[发明专利]一种非机动车的车牌识别方法和车牌识别装置在审
| 申请号: | 202010364954.6 | 申请日: | 2020-04-30 | 
| 公开(公告)号: | CN111582261A | 公开(公告)日: | 2020-08-25 | 
| 发明(设计)人: | 刘秩铭;邵明 | 申请(专利权)人: | 浙江大华技术股份有限公司 | 
| 主分类号: | G06K9/20 | 分类号: | G06K9/20;G06K9/34;G06N3/04;G06T3/40;G06T5/00;G06T7/11 | 
| 代理公司: | 深圳市威世博知识产权代理事务所(普通合伙) 44280 | 代理人: | 黎坚怡 | 
| 地址: | 310051 浙江*** | 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 非机动车 车牌 识别 方法 装置 | ||
1.一种非机动车的车牌识别方法,其特征在于,包括:
从待识别车辆图像中获得车牌区域图像以及所述车牌区域图像对应的车牌类型;
将所述车牌区域图像中的尺寸小于阈值的无效字符进行模糊化处理;
将模糊化处理后的所述车牌区域图像输入至与其车牌类型对应的识别模型中进行识别,以获得车牌字符识别结果。
2.根据权利要求1所述的车牌识别方法,其特征在于,所述从待识别车辆图像中获得车牌区域图像以及所述车牌区域图像对应的车牌类型,包括:
利用包含特征图金字塔网络FPN结构的YOLOV3模型从所述待识别车辆图像中检测出所述车牌区域图像以及所述车牌类型,其中,所述车牌类型包括单层车牌和双层车牌。
3.根据权利要求2所述的车牌识别方法,其特征在于,所述将模糊化处理后的所述车牌区域图像输入至与其车牌类型对应的识别模型中进行识别,以获得车牌字符识别结果,包括:
响应于所述车牌类型为所述单层车牌,将模糊化处理后的所述车牌区域图像输入至单层识别模型中进行识别,以获得车牌字符识别结果;
响应于所述车牌类型为所述双层车牌,将模糊化处理后的所述车牌区域图像输入至双层识别模型中进行识别,以获得车牌字符识别结果。
4.根据权利要求3所述的车牌识别方法,其特征在于,所述响应于所述车牌类型为所述单层车牌,将模糊化处理后的所述车牌区域图像输入至单层识别模型中进行识别,以获得车牌字符识别结果,包括:
将所述车牌区域图像依次经过多个卷积层处理以获得第一卷积图像;
将所述第一卷积图像输入至长短期记忆网络LSTM中以获得字符序列;
将所述字符序列输入至连接时序分类损失CTCloss函数中以获得收敛后的字符序列;
利用所述收敛后的字符序列和字符字典获得所述车牌字符识别结果。
5.根据权利要求3所述的车牌识别方法,其特征在于,所述响应于所述车牌类型为所述双层车牌,将模糊化处理后的所述车牌区域图像输入至双层识别模型中进行识别,以获得车牌字符识别结果,包括:
将所述车牌区域图像依次经过多个卷积层处理以获得第二卷积图像;
将所述第二卷积图像张量在1/2高度上裁剪,并进行首尾拼接以获得第三卷积图像;
将所述第三卷积图像输入至长短期记忆网络LSTM中以获得字符序列;
将所述字符序列输入至连接时序分类损失CTCloss函数中以获得收敛后的字符序列;
利用所述收敛后的字符序列和字符字典获得所述车牌字符识别结果。
6.根据权利要求2所述的车牌识别方法,其特征在于,
所述单层车牌包括单层绿牌,所述双层车牌包括双层绿牌、双层黄牌、双层白牌、双层蓝牌;所述获得车牌字符识别结果之后,还包括:
将所述车牌类型和所述车牌字符识别结果输出。
7.根据权利要求2所述的车牌识别方法,其特征在于,所述将所述车牌类型和所述车牌字符识别结果输出之前,还包括:
根据所述车牌字符识别结果中的汉字将所述车牌类型进一步划分为与所述汉字相关的车牌类型;或者,
根据所述车牌字符识别结果中的字符规则将所述车牌类型进一步划分为与所述字符规则相关的车牌类型。
8.根据权利要求1所述的车牌识别方法,其特征在于,所述将所述车牌区域图像中的尺寸小于阈值的无效字符进行模糊化处理,包括:
利用双线性内插法将所述车牌区域图像中尺寸小于阈值的无效字符进行模糊化处理。
9.根据权利要求2所述的车牌识别方法,其特征在于,所述从待识别车辆图像中获得车牌区域图像以及所述车牌区域图像对应的车牌类型之前,包括:
建立基础数据库,所述基础数据库中包含各个省市非机动车辆图像;
对所述基础数据库中的车辆图像进行标记,以标记出所述车辆图像中的车牌区域以及车牌内的有效字符;
利用标记后的所述车辆图像训练所述YOLOV3模型。
10.一种非机动车的车牌识别装置,其特征在于,包括相互耦接的存储器和处理器,所述存储器内存储有程序指令,所述处理器用于执行所述程序指令以实现权利要求1至9任一项所述的车牌识别方法。
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大华技术股份有限公司,未经浙江大华技术股份有限公司许可,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/202010364954.6/1.html,转载请声明来源钻瓜专利网。





