[发明专利]一种基于Mask-RCNN的非机动车车牌识别方法及系统

说明书

一种基于Mask‑RCNN的非机动车车牌识别方法，基于卷积神经网络(Mask‑RCNN)来实现车牌的精确定位，进行倾斜校正、二值化后采用垂直投影法分割车牌字符，用卷积神经网络来实现字符识别，识别准确率比采用传统计算机图像处理的车牌识别方法高。本发明还包括实施上述一种基于Mask‑RCNN的非机动车车牌识别方法的系统。上述基于卷积神经网络(Mask‑RCNN)的非机动车车牌识别方法，在复杂场景，如光照较强、图像分辨率不佳的条件下也能有较高的识别率，极大地提高了非机动车车牌识别系统的鲁棒性。

技术领域

本发明涉及计算机图像处理、深度学习、智能交通领域，尤其涉及一种基于Mask-RCNN的非机动车车牌识别方法及系统。

背景技术

随着时代的发展，全社会非机动车保有量正在逐年增加，出于安全、合理分配资源等方面的考虑，对于获取非机动车车辆信息的需求日渐增长；车辆牌照，被视为车辆的“身份证”，通常在获取牌照信息的基础上就很容易得到该车辆的其他信息。因此，牌照信息在交通系统中对于车辆信息的识别起到非常重要的作用。然而，随着非机动车保有量与日俱增，曾经单纯依靠人工完成的车牌信息识别、记录以其劳动强度大、工作效率低等劣势很难达到当今社会对于高质量、高效率的要求；同时，近几年的计算机技术发展迅猛。于是，非机动车牌照的自动识别技术日益受到重视。

非机动车车牌识别技术是一个基于计算机图像处理的综合性集成技术，其处理流程包括非机动车车牌图像定位、非机动车车牌字符识别两个主要的功能模块。非机动车车牌图像定位主题任务是从拍摄的非机动车车辆图像中定位到车牌所在的位置，并在把车牌准确的提取出来，供后续的非机动车车牌字符识别使用。车牌图像的准确定位是车牌字符识别的前提和基础，是非机动车车牌识别技术首先要解决的关键问题。

然而，目前基于传统图像处理的非机动车车牌识别技术虽然在简单的场景下可以很好地运转，但是在开放、复杂的场景下，现有的算法就难以取得比较理想的车牌检测和识别效果。在开放的场景下，主要的困难在于自然场景中的文本干扰(如广告牌、道路指示牌等)以及随机的拍摄条件(如不同的光照、扭曲、遮挡、模糊等)等。

发明内容

本发明要克服现有技术的上述缺点，提供一种基于卷积神经网络(Mask-RCNN)的非机动车车牌识别方法及系统，来解决在复杂场景下非机动车车牌识别面临的上述困难。

本发明采用以下技术方案：

一种基于卷积神经网络(Mask-RCNN)的非机动车车牌识别方法，包括如下步骤：

S1：训练基于卷积神经网络(Mask-RCNN)的非机动车车牌定位网络；

S2：利用S1所述的非机动车车牌定位网络在拍摄到的图片中检测非机动车车牌图像区域，获取一些疑似非机动车车牌的图像及相应位置坐标；

S3：对S2获得的疑似非机动车车牌图像进行精确筛选，完成车牌图像的精确定位；

S4：对S3所述精确筛选后获得的非机动车车牌图像进行倾斜矫正，以便后续非机动车车牌字符识别使用，本发明采用Hough变换法提取倾斜车牌的倾斜角度，并完成车牌图像旋转；

S5：对S4所述完成倾斜矫正的车牌图像进行字符分割；

S6：训练一种基于BP神经网络的字符识别方法，并采用训练好的识别模型对S5所述分割后的车牌字符进行识别。

一种基于卷积神经网络(Mask-RCNN)的非机动车车牌识别系统，包括：车牌检测定位模块：训练基于卷积神经网络(Mask-RCNN)的非机动车车牌定位模型，来对拍摄的图像进行非机动车车牌区域定位；