申请/专利权人：西安工程大学

申请日：2019-09-26

公开（公告）日：2023-04-07

公开（公告）号：CN110738139B

主分类号：G06V20/00

分类号：G06V20/00;G06V10/30;G06V10/26;G06V10/22;G06V30/148;G06V10/774;G06N3/08;G06N3/0464

优先权：

专利状态码：有效-授权

法律状态：2023.04.07#授权;2020.02.25#实质审查的生效;2020.01.31#公开

摘要：本发明公开了一种融合Min‑Max目标的NIN车牌识别方法，首先采用平均值法对彩色原始图像进行灰度化处理及去噪；然后使用Sobel算子检测经处理后的去噪图像边缘，计算每个像素点的灰度值，得到多个单连通区域；计算单连通区域的长度、宽度，根据车牌的特征设定长、宽范围，删除不在此范围的单连通区域，再计算单连通区域的长宽比，删除不符合比例设定的单连通区域，得到车牌区域；对得到的车牌区域使用纵向和横向投影相结合的方法，确定字符边界，对确定边界的字符进行归一化处理，通过融合Min‑Max目标的NIN模型得到车牌识别结果。本发明解决了现有技术中存在的在复杂背景、车牌脏污等情况下，识别率不理想的问题。

主权项：1.一种融合Min-Max目标的NIN车牌识别方法，其特征在于，具体按照以下步骤实施：步骤1、首先采用平均值法对彩色原始图像进行灰度化处理，再利用3*3的高斯平滑与中值滤波进行去噪；步骤2、首先使用Sobel算子检测经步骤1处理后的去噪图像边缘，其次，计算每个像素点的灰度值，如果灰度大于阈值ε，则认为该像素点为边缘点；采用最大阈值法对检测边缘后的图像进行二值化，并进行形态学处理，得到多个单连通区域；步骤3、计算单连通区域的长度、宽度，根据车牌的特征设定长、宽范围，删除不在此范围的单连通区域，再计算单连通区域的长宽比，删除不符合比例设定的单连通区域，得到车牌区域；步骤4、对得到的车牌区域使用纵向和横向投影相结合的方法，确定字符边界，对确定边界的字符进行归一化处理，得到像素大小为32*40大小的字符；步骤5、通过融合Min-Max目标的NIN模型得到车牌识别结果，融合Min-Max目标的NIN模型具体结构为：包括3个MLP卷积层，1个全局平均池化层，1个Min-Max目标层，1个softmax层，3个MLP卷积层结构相同，每个MLP卷积层共有6层：依次为1个5*5卷积层、1个Relu非线性层、1个1*1的卷积层、1个Relu非线性层、1个1*1的卷积层、1个Relu非线性层，其中，5*5卷积层可以提取图像的局部特征，1*1卷积层有跨通道交互和信息整合作用，同时还能进行卷积核通道数的降维和升维，减少参数。

全文数据：

权利要求：

百度查询： 西安工程大学 一种融合Min-Max目标的NIN车牌识别方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD