一種基于字符融合特征的車牌字符識(shí)別方法及系統(tǒng)的制作方法
【專利摘要】本發(fā)明公開了一種基于字符融合特征的車牌字符識(shí)別方法及系統(tǒng)，克服目前車牌字符識(shí)別準(zhǔn)確度較低的不足。該方法包括：對(duì)車牌圖像進(jìn)行預(yù)處理，獲得預(yù)處理圖像；提取出預(yù)處理圖像中字符的融合特征；對(duì)字符的融合特征進(jìn)行分類識(shí)別，獲得車牌信息。本申請(qǐng)的實(shí)施例可以提高車牌字符識(shí)別的準(zhǔn)確度和速度。
【專利說明】一種基于字符融合特征的車牌字符識(shí)別方法及系統(tǒng)【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及車牌字符識(shí)別，尤其涉及一種基于字符融合特征的車牌字符識(shí)別方法及系統(tǒng)。
【背景技術(shù)】
[0002]車牌識(shí)別技術(shù)是現(xiàn)代智能交通系統(tǒng)(Intelligent Transportation System, ITS)中的重要組成部分。高效的車牌識(shí)別系統(tǒng)(License Plate Recognition,LPR)可以大幅度提高路網(wǎng)的通行能力和服務(wù)質(zhì)量。
[0003]車牌識(shí)別技術(shù)主要包括車牌區(qū)域的定位、車牌字符的分割和車牌字符的識(shí)別等三個(gè)部分。車牌字符的識(shí)別，可以獲取完整的車牌信息，是車牌識(shí)別技術(shù)的最終目的。因此車牌字符識(shí)別準(zhǔn)確率是直接影響到獲取車牌的信息是否準(zhǔn)確，如何快速準(zhǔn)確地在實(shí)際復(fù)雜場(chǎng)景中對(duì)車牌字符進(jìn)行識(shí)別是一個(gè)挑戰(zhàn)。 [0004]車牌字符識(shí)別屬于模式識(shí)別的范疇，模式識(shí)別是對(duì)過程或者事物的分類與描述，具有類似性質(zhì)的過程或者事物被劃為一類。簡(jiǎn)單來說，車牌字符識(shí)別的實(shí)現(xiàn)方式是通過提取待識(shí)別車牌字符的特征與收集的字符數(shù)據(jù)庫(kù)中的特征進(jìn)行匹配并找出匹配度最大的特征對(duì)應(yīng)的字符，該字符就是識(shí)別結(jié)果，將識(shí)別的結(jié)果逐個(gè)顯示可以看到車牌的全部信息，因此車牌字符識(shí)別階段包括車牌字符預(yù)處理、提取字符特征、分類匹配判決等過程。
[0005]常用的字符識(shí)別方法圍繞車牌字符的特征展開，包括統(tǒng)計(jì)模式識(shí)別、結(jié)構(gòu)模式識(shí)別和神經(jīng)網(wǎng)絡(luò)，其中統(tǒng)計(jì)模式識(shí)別統(tǒng)計(jì)字符的整體規(guī)律并將統(tǒng)計(jì)信息作為字符特征，輸入到分類網(wǎng)絡(luò)中通過判決函數(shù)識(shí)別，該法對(duì)外部條件的魯棒性不強(qiáng)且計(jì)算量過大；結(jié)構(gòu)模式識(shí)別方法魯棒性差且算法復(fù)雜而無實(shí)用性；神經(jīng)網(wǎng)絡(luò)作為一種機(jī)器學(xué)習(xí)的方法需要經(jīng)過充足的訓(xùn)練和參數(shù)調(diào)整后才具備很好地泛化能力和正確率，因此分類網(wǎng)絡(luò)的訓(xùn)練比較費(fèi)時(shí)費(fèi)力并會(huì)出錯(cuò)。
[0006]在復(fù)雜場(chǎng)景中，單一特征無法完整提取車牌特征而導(dǎo)致車牌字符的識(shí)別準(zhǔn)確率較低。支持向量機(jī)中分類網(wǎng)絡(luò)的構(gòu)建，不僅要考慮識(shí)別速度必須滿足實(shí)時(shí)性的要求，還需構(gòu)建的分類網(wǎng)絡(luò)具有一定的魯棒性和適應(yīng)性。
[0007]如何選擇和提取字符的特征以及構(gòu)建合適的分類網(wǎng)絡(luò)，是影響車牌字符識(shí)別性能的關(guān)鍵因素。有必要在提高車牌字符識(shí)別準(zhǔn)確率的同時(shí)，提高車牌字符的識(shí)別速度，克服車牌邊框等自身?xiàng)l件的干擾和光照變化等外部條件的影響，最終高效準(zhǔn)確地對(duì)車牌字符進(jìn)行識(shí)別。

【發(fā)明內(nèi)容】

[0008]本發(fā)明所要解決的技術(shù)問題是克服目前車牌字符識(shí)別準(zhǔn)確度較低的不足。
[0009]為了解決上述技術(shù)問題，本發(fā)明提供了一種基于字符融合特征的車牌字符識(shí)別方法，用于從車牌圖像中識(shí)別出車牌信息，該方法包括:
[0010]對(duì)所述車牌圖像進(jìn)行預(yù)處理，獲得預(yù)處理圖像；[0011]提取出所述預(yù)處理圖像中字符的融合特征；
[0012]對(duì)所述字符的融合特征進(jìn)行分類識(shí)別，獲得所述車牌信息。
[0013]其中，對(duì)所述車牌圖像進(jìn)行預(yù)處理，獲得預(yù)處理圖像，包括:
[0014]對(duì)所述車牌圖像進(jìn)行二值化處理，得到二值化圖像；
[0015]在所述二值化圖像中確定包含有字符的有效字符區(qū)域；
[0016]在所述有效字符區(qū)域中提取出字符的骨架，得到包含所述骨架的所述預(yù)處理圖像。
[0017]其中，提取出所述預(yù)處理圖像中字符的融合特征，包括:
[0018]提取出所述預(yù)處理圖像中體現(xiàn)字符整體形狀分布情況的網(wǎng)格特征、反映不同方向上字符像素點(diǎn)分布情況的筆畫密度特征、反映字符四周筆畫信息的四邊碼特征以及反映字符輪廓信息的字符輪廓特征。
[0019]其中，對(duì)所述字符的融合特征進(jìn)行分類識(shí)別，獲得所述車牌信息，包括:
[0020]采用漢字分類網(wǎng)絡(luò)對(duì)所述預(yù)處理圖像中的第一個(gè)字符的融合特征進(jìn)行識(shí)別，獲得所述第一個(gè)字符對(duì)應(yīng)的漢字；
[0021]采用字母數(shù)字分類網(wǎng)絡(luò)對(duì)所述預(yù)處理圖像中的第二個(gè)字符至最后一個(gè)字符進(jìn)行識(shí)別，獲得所述第二個(gè)字符至最后一個(gè)字符各自對(duì)應(yīng)的數(shù)字或字母；
[0022]根據(jù)所述第一個(gè)字符對(duì)應(yīng)的漢字以及所述第二個(gè)字符至最后一個(gè)字符各自對(duì)應(yīng)的數(shù)字或字母，獲得所述車牌信息。
[0023]本申請(qǐng)的實(shí)施例還提供了一種基于字符融合特征的車牌字符識(shí)別系統(tǒng)，用于從車牌圖像中識(shí)別出車牌信息，該系統(tǒng)包括:
