反遮擋和涂改的車牌識別系統(tǒng)及方法
【專利摘要】本發(fā)明公開了反遮擋和涂改的車牌識別系統(tǒng)及方法，在進行車牌識別時，分別進行缺漏和殘缺的判斷，對缺漏字符輸出其數(shù)量和位置，對殘缺字符給出可能的字符，并根據(jù)可能性大小進行排列，并啟動車型識別子模塊和車顏色識別子模塊，根據(jù)上述信息，從外部數(shù)據(jù)庫中提取與上述信息最為匹配的車牌號信息，將獲取的各可能車牌號輸出，該方法針對完全遮改和部分遮改的字符均進行判斷和處理，提高了車牌識別的準確率；在圖像采集模塊中設置可見光主動光源、可見光攝像機、近紅外主動光源以及近紅外攝像機，獲取主被動成像時能獲取清晰度、準確度更高的圖像，尤其是高亮顯示的車牌號區(qū)域，為提高車牌識別的準確率提供優(yōu)質(zhì)圖像。
【專利說明】
反遮擋和涂改的車牌識別系統(tǒng)及方法
技術領域
[0001]本發(fā)明涉及智能交通領域，具體涉及反遮擋和涂改的車牌識別系統(tǒng)及方法。
【背景技術】
[0002]車牌是車輛特定的編號，具有字符排列特征，車牌顏色以及車牌字符顏色、內(nèi)容、位置蘊含有所屬車輛的信息，該信息包括所屬車輛的類型、以及所屬省、市、縣等信息，通過車牌可鎖定該車輛的主人。車牌識別可應用于停車場收費管理、交通流量測量、車輛定位、超速自動化監(jiān)測、公路收費站等場合。
[0003]生活中出現(xiàn)有大量假牌、偽牌、套牌的現(xiàn)象，影響車主的利益，而現(xiàn)有車牌識別系統(tǒng)和方法通常僅能判斷出車牌字符不全，可能存在假牌、偽牌和套牌的現(xiàn)象，但不能進一步縮小車牌字符的范圍，給出該車牌可能的車牌號，導致車牌識別的準確度低，不完全能適用于停車場收費管理、交通流量測量、車輛定位、超速自動化監(jiān)測、公路收費站等場合。

【發(fā)明內(nèi)容】

[0004]本發(fā)明提供反遮擋和涂改的車牌識別系統(tǒng)及方法，解決車牌識別準確率低的問題。
[0005 ]本發(fā)明通過以下技術方案解決上述問題:
[0006]反遮擋和涂改的車牌識別系統(tǒng)，與現(xiàn)有技術相同的是，包括車輛檢測模塊、圖像采集模塊和控制器模塊，車輛檢測模塊的輸出端與圖像采集模塊的輸入端相連，圖像采集模塊的輸出端與控制器模塊相連，與現(xiàn)有技術不同的是，所述控制器模塊包括車牌識別子模塊、車型識別子模塊和車顏色識別子模塊;所述車牌識別子模塊由字符分割單元、判斷單元、篩選單元、排序單元和輸出單元組成;字符分割單元的輸入端與圖像采集模塊的輸出端相連，字符分割單元的輸出端與判斷單元的輸入端相連;判斷單元的一路輸出端與篩選單元的輸入端相連，判斷單元的另一路輸出端與輸出單元的一路輸入端相連;篩選單元的輸出端與排序單元的輸入端相連;排序單元的一路輸出端與車型識別子模塊的控制端相連，排序單元的另一路輸出端與車顏色識別子模塊的控制端相連，排序單元的再一路輸出端與輸出端單元的另一路輸入端相連;車型識別子模塊的輸出端與輸出單元的再一路輸入端相連;車顏色識別子模塊的輸出端與輸出單元的又一路輸入端相連;輸出單元還與外部數(shù)據(jù)庫相連;車型識別子模塊和車顏色識別子模塊分別與圖像信息采集模塊的輸出端相連。
[0007]進一步地，所述車輛檢測模塊為視頻檢測器。
