[发明专利]一种基于卷积神经网络的车牌校准识别方法、系统及电子设备

权利要求书

1.一种基于卷积神经网络的车牌校准识别方法，应用于电子设备，其特征在于：包括

获取车辆轮廓信息；

获取某个车辆的多帧图像，对多帧图像的车牌号进行识别；

将相邻帧的车牌号识别结果进行比对，得到多个车牌一致性结果；

对多个一致性结果进行检验，确定某个车辆的车牌信息。

2.根据权利要求1所述的一种基于卷积神经网络的车牌校准识别方法，其特征在于：所述获取车辆轮廓信息，其中，轮廓信息包括

采用CNN网络对车辆图像进行处理，得到不同车辆的颜色、车辆大小和车辆类型信息。

3.根据权利要求1所述的一种基于卷积神经网络的车牌校准识别方法，其特征在于：所述获取某个车辆的多帧图像的方法包括

对需要观测的车辆图像进行提取，将车辆的图像进行连续帧的提取，并以时间为顺序对车辆图像进行多帧排序。

4.根据权利要求3所述的一种基于卷积神经网络的车牌校准识别方法，其特征在于：所述对多帧图像的车牌号进行识别的过程包括：

基于时间先后，设定清晰阈值，将不满足要求的图像剔除，对满足要求的图像当中车牌进行识别；其中清晰阈值可以根据人眼适应性调节；选择好清晰阈值时，首次自动设置，依据人工调节清晰阈值可变化；

利用卷积神经网络对满足要求的图像当中的车牌进行获取，得到多个满足要求的车牌号识别结果；

对多个满足要求的车牌号识别结果是否存在一致性进行检验，若不满足要求，则对任意相似度最大的识别车牌号进行两两配对，定义为相邻帧；

若满足要求，则选择时间靠近的两帧图像为相邻帧。

5.根据权利要求4所述的一种基于卷积神经网络的车牌校准识别方法，其特征在于：所述将相邻帧的车牌号识别结果进行比对，得到多个车牌一致性结果的方法包括：

对相邻帧图像的车牌号各自进行识别，若相邻帧车牌号结果不一致，识别出不一致处，并输出各自结果；

将不一致处的符号定义为特殊符号，并打上标记，输入到联网信息当中；

在联网信息中将除特殊符号的其他相同符号进行查询，结合轮廓信息确定最终的车牌号信息，得到车牌一致性结果。

6.一种基于卷积神经网络的车牌校准识别系统，应用于电子设备，其特征在于：包括

车辆定位模块，对需要识别车牌的车辆进行定位，获取清晰的轮廓；

轮廓确定模块，获取车辆轮廓信息；

图像获取模块和车牌识别模块，获取某个车辆的多帧图像，对多帧图像的车牌号进行识别；

结果比对模块，将相邻帧的车牌号识别结果进行比对，得到多个车牌一致性结果；

结果确定模块，对多个一致性结果进行检验，确定某个车辆的车牌信息。

7.根据权利要求6所述的一种基于卷积神经网络的车牌校准识别系统，其特征在于：所述轮廓确定模块获取车辆轮廓信息，其中，轮廓信息包括

采用CNN网络对车辆图像进行处理，得到不同车辆的颜色、车辆大小和车辆类型信息。

8.根据权利要求6所述的一种基于卷积神经网络的车牌校准识别系统，其特征在于：

所述图像获取模块获取某个车辆的多帧图像的方法包括

对需要观测的车辆图像进行提取，将车辆的图像进行连续帧的提取，并以时间为顺序对车辆图像进行多帧排序。