[0024]預(yù)處理模塊，對(duì)所述車牌圖像進(jìn)行預(yù)處理，獲得預(yù)處理圖像；
[0025]提取模塊，提取出所述預(yù)處理圖像中字符的融合特征；
[0026]識(shí)別模塊，對(duì)所述字符的融合特征進(jìn)行分類識(shí)別，獲得所述車牌信息。
[0027]其中，所述預(yù)處理模塊包括:
[0028]二值化處理單元，對(duì)所述車牌圖像進(jìn)行二值化處理，得到二值化圖像；
[0029]確定單元，在所述二值化圖像中確定包含有字符的有效字符區(qū)域；
[0030]提取單元，在所述有效字符區(qū)域中提取出字符的骨架，得到包含所述骨架的所述預(yù)處理圖像。
[0031]其中:所述提起模塊提取出所述預(yù)處理圖像中體現(xiàn)字符整體形狀分布情況的網(wǎng)格特征、反映不同方向上字符像素點(diǎn)分布情況的筆畫密度特征、反映字符四周筆畫信息的四邊碼特征以及反映字符輪廓信息的字符輪廓特征。
[0032]其中，所述識(shí)別模塊包括:
[0033]漢字識(shí)別單元，采用漢字分類網(wǎng)絡(luò)對(duì)所述預(yù)處理圖像中的第一個(gè)字符的融合特征進(jìn)行識(shí)別，獲得所述第一個(gè)字符對(duì)應(yīng)的漢字；
[0034]字母數(shù)字識(shí)別單元，采用字母數(shù)字分類網(wǎng)絡(luò)對(duì)所述預(yù)處理圖像中的第二個(gè)字符至最后一個(gè)字符進(jìn)行識(shí)別，獲得所述第二個(gè)字符至最后一個(gè)字符各自對(duì)應(yīng)的數(shù)字或字母；
[0035]獲取單元，根據(jù)所述第一個(gè)字符對(duì)應(yīng)的漢字以及所述第二個(gè)字符至最后一個(gè)字符各自對(duì)應(yīng)的數(shù)字或字母，獲得所述車牌信息。
[0036]與現(xiàn)有技術(shù)相比，本申請(qǐng)的實(shí)施例利用融合特征提取及支持向量機(jī)相結(jié)合的算法來對(duì)車牌字符進(jìn)行識(shí)別，適用于不同時(shí)間段和光照條件下實(shí)地的街道、馬路、商場(chǎng)、地下停車場(chǎng)等拍攝的各種質(zhì)量的車牌圖片，車牌圖像類型可以是特寫圖像、低質(zhì)量圖像或者復(fù)雜場(chǎng)景圖像等，可以提高車牌字符識(shí)別的準(zhǔn)確度和速度。本申請(qǐng)的實(shí)施例利用字符融合特征向量可以克服在復(fù)雜情況下利用單一字符特征對(duì)車牌字符識(shí)別準(zhǔn)確度不高的缺陷，并且讓漢字、字母數(shù)字分別進(jìn)入構(gòu)建的兩類分類網(wǎng)絡(luò)，遍歷較少的分類網(wǎng)絡(luò)獲取字符識(shí)別結(jié)果，以此來提高識(shí)別速度。提取的融合特征綜合考慮車牌字符的整體形狀分布、形狀特征、不同方向上像素點(diǎn)的分布情況、周邊的筆畫信息，將車牌字符由內(nèi)而外、由整體到局部的特征充分進(jìn)行提取，對(duì)漢字、數(shù)字和字母都比較適用，從而解決車牌漢字特征提取的難題。利用字符融合特征和支持向量機(jī)相結(jié)合的方法可以快速準(zhǔn)確的實(shí)現(xiàn)車牌字符的識(shí)別，獲得完整的車牌信息。
【專利附圖】

【附圖說明】
[0037]圖1為本申請(qǐng)實(shí)施例的基于字符融合特征的車牌字符識(shí)別方法的流程示意圖。