[0008]進一步地，所述圖像信息采集系統(tǒng)包括近紅外攝像機、近紅外主動光源、可見光攝像機以及可見光主動光源;近紅外攝像機與可見光攝像機水平或垂直連接安裝，近紅外主動光源與近紅外攝像機水平或垂直安裝，可見光攝像機和可見光主動光源水平或垂直安裝；白天有車輛經(jīng)過時，近紅外主動光源啟動，近紅外攝像機工作在主動成像狀態(tài)，可見光主動光源關閉，可見光攝像機工作在被動成像狀態(tài)；晚上有車輛經(jīng)過時，近紅外主動光源和近紅外攝像機均關閉，可見光主動光源工作，可見光攝像機工作在主動成像狀態(tài)。
[0009]進一步地，圖像信息采集系統(tǒng)輸出圖像至字符分割單元，字符分割單元將圖像中車牌部分中的字符進行分割，將分割內(nèi)容輸入至判斷單元;判斷單元首先判斷字符數(shù)量是否符合國家規(guī)定，如有缺漏，說明車牌中有字符完全被遮改，將完全被遮改的字符的數(shù)量和位置輸入至輸出單元，如無缺漏，則判斷剩余字符是否存在殘缺，如無殘缺，則將無殘缺的字符輸入至輸出單元，如有殘缺，則將殘缺字符的數(shù)量、位置和筆畫走向輸入至篩選單元；篩選單元根據(jù)殘缺字符的筆畫走向預測所有可能的字符，并將字符輸入至排序單元;排序單元對預測字符進行可能性大小排序，將按可能性大小進行排序的預測字符輸入至輸出單元，同時啟動車型識別子模塊和車顏色識別子模塊;車型識別子模塊識別出本車輛的車型，將車型結(jié)果輸入至輸出單元;車顏色識別子模塊識別出車輛的顏色，將車顏色輸入至輸出單元;輸出單元根據(jù)完全被遮改的字符所在的位置、識別出的無殘缺字符及其所在位置、殘缺字符的各預測字符及位置、車輛的車型以及顏色，從外部數(shù)據(jù)庫中提取與上述信息車輛信息完全相關的車牌號，與上述車牌號進行比對、校驗，輸出最可能的車牌號。
[0010]進一步地，所述車型識別模塊的識別步驟為:
[0011]I)對圖像進行分割和預處理，將圖像裁剪并規(guī)范，再進行邊緣檢測和形態(tài)學操作；
[0012]2)對形態(tài)學操作后的圖像進行形狀和紋理特征提取，由區(qū)域像素數(shù)、均值、標準差、三階矩、熵組成5維特征向量，進行HOG特征提取;將訓練樣本中所有圖像的HOG特征向量構(gòu)成矩陣，進行PCA降維，降維后的維數(shù)結(jié)合上述5維，形成新特征向量，運用LDA算法計算其類內(nèi)散布矩陣Sw和類間散布矩陣Sb，取矩陣SiT1Sb的前4個特征向量作為LDA特征子空間的投影矩陣；
[0013]3)確定參數(shù)組合，采用徑向基核函數(shù)，構(gòu)造三個一對一分類器，并構(gòu)造有向無環(huán)圖，通過決策有向無環(huán)圖的方法進行車型分類。
[0014]進一步地，所述車顏色識別模塊的識別步驟為:
[0015]I)確定網(wǎng)絡中的參數(shù)為:輸入層結(jié)點個數(shù)、輸出層結(jié)點的個數(shù)、初始權值、閾值、隱含層層數(shù)、各隱含層結(jié)點個數(shù)、學習率、誤差函數(shù)類型和激勵函數(shù)類型；
[0016]2)輸入層節(jié)點個數(shù)為3;輸出層節(jié)點個數(shù)為9，；網(wǎng)絡中激勵函數(shù)為Sigmoid型作用函數(shù);誤差函數(shù)為平方和誤差函數(shù);初始權值為-1到I之間的不同的小隨機數(shù)；閾值由用戶給出；隱含層層數(shù)為I;各隱層結(jié)點個數(shù)為5;根據(jù)誤差變化的趨勢動態(tài)改變學習率，為自適應改變學習率；
[0017]3)根據(jù)時刻以前的梯度方向以及當前的梯度下降方向進行連接權校正。
