[发明专利]车牌识别方法和装置

权利要求书

1.一种车牌识别方法，其特征在于，所述方法包括以下步骤：

从采集到的图像中，识别呈现车牌的图像区域；

采用卷积神经网络对所述图像区域进行特征提取，得到所述图像区域的特征矩阵；

将所述特征矩阵输入循环神经网络，以顺序识别出车牌各文本位置上的文本信息；其中，所述循环神经网络，用于根据所述特征矩阵中各元素对相应文本位置的注意力权重，进行文本识别；其中，所述注意力权重是基于所述循环神经网络的网络参数，确定所述循环神经网络的隐藏层输出的隐状态矩阵以及所述特征矩阵之间的相似度，根据所述相似度确定的。

2.根据权利要求1所述的车牌识别方法，其特征在于，所述循环神经网络包括顺序设置的输入层、隐藏层和输出层；

所述将所述特征矩阵输入循环神经网络，以顺序识别出各文本位置上的文本信息，包括：

顺序执行多个循环过程；其中，每一个循环过程，用于识别一个文本位置上的文本信息；

在每一个循环过程中，根据所述特征矩阵中各元素对本次循环过程对应文本位置的注意力权重，对特征矩阵进行加权得到加权后的特征矩阵，将所述加权后的特征矩阵、前次循环过程中隐藏层输出的隐状态矩阵，以及将前次循环过程中输出层输出的文本信息输入所述输入层，以得到本次循环过程对应文本位置的文本信息。

3.根据权利要求2所述的车牌识别方法，其特征在于，所述根据所述特征矩阵中各元素对本次循环过程对应文本位置的注意力权重，对特征矩阵进行加权得到加权后的特征矩阵之前，还包括：

对前次循环过程中隐藏层输出的隐状态矩阵，计算与所述特征矩阵之间对应元素的相似度；

根据与所述特征矩阵之间对应元素的相似度，确定所述特征矩阵中相应元素的注意力权重。

4.根据权利要求3所述的车牌识别方法，其特征在于，所述根据与所述特征矩阵之间对应元素的相似度，确定所述特征矩阵中相应元素的注意力权重，包括：

根据与所述特征矩阵之间对应元素的相似度，生成注意力矩阵中对应元素；

对所述注意力矩阵的各元素进行归一化；

将所述注意力矩阵归一化后各元素的取值作为所述特征矩阵中相应元素的注意力权重。

5.根据权利要求2所述的车牌识别方法，其特征在于，

在首个循环过程中，根据所述特征矩阵中各元素对本次循环过程对应文本位置的注意力权重，对特征矩阵进行加权得到加权后的特征矩阵，将所述加权后的特征矩阵、初始化的隐状态矩阵以及初始化的文本信息输入所述输入层。

6.根据权利要求2所述的车牌识别方法，其特征在于，所述顺序执行多个循环过程之后，还包括：

若得到文本信息的文本位置数量达到设定阈值，停止执行循环过程；

或者，当循环过程得到的文本信息为设定的终止文本信息，停止执行循环过程。

7.根据权利要求1-6任一项所述的车牌识别方法，其特征在于，所述从采集到的图像中，识别呈现车牌的图像区域，包括：

采用目标检测算法对采集到的图像识别呈现车牌的图像区域。

8.一种车牌识别装置，其特征在于，所述装置：

第一识别模块，用于从采集到的图像中，识别呈现车牌的图像区域；

提取模块，用于采用卷积神经网络对所述图像区域进行特征提取，得到所述图像区域的特征矩阵；

第二识别模块，用于将所述特征矩阵输入循环神经网络，以顺序识别出车牌各文本位置上的文本信息；其中，所述循环神经网络，用于根据所述特征矩阵中各元素对相应文本位置的注意力权重，进行文本识别；其中，所述注意力权重是基于所述循环神经网络的网络参数，确定所述循环神经网络的隐藏层输出的隐状态矩阵以及所述特征矩阵之间的相似度，根据所述相似度确定的。