本發(fā)明涉及一種車牌識別方法。

背景技術(shù)：

現(xiàn)有技術(shù)中，對于車牌識別，首先面臨的問題是獲取車牌位置、提取車牌圖像，其次面臨的問題是識別出具體字樣。對于獲取車牌位置、提取車牌圖像，現(xiàn)有技術(shù)的辦法是在車牌的特定位置安裝可自動識別的特制螺釘，然后系統(tǒng)后臺在圖像中查找特制螺釘位置，從而找到車牌位置，在這種方式下，由于需要每一車輛都安裝特制螺釘，因此給交通管理部門留下了較大的權(quán)力尋租空間，社會整體成本高，不利于市場的良性發(fā)展；對于識別出具體字樣，基于當前的數(shù)據(jù)挖掘技術(shù)，如果車牌在圖像中較正，或者其展現(xiàn)方式較為固定的話，可以利用神經(jīng)網(wǎng)絡(luò)算法模型直接進行自動識別，但這樣一來意味著神經(jīng)網(wǎng)絡(luò)算法模型要可識別多種情況下的車牌字樣，計算量必然極大，過多的耗費行政資源，二來抓拍圖像的攝像頭安裝位置也要求極高，以確保車牌在圖像中較正，這意味著安裝成本高，安裝位置限制范圍較小。

技術(shù)實現(xiàn)要素：

為解決上述技術(shù)問題，本發(fā)明提供了一種車牌識別方法，該車牌識別方法通過以色差判斷姿態(tài)、進行車牌找正的方法，能較為準確的得到車牌圖像并識別，對單一高清抓拍圖像的整體計算量小，識別效率高，從而能極大的降低各種成本，有利于進一步自動化，進而促進市場的良性發(fā)展。

本發(fā)明通過以下技術(shù)方案得以實現(xiàn)。

本發(fā)明提供的一種車牌識別方法，包括如下步驟：

①定基色：獲取到輸入的圖像，對圖像中邊沿位置尋找黑白灰近似色，判斷路面基色；

②找姿態(tài)：根據(jù)連續(xù)色差將預(yù)定位置的汽車圖像提取出，根據(jù)提取出的汽車圖像，遍歷數(shù)據(jù)庫中汽車姿態(tài)框圖數(shù)據(jù)，以判斷汽車所處姿態(tài)的姿態(tài)信息，姿態(tài)信息包括X、Y、Z軸旋轉(zhuǎn)角度；

③取車牌：在汽車圖像中尋找藍色或黃色為底色的區(qū)域圖像作為車牌圖像，根據(jù)步驟②中得到的姿態(tài)信息，對車牌圖像進行旋轉(zhuǎn)還原成正視圖，并根據(jù)色差取出其中的字樣圖像；

④識別：利用神經(jīng)網(wǎng)絡(luò)算法模型對取出的字樣圖像進行識別；

⑤輸出：輸出識別得到的結(jié)果。

所述黑白灰近似色指的是符合RGB通道三個色值中任意最大值和最小值之差不大于10的顏色。

所述步驟①中獲取的圖像為經(jīng)過去除光照影響的高清抓拍圖像。

所述步驟③中對車牌圖像進行旋轉(zhuǎn)還原，具體為：(1)取出姿態(tài)信息中的旋轉(zhuǎn)角度；(2)利用三角函數(shù)，計算出車牌圖像相對于正視圖的比例；(3)對車牌圖像，逐行、逐列按照比例拉伸。

本發(fā)明的有益效果在于：通過以色差判斷姿態(tài)、進行車牌找正的方法，能較為準確的得到車牌圖像并識別，對單一高清抓拍圖像的整體計算量小，識別效率高，從而能極大的降低各種成本，有利于進一步自動化，進而促進市場的良性發(fā)展。

附圖說明

圖1是本發(fā)明的流程示意圖。

具體實施方式

下面進一步描述本發(fā)明的技術(shù)方案，但要求保護的范圍并不局限于所述。

如圖1所示的一種車牌識別方法，包括如下步驟：

①定基色：獲取到輸入的圖像，對圖像中邊沿位置尋找黑白灰近似色，判斷路面基色；

②找姿態(tài)：根據(jù)連續(xù)色差將預(yù)定位置的汽車圖像提取出，根據(jù)提取出的汽車圖像，遍歷數(shù)據(jù)庫中汽車姿態(tài)框圖數(shù)據(jù)，以判斷汽車所處姿態(tài)的姿態(tài)信息，姿態(tài)信息包括X、Y、Z軸旋轉(zhuǎn)角度；

③取車牌：在汽車圖像中尋找藍色或黃色為底色的區(qū)域圖像作為車牌圖像，根據(jù)步驟②中得到的姿態(tài)信息，對車牌圖像進行旋轉(zhuǎn)還原成正視圖，并根據(jù)色差取出其中的字樣圖像；

④識別：利用神經(jīng)網(wǎng)絡(luò)算法模型對取出的字樣圖像進行識別；

⑤輸出：輸出識別得到的結(jié)果。

具體而言，所述黑白灰近似色指的是符合RGB通道三個色值中任意最大值和最小值之差不大于10的顏色。

進一步的，所述步驟①中獲取的圖像為經(jīng)過去除光照影響的高清抓拍圖像。

所述步驟③中對車牌圖像進行旋轉(zhuǎn)還原，具體為：(1)取出姿態(tài)信息中的旋轉(zhuǎn)角度；(2)利用三角函數(shù)，計算出車牌圖像相對于正視圖的比例；(3)對車牌圖像，逐行、逐列按照比例拉伸。

由此，步驟①、②、③通過現(xiàn)有的圖像處理技術(shù)即可輕易實現(xiàn)，而基于正視圖下的字樣圖像，步驟④在實現(xiàn)時難度可極大的降低，算法建模只需要準備正視圖下的字樣作為學(xué)習(xí)集數(shù)據(jù)即可，實際運行時由于圖像高度規(guī)則，因此識別計算量也能極大的降低。