[0018]進一步地，步驟2)所述的自適應改變學習率的方法為:設置初始學習率，若一次迭代后誤差增加，則將學習率乘以一個小于I的常數(shù)，若一次迭代后誤差減少，則將學習系數(shù)乘以一個大于I的常數(shù)。
[0019]本發(fā)明的優(yōu)點與效果是:
[0020]1、在進行車牌識別時，分別進行缺漏和殘缺的判斷，對缺漏字符輸出其數(shù)量和位置，對殘缺字符給出可能的字符，并根據(jù)可能性大小進行排列，并啟動車型識別子模塊和車顏色識別子模塊，根據(jù)上述信息，從外部數(shù)據(jù)庫中提取與上述信息最為匹配的車牌號信息，將獲取的各可能車牌號輸出；該方法針對完全遮改和部分遮改的字符均進行判斷和處理，提高了車牌識別的準確率；
[0021]2、在圖像采集模塊中設置可見光主動光源、可見光攝像機、近紅外主動光源以及近紅外攝像機，近紅外攝像機與可見光攝像機水平或垂直連接安裝，近紅外主動光源與近紅外攝像機水平或垂直安裝，可見光攝像機和可見光主動光源水平或垂直安裝，獲取主被動成像時能獲取清晰度、準確度更高的圖像，尤其是高亮顯示的車牌號區(qū)域，為提高車牌識別的準確率提供優(yōu)質(zhì)圖像。
【附圖說明】
[0022]圖1為本發(fā)明結(jié)構(gòu)原理框圖。
【具體實施方式】
[0023]以下結(jié)合實施例對本發(fā)明作進一步說明，但本發(fā)明并不局限于這些實施例。
[0024]反遮擋和涂改的車牌識別系統(tǒng)，與現(xiàn)有技術相同的是，均包括車輛檢測模塊、圖像采集模塊和控制器模塊，車輛檢測模塊的輸出端與圖像采集模塊的輸入端相連，圖像采集模塊的輸出端與控制器模塊相連，與現(xiàn)有技術不同是，在各模塊均進行了相應的改進。
[0025]車輛檢測模塊采用電測感應線圈、超聲波、激光、動態(tài)稱重和視頻圖像中的一種或一種以上，用于檢測是否有車輛通行，檢測結(jié)果靈敏，才會避免發(fā)生誤判，才能避免圖像采集豐吳塊誤啟動。
[0026]電磁感應線圈檢測車輛的方法為:在公路下鋪設電磁感應線圈，通以高頻電流，當車輛通過時，車輛所含的金屬在電磁感應線圈內(nèi)產(chǎn)生渦流，使得電磁感應線圈電感量減小，從而獲得交通流量信號。上述檢測車輛的方法，用于檢測交通流量、占有率等交通參數(shù)時準確率較高，其優(yōu)點在于成本低、不受氣候影響，缺點在于可移動性差、容易受到損壞、壽命短。
[0027]超聲波檢測車輛的方法為:由超聲波發(fā)生器發(fā)射高頻波，由運動車輛以變化的頻率返回，通過換能器記錄下頻率特征，從而進行車輛檢測。上述檢測車輛的方法，適用于高速公路的車輛檢測，其優(yōu)點在于使用壽命長、可移動、假設方便，缺點在于反射信號不穩(wěn)定、檢測精度較差且容易受環(huán)境影響。
[0028]激光檢測車輛的方法為:用脈沖激光作為媒介，通過測量激光面的反射結(jié)果來檢測距離信息，根據(jù)不同距離獲取車輛的三維外形形狀，進行車輛檢測和車型識別。上述檢測車輛的方法，適用于高速公路和收費系統(tǒng)中，但設備成本過高，同類激光檢測器之間存在信號干擾，會產(chǎn)生接收數(shù)據(jù)錯誤，降低系統(tǒng)的可靠性，而且還會污染環(huán)境。
[0029]動態(tài)稱重檢測車輛的方法為:當車輛通過時，檢測器受力產(chǎn)生形變，通過回傳信息檢測車輛，測量車輛的軸重、軸距、總重、車速等，并按預先制定的車型分類表，自動識別車型，其優(yōu)點在于耗費時間少、效率高，其缺點在于設備安裝復雜、壽命短、精度容易受影響。
