本发明涉及车牌识别技术领域，特别是涉及一种车牌智能识别方法。
背景技术：
近年来，随着计算机及互联网技术的飞速发展，各种机动车数量的迅猛增长，各类信息包括与交通相关的信息呈现爆炸式增长的态势，为了能够更加安全、高效的管理这些信息，智能交通系统应运而生。智能交通系统可以在收费卡口、停车场、刑事追踪等方面展现出强大的作用，而对车牌的检测和识别是其最为核心的组成部分。
目前已有的机动车车牌自动识别方法主要存在以下问题：现有的车牌定位方法在实际场景中的复杂背景下效果较差；在字符分割阶段，实际应用中采集的车牌图像受各种因素影响使得质量较低，传统的车牌分割技术无法适用；由于汉字的特殊性和复杂性，传统的识别方法对汉字的识别效率及正确率均较低；传统的字符识别算法对字符图像质量较敏感，鲁棒性不高，实际应用中字符识别效果不理想。
技术实现要素：
本发明主要解决的技术问题是提供一种车牌智能识别方法，能够准确识别出车牌号码。
为解决上述技术问题，本发明采用的一个技术方案是：提供一种车牌智能识别方法，包括：对输入的图像进行分割，得到一组车牌候选区图像；分别提取车牌候选区图像的水平边缘和竖直边缘，判断出车牌字符的水平边缘和竖直边缘，进而提取出字符图像；用卷积模板对提取的字符图像进行卷积和量化，并对量化结果进行二值化处理，得到二值化图像；提取二值化图像中的字符，确定字符的上下、左右边界后再将每个字符分割出来；对每一字符进行识别，生成车牌号码。
区别于现有技术的情况，本发明的有益效果是：可以对具有不同尺寸车牌的车牌图像有效地提取车牌号码，并对不同大小字符的提取有良好的效果，大大提高了识别车牌号码的准确率和鲁棒性。
附图说明
图1是本发明实施例车牌智能识别方法的流程示意图。
具体实施方式
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，所描述的实施例仅是本发明的一部分实施例，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。
参见图1，是本发明实施例车牌智能识别方法的流程示意图。本实施例的车牌智能识别方法包括以下步骤：
S11：对输入的图像进行分割，得到一组车牌候选区图像。
输入的图像为一张图片，大小任意，然后进行预处理，基于DBSCAN的聚类两个步骤，输出一组车牌候选区图像。
S12：分别提取车牌候选区图像的水平边缘和竖直边缘，判断出车牌字符的水平边缘和竖直边缘，进而提取出字符图像。
对车牌候选区图像，首先转为灰度图像，然后对灰度图像进行n倍降采样，n为自然数，得到降采样的图像。
对降采样的图像，使用水平Sobel算子提取水平边缘，以排除与图像上下边界粘连的连通域，然后在水平方向上进行一次形态学的膨胀操作，再排除长度小于图像宽度1/3的连通域，得到的水平边缘的图像。
对水平边缘的图像进行水平投影到竖直坐标上，得到水平投影曲线，在本发明中，投影曲线的某个点的坐标代表其在图像中的像素所处的位置。
S13：用卷积模板对提取的字符图像进行卷积和量化，并对量化结果进行二值化处理，得到二值化图像。
由于字符本身的笔画宽度不定，所以需要选择一个最适合的尺度因子来定义卷积模板，以最有效地提取笔画。
S14：提取二值化图像中的字符，确定字符的上下、左右边界后再将每个字符分割出来。
S15：对每一字符进行识别，生成车牌号码。
以上所述仅为本发明的实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。