[发明专利]一种车牌字符识别方法、装置及电子设备

说明书

本发明实施例提供了一种车牌字符识别方法、装置及电子设备，通过将待识别的车牌图片送入由至少两个卷积神经网络构成的深度相互学习网络中，利用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。根据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。该方法、装置及电子设备在利用至少两个卷积神经网络提取特征的基础上，结合深度相互学习网络，进一步优化提取特征，大大提高了车牌字符识别的准确度，从而提高了对车牌字符的识别能力。

技术领域

本发明涉及图像处理技术领域，具体而言，涉及一种车牌字符识别方法、装置及电子设备。

背景技术

车牌字符识别中的汉字识别是车牌识别系统的最后一步，也是至关重要的一步，它直接影响着整个识别系统的准确率与效率。国内车牌包含7个或8个字符，常见车牌的第一个字符为汉字，其他字符多为字母或数字。

车牌汉字识别通常采用四种识别方法，分别是基于模板的匹配方法、基于神经网络的方法、基于支持向量机的方法以及最近出现的基于深度学习的方法。前三种方法是常规的识别方法，需要手动选取目标特征，识别的结果由选取特征的好坏所决定。第四种方法是最近几年流行起来的方法，深度学习方法可以自动选取特征，当样本较丰富时，网络可以获得很好的识别结果。

而卷积神经网络则是其中一种经典而广泛应用的结构。卷积神经网络的局部连接、权值共享及池化操作等特性使之可以有效地降低网络的复杂度，减少训练参数的数目，使模型对平移、扭曲、缩放具有一定程度的不变性，并具有强鲁棒性和容错能力，且也易于训练和优化。

然而现有的基于卷积神经网络的车牌字符识别方法，往往忽略了由于天气、光照、车牌整洁度、角度等因素造成的出现较严重的模糊、缺损、污损等干扰，给识别带来了难度。

发明内容

有鉴于此，本发明的目的在于提供一种车牌字符识别方法、装置及电子设备以改善上述问题。

本发明实施例提供一种车牌字符识别方法，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。

进一步地，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。

进一步地，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。