[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

说明书

本申请实施例属于车牌分割技术领域，涉及一种车牌分割方法，实时采集车辆的车牌图像，获得第一车牌图像；对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，保存正样本、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念大于预设的阈值，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；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。

技术领域

本发明涉及车牌分割技术领域，尤其涉及一种车牌分割方法、装置、计算机设备及计算机可读存储介质。

背景技术

智能交通系统(ITS)对人们生活有越发重要的影响。智能交通系统充分利用先进技术改善交通的安全性和便利性。智能交通系统应用广泛，比如，随着人们安全意识的增强，私人区域会使用ITS对进出的车辆实现监控；交通部门利用ITS对违规车辆实现监控等等。车牌是车辆的唯一识别符，智能交通系统的使用和推广必须依赖于车牌的识别。车牌分割主要包含三个步骤：车牌定位，字符分割，字符识别。目前字符分割方法很多，具体包括：

1)OCR(optical character recognition)---此方法对识别机器印刷的字符有很高的分割准确率和效率。对于车牌字符分割，如果在很好的环境条件，OCR也有很好的准确率和效率。但是，对环境要求过高，局限了这种方法的推广使用

2)面积投影法(可以排除细小的噪声，面积大的噪声容易形成伪字符区)，轮廓投影法(可以排除较大的噪声，分散的小噪声容易形成伪字符区)。在理想条件(无干扰)时，综合运用以上两种方法，可以得到理想的分割效果，但是现场充满了各种干扰(光线，噪声)，使得图像质量受到很大影响。

3)模板匹配法。对车牌图像尺寸要求很高，车牌稍微变形就会导致字符分割错误。但是对字符黏连和柳钉干扰不害怕。

4)垂直投影分割法，对变形不严重的车牌可以很好分割，但是对字符黏连和柳钉以及车牌左右边框很敏感。

5)基于连通域思想的垂直切分方法。对柳钉不敏感，但是对字符粘连很面干。

6)聚类分析法：可以很好解决汉字不连通的问题，解决车牌字符分割中存在的噪声感染，车牌磨损造成的字符粘连难题。不足：执行时间慢，对车牌的宽度有限制。

发明内容

本申请实施例的目的在于提出一种车牌分割方法、装置，其主要目的在于环境不好情况下，实现车牌字符分割也有比较高的准确率和效率。

为了解决上述技术问题，本申请实施例提供一种车牌分割方法，采用了如下所述的技术方案：一种车牌分割方法，该方法包括：

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念大于预设的阈值，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。