[0038]圖2為本申請(qǐng)實(shí)施例的基于字符融合特征的車牌字符識(shí)別系統(tǒng)的構(gòu)造示意圖。
[0039]圖3為利用本申請(qǐng)實(shí)施例的原理對(duì)樣本進(jìn)行訓(xùn)練獲得字符分類網(wǎng)絡(luò)的過程示意圖。
[0040]圖4為本申請(qǐng)實(shí)施例中細(xì)化處理時(shí)像素的鄰近關(guān)系示意圖。
[0041]圖5(a)-圖5 Cd)為本申請(qǐng)實(shí)施例中字符融合特征的提取過程示意圖。
【具體實(shí)施方式】
[0042]以下將結(jié)合附圖及實(shí)施例來詳細(xì)說明本發(fā)明的實(shí)施方式，借此對(duì)本發(fā)明如何應(yīng)用技術(shù)手段來解決技術(shù)問題，并達(dá)成技術(shù)效果的實(shí)現(xiàn)過程能充分理解并據(jù)以實(shí)施。本申請(qǐng)實(shí)施例以及實(shí)施例中的各個(gè)特征在不相沖突前提下的相互結(jié)合，均在本發(fā)明的保護(hù)范圍之內(nèi)。
[0043]車牌識(shí)別技術(shù)是智能交通系統(tǒng)的重要組成部分，而車牌字符識(shí)別是車牌識(shí)別系統(tǒng)的關(guān)鍵步驟，車牌字符識(shí)別效果的好壞直接影響到能否獲得完整的車牌信息，必須利用有效的方法獲取良好的車牌字符識(shí)別效果，特別是在實(shí)際復(fù)雜環(huán)境中能夠?qū)嚺谱址M(jìn)行快速準(zhǔn)確地識(shí)別，并且能夠?qū)吙蛞约肮庹兆兓挠绊懢哂休^高的魯棒性和較強(qiáng)的泛化能力。但現(xiàn)有的統(tǒng)計(jì)模式識(shí)別和結(jié)構(gòu)模式識(shí)別的方法無法考慮到各方面的因素，需要研究一種可以應(yīng)用于實(shí)際的車牌字符識(shí)別方法。
[0044]支持向量機(jī)以結(jié)構(gòu)風(fēng)險(xiǎn)最小化和VC維理論為基礎(chǔ)的統(tǒng)計(jì)學(xué)習(xí)方法，通過尋找最大間隔超平面來分類并將分類問題轉(zhuǎn)化為二次規(guī)劃問題，根據(jù)訓(xùn)練樣本的信息考慮學(xué)習(xí)能力和模型復(fù)雜度之間的平衡獲得最好的泛化能力，在處理非線性、高維和小樣本模式識(shí)別問題中具有很大的優(yōu)勢(shì)，并且在進(jìn)行車牌字符識(shí)別只需要簡(jiǎn)單的訓(xùn)練學(xué)習(xí)與參數(shù)調(diào)整就能得到不輸于神經(jīng)網(wǎng)絡(luò)分類網(wǎng)絡(luò)的準(zhǔn)確率。
[0045]本發(fā)明的技術(shù)方案中，利用字符融合特征提取和支持向量機(jī)相結(jié)合的算法對(duì)車牌字符進(jìn)行識(shí)別，基于字符融合特征的提取方法克服了單一字符特征無法獲得較高的車牌字符識(shí)別準(zhǔn)確率的缺陷，提取的融合特征綜合考慮車牌字符的整體形狀分布、形狀特征、不同方向上像素點(diǎn)的分布情況、周邊的筆畫信息，將車牌字符由內(nèi)而外、由整體到局部的特征充分進(jìn)行提取，對(duì)漢字、數(shù)字和字母都比較適用，從而解決車牌漢字特征提取的難題。