【技术实现步骤摘要】
本专利技术属于车牌识别，具体涉及一种车牌识别系统。
技术介绍
1、车牌识别是智能交通管理系统中的一项重要任务。然而，由于快速移动车辆的运动模糊，实现准确识别的挑战仍然存在。这种模糊使车牌难以辨认，在高速车辆或光线不足的情况下尤其成问题。这些问题在夜间或恶劣天气下会加剧，导致拍摄的图像出现相当大的运动模糊。在现实场景中，受运动模糊影响的车牌图像通常会出现复杂的退化，包括噪声、低分辨率和重影效果。而在图像质量较差的情况下会降低算法准确性和鲁棒性，所以，研究能够适应复杂场景、鲁棒且高精度的车牌识别算法具有重要的理论意义和应用价值。
2、现有技术中对模糊车牌的识别效果不够好。
技术实现思路
1、为克服上述现有技术中对模糊车牌的识别效果不够好的问题，本专利技术申请提出一种车牌识别系统，包括：车牌定位模块、文本重建模块、字符识别模块；
2、所述车牌定位模块，用于对监控区域下的视频图像数据进行车牌检测，并将车牌检测的结果发送至所述文本重建模块；
3、所述文本重建模块，用于基于所述车牌检测的结果，对所述车牌检测的结果中模糊的车牌图像进行去模糊处理，去模糊处理之后确保车牌图像的字符可准确识别，形成处理后的车牌检测结果，将所述处理后的车牌检测结果发送至所述字符识别模块；
4、所述字符识别模块，用于基于所述处理后的车牌检测结果，输出车牌识别结果。
5、优选的，所述车牌定位模块，还用于：基于深度学习的目标检测算法yolov8实现车牌的定位检测，首
6、优选的，所述车牌的类别包括绿牌、黄牌、蓝牌、白牌、黑牌。
7、优选的，所述文本重建模块，具体用于将所述模糊的车牌图像恢复为清晰的车牌图像。
8、优选的，所述文本重建模块，包括：特征提取模块、swt-c模块和输出模块；
9、所述特征提取模块，用于提取所述模糊的车牌图像的浅层特征信息；浅层特征信息包括：所述车牌图像的原始残差块和密集残差块，将原始残差块与密集残差块联合进行融合形成所述车牌图像的特征；swt-c模块和输出模块用于将卷积神经网络(cnn)与注意力转换网络(transformer)相结合的swt-c层，辅助所述模糊的车牌图像恢复出边缘和细节，之后利用金字塔卷积网络输出处理后的清晰图像。
10、优选的，所述特征提取模块，还用于在利用金字塔卷积网络输出处理后的清晰图像时，首先设计了一个卷积核大小为1×1的卷积层，对得到的恢复出边缘和细节的车牌图像的进行通道压缩，形成压缩的图像，使分散在通道上的所述压缩的图像集中于特定的通道，形成位于特定通道的压缩的图像；之后，利用金字塔卷积网络，对位于所述特定通道的压缩的图像进行不同尺度的卷积，获得所述特定通道的压缩的图像对应的模糊的车牌图像中多个尺度的特征信息，从而获得清晰的图像。
11、优选的，所述字符识别模块，还用于对所述处理后的车牌检测结果中字符免分割。
12、优选的，所述字符识别模块，还用于发送车牌识别结果于所述ocr文字检测与识别模块；
13、还包括ocr文字检测与识别模块，所述ocr文字检测与识别模块用于接收的车牌识别结果，检测所述车牌识别结果的车牌图像中的文本框位置，对于歪斜的文本框进行矫正文本框位置，最后，输出文本框内的车牌字符。
14、本专利技术还提供了一种车牌识别方法，包括：
15、采用车牌识别系统中的车牌定位模块，对监控区域下的视频图像数据进行车牌检测，并将车牌检测的结果发送至所述文本重建模块；
16、文本重建模块基于所述车牌检测的结果，对所述车牌检测的结果中模糊的车牌图像进行去模糊处理，去模糊处理之后确保车牌图像的字符可准确识别，形成处理后的车牌检测结果，将所述处理后的车牌检测结果发送至所述字符识别模块；
