[发明专利]一种基于深度学习与OCR技术相结合的污损遮挡号牌识别方法

权利要求书

1.一种基于深度学习与OCR技术相结合的污损遮挡号牌识别方法，其特征在于，所述方法包括以下步骤：

(1)采用YOLO网络结构进行车牌定位和识别：

(1.1)搜集各种场景下的车头图片，对所述图片中的车牌位置进行标注，得到标注数据，之后将所述标注数据划分为两部分，一部分为训练集和测试集，用于模型的训练过程中，所述训练集对模型不断训练，每训练一个阶段后，所述测试集验证效果，并再次进行训练，直到模型达到最优的拟合；另外一部分为验证级，用于模型训练完成后具体效果的测试，主要用于模型完成后；

(1.2)使用所述训练集对神经网络模型进行训练，并根据训练结果不断调整模型参数，直至得到最优模型；

(1.3)使用训练出的所述最优模型对车牌位置进行定位，并按照未悬挂车牌、全部污损或遮挡车牌、其他类车牌的分类方法输出车牌所属类别；所述其他类车牌是指正常号牌和部分遮挡号牌；

(2)采用OCR技术对所述其他类车牌的车牌号码进行识别：

(2.1)根据步骤(1)中获取的所述车牌位置，对车牌上的字符进行分割，得到分割字符；

(2.2)其次，根据分割字符是汉字、字母或数字的不同复杂度设置不同的阈值，识别车牌上的字符并输出每一位字符的置信度；

(2.3)再次，根据置信度不同识别车牌，得到车牌字符长度，并将所述车牌字符长度与正常号牌长度进行对比：如果相符即为正常号牌，如果不相符则为不符合长度的车牌；具体过程为：根据已经得到的各个阈值判断识别到的字符、数字和字母，首先采用阈值大小0.5来判断长度，等于号牌长度的为正常号牌，进一步按照各个字符、数字和字母的不同阈值判断是否为全部污损或遮挡车牌、部分遮挡号牌；

(2.4)最后，将筛选出的所述不符合长度的车牌，通过实验大量开源网站上的图片，首先选用的阈值大小为0.50，之后通过阈值调整筛选出污损车牌；所述阈值调整是指通过每次0.02的增幅调节阈值进行筛选。

2.根据权利要求1所述的一种基于深度学习与OCR技术相结合的污损遮挡号牌识别方法，其特征在于：步骤(2.2)中所述根据分割字符是汉字、字母或数字的不同复杂度设置不同的阈值是指，一是汉字较为复杂，在实验过程中采取放低阈值的方法，能提高识别的准确率；二是字母和数字较为简单，在实验过程中采取适当提高阈值的方法，有助于降低识别错误率。

3.根据权利要求2所述的一种基于深度学习与OCR技术相结合的污损遮挡号牌识别方法，其特征在于：步骤(2.2)中所述根据分割字符是汉字、字母或数字的不同复杂度设置不同的阈值中汉字的阈值为0.870，字母或数字的阈值都为0.920。

4.根据权利要求1所述的一种基于深度学习与OCR技术相结合的污损遮挡号牌识别方法，其特征在于：步骤(1)中所述YOLO网络结构是指YOLOv3实验模型。