利用支持向量機(jī)構(gòu)建漢字、字母數(shù)字兩類分類網(wǎng)絡(luò)，并且讓漢字、字母數(shù)字分別進(jìn)入構(gòu)建的兩類分類網(wǎng)絡(luò)，遍歷較少的分類網(wǎng)絡(luò)獲取字符識(shí)別結(jié)果，以此來提高識(shí)別速度；支持向量機(jī)本身在處理小樣本、非線性和高維的模式識(shí)別問題上具有良好的優(yōu)勢(shì)，并且泛化能力較強(qiáng)，能夠適應(yīng)邊框以及光照等變化因素的影響，因此適合應(yīng)用到實(shí)際場(chǎng)景中對(duì)車牌字符進(jìn)行識(shí)別。將兩者結(jié)合起來，先提取車牌字符的融合特征，以融合特征向量為支持向量機(jī)的輸入訓(xùn)練兩類分類網(wǎng)絡(luò)，測(cè)試車牌字符也提取融合特征并分別輸入到兩類分類網(wǎng)絡(luò)進(jìn)行識(shí)別，逐個(gè)顯示識(shí)別結(jié)果獲得完整車牌信息，將兩者結(jié)合可以不僅成功提高了車牌字符識(shí)別的準(zhǔn)確率，具有較好的識(shí)別速度，而且具有較強(qiáng)的魯棒性和泛化能力，能夠在實(shí)際復(fù)雜環(huán)境中獲得良好的車牌字符識(shí)別效果。
[0046]本發(fā)明實(shí)施例的基于字符融合特征的車牌字符識(shí)別方法，用于從車牌圖像中識(shí)別出車牌信息。如圖1所示，該方法主要包括如下步驟:
[0047]步驟S110，對(duì)待從中識(shí)別出車牌信息的車牌圖像進(jìn)行預(yù)處理，獲得預(yù)處理圖像。
[0048]本申請(qǐng)的實(shí)施例中，該預(yù)處理的過程主要包括二值化處理、截取有效字符區(qū)域并從中提取出字符的骨架。首先，對(duì)車牌圖像進(jìn)行二值化處理，得到二值化圖像。其次，在二值化圖像中確定包含有字符的有效字符區(qū)域。然后，在有效字符區(qū)域中提取出字符的骨架，得到包含字符骨架的預(yù)處理圖像。
[0049]步驟S120，提取出預(yù)處理圖像中字符的融合特征。
[0050]本申請(qǐng)的實(shí)施例中，字符的融合特征，主要包括體現(xiàn)字符整體形狀分布情況的網(wǎng)格特征、反映不同方向上字符像素點(diǎn)分布情況的筆畫密度特征、反映字符四周筆畫信息的四邊碼特征以及反映字符輪廓信息的字符輪廓特征。
[0051]步驟S130，對(duì)字符的融合特征進(jìn)行分類識(shí)別，獲得車牌信息。
[0052]本申請(qǐng)的實(shí)施例中，所述的分類識(shí)別主要是采用漢字分類網(wǎng)絡(luò)對(duì)漢字進(jìn)行識(shí)別，以及采用字母數(shù)字分類網(wǎng)絡(luò)對(duì)字母和數(shù)字進(jìn)行識(shí)別。具體地，采用漢字分類網(wǎng)絡(luò)對(duì)預(yù)處理圖像中的第一個(gè)字符的融合特征進(jìn)行識(shí)別，獲得第一個(gè)字符對(duì)應(yīng)的漢字；采用字母數(shù)字分類網(wǎng)絡(luò)對(duì)預(yù)處理圖像中的第二個(gè)字符至最后一個(gè)字符進(jìn)行識(shí)別，獲得第二個(gè)字符至最后一個(gè)字符各自對(duì)應(yīng)的數(shù)字或字母。根據(jù)第一個(gè)字符對(duì)應(yīng)的漢字以及第二個(gè)字符至最后一個(gè)字符各自對(duì)應(yīng)的數(shù)字或字母，獲得車牌信息。
