[发明专利]标识识别方法及其模型的训练方法、装置和电子系统

说明书

本发明提供了一种标识识别方法及其模型的训练方法、装置和电子系统，其中，该标识识别方法包括：通过预设的第一特征提取网络，提取待识别图片中所包含的标识中字符的位置信息；通过预设的第二特征提取网络，提取该标识的特征图；根据该位置信息，对该特征图中的特征值进行加权处理，进而识别该标识中的字符。该方法通过标识中字符的位置信息，对标识的特征图进行加权处理，从而在特征图上引入基于位置信息的注意力机制，以有效分辨每个字符所在位置，从而提高了标识识别的准确率。

技术领域

本发明涉及图像处理技术领域，尤其是涉及一种标识识别方法及其模型的训练方法、装置和电子系统。

背景技术

随着我国交通运输的不断发展，智能交通系统的推广变的越来越重要，而作为智能交通系统的一个重要组成部分，车辆牌照识别系统对于交通管理、治安处罚等工作的智能化起着十分重要的作用。它可广泛应用于交通流量检测，交通控制与诱导，机场、港口、小区的车辆管理，不停车自动收费，闯红灯等违章车辆监控以及车辆安全防盗等领域，具有广阔的应用前景。

相关技术中，在对车牌等包含多个字符的标识进行识别时，大多基于一个特征图识别标识中的多个字符，难以有效分辨每个字符所在位置，进而影响了标识识别的准确率。

发明内容

本发明的目的在于提供一种标识识别方法及其模型的训练方法、装置和电子系统，以提高标识识别的准确率。

第一方面，本发明提供的一种标识识别方法，所述方法包括：获取包含有标识的待识别图片；通过预设的第一特征提取网络，提取所述待识别图片中，所述标识中字符的位置信息；通过预设的第二特征提取网络，提取所述标识的特征图；根据所述位置信息，对所述特征图中的特征值进行加权处理；根据处理后的所述特征图，识别所述标识中的字符。

进一步的，所述第一特征提取网络包括卷积层和全连接层；所述通过预设的第一特征提取网络，提取所述待识别图片中，所述标识中字符的位置信息的步骤，包括：通过所述卷积层，提取所述待识别图片的特征数据；将所述特征数据输入至所述全连接层，输出所述标识中字符的位置坐标。

进一步的，所述标识包括多行字符；所述通过预设的第二特征提取网络，提取所述标识的特征图的步骤之前，所述方法还包括：将所述标识进行矫正处理，得到包含有单行字符的标识。

进一步的，将所述标识进行矫正处理的步骤，包括：通过第一特征提取网络，提取所述待识别图片中，所述标识的顶点坐标，和所述标识中相邻两行字符之间的分界线端点坐标；根据所述顶点坐标和所述分界线端点坐标，对所述标识进行矫正处理。

进一步的，根据所述顶点坐标和所述分界线端点坐标，对所述标识进行矫正处理的步骤，包括：根据所述顶点坐标和所述分界线端点坐标，计算透视变换转换矩阵；根据所述透视变换转换矩阵，对所述标识进行透视变换，得到变换后的标识；根据所述变换后的标识中的分界线端点坐标，拆分所述变换后的标识中的每行字符；将拆分后的每行字符顺序拼接成单行字符。

进一步的，根据所述顶点坐标和所述分界线端点坐标，对所述标识进行矫正处理的步骤之后，所述方法还包括：根据所述顶点坐标和所述分界线端点坐标，对所述标识中字符的位置信息进行矫正处理。

进一步的，根据所述顶点坐标和所述分界线端点坐标，对所述标识中字符的位置信息进行矫正处理的步骤，包括：根据所述顶点坐标和所述分界线端点坐标，计算透视变换转换矩阵；根据所述透视变换转换矩阵，对所述标识中字符的位置信息进行透视变换，得到变换后的位置信息。

进一步的，所述标识中包括多个字符；所述根据所述位置信息，对所述特征图中的特征值进行加权处理的步骤，包括：针对每个字符，根据当前字符的位置信息，生成所述当前字符对应的正态分布图；其中，所述正态分布图中，所述当前字符的中心位置上的数值最大，距离所述中心位置越远的位置上的数值越小；将所述特征图中的每个特征值，与所述正态分布图中，所述特征值相应位置上的数值相乘，得到所述当前字符对应的特征图。