公开(公告)号：CN114612890A

公开(公告)日：2022-06-10

申请号：CN202210222537.7

申请日：2022-03-09

Applicant: 南通大学

Inventor： 李跃华 ,  仲凡凡 ,  顾煜洋 ,  仲新 ,  张振华 ,  胡彬 ,  梅雨秀

IPC: G06V20/62 ,  G06V30/148 ,  G06V10/56

Abstract: 本发明提供了一种车牌字符定位及分割方法，属于车牌识别技术领域。解决了车牌定位中因外界环境因素干扰出错，车牌字符分割中出现字符断裂、字符粘连和数字“1”以及车牌分隔符被误分割的问题。其技术方案为：包括以下步骤：S1、读入原始图像经过高斯模糊处理；S2、将原始图像进行灰度化得到图像Image_gray；S4、根据车牌长宽比例、面积对可疑连通区域进行筛选，得到精确车牌区域，通过透视变换，在原始图像Image_initial中定位并裁剪出车牌图像；S5、对定位所得的车牌图像进行预处理。本发明的有益效果为：通过采用车牌字符定位以及分割方法，提高车牌定位和字符分割准确度，更好地识别出车牌字符。

公开(公告)号：CN114581903A

公开(公告)日：2022-06-03

申请号：CN202210300962.3

申请日：2022-03-24

Applicant: 南通大学

Inventor： 李跃华 ,  仲凡凡 ,  顾煜洋 ,  仲新 ,  张振华 ,  胡彬 ,  梅雨秀 ,  冯斯羽

IPC: G06V20/62 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06V30/10 ,  G06V10/764 ,  G06V10/82

Abstract: 本发明提供了一种基于卷积神经网络的车牌字符识别方法，属于深度学习技术领域。解决了传统车牌字符识别方法计算简单，对噪声抵抗差，鲁棒性较差的问题。其技术方案为：包括以下步骤：S1、基于经典LeNet‑5卷积神经网络结构，搭建车牌字符识别神经网络框架；S2、根据步骤S1中搭建的网络框架，制作车牌字符训练数据集；S3、将步骤S2中制作的数据集，通过卷积神经网络训练得到车牌识别网络模型；S4、将已分割好的车牌字符放入神经网络中进行识别，得到车牌识别结果。本发明的有益效果为：本发明能够提高车牌识别的准确率；并且在图像识别处理方面有着明显的优势。