[发明专利]低照度成像车牌识别方法、系统、计算机设备及存储介质

说明书

本发明公开了一种低照度成像车牌识别方法，包括：将通过摄像模块获取的原始车牌低照度图像输入基于深度学习的多尺度上下文聚合网络进行图像处理，以获得可辨识度提高的车牌图像；对所述车牌图像进行车牌定位和车牌倾斜校正处理，以获得定位后的车牌图像；将定位后的所述车牌图像分割成多个车牌字符；对各个所述车牌字符进行识别。本发明还公开了一种车牌识别系统、计算机设备及存储介质。本发明的技术方案旨在解决现有方法中存在的图像细节不够清晰，识别细节不够准确，处理效果往往根据环境不同而变化较大的问题。

技术领域

本发明涉及计算机视觉技术领域，尤其涉及一种低照度成像车牌识别方法和应用该低照度成像车牌识别方法的车牌识别系统、计算机设备和计算机可读存储介质。

背景技术

随着计算机视觉、数字图像处理技术与智能交通技术的发展，车牌识别技术在智能交通领域中的应用越来越广泛。市场上车牌识别的相关产品也越来越多，但是，目前还普遍存在着的问题是：现有的车牌识别系统对图像的质量要求比较高，然而在复杂应用环境下，往往得到的图像质量较低,无法满足系统的要求，导致车牌的识别率不高。因此，如何提高低品质图像中车牌的识别率，以适应复杂多变的应用环境，是车牌识别系统研究中需要解决的重要问题。

低照度下获取的图像灰度范围窄、灰度变化不明显，且相邻像素的空间关联性高，这些特点使得图像中的细节、背景和噪声等都包含在较窄的灰度范围之内。因此为了改善低照度下获取的图像的视觉效果，将其转换为一种更适于人眼观察和计算机处理的形式，便于提取有用信息，需要对被拍摄物在低照度下的成像进行处理。

具体的在车牌识别应用中，当车牌图像质量不高时，目前主要的技术思路是针对单帧图像利用相关的数字图像处理技术(如图像、滤波、图像增强等)进行相应的处理，以提高图像的质量。这些方法大都是传统的思路，通常来说，会存在图像细节不够清晰，识别细节不够准确，处理效果往往根据环境不同而变化较大的缺陷。

发明内容

本发明的主要目的在于提供一种低照度成像车牌识别方法，旨在解决现有方法中存在的图像细节不够清晰，识别细节不够准确，处理效果往往根据环境不同而变化较大的问题。

为实现上述目的，本发明提供的低照度成像车牌识别方法包括如下步骤：

将通过摄像模块获取的原始车牌低照度图像输入基于深度学习的多尺度上下文聚合网络进行图像处理，以获得可辨识度提高的车牌图像；

对所述车牌图像进行车牌定位和车牌倾斜校正处理，以获得定位后的车牌图像；

将定位后的所述车牌图像分割成多个车牌字符；

对各个所述车牌字符进行识别。

优选地，所述将通过摄像模块获取的原始车牌低照度图像输入基于深度学习的多尺度上下文聚合网络进行图像处理，以获得可辨识度提高的车牌图像的步骤，包括：

将通过所述摄像模块获取的所述原始车牌低照度Bayer图像进行预处理，打包变换像素通道，以获得用于输入FCN模型进行训练的像素图像；

基于深度学习的CAN网络对所述像素图像进行训练，输出处理后图像；

对所述处理后图像进行宽动态增强处理，输出得到还原度和图像质量提高的所述车牌图像。

优选地，所述对所述车牌图像进行车牌定位和车牌倾斜校正处理，以获得定位后的车牌图像的步骤，包括：

基于环境信息对所述车牌图像进行粗定位，以过滤所述车牌图像的部分背景区域；

基于车牌结构信息对粗定位后的所述车牌图像进行精准定位，以过滤所述车牌图像的剩余背景区域；

将精确定位后的所述车牌图像进行非极大值抑制处理和基于霍夫变换的倾斜校正处理，以得到定位后的车牌图像。