买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：深圳市信义科技有限公司

摘要：本发明属于智能交通领域，具体涉及武警车牌字符分割方法、存储介质及计算机设备，其方法包括：训练用于检测“WJ”组合字符的检测模型该模型将Hog与SVM相结合，其中Hog用于特征检测，SVM用于分类输出；训练字符检测模型Mn，该模型将车牌上的“WJ”组合字符整体标注为目标，将剩余部分以单个字符进行标注为前景；用模型对图像进行“WJ”组合字符检测；对车牌中除“WJ”组合字符外剩余部分的字符进行分割；若存在“WJ”组合字符字样，剩余字符使用模型Mn检测。本发明解决了因车牌类型分类不准确、“WJ”字符粘连严重带来的字符分割错误及不精确问题。

主权项：1.一种武警车牌字符分割方法，其特征在于，包括以下步骤：S1、训练用于检测“WJ”组合字符的检测模型该检测模型将方向梯度直方图Hog与支持向量机SVM相结合，其中方向梯度直方图Hog用于特征描述，支持向量机SVM用于分类输出；S2、训练字符检测模型Mn，该检测模型Mn将车牌上的“WJ”组合字符整体标注为目标，将剩余部分以单个字符进行标注为前景；S3、用检测模型对图像进行“WJ”组合字符检测；S4、对车牌中除“WJ”组合字符外剩余部分的字符进行分割；若存在“WJ”组合字符字样，剩余字符使用检测模型Mn检测，最终的分割结果是和Mn检测结果的组合；步骤S2的字符检测模型Mn为MobilePlateNet检测模型，其主干网络包括依次连接的conv0卷积层、深度可分离卷积层和附加层，深度可分离卷积层包括依次连接的conv1dw+conv1到conv13dw+conv13共13个深度可分离卷积层，附加层包括相连接的conv14卷积层和conv15卷积层，并从conv11、conv13、conv14、conv15卷积层中分别抽出回归层，每层回归层均分别与回归器、分类器连接；步骤S3将输入图像转为灰度图，并缩放到预设像素大小；用检测模型对输入图像做多尺度检测，检测结果记为Rh；多尺度检测后“WJ”组合字符字样在单、双层车牌中位置固定，对Rh进行过滤筛选，剔除Rh中与理论位置差别大的检测框，筛选结果记为Ra；若Ra数值大于等于1，则保留其中x轴坐标值最小的矩形框作为“WJ”组合字符的检测结果，记为R'h；若Ra的数值为0，则退出武警车牌字符分割过程；过滤筛选的过程为：1、判断多尺度检测结果Rh是否为空，若为空，则退出武警车牌字符分割过程；2、若多尺度检测结果Rh不为空，判断Rh大小是否为1，若为1则判断相应的检测框左上角的x坐标是否超过预设阈值；若该x坐标在预设阈值之内，则将这个多尺度检测结果作为“WJ”组合字符检测结果R'h；若该x坐标超过预设阈值，则退出武警车牌字符分割过程；3、若多尺度检测结果Rh大小超过1，首先根据相应的检测框左上角的x坐标是否超过预设阈值进行筛选，筛选后的结果记为Ra；若筛选后Ra大小为0，退出武警车牌字符分割过程；若筛选后Ra大小为1，将这个结果作为“WJ”组合字符检测结果R'h；若筛选后Ra大小超过1，则对Ra按x坐标由小到大进行排序，选取x坐标最小的那个结果作为“WJ”组合字符检测结果R'h；步骤S4包括：S41、当筛选结果Ra的数值不为0时，将车牌缩放，使用检测模型Mn对整张车牌进行检测，检测结果记为Mm；对于单层车牌，将检测结果Mm按x坐标升序排序，对于双层车牌，将检测结果Mm分上下两层，分别按x坐标升序排序，排序后的结果记为Ma；S42、根据矩形框重叠度来剔除排序结果Ma中属于字符位置不精确的误检，剔除误检后的结果记为M'm；S43、根据R'h来剔除M'm里面存在“WJ”中的某个或两个字符的矩形框，以实现M'm只包含除“WJ”组合字符以外其他字符的分割；设M'm中的一个矩形框为am，am与R'h中的一个矩形框的重叠面积记为SH∩M；S44、遍历M'm中所有矩形框am，当存在SH∩M与矩形框am面积的比值超过设定阈值时，认为am属于“WJ”组合字符部分的结果，用R'h值覆盖am，其它不满足设定阈值的矩形框am信息保持不变，循环结束后，删除M'm中值相同的矩形框，最终的分割结果记为Res；S45、遍历M'm中所有矩形框am，当不存在SH∩M与矩形框am面积的比值超过某个设定阈值时，则表明M'm未携带“WJ”组合字符信息，将R'h的值插入M'm中，按x坐标升序排序后所得的最终分割结果记为Res。

全文数据：

权利要求：

百度查询： 深圳市信义科技有限公司 一种武警车牌字符分割方法、存储介质及计算机设备