浓雾天气下基于大气散射模型和深度学习的车牌识别系统

摘要

本发明涉及的是浓雾天气下基于大气散射模型和深度学习的车牌识别系统。车辆检测模块，通过高斯混合模型和车灯检测进行白天和夜间的动态车辆检测。浓雾天气下的车牌定位模块，先构建去雾模型，使用分层算法剥离图像的闪耀层得到背景层，通过均值降采样和双三次差值法实现背景层大气光的估计，通过闪耀层取反取反估计透射率，并进行强反射光和噪声的抑制，接着根据大气散射模型实现图像复原，得到复原后的车辆图像，接着通过一系列形态学操作和连通域分析定位车牌，根据车牌的帧间位置信息实现车牌追踪，得到视频序列中同一张车牌的多个样本。字符分割模块，通过顶帽变换和导向滤波实现车牌图像增强，接着利用投影法实现字符分割。字符识别模块，整合了卷积神经网络和支持向量机进行字符识别，最后将多个样本的识别结果根据概率筛选出最终的识别结果。实验结果表明，在浓雾天气下白天和夜间，本文算法都可以有效地实现车牌定位和识别。