[发明专利]一种车牌字符识别方法、装置及电子设备在审

专利信息
申请号: 201811258961.7 申请日: 2018-10-26
公开(公告)号: CN111104826A 公开(公告)日: 2020-05-05
发明(设计)人: 李杰 申请(专利权)人: 浙江宇视科技有限公司
主分类号: G06K9/00 分类号: G06K9/00;G06N3/08;G06N3/04
代理公司: 北京超凡志成知识产权代理事务所(普通合伙) 11371 代理人: 唐维虎
地址: 310000 浙江省杭州市滨江区西兴街道江陵路*** 国省代码: 浙江;33
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 车牌 字符 识别 方法 装置 电子设备
【权利要求书】:

1.一种车牌字符识别方法,其特征在于,所述方法包括:

获取待识别的车牌图片,将所述车牌图片预处理后,导入至预先构建的深度互相学习网络中,所述深度互相学习网络包括至少两个卷积神经网络;

针对各所述卷积神经网络,利用所述卷积神经网络对所述车牌图片中的待识别字符进行识别,确定所述待识别字符的初步输出结果;

比对各所述卷积神经网络对所述待识别字符的初步输出结果,获得所述待识别字符的最终输出结果。

2.根据权利要求1所述的车牌字符识别方法,其特征在于,所述针对各所述卷积神经网络,利用所述卷积神经网络对所述车牌图片中的待识别字符进行识别,确定所述待识别字符的初步输出结果的步骤,包括:

利用各所述卷积神经网络对所述车牌图片中的待识别字符进行识别,得到所述待识别字符的识别结果;

根据所述待识别字符的识别结果与预存的相似字符映射表之间的关系,确定所述待识别字符的初步输出结果。

3.根据权利要求2所述的车牌字符识别方法,其特征在于,所述识别结果包括所述待识别字符对应的各类字符以及各类字符对应的置信度,所述根据所述待识别字符的识别结果与预存的相似字符映射表之间的关系,确定所述待识别字符的初步输出结果的步骤,包括:

获取所述识别结果中所述待识别字符对应的置信度最大的一类字符;

查找所述预存的相似字符映射表中是否存在与所述置信度最大的一类字符具有映射关系的相似字符,若所述预存的相似字符映射表中不存在与所述置信度最大的一类字符具有映射关系的相似字符,则将所述待识别字符的识别结果中所述置信度最大的一类字符作为所述待识别字符的初步输出结果;

若所述预存的相似字符映射表中存在与所述置信度最大的一类字符具有映射关系的相似字符,则根据所述相似字符与预设阈值之间的关系确定所述待识别字符的初步输出结果。

4.根据权利要求3所述的车牌字符识别方法,其特征在于,所述根据所述相似字符与预设阈值之间的关系确定所述待识别字符的初步输出结果的步骤包括:

在所述待识别字符的识别结果中提取所述相似字符及相似字符的置信度,将提取到的所述相似字符的置信度与预设阈值进行对比,若所述相似字符的置信度高于所述预设阈值,则将所述待识别字符的识别结果中所述置信度最大的一类字符及所述相似字符作为所述待识别字符的初步输出结果;

若所述相似字符的置信度低于所述预设阈值,则将所述置信度最大的一类字符作为所述待识别字符的初步输出结果。

5.根据权利要求1所述的车牌字符识别方法,其特征在于,所述比对各所述卷积神经网络对所述待识别字符的初步输出结果,获得所述待识别字符的最终输出结果的步骤包括:

对比各所述卷积神经网络的初步输出结果,若各所述卷积神经网络的初步输出结果相同,则将任意一个所述卷积神经网络对所述待识别字符的初步输出结果作为所述待识别字符的最终输出结果;

若各所述卷积神经网络的初步输出结果不相同,则将各所述卷积神经网络对所述待识别字符的初步输出结果分别与预存的比对字符进行比较以获得所述待识别字符的最终输出结果。

6.根据权利要求5所述的车牌字符识别方法,其特征在于,所述将各所述卷积神经网络对所述待识别字符的初步输出结果分别与预存的比对字符进行比较以获得所述待识别字符的最终输出结果的步骤包括:

将各所述卷积神经网络对所述待识别字符的初步输出结果与预存的比对字符进行比较,若其中一个所述卷积神经网络输出的所述待识别字符的初步输出结果与所述对比字符相同,则将所述对比字符作为所述待识别字符的最终输出结果;

若各所述卷积神经网络对所述待识别字符的初步输出结果与所述对比字符均不相同,则比较各所述卷积神经网络的初步输出结果的置信度以获得置信度最大的初步输出结果,将获得的初步输出结果作为所述待识别字符的最终输出结果。

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浙江宇视科技有限公司,未经浙江宇视科技有限公司许可,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/201811258961.7/1.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