[0053]本發(fā)明實(shí)施例的基于字符融合特征的車牌字符識(shí)別系統(tǒng)，用于從車牌圖像中識(shí)別出車牌信息。如圖2所示，該系統(tǒng)主要包括如下步驟預(yù)處理模塊210、提取模塊220以及識(shí)別模塊230。其中:
[0054]預(yù)處理模塊210，設(shè)置為對(duì)車牌圖像進(jìn)行預(yù)處理，獲得預(yù)處理圖像。
[0055]提取模塊220，與預(yù)處理模塊210相連，提取出預(yù)處理圖像中字符的融合特征；
[0056]識(shí)別模塊230，與提取模塊220相連，對(duì)字符的融合特征進(jìn)行分類識(shí)別，獲得車牌信息。
[0057]如圖2所示，該預(yù)處理模塊210主要包括二值化處理單元211、確定單元212以及提取單元213。其中:
[0058]二值化處理單元211，對(duì)車牌圖像進(jìn)行二值化處理，得到二值化圖像。
[0059]確定單元212，與二值化處理單元211相連，在二值化圖像中確定包含有字符的有效字符區(qū)域。
[0060]提取單元213，與確定單元212相連，在有效字符區(qū)域中提取出字符的骨架，得到包含骨架的預(yù)處理圖像。
[0061]本申請(qǐng)的實(shí)施例中，提取模塊220提取出預(yù)處理圖像中體現(xiàn)字符整體形狀分布情況的網(wǎng)格特征、反映不同方向上字符像素點(diǎn)分布情況的筆畫密度特征、反映字符四周筆畫信息的四邊碼特征以及反映字符輪廓信息的字符輪廓特征。
[0062]如圖2所示，該識(shí)別模塊230包括漢字識(shí)別單元231、字母數(shù)字識(shí)別單元232以及獲取單元233。其中:
[0063]漢字識(shí)別單元231，采用漢字分類網(wǎng)絡(luò)對(duì)預(yù)處理圖像中的第一個(gè)字符的融合特征進(jìn)行識(shí)別，獲得第一個(gè)字符對(duì)應(yīng)的漢字。
[0064]字母數(shù)字識(shí)別單元232，采用字母數(shù)字分類網(wǎng)絡(luò)對(duì)預(yù)處理圖像中的第二個(gè)字符至最后一個(gè)字符進(jìn)行識(shí)別，獲得第二個(gè)字符至最后一個(gè)字符各自對(duì)應(yīng)的數(shù)字或字母。 [0065]獲取單元233，與漢字識(shí)別單元231及字母數(shù)字識(shí)別單元232相連，根據(jù)第一個(gè)字符對(duì)應(yīng)的漢字以及第二個(gè)字符至最后一個(gè)字符各自對(duì)應(yīng)的數(shù)字或字母，獲得車牌信息。
[0066]本申請(qǐng)的實(shí)施例在應(yīng)用時(shí)，首先訓(xùn)練出漢字、字母數(shù)字兩類分類網(wǎng)絡(luò)。需要說明的是，利用訓(xùn)練樣本訓(xùn)練出漢字、字母數(shù)字兩類分類網(wǎng)絡(luò)并利用測(cè)試樣本進(jìn)行測(cè)試的過程，與本申請(qǐng)實(shí)施例的基于字符融合特征的車牌字符識(shí)別方法的原理和過程實(shí)質(zhì)上相同，與本申請(qǐng)實(shí)施例的基于字符融合特征的車牌字符識(shí)別系統(tǒng)的工作原理和過程實(shí)質(zhì)上相同，可以用來對(duì)本申請(qǐng)實(shí)施例進(jìn)行理解和參考。
[0067]如圖3所示，訓(xùn)練的主要過程包括如下步驟:
[0068]步驟S310，收集車牌字符訓(xùn)練樣本和車牌字符測(cè)試樣本，其中訓(xùn)練樣本和測(cè)試樣本均包括對(duì)應(yīng)于中國(guó)31個(gè)省份的31類漢字，10類數(shù)字和24類英文字母。
