陷。在识别准确率较高的基础上，现有车牌识别技术存在的缺陷主要是多车和漏车，漏车是指在车牌识别的过程中，为了减少非车牌进入车牌识别过程的可能性，漏掉一部分不清晰的车牌，而多车是指在车牌识别的过程中，将不是车牌的物体也识别成车牌，例如电动车牌照、排列有序的竖栏杆和广告上的数字等等。

现有的车牌识别过程中，使用的识别技术不同，存在的缺陷也不同，但一般情况下不能解决多车和漏车此消彼长的问题，即降低了多车的可能性，相应地漏车的可能性也会增加，而减少了漏车的可能性，相应地多车的可能性也会增加。为了解决多车的问题，现有技术中一般是识别车牌上的字符，并通过字符识别的置信度来判断车牌识别结果中的某一位或者是某几位字符的置信度是否低于预设的阈值，继而判断出识别结果中是否有非车牌。但是由于上述识别方法的判断标准为字符的置信度，故置信度的可信度决定着识别结果的准确率，且当前字符的置信度都不太靠谱。进一步地，不清楚车牌上的字符的识别置信度也不会高，所以会造成过滤掉本身是车牌的图像。故在不增加漏车的基础上，如何有效地去除不是车牌的图像继而提高识别准确率是本领域亟待解决的问题，基于此，本发明提出了一种车牌识别的方法及装置。

发明内容

本发明的目的是提供一种车牌识别的方法，目的在于在不增加漏车的基础上，有效地去除不是车牌的图像继而提高了识别的准确率；本发明的另一目的是提供一种车牌识别的装置，其车牌识别的准确率较高。

为解决上述技术问题，本发明提供一种车牌识别的方法，该方法包括：

获取待识别车牌图像；

对所述待识别车牌图像进行预处理；

提取经过预处理的所述待识别车牌图像中具有尺度不变特征变换的特征点，生成特征点矩阵；

调用预先训练得到的包括车牌类别以及非车牌类别的分类模型，所述分类模型是基于训练多个车牌图像以及多个非车牌图像的尺度不变特征变换的特征点而获得的模型；

利用所述分类模型，根据所述特征点矩阵判断所述待识别车牌所属的类别。

可选地，所述分类模型的训练过程包括：

获取第一预设数量的车牌图像以及第二预设数量的非车牌图像；

分别将所述车牌图像和所述非车牌图像作预处理操作；

分别提取经过预处理的所述车牌图像以及所述非车牌图像上具有尺度不变特征变换的特征点，分别组成车牌特征点矩阵以及非车牌特征点矩阵；