[发明专利]车牌分割方法、装置、计算机设备及计算机可读存储介质

权利要求书

1.一种车牌分割方法，其特征在于，包括下述步骤：

实时采集车辆的车牌图像，获得第一车牌图像；

对所述第一车牌图像感兴趣区域的进行提取及预处理，获得第二车牌图像；

分类所述第二车牌图像为正样本、负样本、中文样本；

加载及调用级联分类器模型识别出车牌字符图像；

对车牌字符图像使用预设训练的窗口大小滑动；

基于caffe机器学习获取正样本、负样本、中文样本的当前概率，并保存得到的正样本、负样本、中文样本的概率；

对比相邻的概率，当相邻概率中包含正样本和负样本或中文样本和负样本概率大于预设的阈值，并且连续包含则是合法的字符；

对合法的字符采用非极大值抑制方法获取到边界；及

对边界进行扩展或收缩去除无用的区域，得到单个字符区域集合；所述对边界进行扩展或收缩去除无用的区域，得到单个字符区域集合的步骤具体包括：

获取列像素为0和非0的数量；

判断列像素为0的比例是否大于95％；

当列像素为0的比例大于95％，则认为没有切到边缘，向内收缩1像素；及

当列像素为0的比例小于95％，则认为切到了边缘，则向外扩张1像素。

2.根据权利要求1所述的车牌分割方法，其特征在于，所述对所述第一车牌图像感兴趣区域的进行提取及预处理，获得第二车牌图像的步骤具体包括：

对所述第一车牌图像感兴趣区域的进行提取，得到目标区域图像；

对目标区域图像做运动特征目标检测，得到运动特征目标图像；

对运动特征目标图像进行高斯模糊降噪处理，调整高斯参数，选择合适的高斯核，平滑图像，得到高斯模糊降噪图像；

对高斯模糊降噪图像进行阈值化，匹配HSV的范围，保存匹配颜色，得到第二车牌图像。

3.根据权利要求1所述的车牌分割方法，其特征在于，每一级联分类器的算法为：

1)使用Haar-like特征做检测；

2)使用积分图对应用到检测器的特征进行快速计算；

3)使用AdaBoost学习算法从巨大的Haar-like特征中挑选出少量至关重要的特征。

4.一种车牌分割装置，其特征在于，包括：采集模块、提取及预处理模块、分类模块、加载及调用模块、窗口滑动模块、第一获取模块、判断模块、第二获取模块及处理模块，其中

所述采集模块，用于实时采集车辆的车牌图像，获得第一车牌图像；

所述提取及预处理模块，用于对所述第一车牌图像感兴趣区域的进行提取及预处理，获得第二车牌图像；

所述分类模块，用于分类所述第二车牌图像为正样本、负样本、中文样本；

所述加载及调用模块，用于加载及调用级联分类器模型识别出车牌字符图像；

所述窗口滑动模块，用于对车牌字符图像使用预设训练的窗口大小滑动；

所述第一获取模块，用于基于caffe机器学习获取正样本、负样本、中文样本的当前概率，并保存得到的正样本、负样本、中文样本的概率；

所述判断模块，用于对比相邻的概率，当相邻概率中包含正样本和负样本或中文样本和负样本概念大于预设的阈值，并且连续包含则是合法的字符；

所述第二获取模块，用于对合法的字符采用非极大值抑制方法获取到边界；及

所述处理模块，用于对边界进行扩展或收缩去除无用的区域，得到单个字符区域集合；所述处理模块包括有获取子单元、判断子单元、收缩子模块及扩张子模块，

所述获取子模块，用于获取列像素为0和非0的数量；

所述判断子模块，用于判断列像素为0的比例是否大于95％；

所述收缩子模块，用于当列像素为0的比例大于95％，则认为没有切到边缘，向内收缩1像素；及

所述扩张子模块，用于当列像素为0的比例小于95％，则认为切到了边缘，则向外扩张1像素。