[0069]本申請(qǐng)的實(shí)施例中，每類數(shù)字和字母的訓(xùn)練樣本和測(cè)試樣本可以分別為20張，每類漢字的訓(xùn)練樣本和測(cè)試樣本數(shù)不等，方便研究不同的樣本數(shù)對(duì)車牌漢字識(shí)別造成的影響，漢字總共的訓(xùn)練樣本和測(cè)試樣本數(shù)分別為208張，訓(xùn)練和測(cè)試樣本利用平均加權(quán)法進(jìn)行灰度化處理。
[0070]步驟S320，對(duì)訓(xùn)練樣本和測(cè)試樣本進(jìn)行預(yù)處理。
[0071]處理的對(duì)象是簡(jiǎn)單的車牌字符，首先采用OTSU全局二值化算法進(jìn)行二值化處理，得到二值化圖像。它按照?qǐng)D像的目標(biāo)和背景類間方差最大時(shí)取到二值化的閾值，不管圖像的直方圖有無明顯的雙峰都能達(dá)到比較好的效果。
[0072]將大小為MXN的圖像I (X，y)的分割閾值記為ξ，圖像中像素點(diǎn)的灰度值大于閾值ξ的數(shù)目記為K1，小于ξ的記為K2JPMXN = K1+!^屬于目標(biāo)的像素點(diǎn)的個(gè)數(shù)占整幅圖像的比例記做a i = V(MXN)，目標(biāo)像素點(diǎn)的平均灰度記作β !;屬于背景的像素點(diǎn)占整幅圖像的比例記做a2 = K2/(ΜΧΝ)，背景像素點(diǎn)的平均灰度記作β2，整幅圖像的平均灰度記作β，類間方差記為Y，那么這些變量的關(guān)系如下:
[0073]β = α1Χβ1+α2Χβ2式(I)
[0074]Y =α2式(2)
[0075]將式(I)代入式(2)，得到:
[0076]y = (β「β2)2Χ Ci1X α2式(3)[0077]分割閾值ξ從灰度值0-255開始迭代，計(jì)算每次迭代的邊緣檢測(cè)圖像的類間方差Y并將前后兩次的Y進(jìn)行比較，當(dāng)Y為最大的時(shí)候取得二值化效果最好的分割閾值ξ。
[0078]然后根據(jù)獲取的最佳分割閾值ξ對(duì)圖像進(jìn)行二值化處理，圖像中灰度值大于閾值ξ的像素點(diǎn)的新值記為1，小于閾值ξ的像素點(diǎn)的新值記為O,將灰度圖轉(zhuǎn)化為二值圖，轉(zhuǎn)化公式為:
【權(quán)利要求】
1.一種基于字符融合特征的車牌字符識(shí)別方法，用于從車牌圖像中識(shí)別出車牌信息，其特征在于，該方法包括: 對(duì)所述車牌圖像進(jìn)行預(yù)處理，獲得預(yù)處理圖像； 提取出所述預(yù)處理圖像中字符的融合特征； 對(duì)所述字符的融合特征進(jìn)行分類識(shí)別，獲得所述車牌信息。
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，對(duì)所述車牌圖像進(jìn)行預(yù)處理，獲得預(yù)處理圖像，包括: 對(duì)所述車牌圖像進(jìn)行二值化處理，得到二值化圖像； 在所述二值化圖像中確定包含有字符的有效字符區(qū)域； 在所述有效字符區(qū)域中提取出字符的骨架，得到包含所述骨架的所述預(yù)處理圖像。
3.根據(jù)權(quán)利要求1所述的方法，其特征在于，提取出所述預(yù)處理圖像中字符的融合特征，包括: 提取出所述預(yù)處理圖像中體現(xiàn)字符整體形狀分布情況的網(wǎng)格特征、反映不同方向上字符像素點(diǎn)分布情況的筆畫密度特征、反映字符四周筆畫信息的四邊碼特征以及反映字符輪廓信息的字符輪廓特征。
