[发明专利]一种无约束场景下的小目标车牌识别方法

说明书

本发明涉及一种无约束场景下的小目标车牌识别方法，采用多种图像分析技术相结合，针对车牌区域图像检测、车牌分类、车牌内容识别，分别引入神经网络进行应用，通过样本训练，获得各应用下的模型，结合检测形状矫正技术，实现无约束场景下的小目标车牌识别，整个方案应用高效的图像分析技术，能够准确识别出车牌长宽在40×15像素级别的车牌，并且对拍摄角度、光照等因素有很大的容忍度，与现有市场上的车牌识别算法相比，具有更广的应用场景，对于道路交通、平安城市具有很高的实用价值。

技术领域

本发明涉及一种无约束场景下的小目标车牌识别方法，属于智能视频和图像分析技术领域。

背景技术

自动车牌识别已在道路交通、停车场、小区中得到广泛应用，然而，这些应用基本都是在限定场景下进行的，主要体现在：对于道路交通、停车场出入口等用于识别车牌的摄像机，在工程实施和安装方面有着严格的要求，并且所拍摄车牌照片都相对正面、清晰，由此才能确保识别的准确率。

在现实情况下，人们常常需要在无约束场景下对小目标车牌进行准确识别，“无约束场景”是指对摄像机的角度、清晰度、光照条件等没有明确要求，照片可能在大角度下拍摄的、图像中的车牌可能会受光照影响甚至是失真的情况；“小目标车牌”是指车牌在整个视频或图像中占比较小，以至于常规算法无法检测出车牌的情况。

无约束场景下的小目标车牌识别是一件极具挑战性的工作，但对于道路交通、公安刑侦等应用有着非常重要的实用价值。。

发明内容

本发明所要解决的技术问题是提供一种无约束场景下的小目标车牌识别方法，采用多种图像分析技术相结合，能够有效提高图像分析效率，获得更高的车牌识别精度。

本发明为了解决上述技术问题采用以下技术方案：本发明设计了一种无约束场景下的小目标车牌识别方法，包括执行如下步骤i1至步骤i2，获得车牌区域图像检测模型，以及执行如下步骤ii1至步骤ii3，获得车牌内容识别模型；然后基于车牌区域图像检测模型、车牌内容识别模型，执行如下步骤A至步骤C，实现对目标场景中目标车牌内容的识别；

步骤i1.收集各幅包含指定各类型车牌的场景样本图像，并获得各场景样本图像中分别对应包含的车牌区域图像，以及获得车牌区域图像的四个角点坐标，然后进入步骤i2；

步骤i2.以各幅场景样本图像为输入，各幅场景样本图像中车牌区域图像、以及车牌区域图像四个角点坐标为输出，针对第一指定神经网络进行训练，获得车牌区域图像检测模型；

步骤ii1.依次连接深度卷积神经网络模型构成的卷积层、双向循环神经网路构成的循环层、连接时序分类模型构成的转录层，构建车牌内容识别初始模型，然后进入步骤ii2；

步骤ii2.收集各幅车牌区域样本图像，并获得各车牌区域样本图像中的车牌号码，然后进入步骤ii3；

步骤ii3.以各幅车牌区域样本图像为输入，各幅车牌区域样本图像中的车牌号码为输出，针对车牌内容识别初始模型进行训练，获得车牌内容识别模型；

步骤A.获取目标场景图像，并应用车牌区域图像检测模型，检测获得目标场景图像中的目标车牌区域图像、以及目标车牌区域图像四个角点坐标，然后进入步骤B；

步骤B.根据目标车牌区域图像四个角点坐标，将目标车牌区域图像矫正至矩形形状，更新目标车牌区域图像，然后进入步骤C；

步骤C.应用车牌内容识别模型，针对目标车牌区域图像进行识别，获得目标车牌区域图像所对应的车牌号码。

作为本发明的一种优选技术方案：所述步骤i1包括如下步骤i1-1至步骤i1-2；

步骤i1-1.收集各幅包含指定各类型车牌的场景样本图像，并获得各场景样本图像中分别对应包含的车牌区域图像，以及获得车牌区域图像的四个角点坐标，然后进入步骤i1-2；