本發(fā)明涉及車牌識(shí)別技術(shù)領(lǐng)域，特別是涉及一種車牌字符自動(dòng)識(shí)別方法。

背景技術(shù)：

隨著城市規(guī)模的擴(kuò)大，城市里面的機(jī)動(dòng)車數(shù)量迅速增加，傳統(tǒng)的人工管理交通已經(jīng)不能適應(yīng)這種變化。因此，智能交通系統(tǒng)被大規(guī)模應(yīng)用于城市交通管理和調(diào)度中。其中，車牌識(shí)別是智能交通系統(tǒng)中的核心。

車牌識(shí)別是現(xiàn)代智能交通系統(tǒng)中的重要組成部分，應(yīng)用十分廣泛。它以模式識(shí)別、計(jì)算機(jī)視覺、數(shù)字圖像處理等技術(shù)為基礎(chǔ)。通過對(duì)車牌數(shù)據(jù)的一系列處理可以實(shí)現(xiàn)交通流量控制指標(biāo)測(cè)量、車輛定位、高速公路超速自動(dòng)化監(jiān)管、交通違章抓拍、公路收費(fèi)站和停車場(chǎng)收費(fèi)管理等功能。汽車牌照的自動(dòng)識(shí)別對(duì)于維護(hù)交通安全和城市治安，防止交通堵塞，實(shí)現(xiàn)交通自動(dòng)化管理有著重要的意義。因此，需要一種車牌字符自動(dòng)識(shí)別方法。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明主要解決的技術(shù)問題是提供一種車牌字符自動(dòng)識(shí)別方法，能夠準(zhǔn)確識(shí)別車牌字符。

為解決上述技術(shù)問題，本發(fā)明采用的一個(gè)技術(shù)方案是：提供一種車牌字符自動(dòng)識(shí)別方法，包括：輸入彩色車輛圖像；獲取當(dāng)前的光強(qiáng)強(qiáng)度，并將所述當(dāng)前光強(qiáng)強(qiáng)度與預(yù)設(shè)光強(qiáng)強(qiáng)度進(jìn)行對(duì)比；如果所述當(dāng)前光強(qiáng)強(qiáng)度高于所述預(yù)設(shè)光強(qiáng)強(qiáng)度，采用基于顏色點(diǎn)對(duì)搜索和數(shù)學(xué)形態(tài)學(xué)的車牌定位算法對(duì)所述彩色車輛圖像進(jìn)行車牌定位，得到車牌圖像；如果所述當(dāng)前光強(qiáng)強(qiáng)度低于所述預(yù)設(shè)光強(qiáng)強(qiáng)度，采用基于灰度圖像的車牌定位算法對(duì)所述彩色車輛圖像進(jìn)行車牌定位，得到車牌圖像；對(duì)所述車牌圖像進(jìn)行水平傾斜矯正和垂直傾斜矯正；結(jié)合豎直投影和滴水算法對(duì)所述車牌圖像進(jìn)行字符分割，得到字符塊圖像；將字符塊圖像歸一化，提取字符塊圖像的原始粗網(wǎng)格特征；使用經(jīng)過訓(xùn)練的BP神經(jīng)網(wǎng)絡(luò)對(duì)每一字符塊圖像進(jìn)行識(shí)別，生成識(shí)別出的車牌號(hào)碼。

區(qū)別于現(xiàn)有技術(shù)的情況，本發(fā)明的有益效果是：1、可以在白天，也可以在夜晚對(duì)車牌字符進(jìn)行識(shí)別；2、結(jié)合豎直投影和滴水算法的字符分割方法，魯棒性好，能夠較好地解決字符粘連、斷裂等問題，分割效果好；3、結(jié)合我國(guó)車牌的實(shí)際情況，針對(duì)漢字的特殊性，為質(zhì)量低下的漢字圖像建立多個(gè)訓(xùn)練樣本，提高了神經(jīng)網(wǎng)絡(luò)識(shí)別漢字的穩(wěn)健性和識(shí)別正確率；4、BP神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)科學(xué)合理，整體流程實(shí)現(xiàn)了實(shí)時(shí)性與準(zhǔn)確性的平衡。

附圖說明

圖1是本發(fā)明實(shí)施例車牌字符自動(dòng)識(shí)別方法的流程示意圖。

具體實(shí)施方式

下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例僅是本發(fā)明的一部分實(shí)施例，而不是全部的實(shí)施例?；诒景l(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。

參見圖1，是本發(fā)明實(shí)施例車牌字符自動(dòng)識(shí)別方法的流程示意圖。本實(shí)施例的車牌字符自動(dòng)識(shí)別方法包括以下步驟：

S11：輸入彩色車輛圖像。

S12：獲取當(dāng)前的光強(qiáng)強(qiáng)度，并將當(dāng)前光強(qiáng)強(qiáng)度與預(yù)設(shè)光強(qiáng)強(qiáng)度進(jìn)行對(duì)比。

