[发明专利]基于神经网络的车牌识别系统

权利要求书

1.基于神经网络的车牌识别系统，其特征在于，包括以下步骤：

图像获取模块采集当前驾驶的车辆行驶过程中正前方视角的图像；

车辆检测模块基于FPN网络和anchor-free端到端的检测网络框架，针对性检测图像中不同尺寸的车辆；

车牌粗回归模块对图像中检测到的车辆进行处理，利用残差网络学习车牌在图像中的大致位置信息，从而获得图像中每一车辆的车牌的大致位置信息；

根据车牌粗回归模块获得的车牌的大致位置信息，车牌精细分类回归模块对车牌进行精细分类回归，利用残差网络来学习车牌的类别信息以及车牌的精确位置信息，

车牌识别模块根据车牌的类别信息以及车牌的精确位置信息，对图像中的车牌进行分割字符，然后利用神经网络对被分割的字符进行识别。

2.根据权利要求1所述的基于神经网络的车牌识别系统，其特征在于，车牌精细分类回归模块采用车牌的4个角点作为确定车牌的精确位置信息的特征点。

3.根据权利要求1所述的基于神经网络的车牌识别系统，其特征在于，图像获取模块包括摄像头，摄像头安装在汽车的前侧。

4.根据权利要求1所述的基于神经网络的车牌识别系统，其特征在于，车牌精细分类回归模块将车牌分为类别一、类别二和类别三，类别一包括普通蓝牌、教练车黄牌、警车白牌和警车黑牌，类别一的车牌均为7位数；类别二包括新能源绿牌，类别二的车牌均为8位数；类别三包括黄牌。

5.根据权利要求1所述的基于神经网络的车牌识别系统，其特征在于，采用FPN网络作为主干网络，采用FPN网络作为主干网络，将摄像头获取的图像进行缩放后输入主干网络得到图像中每一车辆的特征信息得到车辆特征，利用图像特征金字塔对车辆特征进行融合，并且使用融合后的车辆特征对图像中车辆的大致位置信息进行检测；

在车辆检测模块中，区分图像中的背景和图像中的车辆，判断图像中每一个像素点是否属于车辆，在神经网络的训练过程中，使用FocalLoss损失函数来学习区分每一个像素点属于车辆还是属于背景：

其中y＝1代表当前像素点属于车辆，y＝0代表当前像素点属于背景，y'代表神经网络分类节点的输出结果；L_fl代表当前像素点真实值与神经网络预测值之间的损失；

车辆检测模块中，为了获得车辆在图像中的大致位置信息，在神经网络的训练过程中使用的是IOU Loss损失函数：

其中A代表车辆的实际精确位置，B代表神经网络预测的车辆位置，Intersection(A,B)代表车辆的实际精确位置与预测的车辆位置的交集，Union(A,B)代表真实位置与预测位置的并集。

6.根据权利要求4所述的基于神经网络的车牌识别系统，其特征在于，利用车牌精细分类回归模块精准的区分车牌属于蓝牌、绿牌、黄牌或背景中的一个，精确定位车牌的精确位置信息。

7.根据权利要求5所述的基于神经网络的车牌识别系统，其特征在于，α＝0.25，γ＝2。