[0030]視頻檢測車輛的方法為:視頻檢測器檢測到有車輛通過時，由車輛信息采集模塊進行信息采集，控制器分析視頻圖像，通過攝像頭從視頻流中提取圖像，從圖像中提取有效信息，根據(jù)信息進行車輛檢測，其優(yōu)點在于安裝簡便、可移動、檢測范圍大、獲取信息量大、無污染、視頻檢測器之間無干擾，其缺點在于實時性要求高，復雜背景下車輛檢測的準確率難以達到實用化的程度。
[0031]用戶可根據(jù)使用場合以及實際需求，選用上述5種車輛檢測方式中的一種或一種以上。本發(fā)明優(yōu)選地，選用視頻檢測車輛的方法，即車輛檢測模塊為視頻檢測器，視頻檢測器的輸出端與圖像采集模塊的輸入端相連，將控制信號輸入至圖像采集模塊，控制圖像采集豐吳塊的啟動和關閉。
[0032]車輛信息采集模塊包括近紅外攝像機、近紅外主動光源、可見光攝像機以及可見光主動光源組成。近紅外攝像機與可見光攝像機水平或垂直連接安裝，近紅外主動光源與近紅外攝像機水平或垂直安裝，可見光攝像機和可見光主動光源水平或垂直安裝。白天有車輛經(jīng)過時，近紅外主動光源啟動，近紅外攝像機工作在主動成像狀態(tài)，可見光主動光源關閉，可見光攝像機工作在被動成像狀態(tài);晚上有車輛經(jīng)過時，近紅外主動光源和近紅外攝像機均關閉，可見光主動光源工作，可見光攝像機工作在主動成像狀態(tài)。主被動成像的工作模式切換，有助于在白天和晚上進行車牌定位的時候，獲取到高亮的車牌位置。主動成像可克服外接光照影響，實現(xiàn)圖像中車牌區(qū)域的高亮顯示，車身、其他背景以及遮改材料的低亮顯示。視頻檢測器檢測到有車輛通過，將觸發(fā)信號發(fā)送至車輛信息采集模塊，啟動可見光攝像機和/或近紅外攝像機，白天時，車輛信息采集模塊輸出的是相近視場的一組近紅外、可見光圖像，晚上時，車輛信息采集模塊輸出的是一副可見光圖像。
[0033]上述一組近紅外、可見光圖像或者一副可見光圖像輸送至車牌識別子模塊，由車牌識別子模塊對所獲取的圖像進行車牌識別，根據(jù)需要，還將所獲取的圖像輸入至車型識別子模塊和車顏色識別子模塊，進行車型和車顏色的識別?，F(xiàn)實生活中出現(xiàn)有遮改車牌的現(xiàn)象，某個字符部分被遮改或者某個字符完全被遮改本發(fā)明針對單個字符的遮改情況進行處理;當車牌出現(xiàn)多種遮改現(xiàn)象時，本發(fā)明對相關字符逐一進行識別。
[0034]控制器模塊包括車牌識別子模塊、車型識別子模塊和車顏色識別子模塊;車牌識別子模塊由字符分割單元、判斷單元、篩選單元、排序單元和輸出單元組成;字符分割單元的輸入端與圖像采集模塊的輸出端相連，字符分割單元的輸出端與判斷單元的輸入端相連;判斷單元的一路輸出端與篩選單元的輸入端相連，判斷單元的另一路輸出端與輸出單元的一路輸入端相連;篩選單元的輸出端與排序單元的輸入端相連;排序單元的一路輸出端與車型識別子模塊的控制端相連，排序單元的另一路輸出端與車顏色識別子模塊的控制端相連，排序單元的再一路輸出端與輸出端單元的另一路輸入端相連;車型識別子模塊的輸出端與輸出單元的再一路輸入端相連;車顏色識別子模塊的輸出端與輸出單元的又一路輸入端相連;輸出單元還與外部數(shù)據(jù)庫相連;車型識別子模塊和車顏色識別子模塊分別與圖像信息采集模塊的輸出端相連。
