中文车牌字符识别方法及系统的制作方法
【技术领域】
[0001]本发明涉及模式识别技术领域，特别是涉及一种中文车牌字符识别方法及系统。
【背景技术】
[0002]目前，智能交通系统(Intelligent Transportat 1n System, ITS)在车辆管理系统中越来越流行，从而减少了不少人力、物力和财力，同时有效改进了交通安全。车牌识别系统作为智能交通系统的核心部分，通常由三步构成，分别是车牌定位、字符分割以及字符识别。
[0003]现有技术中,通常采用局部二值模式(Local Binary Pattern, LBP)特征作为车牌图像各位置处的特征，LBP特征通过对当前位置处的像素点与邻域像素的取值关系进行编码，从而获得当前位置处的像素点与其邻域像素点所构成的位置区域的纹理特征，进而基于各位置区域的纹理特征来识别车辆图像中是否包含应有的车牌字符。
[0004]LBP特征能够在一定程度上反应每个像素点的邻域特征。但是，由于中文车牌字符图像通常包括汉字字符、字母以及阿拉伯数字，具有较复杂的纹理。所以，采用现有的3X3邻域的LBP特征无法准确反映出包含有多种字符的图像特征，从而导致中文车牌字符图像识别的准确性不高，而且速度较慢。
【发明内容】
[0005]基于此，有必要针对现有技术的缺陷和不足，提供一种中文车牌字符识别方法及系统，能够快速、准确地对中文车牌字符进行识别。
[0006]为实现本发明目的而提供的中文车牌字符识别方法，包括以下步骤:
[0007]S100，对训练图像和测试图像进行尺度归一化，其中，所述训练图像和所述测试图像中均包含有中文车牌字符；
[0008]S200，根据所述中文车牌字符中不同类型字符的位置，采用不同维数的LBP算法，计算归一化后的所述测试图像和所述训练图像中的各位置区域的LBP特征向量；
[0009]S300，对所述训练图像中的各位置区域的LBP特征向量进行训练，得到适合于不同类型字符的MLP字符模型；
[0010]S400，将所述测试图像中的各位置区域的LBP特征向量输入所述MLP字符模型中，对所述测试图像中包含的中文车牌字符进行分类识别。
[0011]在其中一个实施例中，所述步骤S200包括以下步骤:
[0012]S210，对尺度归一化后的所述测试图像和所述训练图像中的各位置区域进行分块；其中，所述测试图像和所述训练图像中包含的中文车牌字符的第一位字符所在的位置区域分块的数目大于其他字符所在的位置区域分块的数目；
[0013]S220，提取同一个位置区域分块后的各分块图像的LBP特征，计算各分块图像的LBP直方图；根据每一个位置区域内所有的分块图像的LBP直方图得到所述测试图像和所述训练图像中的各位置区域的LBP特征向量。
[0014]在其中一个实施例中，所述步骤S300包括以下步骤:
[0015]S310，采用反向传播算法，对所述训练图像中的各位置区域的LBP特征向量进行训练，得到适合于不同类型字符的MLP字符模型。
[0016]其中，所述MLP字符模型包括汉字MLP模型、字母MLP模型、数字MLP模型以及字母数字MLP模型。
[0017]在其中一个实施例中，所述步骤S400包括以下步骤:
[0018]S410，将所述测试图像中包含的中文车牌字符的第一位字符所在的位置区域的LBP特征向量输入所述汉字MLP模型，进行分类识别；
[0019]S420，将所述测试图像中包含的中文车牌字符中的除第一位字符以外的其他字符所在的位置区域的LBP特征向量分别输入所述字母MLP模型、数字MLP模型或字母数字MLP模型，进行分类识别。
[0020]在其中一个实施例中，所述步骤S420包括以下步骤:
[0021]S421，若所述字母MLP模型与所述字母数字MLP模型对当前字符所在的位置区域的LBP特征向量的分类结果一致，则判断所述当前字符为字母；
[0022]S422，若所述数字MLP模型与所述字母数字MLP模型对当前字符所在的位置区域的LBP特征向量的识别结果一致，则判断所述当前字符为数字。
[0023]相应地，基于统一发明构思，本发明还提供一种中文车牌字符识别系统，包括图像归一化模块、特征向量提取模块、字符模型训练模块以及字符识别模块；
