一种实现非机动车牌识别和定位的方法与流程

[0001]
本发明涉及非机动车牌识别和定位技术领域，具体为一种实现非机动车牌识别和定位的方法。


背景技术：

[0002]
市面行业现有实现商用技术均无实现对非机动车车牌识别和定位的技术，目前道路非机动车占有量的提高且保持于较高水准，所以非机动车车牌识别对于道路交通的管理有着重要的作用和意义，目前现有专利为cn110674821a，该专利技术采用faster-rcnn，faster-rcnn属于two-stage类别的目标检测算法；
[0003]
本申请采用yolo算法技术，yolo算法技术属于one-stage类别的目标检测算法。
[0004]
对于这两种类别的目标检测算法，two-stage检测算法在map方面具有优势，而one-stage检测算法在检测算法在速度上具有优势。而yolo后续算法技术改进了网络结构，使其更适合小目标检测；特征更为细致，融入多持续特征图信息来预测不同规格物件；且现有技术及专利只针对非机动车车牌数字、字母进行识别，而对车牌行政区划文字不做定位和识别，使其技术存在一定的业务局限性，而且现有的技术，无法实现对非机动车车牌所属行政区划文字无法识别的问题，对非机动车车牌实现技术校正分析处理。


技术实现要素：

[0005]
(一)解决的技术问题
[0006]
针对现有技术的不足，本发明提供了一种实现非机动车牌识别和定位的方法，解决了现有技术及专利只针对非机动车车牌数字、字母进行识别，而对车牌行政区划文字不做定位和识别，使其技术存在一定的业务局限性的问题。
[0007]
(二)技术方案
[0008]
为实现以上目的，本发明通过以下技术方案予以实现：一种实现非机动车牌识别和定位的方法，包括以下处理模块：图像预处理模块、车牌检测模块、车牌定位与校正模块、车牌识别模块,
[0009]
步骤1、预处理，利用图像预处理模块对数据采集图像进行预处理，提升模型的收敛速度并提升模型的精度；
[0010]
步骤2、车牌检测，对预处理后的图像数据进行检测，得到可能存在车牌的区域，并对疑似车牌区域进行边界扩展，每个边界扩展后的疑似车牌区域均放缩到一定尺度；
[0011]
步骤3、车牌上下边界定位，对疑似车牌区域进行上下定位，定位出车牌边框；
[0012]
步骤4、车牌校正，与标准号牌样式进行对比，校正车牌的边界信息；
[0013]
步骤5、车牌左右边界定位；
[0014]
步骤6、车牌分隔，把校正好的图像中车牌区域进行分隔，安装标准车牌区域规划，分成城市区号和车牌号；
[0015]
步骤7、结果整合，分别对车牌号区域和城市区号区域进行识别，得到识别结构。
[0016]
优选的，所述图像预处理模块用于接受采集设备上传的数字图像数据，并进行归一化处理。
[0017]
优选的，所述车牌检测模块接受图像预处理模块处理后的图像数据，检测图中可能存在的车牌，并对疑似车牌区域进行边界扩展，每个边界扩展后的疑似车牌区域均放缩到一定尺度。
[0018]
优选的，所述车牌定位与校正模块集成车牌边界定位算法与车牌校正算法，对输入的疑似车牌区域进行灰度变换，然后采用多个自适应阈值来处理灰度车牌区域，接着进行连通域分析，根据车牌号的长宽比与大小进行轮廓检测，定位车牌号码的上下边界，车牌号码的上下边界定位好后，按照号牌样式，计算车牌号码和城市区号所占号牌样式的高的比例，按照比例进行区域扩展，提取城市区号的区域部分，接着进行车牌校正，最后进行左右边界定位，获取校正之后的车牌区域和城市区号区域。
[0019]
优选的，所述疑似车牌区域在车牌定位算法失败后，则判定不是车牌。
[0020]
优选的，所述车牌识别模块分为车牌号码识别和城市区号识别两部分，车牌号码区域交由e2e模型进行识别，得到车牌号和车牌置信度，而城市区号区域则需再使用连通域分析和轮廓检测，定位中文字符，提取中文字符后进行模板匹配识别中文字符。
[0021]
优选的，所述两个识别模块各自输出结果后，进行整合输出。
[0022]
(三)有益效果
[0023]
本发明提供了一种实现非机动车牌识别和定位的方法。具备以下有益效果：
[0024]
1、本发明，通过对图像进行预处理，然后进行分区域识别，相比于现有的检测方法在检测速度上有着显著优势。
[0025]
2、本发明，通过对车牌的校正、定位、裁切分析且对车牌文字也进行识别处理，使其能适应更多的环境场景。
[0026]
3、本发明，通过新的分区域识别技术架构实现了更高的识别率，更高的精度及更好的性能。
附图说明
[0027]
图1为本发明的流程图；
具体实施方式
[0028]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0029]
实施例一：
[0030]
如图1所示，本发明实施例提供一种实现非机动车牌识别和定位的方法，包括以下处理模块：图像预处理模块、车牌检测模块、车牌定位与校正模块、车牌识别模块,
[0031]
步骤1、预处理，利用图像预处理模块对数据采集图像进行预处理，提升模型的收敛速度并提升模型的精度；
[0032]
步骤2、车牌检测，对预处理后的图像数据进行检测，得到可能存在车牌的区域，并
对疑似车牌区域进行边界扩展，每个边界扩展后的疑似车牌区域均放缩到一定尺度；
[0033]
步骤3、车牌上下边界定位，对疑似车牌区域进行上下定位，定位出车牌边框；
[0034]
步骤4、车牌校正，与标准号牌样式进行对比，校正车牌的边界信息；
[0035]
步骤5、车牌左右边界定位；
[0036]
步骤6、车牌分隔，把校正好的图像中车牌区域进行分隔，安装标准车牌区域规划，分成城市区号和车牌号；
[0037]
步骤7、结果整合，分别对车牌号区域和城市区号区域进行识别，得到识别结构。
[0038]
其中，图像预处理模块用于接受采集设备上传的数字图像数据，并进行归一化处理，所述车牌检测模块接受图像预处理模块处理后的图像数据，检测图中可能存在的车牌，并对疑似车牌区域进行边界扩展，每个边界扩展后的疑似车牌区域均放缩到一定尺度；
[0039]
其中，车牌定位与校正模块集成车牌边界定位算法与车牌校正算法，对输入的疑似车牌区域进行灰度变换，然后采用多个自适应阈值来处理灰度车牌区域，接着进行连通域分析，根据车牌号的长宽比与大小进行轮廓检测，定位车牌号码的上下边界，车牌号码的上下边界定位好后，按照号牌样式，计算车牌号码和城市区号所占号牌样式的高的比例，按照比例进行区域扩展，提取城市区号的区域部分，接着进行车牌校正，最后进行左右边界定位，获取校正之后的车牌区域和城市区号区域；
[0040]
其中，疑似车牌区域在车牌定位算法失败后，则判定不是车牌；
[0041]
其中，车牌识别模块分为车牌号码识别和城市区号识别两部分，车牌号码区域交由e2e模型进行识别，得到车牌号和车牌置信度，而城市区号区域则需再使用连通域分析和轮廓检测，定位中文字符，提取中文字符后进行模板匹配识别中文字符，两个识别模块各自输出结果后，进行整合输出。
[0042]
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。