[0035]圖像輸入至字符分割單元，字符分割單元將圖像中車牌部分中的字符進行分割，將分割內(nèi)容輸入至判斷單元;判斷單元首先判斷字符數(shù)量是否符合國家規(guī)定，如有缺漏，說明車牌中有字符完全被遮改，將完全被遮改的字符的數(shù)量和位置輸入至輸出單元，如無缺漏，則判斷剩余字符是否存在殘缺，如無殘缺，則將無殘缺的字符輸入至輸出單元，如有殘缺，則將殘缺字符的數(shù)量、位置和筆畫走向輸入至篩選單元;篩選單元根據(jù)殘缺字符的筆畫走向預測所有可能的字符，并將字符輸入至排序單元;排序單元對預測字符進行可能性大小排序，將按可能性大小進行排序的預測字符輸入至輸出單元，同時啟動車型識別子模塊和車顏色識別子模塊;車型識別子模塊識別出本車輛的車型，將車型結(jié)果輸入至輸出單元；車顏色識別子模塊識別出車輛的顏色，將車顏色輸入至輸出單元;輸出單元根據(jù)完全被遮改的字符所在的位置、識別出的無殘缺字符及其所在位置、殘缺字符的各預測字符及位置、車輛的車型以及顏色，從外部數(shù)據(jù)庫中提取與上述信息車輛信息完全相關的車牌號，與上述車牌號進行比對、校驗，輸出最可能的車牌號。
[0036]車型識別子模塊獲取車輛圖像后，按以下步驟進行車型識別:
[0037]I)對圖像進行分割和預處理，將圖像裁剪并規(guī)范，再進行邊緣檢測和形態(tài)學操作；
[0038]2)對形態(tài)學操作后的圖像進行形狀和紋理特征提取，由區(qū)域像素數(shù)、均值、標準差、三階矩、熵組成5維特征向量，進行HOG特征提取;將訓練樣本中所有圖像的HOG特征向量構(gòu)成矩陣，進行PCA降維，降維后的維數(shù)結(jié)合上述5維，形成新特征向量，運用LDA算法計算其類內(nèi)散布矩陣Sw和類間散布矩陣Sb，取矩陣SiT1Sb的前4個特征向量作為LDA特征子空間的投影矩陣；
[0039]3)確定參數(shù)組合，采用徑向基核函數(shù)，構(gòu)造三個一對一分類器，并構(gòu)造有向無環(huán)圖，通過決策有向無環(huán)圖的方法進行車型分類。
[0040]車顏色識別子模塊獲取車輛圖片后，通過以下步驟進行車顏色識別:
[0041]I)確定網(wǎng)絡中的參數(shù):輸入層結(jié)點個數(shù)、輸出層結(jié)點的個數(shù)、初始權值、閾值、隱含層層數(shù)、各隱含層結(jié)點個數(shù)、學習率、誤差函數(shù)類型和激勵函數(shù)類型；
[0042]2)輸入層節(jié)點個數(shù)為3，分別為R、G、B特征;輸出層節(jié)點個數(shù)為9個，分別為紅、綠、藍、黃、橙、銀、黑、白和灰；網(wǎng)絡中激勵函數(shù)為Sigmoid型作用函數(shù);誤差函數(shù)為平方和誤差函數(shù);初始權值為-1到I之間的不同的小隨機數(shù)，小隨機數(shù)用來保證網(wǎng)絡不會因為權值過大而提前進入局部極小點；閾值由用戶給出；隱含層層數(shù)為I;各隱層結(jié)點個數(shù)的選取，若結(jié)點數(shù)目過少，單元網(wǎng)絡將不能建立復雜的判斷界，使網(wǎng)絡訓練不出來，或者訓練的網(wǎng)絡不夠強壯，不能識別以前沒有的樣本，容錯性差而結(jié)點數(shù)目過多，會增加網(wǎng)絡的復雜性，導致學習時間過長，還會降低網(wǎng)絡的推廣能力，而且訓練容易陷入局部極小點而得不到全局最優(yōu)點，本發(fā)明中最佳的隱含層節(jié)點數(shù)為5;學習率的增加會使誤差增加，使迭代次數(shù)增加，影響收斂速度，本發(fā)明根據(jù)誤差變化的趨勢動態(tài)改變學習率，即自適應改變學習率；
[0043]3)若只按時刻誤差的梯度下降方向調(diào)整，而沒有考慮時刻以前的梯度方向，容易導致訓練過程中發(fā)生震蕩，收斂緩慢，為加速收斂和防止震蕩，在每次對連接權進行校正時，按一定比例加上前一次學習時的校正量，即增加附加動量項，第n+1次迭代時權值的調(diào)整量與第n次迭代時相關，由于樣本群的各樣本間相關性很強，前一個樣本的學習結(jié)果為下一個樣本所用，這樣可以加快收斂速度。