光強(qiáng)強(qiáng)度可以采用光纖傳感器獲得。

S13：如果當(dāng)前光強(qiáng)強(qiáng)度高于預(yù)設(shè)光強(qiáng)強(qiáng)度，采用基于顏色點(diǎn)對(duì)搜索和數(shù)學(xué)形態(tài)學(xué)的車牌定位算法對(duì)彩色車輛圖像進(jìn)行車牌定位，得到車牌圖像；如果當(dāng)前光強(qiáng)強(qiáng)度低于預(yù)設(shè)光強(qiáng)強(qiáng)度，采用基于灰度圖像的車牌定位算法對(duì)彩色車輛圖像進(jìn)行車牌定位，得到車牌圖像。

車牌定位一直是汽車牌照識(shí)別系統(tǒng)中的難點(diǎn)，車牌圖像中大量的干擾和光線照射強(qiáng)弱、車牌反光等因素都會(huì)影響車牌定位的準(zhǔn)確性。本發(fā)明提出了兩種車牌定位算法相結(jié)合的車牌定位算法：在白天光線比較好的情況下，采用基于顏色點(diǎn)對(duì)搜索和數(shù)學(xué)形態(tài)學(xué)的車牌定位算法；在白天光線不佳或者夜晚情況下采用基于灰度圖像的車牌定位算法。本發(fā)明預(yù)設(shè)光強(qiáng)強(qiáng)度優(yōu)選為8000lx，當(dāng)前光強(qiáng)強(qiáng)度大于8000lx時(shí)，采用基于顏色點(diǎn)對(duì)搜索和數(shù)學(xué)形態(tài)學(xué)的車牌定位算法對(duì)得到的彩色車輛圖像進(jìn)行車牌定位；當(dāng)前光強(qiáng)強(qiáng)度小于8000lx時(shí)，采用基于灰度圖像的車牌定位算法對(duì)得到的彩色車輛圖像進(jìn)行車牌定位。

S14：對(duì)車牌圖像進(jìn)行水平傾斜矯正和垂直傾斜矯正。

由于攝像機(jī)的位置固定導(dǎo)致了拍攝角度的不同，定位以后得到的車牌圖像或多或少存在傾斜的情況。傾斜會(huì)影響后續(xù)車牌字符分割，造成分割錯(cuò)誤，所以在字符分割前要對(duì)車牌圖像進(jìn)行傾斜校正，為后面的字符準(zhǔn)確分割做好準(zhǔn)備。車牌傾斜分為三種模式：水平方向傾斜、垂直方向傾斜、水平疊加垂直方向傾斜，因此車牌傾斜校正可以從水平和垂直兩個(gè)方向進(jìn)行，通常先進(jìn)行水平傾斜校正，確定車牌字符的上下邊界，最后進(jìn)行垂直傾斜校正。本發(fā)明使用的是基于垂直邊緣點(diǎn)投影方差最小的車牌水平傾斜校正算法和基于水平邊緣點(diǎn)方差最小的車牌垂直傾斜校正算法。

S15：結(jié)合豎直投影和滴水算法對(duì)車牌圖像進(jìn)行字符分割，得到字符塊圖像。

在車牌字符間隙區(qū)域可取得白色像素投影的局部最小值作為粗分割的依據(jù)，若粗分割得到的字符塊圖像寬度超過寬度閾值，則運(yùn)用滴水算法進(jìn)行二次精確分割，尋找字符的閉合邊緣輪廓，沿著縫隙進(jìn)行裁剪，以最左上角和最右下角的邊緣點(diǎn)為基準(zhǔn)進(jìn)行分割及矩形化拓展，并對(duì)分割出來(lái)的目標(biāo)字符圖像進(jìn)行篩選，去除垂直邊框、鉚釘、分隔符等非字符圖像。

S16：將字符塊圖像歸一化，提取字符塊圖像的原始粗網(wǎng)格特征。

根據(jù)水平和垂直兩個(gè)方向字符像素的分布將字符塊圖像歸一化為32×16像素大小，字符區(qū)域背景為黑色，字符前景為白色，將歸一化后的字符點(diǎn)陣的每個(gè)像素點(diǎn)作為一個(gè)網(wǎng)格，提取字符塊圖像的原始粗網(wǎng)格特征。

S17：使用經(jīng)過訓(xùn)練的BP神經(jīng)網(wǎng)絡(luò)對(duì)每一字符塊圖像進(jìn)行識(shí)別，生成識(shí)別出的車牌號(hào)碼。

根據(jù)我國(guó)車牌的實(shí)際特點(diǎn)，設(shè)計(jì)BP神經(jīng)網(wǎng)絡(luò)：包含漢字網(wǎng)絡(luò)、字母網(wǎng)絡(luò)、字母數(shù)字網(wǎng)絡(luò)和數(shù)字網(wǎng)絡(luò)，對(duì)不同類型字符進(jìn)行分類，并為相似度高的字符建立二級(jí)網(wǎng)絡(luò)，同時(shí)確定輸入輸出神經(jīng)元個(gè)數(shù)、隱含層個(gè)數(shù)、隱含層中神經(jīng)元數(shù)目、激活函數(shù)、學(xué)習(xí)速率等參數(shù)。

以上所述僅為本發(fā)明的實(shí)施例，并非因此限制本發(fā)明的專利范圍，凡是利用本發(fā)明說明書及附圖內(nèi)容所作的等效結(jié)構(gòu)或等效流程變換，或直接或間接運(yùn)用在其他相關(guān)的技術(shù)領(lǐng)域，均同理包括在本發(fā)明的專利保護(hù)范圍內(nèi)。