本发明涉及车牌识别技术领域，特别是涉及一种车牌字符自动识别方法。
背景技术：
随着城市规模的扩大，城市里面的机动车数量迅速增加，传统的人工管理交通已经不能适应这种变化。因此，智能交通系统被大规模应用于城市交通管理和调度中。其中，车牌识别是智能交通系统中的核心。
车牌识别是现代智能交通系统中的重要组成部分，应用十分广泛。它以模式识别、计算机视觉、数字图像处理等技术为基础。通过对车牌数据的一系列处理可以实现交通流量控制指标测量、车辆定位、高速公路超速自动化监管、交通违章抓拍、公路收费站和停车场收费管理等功能。汽车牌照的自动识别对于维护交通安全和城市治安，防止交通堵塞，实现交通自动化管理有着重要的意义。因此，需要一种车牌字符自动识别方法。
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字符自动识别方法，能够准确识别车牌字符。
为解决上述技术问题，本发明采用的一个技术方案是：提供一种车牌字符自动识别方法，包括：输入彩色车辆图像；获取当前的光强强度，并将所述当前光强强度与预设光强强度进行对比；如果所述当前光强强度高于所述预设光强强度，采用基于颜色点对搜索和数学形态学的车牌定位算法对所述彩色车辆图像进行车牌定位，得到车牌图像；如果所述当前光强强度低于所述预设光强强度，采用基于灰度图像的车牌定位算法对所述彩色车辆图像进行车牌定位，得到车牌图像；对所述车牌图像进行水平倾斜矫正和垂直倾斜矫正；结合竖直投影和滴水算法对所述车牌图像进行字符分割，得到字符块图像；将字符块图像归一化，提取字符块图像的原始粗网格特征；使用经过训练的BP神经网络对每一字符块图像进行识别，生成识别出的车牌号码。
区别于现有技术的情况，本发明的有益效果是：1、可以在白天，也可以在夜晚对车牌字符进行识别；2、结合竖直投影和滴水算法的字符分割方法，鲁棒性好，能够较好地解决字符粘连、断裂等问题，分割效果好；3、结合我国车牌的实际情况，针对汉字的特殊性，为质量低下的汉字图像建立多个训练样本，提高了神经网络识别汉字的稳健性和识别正确率；4、BP神经网络设计科学合理，整体流程实现了实时性与准确性的平衡。
附图说明
图1是本发明实施例车牌字符自动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字符自动识别方法的流程示意图。本实施例的车牌字符自动识别方法包括以下步骤：
S11：输入彩色车辆图像。
S12：获取当前的光强强度，并将当前光强强度与预设光强强度进行对比。
光强强度可以采用光纤传感器获得。
S13：如果当前光强强度高于预设光强强度，采用基于颜色点对搜索和数学形态学的车牌定位算法对彩色车辆图像进行车牌定位，得到车牌图像；如果当前光强强度低于预设光强强度，采用基于灰度图像的车牌定位算法对彩色车辆图像进行车牌定位，得到车牌图像。
车牌定位一直是汽车牌照识别系统中的难点，车牌图像中大量的干扰和光线照射强弱、车牌反光等因素都会影响车牌定位的准确性。本发明提出了两种车牌定位算法相结合的车牌定位算法：在白天光线比较好的情况下，采用基于颜色点对搜索和数学形态学的车牌定位算法；在白天光线不佳或者夜晚情况下采用基于灰度图像的车牌定位算法。本发明预设光强强度优选为8000lx，当前光强强度大于8000lx时，采用基于颜色点对搜索和数学形态学的车牌定位算法对得到的彩色车辆图像进行车牌定位；当前光强强度小于8000lx时，采用基于灰度图像的车牌定位算法对得到的彩色车辆图像进行车牌定位。
S14：对车牌图像进行水平倾斜矫正和垂直倾斜矫正。
由于摄像机的位置固定导致了拍摄角度的不同，定位以后得到的车牌图像或多或少存在倾斜的情况。倾斜会影响后续车牌字符分割，造成分割错误，所以在字符分割前要对车牌图像进行倾斜校正，为后面的字符准确分割做好准备。车牌倾斜分为三种模式：水平方向倾斜、垂直方向倾斜、水平叠加垂直方向倾斜，因此车牌倾斜校正可以从水平和垂直两个方向进行，通常先进行水平倾斜校正，确定车牌字符的上下边界，最后进行垂直倾斜校正。本发明使用的是基于垂直边缘点投影方差最小的车牌水平倾斜校正算法和基于水平边缘点方差最小的车牌垂直倾斜校正算法。
S15：结合竖直投影和滴水算法对车牌图像进行字符分割，得到字符块图像。
在车牌字符间隙区域可取得白色像素投影的局部最小值作为粗分割的依据，若粗分割得到的字符块图像宽度超过宽度阈值，则运用滴水算法进行二次精确分割，寻找字符的闭合边缘轮廓，沿着缝隙进行裁剪，以最左上角和最右下角的边缘点为基准进行分割及矩形化拓展，并对分割出来的目标字符图像进行筛选，去除垂直边框、铆钉、分隔符等非字符图像。
S16：将字符块图像归一化，提取字符块图像的原始粗网格特征。
根据水平和垂直两个方向字符像素的分布将字符块图像归一化为32×16像素大小，字符区域背景为黑色，字符前景为白色，将归一化后的字符点阵的每个像素点作为一个网格，提取字符块图像的原始粗网格特征。
S17：使用经过训练的BP神经网络对每一字符块图像进行识别，生成识别出的车牌号码。
根据我国车牌的实际特点，设计BP神经网络：包含汉字网络、字母网络、字母数字网络和数字网络，对不同类型字符进行分类，并为相似度高的字符建立二级网络，同时确定输入输出神经元个数、隐含层个数、隐含层中神经元数目、激活函数、学习速率等参数。
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。