[0044]上述自適應改變學習率的方法:先設一初始學習率，若一次迭代后誤差增加，則將學習率乘以一個小于I的常數(shù)，若一次迭代后誤差減少，則將學習系數(shù)乘以一個大于I的常數(shù)，這樣既不增加太多的計算量，又使學習率得到合理的調(diào)整。這里，一個樣本學習后并不調(diào)整學習率，而是在整個訓練樣本庫學習一次后再調(diào)整學習率，即采用批處理方式調(diào)整學習率。
[0045]本發(fā)明中，在車輛檢測模塊中采用視頻檢測器，用于啟動圖像采集模塊進行圖像采集；圖像采集模塊中設有可見光主動光源、可見光攝像機、近紅外主動光源以及近紅外攝像機，用于在白天獲取主被動成像，在晚上獲取主動成像，無論環(huán)境如何變化，均能獲取到清晰高亮的車輛圖像;將車輛圖像分別輸入至車牌識別子模塊，當車牌號中各字符均能識別時，則直接輸出該車牌號，否則啟動車型識別子模塊和車顏色識別子模塊進行車型和車顏色識別，結(jié)合部分被遮擋的字符的筆畫走向、車型和顏色，從外部數(shù)據(jù)庫中調(diào)取與上述特征最為吻合的車輛信息，將所有可能的車牌信息輸出，從而提高了車牌識別準確度。
【主權項】
1.反遮擋和涂改的車牌識別系統(tǒng)，包括車輛檢測模塊、圖像采集模塊和控制器模塊，車輛檢測模塊的輸出端與圖像采集模塊的輸入端相連，圖像采集模塊的輸出端與控制器模塊相連，其特征在于: 所述控制器模塊包括車牌識別子模塊、車型識別子模塊和車顏色識別子模塊； 所述車牌識別子模塊由字符分割單元、判斷單元、篩選單元、排序單元和輸出單元組成;字符分割單元的輸入端與圖像采集模塊的輸出端相連，字符分割單元的輸出端與判斷單元的輸入端相連;判斷單元的一路輸出端與篩選單元的輸入端相連，判斷單元的另一路輸出端與輸出單元的一路輸入端相連;篩選單元的輸出端與排序單元的輸入端相連;排序單元的一路輸出端與車型識別子模塊的控制端相連，排序單元的另一路輸出端與車顏色識別子模塊的控制端相連，排序單元的再一路輸出端與輸出端單元的另一路輸入端相連;車型識別子模塊的輸出端與輸出單元的再一路輸入端相連;車顏色識別子模塊的輸出端與輸出單元的又一路輸入端相連;輸出單元還與外部數(shù)據(jù)庫相連;車型識別子模塊和車顏色識別子模塊分別與圖像信息采集模塊的輸出端相連。2.根據(jù)權利要求1所述的反遮擋和涂改的車牌識別系統(tǒng)，其特征在于:所述車輛檢測模塊為視頻檢測器。3.根據(jù)權利要求1所述的反遮擋和涂改的車牌識別系統(tǒng)，其特征在于: 所述圖像信息采集系統(tǒng)包括近紅外攝像機、近紅外主動光源、可見光攝像機以及可見光主動光源； 近紅外攝像機與可見光攝像機水平或垂直連接安裝，近紅外主動光源與近紅外攝像機水平或垂直安裝，可見光攝像機和可見光主動光源水平或垂直安裝； 白天有車輛經(jīng)過時，近紅外主動光源啟動，近紅外攝像機工作在主動成像狀態(tài)，可見光主動光源關閉，可見光攝像機工作在被動成像狀態(tài)； 晚上有車輛經(jīng)過時，近紅外主動光源和近紅外攝像機均關閉，可見光主動光源工作，可見光攝像機工作在主動成像狀態(tài)。4.