[发明专利]车牌识别方法、装置、设备及可读存储介质

说明书

本申请公开了一种车牌识别方法，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，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。该方法能够实现在复杂环境中快速准确地识别车牌。本申请还公开了一种车牌识别装置、设备及一种可读存储介质，具有上述有益效果。

技术领域

本申请涉及电子技术领域，特别涉及一种车牌识别方法、装置、设备及一种可读存储介质。

背景技术

随着智能化的发展以及车辆普及率越来越高，目前很多设备都需要通过图像获取车牌信息来对车辆行为、车辆身份等进行分析，比如路侧停车系统以及智能卡口系统等。

大部分的自动车牌识别系统主要由四个阶段组成：图像获取、车牌检测、车牌字符分割，车牌字符识别，其识别性能的鲁棒性依赖于每个阶段。

目前，自动车牌识别的方法主要有三大类：基于模板匹配法、基于手工设计特征(SIFT，LBP等)和传统分类器(SVM，KNN等)法以及基于自动特征提取分类(深度卷积网络)法。其中，基于模板匹配的方法通过提取特征，然后比较特征向量与预存模板中的特征向量之间的相似度，这种方法对噪声、倾斜较为敏感，微小噪声或倾斜，也容易使得匹配结果失败。基于手工设计特征和传统分类器的方法对于车牌字符旋转、平移较为敏感，且需字符分割后，针对汉字和针对字母、数字分别进行训练出对应分类器，训练时间长。基于自动特征提取分类(深度卷积网络)法，对字符分割阶段依赖性很高，分割好坏直接影响识别结果，车牌字符分割受环境影响较大，在复杂条件(雨雾天气，运动模糊等)下的车牌分割十分困难，准确率极低且分割耗时难以满足实时性要求。

因此，如何在复杂环境中快速准确地识别车牌，是本领域技术人员需要解决的技术问题。

发明内容

本申请的目的是提供一种车牌识别方法，该方法能够实现在复杂环境中快速准确地识别车牌；本申请的另一目的是提供一种车牌识别装置、设备及一种可读存储介质，具有上述有益效果。

本申请提供一种车牌识别方法，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。

优选地，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。

优选地，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。

优选地，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。

优选地，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；