[发明专利]车牌识别方法和装置

说明书

本申请提出一种车牌识别方法和装置，其中，方法包括：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图像区域进行特征提取，得到图像区域的特征矩阵；将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，循环神经网络，用于根据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。该方法既能够实现对单行车牌进行识别，又能够实现对双行车牌进行识别，可以提升该方法的适用性。并且，无需对图像区域进行切分，再进行单字分割识别，可以减少算法的步骤，能够实现提升车牌识别的效率和准确性。

技术领域

本申请涉及图像识别技术领域，尤其涉及一种车牌识别方法和装置。

背景技术

车牌是车辆的身份凭证，能够唯一确定车辆身份，快速且准确地识别车牌号码，有利于提高车辆的管理效率，缓解道路上的交通压力。目前，单行车牌(例如)的识别算法已较为成熟，在卡口、监控、小区门禁管理等场景下已达使用需求。

但是，对于双行车牌(例如货车尾部牌照)的识别，目前多采用规则式的行切分，再进行单字分割识别，操作步骤较为繁琐，识别效率较低，并且，识别效果不佳。

发明内容

本申请提出一种车牌识别方法和装置，以实现对单行车牌和双行车牌进行识别，提升该方法的适用性，并且，由循环神经网络根据特征矩阵中各元素对相应文本位置的注意力权重，对车牌进行文本识别，无需对图像区域进行切分，再进行单字分割识别，可以减少算法的步骤，提升车牌识别的效率和准确性，用于解决现有技术中双行车牌识别的操作步骤较为繁琐，识别效率和准确性较低的技术问题。

本申请第一方面实施例提出了一种车牌识别方法，包括：

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。

本申请实施例的车牌识别方法，通过从采集到的图像中，识别呈现车牌的图像区域，之后，采用卷积神经网络对图像区域进行特征提取，得到图像区域的特征矩阵，最后，将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，循环神经网络，用于根据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。本申请中，由于特征矩阵为二维的，保留了车牌文字固有的空间结构信息，因此，既可以实现对单行车牌进行识别，又可以实现对双行车牌进行识别，可以提升该方法的适用性。此外，由循环神经网络根据特征矩阵中各元素对相应文本位置的注意力权重，对车牌进行文本识别，无需对图像区域进行切分，再进行单字分割识别，可以减少算法的步骤，提升车牌识别效率。并且，基于深度学习技术，对车牌进行识别，可以提升识别结果的准确性。

本申请第二方面实施例提出了一种车牌识别装置，包括：

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。