17、字符识别模块基于所述处理后的车牌检测结果，输出车牌识别结果。
18、与最接近的现有技术相比，本专利技术申请具有的有益效果如下：
19、本专利技术的系统车牌定位模块、文本重建模块、字符识别模块；车牌定位模块，用于对监控区域下的视频图像数据进行车牌检测，并将车牌检测的结果发送至所述文本重建模块；文本重建模块，用于基于所述车牌检测的结果，对所述车牌检测的结果中模糊的车牌图像进行去模糊处理，去模糊处理之后确保车牌图像的字符可准确识别，形成处理后的车牌检测结果，将所述处理后的车牌检测结果发送至所述字符识别模块；字符识别模块，用于基于所述处理后的车牌检测结果，输出车牌识别结果，提出基于yolov8的车牌定位算法结合注意力转换网络(transformer)算法实现模糊车牌的文本重建，提高车牌识别的准确率。
本文档来自技高网...【技术保护点】
1.一种车牌识别系统，其特征在于，包括：车牌定位模块、文本重建模块、字符识别模块；
2.根据权利要求1所述的系统，其特征在于，所述车牌定位模块，还用于：基于深度学习的目标检测算法yolov8实现车牌的定位检测，首先获取车牌的图像序列，将所述图像序列输入目标检测算法yolov8，获取检测车牌的类别和位置信息。
3.根据权利要求1所述的系统，其特征在于，所述文本重建模块，包括：特征提取模块、SWT-C模块和输出模块；
4.根据权利要求1所述的系统，其特征在于，所述特征提取模块，还用于在利用金字塔卷积网络输出处理后的清晰图像时，首先设计了一个卷积核大小为1×1的卷积层，对得到的恢复出边缘和细节的车牌图像的进行通道压缩，形成压缩的图像，使分散在通道上的所述压缩的图像集中于特定的通道，形成位于特定通道的压缩的图像；之后，利用金字塔卷积网络，对位于所述特定通道的压缩的图像进行不同尺度的卷积，获得所述特定通道的压缩的图像对应的模糊的车牌图像中多个尺度的特征信息，从而获得清晰的图像。
5.根据权利要求1所述的系统，其特征在于，所述字符识别模块，还用
6.根据权利要求1所述的系统，其特征在于，
7.根据权利要求2所述的系统，其特征在于，所述车牌的类别包括绿牌、黄牌、蓝牌、白牌、黑牌。
8.根据权利要求1或3所述的系统，其特征在于，所述文本重建模块，具体用于将所述模糊的车牌图像恢复为清晰的车牌图像。
9.一种车牌识别方法，其特征在于，包括：
...【技术特征摘要】
1.一种车牌识别系统，其特征在于，包括：车牌定位模块、文本重建模块、字符识别模块；
2.根据权利要求1所述的系统，其特征在于，所述车牌定位模块，还用于：基于深度学习的目标检测算法yolov8实现车牌的定位检测，首先获取车牌的图像序列，将所述图像序列输入目标检测算法yolov8，获取检测车牌的类别和位置信息。
3.根据权利要求1所述的系统，其特征在于，所述文本重建模块，包括：特征提取模块、swt-c模块和输出模块；
4.根据权利要求1所述的系统，其特征在于，所述特征提取模块，还用于在利用金字塔卷积网络输出处理后的清晰图像时，首先设计了一个卷积核大小为1×1的卷积层，对得到的恢复出边缘和细节的车牌图像的进行通道压缩，形成压缩的图像，使分散在通道上的所...
【专利技术属性】
技术研发人员：孙桥，王迪，南争伟，马甲，郝晋源，马雅勰，
申请(专利权)人：陕西省公路局，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。