4.根據(jù)權(quán)利要求1所述的方法，其特征在于，對(duì)所述字符的融合特征進(jìn)行分類識(shí)別，獲得所述車牌信息，包括: 采用漢字分類網(wǎng)絡(luò)對(duì)所述預(yù)處理圖像中的第一個(gè)字符的融合特征進(jìn)行識(shí)別，獲得所述第一個(gè)字符對(duì)應(yīng)的漢字； 采用字母數(shù)字分類網(wǎng)絡(luò)對(duì)所述預(yù)處理圖像中的第二個(gè)字符至最后一個(gè)字符進(jìn)行識(shí)別，獲得所述第二個(gè)字符至最后一個(gè)字符各自對(duì)應(yīng)的數(shù)字或字母； 根據(jù)所述第一個(gè)字符對(duì)應(yīng)的漢字以及所述第二個(gè)字符至最后一個(gè)字符各自對(duì)應(yīng)的數(shù)字或字母，獲得所述車牌信息。
5.一種基于字符融合特征的車牌字符識(shí)別系統(tǒng)，用于從車牌圖像中識(shí)別出車牌信息，其特征在于，該系統(tǒng)包括: 預(yù)處理模塊，對(duì)所述車牌圖像進(jìn)行預(yù)處理，獲得預(yù)處理圖像； 提取模塊，提取出所述預(yù)處理圖像中字符的融合特征； 識(shí)別模塊，對(duì)所述字符的融合特征進(jìn)行分類識(shí)別，獲得所述車牌信息。
6.根據(jù)權(quán)利要求5所述的系統(tǒng)，其特征在于，所述預(yù)處理模塊包括: 二值化處理單元，對(duì)所述車牌圖像進(jìn)行二值化處理，得到二值化圖像； 確定單元，在所述二值化圖像中確定包含有字符的有效字符區(qū)域； 提取單元，在所述有效字符區(qū)域中提取出字符的骨架，得到包含所述骨架的所述預(yù)處理圖像。
7.根據(jù)權(quán)利要求5所述的系統(tǒng)，其特征在于: 所述提起模塊提取出所述預(yù)處理圖像中體現(xiàn)字符整體形狀分布情況的網(wǎng)格特征、反映不同方向上字符像素點(diǎn)分布情況的筆畫密度特征、反映字符四周筆畫信息的四邊碼特征以及反映字符輪廓信息的字符輪廓特征。
8.根據(jù)權(quán)利要求5所述的系統(tǒng)，其特征在于，所述識(shí)別模塊包括: 漢字識(shí)別單元，采用漢字分類網(wǎng)絡(luò)對(duì)所述預(yù)處理圖像中的第一個(gè)字符的融合特征進(jìn)行識(shí)別，獲得所述第一個(gè)字符對(duì)應(yīng)的漢字； 字母數(shù)字識(shí)別單元，采用字母數(shù)字分類網(wǎng)絡(luò)對(duì)所述預(yù)處理圖像中的第二個(gè)字符至最后一個(gè)字符進(jìn)行識(shí)別，獲得所述第二個(gè)字符至最后一個(gè)字符各自對(duì)應(yīng)的數(shù)字或字母； 獲取單元，根據(jù)所述第一個(gè)字符對(duì)應(yīng)的漢字以及所述第二個(gè)字符至最后一個(gè)字符各自對(duì)應(yīng)的數(shù)字或字母，獲 得所述車牌信息。
【文檔編號(hào)】G06K9/00GK103902981SQ201410132674
【公開日】2014年7月2日 申請(qǐng)日期:2014年4月2日 優(yōu)先權(quán)日:2014年4月2日
【發(fā)明者】熊繼平, 湯清華, 趙健 申請(qǐng)人:浙江師范大學(xué)