[发明专利]一种基于车牌识别与车辆特征匹配的套牌检测方法

摘要

本发明公布了一种基于车牌识别与车辆特征匹配的套牌检测方法，包括以下步骤：提取监控设备帧图，将源图灰度化；采用Sobel边缘检测对车牌进行定位；运用形态学处理图像使得区域连通便于车牌轮廓提取；设置宽高比、面积精确提取；通过hough变化和垂直投影进行车牌矫正与字符分割；使用神经网络识别分割字符获取车牌信息；迁移AlexNet神经网络框架，通过识别颜色的深度特征进行分类；运用KNN算法结合数据库系统信息检测套牌情况。本发明保证了车辆识别的精度；直接迁移高精度的卷积神经网络作为基础框架，代价小花费小；能快速在计算机平台上实现，所以车牌识别及车辆识别系统进行大范围布置代价小，可行性高。

主权项

一种基于车牌识别与车辆特征匹配的套牌检测方法，期特征在于：包括以下步骤：步骤一、车牌识别；步骤二、车辆特征匹配；步骤三、综合所述步骤一和步骤二进行套牌检测；所述步骤一的车牌识别包括以下步骤：步骤1、视频监控设备识别到车辆在监控内时，提取视频中的一帧图像作为源图；步骤2、对步骤1获得的源图进行归一化和灰度化；步骤3、对步骤2得到的图使用直方图均衡化处理，同时使用非线性的中值滤波与线性的高斯滤波处理；步骤4、采用sobel算法实现边缘垂直检测对步骤3得到的图像中的车牌进行定位；步骤5、对步骤4中得到图像使用数学形态学的闭运算来处理，消除图像噪声填补图像孔洞；步骤6、在opencv限制外接矩形的宽高比和外接矩形的面积，获得车牌位置；步骤7、将车牌的位置提取出来，使用hough变换矫正车牌位置；步骤8、将矫正后的车牌使用垂直投影，并在opencv中对字符宽高比中限制来切割字符；步骤9、使用车牌字符集训练BP神经网络，将训练好后神经网络用于步骤8得到图像，获得车牌字符；所述步骤二的车辆特征匹配，包括如下步骤：步骤a、提取彩色图片的三维数组，放置AlexNet神经网络训练获取深度特征，用深度特征代替原始图片特征；步骤b、将深度特征用于分类模型，首先识别是否是机动车辆，再识别车辆的品牌和型号；步骤c、将深度特征通过KNN算法，结合车辆系统数据库，计算车辆特征相似度，并设置最小特征匹配阈值。