一种车牌识别方法、系统、设备和存储介质与流程

本发明涉及智能物流领域，尤其涉及一种车牌识别方法、系统、设备和存储介质。

背景技术：

在物流行业中，货物的集中整合及集中分发是一项基本操作流程。其中，车辆的管理与监控是集中整合和分发过程中非常重要的一个环节。目前，物流车辆的信息均以唯一的车牌号码存储在车辆管理系统中，然而仅凭人眼观看监控视频实现车辆识别，车辆调配管理要求管理人员必须具备丰富的先验知识，这既耗费人力，又会造成管理不及时等问题。在复杂货物集中整合与分发的中转场中，要实现车辆的实时管理，要求能够实时地识别出各类车型的车牌号码。因此，物流中转场亟需一种高效准确的车牌识别方法。

传统车牌识别方法在广泛应用于中转场门禁系统，该方法为实现准确的车牌识别，要求相机采集的图像大小、分辨率和清晰度都较为统一，这使得相机的布置安装，及光源的安装相对固定，并且要求车辆进出必须按照规定的路线行驶和控制车辆车速。但是中转场中的车辆停靠随意度较大，往往没有车速、行驶路线限制，这造成相机、光源的布置安装标准化难以实现，这使光照、天气、场内人员流动、车速等外在因素严重影响采集图像的质量，最终导致传统车牌识别方法难以鲁棒性地完成中转场复杂环境下的车牌识别。除此之外，传统车牌识别方法是非数据驱动算法，不具备学习能力，这不利于后期的功能扩展与优化，因此传统的车牌识别方法并不适用于该类复杂的中转场。

技术实现要素：

为了解决上述技术问题，本发明的目的在于提供一种车牌识别方法、系统、设备和存储介质。

根据本发明的一个方面，提供了一种车牌识别方法，包括：

获取车牌图像，识别车牌图像颜色、统一车牌图像的分辨率；

基于所述车牌图像颜色的灰度值进行滤波获取背景图像的颜色；

根据所述车牌图像颜色、背景图像的颜色通过带通滤波器统一车牌图像字符的颜色；

定位、识别车牌图像的字符特征并输出。

进一步的，所述获取车牌图像，识别车牌图像颜色并统一车牌图像的分辨率，包括：

定位车牌位置区域并截取车牌图像；

利用图像线性插值的方式统一图像的分辨率；

从所述车牌图像中提取像素并分割出rgb值，利用图像色彩空间转换技术将rgb值的图像转化到hsv通道，识别出车牌图像的颜色。

进一步的，，基于所述车牌图像颜色的灰度值进行滤波获取背景图像的颜色，包括：

从所述车牌图像中提取像素灰度值，利用线性滤波器构建滤波模板；

将所述滤波模板中的所有像素灰度值均值化，并将均值后的所述像素灰度值作为车牌背景图像的灰度值，根据车牌背景图像的灰度值识别背景图像的颜色。

进一步的，根据所述车牌图像颜色、背景图像的颜色通过带通滤波器统一车牌图像字符的颜色，包括：

给定车牌颜色相对应的梯度因子；

基于所述车牌图像灰度值、背景图像灰度值及梯度因子通过带通滤波器统一车牌图像字符的颜色。

进一步的，定位、识别车牌图像的字符特征，包括：

基于ssd定位算法从车牌图像的定位出统一颜色后的车牌字符；

基于deepocr识别算法从所述定位出的车牌字符中识别出字符特征。

根据本发明的另一个方面，提供了一种车牌识别系统，包括：

预处理模块，配置用于识别车牌图像颜色、统一车牌图像的分辨率；

背景图像计算模块，配置用于基于所述车牌图像颜色的灰度值进行滤波获取背景图像的颜色；

字符颜色统一模块，配置用于基于所述车牌图像、背景图像的灰度值及车牌颜色，利用带通滤波器滤波得到增强的车牌字符特征；

字符识别模块，配置用于定位、识别车牌图像的字符特征并输出。

进一步的，所述背景图像计算模块，包括：

模板构建单元，配置用于从所述车牌图像中提取像素灰度值，利用线性滤波器构建滤波模板；

颜色识别单元，配置用于将所述滤波模板中的所有像素灰度值均值化，并将均值后的所述像素灰度值作为车牌背景图像的灰度值，根据车牌背景图像的灰度值识别背景图像的颜色。

进一步的，字符颜色统一模块，包括：

梯度因子给定单元，配置用于给定车牌颜色相对应的梯度因子；

颜色统一单元，配置用于基于所述车牌图像灰度值、背景图像灰度值及梯度因子通过带通滤波器统一车牌图像字符的颜色

根据本发明的另一个方面，提供了一种设备，所述设备包括：

一个或多个处理器；

存储器，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器执行如上任一项所述的方法。

根据本发明的另一个方面，提供了一种存储有计算机程序的计算机可读存储介质，该程序被处理器执行时实现如上任一项所述的方法。

与现有技术相比，本发明具有以下有益效果：

1、本发明车牌识方法能够克服车牌分辨率不同、光照不均匀、车牌颜色种类和车牌字符颜色不一样等外在因素对车牌识别的影响，并利用带通滤波器增强车牌字符特征，实现快速、高精度车牌识别，提高了对中转场车辆的监控和管理。

2、本发明示例的车牌识别系统，基于所述车牌图像颜色的灰度值进行滤波获取背景图像的颜色，克服车牌分辨率不同、光照不均匀、车牌颜色种类和车牌字符颜色不一样等外在因素对车牌识别的影响，并利用带通滤波器增强车牌字符特征，实现快速、高精度车牌识别，提高了对中转场车辆的监控和管理。

3、本发明示例的设备，通过处理器执行车牌识别方法，能够实现快速、高精度车牌识别，提高了对中转场车辆的监控和管理。

4、本发明示例的可读存储介质，储存有被处理器执行时实现的所述车牌识别方法，便于车牌识别装置的使用及推广。

附图说明

图1为本发明车牌识别方法的流程图。

图2为本发明车牌定位系统的结构框图。

具体实施方式

为了更好的了解本发明的技术方案，下面结合具体实施例、说明书附图对本发明作进一步说明。

实施例1：

本实施例提供了一种车牌识别系统，包括：

预处理模块，配置用于识别车牌图像颜色、统一车牌图像的分辨率；具体包括：车牌定位单元，配置用于定位车牌位置区域并截取车牌图像；分辨率统一单元，配置用于利用图像线性插值的方式统一图像的分辨率；车牌图像颜色是被单元，配置用于从所述车牌图像中提取像素并分割出rgb值，利用图像色彩空间转换技术将rgb值的图像转化到hsv通道，识别出车牌图像的颜色。

背景图像计算模块，配置用于基于所述车牌图像颜色的灰度值进行滤波获取背景图像的颜色，具体包括：模板构建单元，配置用于从所述车牌图像中提取像素灰度值，利用线性滤波器构建滤波模板；颜色识别单元，配置用于将所述滤波模板中的所有像素灰度值均值化，并将均值后的所述像素灰度值作为车牌背景图像的灰度值，根据车牌背景图像的灰度值识别背景图像的颜色。

字符颜色统一模块，配置用于基于所述车牌图像、背景图像的灰度值及车牌颜色，利用带通滤波器滤波得到增强的车牌字符特征，具体包括：梯度因子给定单元，配置用于给定车牌颜色相对应的梯度因子；颜色统一单元，配置用于基于所述车牌图像灰度值、背景图像灰度值及梯度因子通过带通滤波器统一车牌图像字符的颜色。

字符识别模块，配置用于定位、识别车牌图像的字符特征并输出，具体的，基于ssd定位算法从车牌图像的定位出统一颜色后的车牌字符，基于deepocr识别算法从所述定位出的车牌字符中识别出字符特征，本发明能够克服车牌分辨率不同、光照不均匀、车牌颜色种类和车牌字符颜色不一样等外在因素对车牌识别的影响，并利用带通滤波器增强车牌字符特征，实现快速、高精度车牌识别，提高了对中转场车辆的监控和管理。

上述车牌识别系统对应的车牌识别方法，包括以下步骤：

s1、获取车牌图像，识别车牌图像颜色、统一车牌图像的分辨率，具体包括：

s1-1、定位车牌位置区域并截取车牌图像，具体定位过程为使用训练好的定位算法识别出出车牌的位置，定位算法可选取基于cnn的框架的定位算法如ssd定位算法。

s1-2、利用图像线性插值的方式统一图像的分辨率，即通过双线性插值的方法把图像的大小调整(resize)成同一个尺寸，统一分辨率的作用有：第一，统一分辨率使得滤波器作用不同图像的响应较为一致，使得算法的鲁棒性更好；第二，利用统一分辨率过程中的插值算法产生一个具有平滑作用的滤波器，抑制部分噪声点。

