[发明专利]一种基于深度学习的车牌识别方法

说明书

本发明公开了一种基于深度学习的车牌识别方法，包括如下步骤：步骤1：训练一个用于车牌字符检测的深度卷积神经网络模型M；构建车牌字符标签集合B；步骤2：将定位得到的车牌图像I输入到车牌字符检测网络M，输出候选车牌字符集合H；步骤3：对步骤2得到的候选车牌字符集合H，按候选车牌字符最小外接矩形的左上角横坐标h_i.x由小到大将H重排序，得到集合C；步骤4：对步骤3得到的集合C进一步执行筛选操作，步骤6：对步骤5得到的集合E，按序遍历集合E；步骤7：返回由步骤6得到车牌识别结果L。本发明的有益效果是：有效抑制了车牌字符粘连、断裂、形变，车牌污损，车牌倾斜和车牌上残留阴影等情况的影响。

技术领域

本发明涉及智能交通技术领域，具体涉及一种基于深度学习的车牌识别方法。

背景技术

在过去的二十年里，车牌识别技术在识别精度和算法效率上都有了很大的提高。随着智慧交通系统相关技术的不断进步，自动车牌图像识别被认为是一个拥有成熟解决方案的已解决的问题。交通流量分析、车辆测速、车辆违章检测是诸多基于车牌识别技术的应用的代表。然而，实际中车牌的制式规格非常多，车牌字体、颜色有着明显差异，车牌字符长度不一。仅中国就有蓝底白字单行车牌、黄底黑字单行车牌、黄底黑字双行车牌、黑底白字单行车牌等十多项车牌种类。此外，车牌识别方法容易受到光照、分辨率、成像视角、阴影等环境因素的干扰。

计算机模仿人来识别车牌，该流程包括定位和识别。因此，完整的自动车牌识别系统由车牌定位和车牌识别两部分构成。车牌定位不在本方法讨论的范围。目前为止，已经存在很多的车牌识别方法。可以将方法归为传统方法和深度学习方法两大类。传统车牌识别流程包括车牌字符分割和车牌字符识别两步。深度学习方法可以将流程分为字符分割和字符识别两步，也可以端对端一步到位。

传统车牌识别方法把任务分解成车牌字符分割和车牌字符识别两个子任务。车牌字符分割是车牌识别的前提，字符切割的准确与否直接影响到识别结果。随着图像处理技术的不断发展，多种车牌字符分割方法被提出，如：字符投影法，字符模板匹配法和字符连通域法。常用的车牌字符识别方法主要是基于机器学习的OCR，如：基于支持向量机的多字符分类识别方法和基于人工神经网络的多字符分类识别方法。基于机器学习的OCR方法首先提取字符图像的特征，然后训练得到分类识别模型，最后用于单个字符的识别任务。但是，由于车牌字符粘连、断裂、形变，车牌污损，车牌倾斜和车牌上残留阴影等情况十分常见，传统车牌识别方法受制于有效特征的选取与计算，不能达到理想的识别效果。

深度学习方法通过计算卷积特征，有效抑制了车牌字符粘连、断裂、形变，车牌污损，车牌倾斜和车牌上残留阴影等情况的影响。现有的一流车牌识别方法都是深度学习方法。深度学习方法主要分基于分割的方法和端对端的方法两类。