[发明专利]车牌识别方法、装置、设备及可读存储介质在审

专利信息
申请号: 201810342558.6 申请日: 2018-04-17
公开(公告)号: CN108564088A 公开(公告)日: 2018-09-21
发明(设计)人: 程良伦;佘爽 申请(专利权)人: 广东工业大学
主分类号: G06K9/34 分类号: G06K9/34;G06K9/46;G06K9/62;G06N3/04
代理公司: 北京集佳知识产权代理有限公司 11227 代理人: 罗满
地址: 510060 广东*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 卷积神经网络 可读存储介质 车牌识别 车牌图像 输出单元 标签 车牌识别装置 车辆图像 车牌检测 车牌信息 车牌颜色 车牌字符 复杂环境 任务识别 输出层 车牌 申请
【权利要求书】:

1.一种车牌识别方法,其特征在于,包括:

根据获取的车辆图像进行车牌检测,得到车牌图像;

通过训练的多标签深度卷积神经网络对所述车牌图像进行多标签多任务识别,得到车牌信息识别结果;其中,所述多标签深度卷积神经网络的输出层包括车牌字符输出单元以及车牌颜色输出单元。

2.如权利要求1所述的车牌识别方法,其特征在于,所述得到车牌图像后还包括:

将所述车牌图像大小调整至预设值;

则所述通过训练的多标签深度卷积神经网络对所述车牌图像进行多标签多任务识别包括:通过训练的多标签深度卷积神经网络对调整后的车牌图像进行多标签多任务识别。

3.如权利要求2所述的车牌识别方法,其特征在于,所述车牌字符输出单元具体为7个,各车牌字符输出单元的输出维度为65维;

所述车牌颜色输出单元具体为1个,输出维度为2维。

4.如权利要求3所述的车牌识别方法,其特征在于,所述根据获取的车辆图像进行车牌检测包括:

分别获取预处理后车辆图像的颜色特征图、亮度特征图以及方向特征图;

根据预设权重将所述颜色特征图、所述亮度特征图以及所述方向特征图融合,得到显著性特征图;

根据所述显著性特征图进行车牌检测。

5.如权利要求4所述的车牌识别方法,其特征在于,所述分别获取预处理后车辆图像的颜色特征图、亮度特征图以及方向特征图包括:

对预处理后的车辆图像分别提取颜色特征、亮度特征以及方向特征;

分别对所述颜色特征、所述亮度特征以及所述方向特征根据中心-环绕机制构建高斯金字塔,得到分别对应的颜色特征图、亮度特征图以及方向特征图。

6.如权利要求5所述的车牌识别方法,其特征在于,所述颜色特征的提取方法包括:

获取所述车辆图像的三通道值r,b,g;

根据所述三通道值构建BY颜色特征;

其中,所述BY颜色特征的计算方法具体为:Colorfeature=B-Y;其中,

所述亮度特征的提取方法包括:

获取所述车辆图像的三通道值r,b,g;

根据所述三通道值构建亮度特征;

其中,所述亮度特征的计算方法具体为:

7.如权利要求5所述的车牌识别方法,其特征在于,所述方向特征的提取方法包括:

在180°内对所述车辆图像均匀采集预定数量的方位特征;

将所述方位特征组合成方向特征。

8.一种车牌识别装置,其特征在于,包括:

车牌检测单元,用于根据获取的车辆图像进行车牌检测,得到车牌图像;

多标签识别单元,用于通过训练的多标签深度卷积神经网络对所述车牌图像进行多标签多任务识别,得到车牌信息识别结果;其中,所述多标签深度卷积神经网络的输出层包括车牌字符输出单元以及车牌颜色输出单元。

9.一种车牌识别设备,其特征在于,包括:

存储器,用于存储程序;

处理器,用于执行所述程序时实现如权利要求1至7任一项所述车牌识别方法的步骤。

10.一种可读存储介质,其特征在于,所述可读存储介质上存储有程序,所述程序被处理器执行时实现如权利要求1至7任一项所述车牌识别方法的步骤。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于广东工业大学,未经广东工业大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201810342558.6/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top