[发明专利]一种识别车辆车牌信息的方法

说明书

本发明提供了一种识别车辆车牌信息的方法，属于智能监控技术领域，该种识别车辆车牌信息的方法，通过彩色视频背景选择更新法获取目标彩色背景图像；车牌定位，将目标彩色背景图像进行预处理，通过边缘检测和形态学结合确定候选车牌的轮廓；车牌字符分割及字符归一化处理，然后统一将字符图块进行缩放；利用方向梯度直方图(Histogram of Oriented Gridients，HOG)特征向量提取字符特征；利用随机粒子群迭代的方法优化支持向量机(Support Vector Machine，SVM)核函数的核参数σ和惩罚因子C来得到优化SVM识别模型，通过优化SVM识别模型识别目标车牌。本发明在通过该方法建立的优化SVM识别模型训练时间短、识别准确率高，且识别速度快，大幅度减少了数据的运算量。

技术领域

本发明属于智能监控技术领域，具体涉及一种识别车辆车牌信息的方法。

背景技术

目前,随着经济的快速发展和城市扩张，交通量逐年增加,交通管理也变得复杂多样。隧道中无自然光，不仅行车的速度快，而且车型多样、行驶无规律、车牌位置不同、车灯照明不一致，车道多，可能出现并行、紧随、超车变道、超速行驶等情况，因外界因素的影响大，导致如果要求车牌信息准确率高，则需要大量计算，从而降低了识别速度；如果要求车牌信息识别速度快，则需要减少计算量，从而降低了识别的准确率，故无法同时即满足车牌信息准确率高又能满足车牌信息识别速度快，同时样本训练识别模型时，需要耗费大量的时间完成。

发明内容

本发明的目的在于提供一种识别车辆车牌信息的方法，旨在解决轨道交通中车牌信息识别时，无法同时即满足车牌信息准确率高又能满足车牌信息识别速度快的问题。

为实现上述目的，本发明采用的技术方案是：提供一种识别车辆车牌信息的方法，包括：

步骤1：通过彩色视频背景选择更新法获取目标彩色背景图像；

步骤2：车牌定位，将目标彩色背景图像进行预处理，通过边缘检测和形态学结合确定候选车牌的轮廓；

步骤3：车牌字符分割及字符归一化处理，然后统一将字符图块进行缩放；

步骤4：利用方向梯度直方图(Histogram of Oriented Gridients，HOG)特征向量提取字符特征；

步骤5：利用随机粒子群迭代的方法优化支持向量机(Support VectorMachine，SVM)核函数的核参数σ和惩罚因子C来得到优化SVM识别模型，通过所述优化SVM识别模型识别目标车牌。

优选地，所述步骤5的具体步骤为：

步骤501：把图像特征数据输入所述SVM；

步骤502：初始化所述SVM核函数的核参数σ和惩罚因子C；

步骤503：初始化粒子群的位置和速度，以所述SVM采用二分类器并通过引入松弛变量、拉格朗日系数和核函数计算的准确率作为粒子的适应度函数；

步骤504：利用所述随机粒子群迭代的方法更新每个个体粒子，并对新产生粒子计算其适应度值；

步骤505：每一代粒子根据以下公式更新自己的速度和位置：

υ_i(k)＝ω·υ_i(k-1)+c₁r₁[p_i-x_i(k-1)]+c₂r₂[p_g-x_i(k-1)]

x_i(k)＝x_i(k-1)+υ_i(k)；