s1-3、从所述车牌图像中提取像素并分割出rgb值，利用图像色彩空间转换技术将rgb值的图像转化到hsv通道，识别出车牌图像的颜色，作为可选方案，通过上述的ssd定位算法求到属于车牌图像的像素，获取车牌图像的rgb图像，利用图像色彩空间转换技术分割出车牌图像的rgb值(灰度值)，识别出车牌图像的颜色。

s2、基于所述车牌图像颜色的灰度值进行滤波获取背景图像的颜色，具体包括：

s2-1、从所述车牌图像中提取像素灰度值，利用线性滤波器构建滤波模板，

s2-2、将所述滤波模板中的所有像素灰度值均值化，并将均值后的所述像素灰度值作为车牌背景图像的灰度值，根据车牌背景图像的灰度值识别背景图像的颜色，本实施例选用均值滤波器，作为可选方案，滤波器核的大小为100x100的正方形的矩形核，背景的像素个数远大于字符个数，经过均值后字符和背景融为一体，将融为一体的图片像素灰度值作为车牌背景图像的灰度值。

s3、根据所述车牌图像颜色、背景图像的颜色通过带通滤波器统一车牌图像字符的颜色，具体包括：

s3-1、给定车牌颜色相对应的梯度因子；

s3-2、基于所述车牌图像灰度值、背景图像灰度值及梯度因子通过带通滤波器统一车牌图像字符的颜色，例如，背景图像的响应为低频响应，光照的响应为高频反映，而字符的响应是介于两者之间，通过设计梯度因子α，把除字符响应外的信号阻隔，这里是直接置为0，从而得到归一化图片，具体的：

s4、定位、识别车牌图像的字符特征并输出，具体包括：

s4-1、基于ssd定位算法从车牌图像的定位出统一颜色后的车牌字符，ssd定位算法可以给出字符像素的坐标，根据字符坐标定位车牌图像字符；

s4-2、基于deepocr识别算法从所述定位出的车牌字符中识别出字符特征。deepocr识别算法是一个由3个卷积层，2个池化层，2个激活函数和一个损失函数组成的神经网络，卷积层主要是提取每个字符的边缘特征，池化层主要是对图像降维，使得卷积层提取高维特征成为可能，激活函数主要提高该网络的非线性拟合能力，使得网络适应不同字符的特征，并进行表达，损失函数主要是根据优化目标评价deepocr识别算法训练过程中网络生成的字符特征和预分类好的字符特征之间的差距，利用梯度下降的方法，可使得网络学习到每个字符的特征，最后经过损失层的评价，使神经网络具有识别字符的能力。ssd定位算法、deepocr识别算法均是基于cnn的框架，定位、识别时若出现错误案例，仅需把该错误案例重新投入原有的数据中重新学习便可，无需人工再干预特征的修正，因此相对于传统车牌识别方法本实施例车牌识别方法具有学习能力。

以下举例对车牌识别方法进一步说明，

第一步，使用训练好的定位算法识别出出车牌的位置，然后截取该区域的图像作为车牌图像，本实施例采用ssd定位算法，具体训练步骤包括：1、采用卷积核对所述增强车牌字符特征的车牌图像进行卷积处理，得到字符特征图并转化为字符特征向量；2、利用所述字符特征向量回归特定外接矩形；3、采用欧式距离判断所述特定外接矩形与预先标定的外接矩形的距离阈值，若距离阈值小于设定值，则外接矩形包含的字符特征为车牌字符位置，否则，重新回归外接矩形，预先标定的外接矩形是预先标定车牌字符图像获得的，此外接矩形一般包含所有字符像素。

在中转场中主要的车牌颜色有黄牌和蓝牌，从所述车牌图像中提取像素并分割出rgb值，利用色彩空间转换技术将所述rgb值转换到hsv通道的取值：蓝色：h～[190，245]，s～[0.35,1],v～[0.3,1]；黄色：h～[28，55]，s～[0.35,1],v～[0.3,1]，在h通道上，黄色和蓝色能较大程度地区分，相对稳定；从所述车牌图像中提取像素并分割出rgb值，利用图像色彩空间转换技术将rgb值的图像转化到hsv通道，识别出车牌图像的颜色。

第二步，由于采样位置不能统一回导致车牌区域分辨率不统一，因此，利用图像线性插值的方式统一车牌图像的分辨率，如利用双线性插值的方式把图像统一为600x300的分辨率，此处统一分辨率能够使得后续的滤波器作用不同的图像响应较为一直，提高算法的鲁棒性。

第三步，利用线性滤波器构建滤波模板对车牌图像进行模糊，抑制前景高频信号，将所述滤波模板中的所有像素灰度值均值化，并将均值后的所述像素灰度值作为车牌背景图像的灰度值，根据车牌背景图像的灰度值识别背景图像的颜色，线性滤波器的公式：

g(x，y)＝1/m∑f(x，y)