基于權利要求1-3中任意一項所述的反遮擋和涂改的車牌識別系統(tǒng)的識別方法，其特征在于，通過以下方式實現(xiàn): 圖像信息采集系統(tǒng)輸出圖像至字符分割單元，字符分割單元將圖像中車牌部分中的字符進行分割，將分割內(nèi)容輸入至判斷單元； 判斷單元首先判斷字符數(shù)量是否符合國家規(guī)定，如有缺漏，說明車牌中有字符完全被遮改，將完全被遮改的字符的數(shù)量和位置輸入至輸出單元，如無缺漏，則判斷剩余字符是否存在殘缺，如無殘缺，則將無殘缺的字符輸入至輸出單元，如有殘缺，則將殘缺字符的數(shù)量、位置和筆畫走向輸入至篩選單元； 篩選單元根據(jù)殘缺字符的筆畫走向預測所有可能的字符，并將字符輸入至排序單元；排序單元對預測字符進行可能性大小排序，將按可能性大小進行排序的預測字符輸入至輸出單元，同時啟動車型識別子模塊和車顏色識別子模塊； 車型識別子模塊識別出本車輛的車型，將車型結(jié)果輸入至輸出單元； 車顏色識別子模塊識別出車輛的顏色，將車顏色輸入至輸出單元； 輸出單元根據(jù)完全被遮改的字符所在的位置、識別出的無殘缺字符及其所在位置、殘缺字符的各預測字符及位置、車輛的車型以及顏色，從外部數(shù)據(jù)庫中提取與上述信息車輛信息完全相關的車牌號，與上述車牌號進行比對、校驗，輸出最可能的車牌號。5.根據(jù)權利要求4所述的反遮擋和涂改的車牌識別方法，其特征在于，所述車型識別模塊的識別步驟為: 1)對圖像進行分割和預處理，將圖像裁剪并規(guī)范，再進行邊緣檢測和形態(tài)學操作； 2)對形態(tài)學操作后的圖像進行形狀和紋理特征提取，由區(qū)域像素數(shù)、均值、標準差、三階矩、熵組成5維特征向量，進行HOG特征提取;將訓練樣本中所有圖像的HOG特征向量構(gòu)成矩陣，進行PCA降維，降維后的維數(shù)結(jié)合上述5維，形成新特征向量，運用LDA算法計算其類內(nèi)散布矩陣Sw和類間散布矩陣Sb，取矩陣SiT1Sb的前4個特征向量作為LDA特征子空間的投影矩陣； 3)確定參數(shù)組合，采用徑向基核函數(shù)，構(gòu)造三個一對一分類器，并構(gòu)造有向無環(huán)圖，通過決策有向無環(huán)圖的方法進行車型分類。6.根據(jù)權利要求5所述的反遮擋和涂改的車牌識別方法，其特征在于，所述車顏色識別模塊的識別步驟為: 1)確定網(wǎng)絡中的參數(shù)為:輸入層結(jié)點個數(shù)、輸出層結(jié)點的個數(shù)、初始權值、閾值、隱含層層數(shù)、各隱含層結(jié)點個數(shù)、學習率、誤差函數(shù)類型和激勵函數(shù)類型； 2)輸入層節(jié)點個數(shù)為3;輸出層節(jié)點個數(shù)為9，；網(wǎng)絡中激勵函數(shù)為Sigmoid型作用函數(shù)；誤差函數(shù)為平方和誤差函數(shù);初始權值為-1到I之間的不同的小隨機數(shù)；閾值由用戶給出；隱含層層數(shù)為I;各隱層結(jié)點個數(shù)為5;根據(jù)誤差變化的趨勢動態(tài)改變學習率，為自適應改變學習率； 3)根據(jù)時刻以前的梯度方向以及當前的梯度下降方向進行連接權校正。7.根據(jù)權利要求6所述的反遮擋和涂改的車牌識別方法，其特征在于: 步驟2)所述的自適應改變學習率的方法為:設置初始學習率，若一次迭代后誤差增加，則將學習率乘以一個小于I的常數(shù)，若一次迭代后誤差減少，則將學習系數(shù)乘以一個大于I的常數(shù)。
【文檔編號】G08G1/017GK105844266SQ201610406626
【公開日】2016年8月10日
【申請日】2016年6月12日
【發(fā)明人】韋國柱
【申請人】桂林金銥星科技發(fā)展有限公司