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直方图得到测试图像和训练图像中的各位置区域的LBP特征向量。
[0086]在其中一个实施例中，字符模型训练模块300包括反向传播训练单元310 ；
[0087]反向传播训练单元310，用于采用反向传播算法，对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。
[0088]其中，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。
[0089]进一步地，字符识别模块400包括汉字分类单元410以及字母数字分类单元420 ；
[0090]汉字分类单元410，用于将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特征向量输入汉字MLP模型，进行分类识别。
[0091]字母数字分类单元420，用于将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特征向量分别输入字母MLP模型、数字MLP模型或字母数字MLP模型，进行分类识别。
[0092]进一步地，字母数字分类单元420包括第一判断子单元421和第二判断子单元422 ；
[0093]第一判断子单元421，用于在字母MLP模型与字母数字MLP模型对当前字符的识别结果一致时，判断当前字符为字母。
[0094]第二判断子单元422，用于在数字MLP模型与字母数字MLP模型对当前字符的识别结果一致时，判断当前字符为数字。
[0095]本发明提供的中文车牌字符识别方法及系统，结合了 LBP算法与MLP的优势，具有识别准确率高、速度快的特点。本发明提供的中文车牌字符识别方法和系统还可应用于要求实时性高、准确性高的智能交通系统，提升系统的整体性能。
[0096]以上实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。
【主权项】
1.一种中文车牌字符识别方法，其特征在于，包括以下步骤: 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； 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； 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； 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。2.根据权利要求1所述的中文车牌字符识别方法，其特征在于，所述步骤S200包括以下步骤: 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； 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。3.根据权利要求1或2所述的中文车牌字符识别方法，其特征在于，所述步骤S300包括以下步骤: 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。4.根据权利要求3所述的中文车牌字符识别方法，其特征在于，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。5.根据权利要求4所述的中文车牌字符识别方法，其特征在于，所述步骤S400包括以下步骤: 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； 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。6.根据权利要求5所述的中文车牌字符识别方法，其特征在于，所述步骤S420包括以下步骤: 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； 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。7.一种中文车牌字符识别系统，其特征在于，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； 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； 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； 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； 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。8.根据权利要求7所述的中文车牌字符识别系统，其特征在于，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； 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； 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。9.根据权利要求7或8所述的中文车牌字符识别系统，其特征在于，所述字符模型训练模块包括反向传播训练单元； 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。10.根据权利要求9所述的中文车牌字符识别系统，其特征在于，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。11.根据权利要求10所述的中文车牌字符识别系统，其特征在于，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； 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； 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。12.根据权利要求11所述的中文车牌字符识别系统，其特征在于，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； 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； 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。
【专利摘要】本发明公开了一种中文车牌字符识别方法及系统，其中方法包括以下步骤：对训练图像和测试图像进行尺度归一化,其中，训练图像和测试图像中均包含有中文车牌字符；根据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，计算归一化后的测试图像和训练图像中的各位置区域的LBP特征向量；对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；将测试图像中的各位置区域的LBP特征向量输入MLP字符模型中，对测试图像中包含的中文车牌字符进行分类识别。本发明提供的中文车牌字符识别方法及系统，识别准确率高、速度快。
【IPC分类】G06K9/20, G06K9/66
【公开号】CN105631445
【申请号】CN201410636479
【发明人】李洪研, 王珏
【申请人】通号通信信息集团有限公司
【公开日】2016年6月1日
【申请日】2014年11月6日