[0024]所述图像归一化模块，用于对训练图像和测试图像进行尺度归一化，其中，所述训练图像和所述测试图像中均包含有中文车牌字符；
[0025]所述特征向量提取模块，用于根据所述中文车牌字符中不同类型字符的位置，采用不同维数的LBP算法，计算归一化后的所述测试图像和所述训练图像中的各位置区域的LBP特征向量；
[0026]所述字符模型训练模块，用于对所述训练图像中的各位置区域的LBP特征向量进行训练，得到适合于不同类型字符的MLP字符模型；
[0027]所述字符识别模块，用于将所述测试图像中的各位置区域的LBP特征向量输入所述MLP字符模型中，对所述测试图像中包含的中文车牌字符进行分类识别。
[0028]在其中一个实施例中，所述特征向量提取模块包括位置区域分块单元和特征向量计算单元；
[0029]所述位置区域分块单元，用于对尺度归一化后的所述测试图像和所述训练图像中的各位置区域进行分块；其中，所述测试图像和所述训练图像中包含的中文车牌字符的第一位字符所在的位置区域分块的数目大于其他字符所在的位置区域分块的数目；
[0030]所述特征向量计算单元，用于提取同一个位置区域分块后的各分块图像的LBP特征，计算各分块图像的LBP直方图；根据每一个位置区域内所有的分块图像的LBP直方图得到所述测试图像和所述训练图像中的各位置区域的LBP特征向量。
[0031]在其中一个实施例中，所述字符模型训练模块包括反向传播训练单元；
[0032]所述反向传播训练单元，用于采用反向传播算法，对所述训练图像中的各位置区域的LBP特征向量进行训练，得到适合于不同类型字符的MLP字符模型。
[0033]其中，所述MLP字符模型包括汉字MLP模型、字母MLP模型、数字MLP模型以及字母数字MLP模型。
[0034]在其中一个实施例中，所述字符识别模块包括汉字分类单元以及字母数字分类单元;
[0035]所述汉字分类单元，用于将所述测试图像中包含的中文车牌字符的第一位字符所在的位置区域的LBP特征向量输入所述汉字MLP模型，进行分类识别；
[0036]所述字母数字分类单元，用于将所述测试图像中包含的中文车牌字符中的除第一位字符以外的其他字符所在的位置区域的LBP特征向量分别输入所述字母MLP模型、数字MLP模型或字母数字MLP模型，进行分类识别。
[0037]在其中一个实施例中，所述字母数字分类单元包括第一判断子单元和第二判断子单元；
[0038]所述第一判断子单元，用于在所述字母MLP模型与所述字母数字MLP模型对当前字符的识别结果一致时，判断所述当前字符为字母；
[0039]所述第二判断子单元，用于在所述数字MLP模型与所述字母数字MLP模型对当前字符的识别结果一致时，判断所述当前字符为数字。
[0040]本发明的有益效果:本发明提供的中文车牌字符识别方法及系统，采用不同维数的LBP算法有针对性的计算归一化后的测试图像和训练图像中的各位置区域的LBP特征向量，并采用多层感知器对不同种类的字符进行训练，得到适合于不同类型字符的MLP字符模型，对中文车牌图像中的汉字、数字和字母进行分类识别。其结合了 LBP算法与多层感知器的优势，识别准确率高、速度快。
【附图说明】
[0041]为了使本发明的中文车牌字符识别方法及系统的目的、技术方案及优点更加清楚明白，以下结合具体附图及具体实施例，对本发明的中文车牌字符识别方法及系统进行进一步详细说明。
[0042]图1为本发明的中文车牌字符识别方法的一个实施例的流程图；
[0043]图2为基本LBP算子的运算示意图；
[0044]图3a为本发明的中文车牌字符识别方法的一个实施例的汉字字符LBP分块示意图；
[0045]图3b为图3a所示实施例中的字母字符LBP分块示意图；
[0046]图3c为图3a所示实施例中的数字字符LBP分块示意图；
[0047]图4为本发明的中文车牌字符识别方法的一个实施例中的多层感知器的拓扑结构图；
[0048]图5为本发明的中文车牌字符识别系统的一个实施例的结构示意。
【具体实施方式】
[0049]下面将结合实施例来详细说明本发明。需要说