其中，f(x,y)为车牌图像的灰度值，g(x,y)为背景图像灰度,从而识别出背景图像的颜色，m为该模板中包含当前像素在内的像素总个数，本实施例m选取100。

第四步，蓝牌中的字符是白色的，黄牌中的字符是黑色，字符在不同颜色的车牌上表达不一致，利用带通滤波器把字符统一成白色，带通滤波器的公式：g(x,y)＝f原图(x,y)-f背景(x,y)*α，其中，f原图(x,y)为车牌图像的灰度值，f背景(x,y)为步骤第三步件算的背景图像的灰度值，α为梯度因子，α的取值根据车牌图像的颜色给定，当车牌图像判断为蓝色，α＝-2，否则α＝2；g(x,y)为字符统一后车牌图像的灰度值；

经过以上四个步骤的处理后，车牌图像分辨率不同、光照不均匀、颜色种类不一样的外在因素的影响得到抑制，但仍存在一个字符姿态不统一以及车牌图像处理过程引进的误差，基于cnn的数据拟合能力，很好地完成定位与识别的任务，这里利用的cnn网络是ssd定位算法和deepocr的识别算法，通过带通滤波器滤波降低背景图像灰度值，增强的车牌字符特征，从而使后续ssd定位处理信息量降低，提高定位精度。

本实施例提供了一种设备，所述设备包括：

一个或多个处理器；

存储器，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器执行如上任一项所述的方法，能够实现快速、高精度车牌识别，提高了对中转场车辆的监控和管理。

本实施例提供了一种存储有计算机程序的计算机可读存储介质，该程序被处理器执行时实现如上任一项所述的方法，储存有被处理器执行时实现的所述车牌识别方法，便于车牌识别装置的使用及推广。

进一步介绍如下：

计算机系统包括中央处理单元(cpu)101，其可以根据存储在只读存储器(rom)102中的程序或者从存储部分加载到随机访问存储器(ram)103中的程序而执行各种适当的动作和处理。在ram103中，还存储有系统操作所需的各种程序和数据。cpu101、rom102以及ram103通过总线104彼此相连。输入/输出(i/o)接口105也连接至总线104。

以下部件连接至i/o接口105：包括键盘、鼠标等的输入部分106；包括诸如阴极射线管(crt)、液晶显示器(lcd)等以及扬声器等的输出部分；包括硬盘等的存储部分108；以及包括诸如lan卡、调制解调器等的网络接口卡的通信部分109。通信部分109经由诸如因特网的网络执行通信处理。驱动器也根据需要连接至i/o接口105。可拆卸介质511，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器510上，以便于从其上读出的计算机程序根据需要被安装入存储部分108。

特别地，根据本发明的实施例，上文参考流程图2描述的过程可以被实现为计算机软件程序。例如，本发明的实施例1包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分从网络上被下载和安装，和/或从可拆卸介质被安装。在该计算机程序被中央处理单元(cpu)101执行时，执行本申请的系统中限定的上述功能。

需要说明的是，本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本发明中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、rf等等，或者上述的任意合适的组合。

附图中的流程图和框图，图示了按照本发明各种实施例1的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本发明实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现，所描述的单元也可以设置在处理器中。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定。所描述的单元或模块也可以设置在处理器中，例如，可以描述为：一种处理器包括预处理模块、背景图像计算模块、字符颜色统一模块、字符识别模块。其中，这些模块的名称在某种情况下并不构成对该模块本身的限定，例如，预处理模块还可以被描述为“用于识别车牌图像颜色、统一车牌图像的分辨率的预处理模块”。

作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该电子设备执行时，使得该电子设备实现如上述实施例中所述的车牌识别方法。

例如，所述电子设备可以实现如图1中所示的：步骤s1：获取车牌图像，识别车牌图像颜色、统一车牌图像的分辨率；步骤s2：基于所述车牌图像颜色的灰度值进行滤波获取背景图像的颜色；步骤s3：根据所述车牌图像颜色、背景图像的颜色通过带通滤波器统一车牌图像字符的颜色；步骤s4：定位、识别车牌图像的字符特征并输出。

应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。

此外，尽管在附图中以特定顺序描述了本公开中方法的各个步骤，但是，这并非要求或者暗示必须按照该特定顺序来执行这些步骤，或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选地，可以省略某些步骤，将多个步骤合并为一个步骤执行，以及/或者将一个步骤分解为多个步骤执行等。

以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离所述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能。