[发明专利]车牌分类方法、装置、存储介质和电子设备在审
| 申请号: | 202011245759.8 | 申请日: | 2020-11-10 |
| 公开(公告)号: | CN112381129A | 公开(公告)日: | 2021-02-19 |
| 发明(设计)人: | 李轶锟;王耀农;敦婧瑜;薛佳乐;张湾湾 | 申请(专利权)人: | 浙江大华技术股份有限公司 |
| 主分类号: | G06K9/62 | 分类号: | G06K9/62;G06K9/32;G06K9/00;G06N3/04;G06N3/08 |
| 代理公司: | 北京同达信恒知识产权代理有限公司 11291 | 代理人: | 王宁宁 |
| 地址: | 310053 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: | 车牌 分类 方法 装置 存储 介质 电子设备 | ||
1.一种车牌分类方法,其特征在于,所述方法包括:
提取待分类的车牌图像的车牌特征;
根据所述车牌图像的车牌特征,确定所述车牌图像中的车牌对应的第一分类结果,并根据所述第一分类结果确定所述车牌所属的第一区域;
提取所述车牌图像的字符序列特征,并生成所述车牌特征和所述字符序列特征的融合特征;
根据所述车牌图像的车牌特征和字符序列特征的融合特征,确定所述车牌图像中的车牌对应的第二分类结果,并根据所述第二分类结果确定所述车牌所属的第二区域;所述第一区域的地域范围大于所述第二区域的地域范围;
若所述第二分类结果符合设定的区分度条件,输出所述车牌所属的第二区域;若所述第二分类结果不符合设定的区分度条件,输出所述车牌所属的第一区域。
2.根据权利要求1所述的方法,其特征在于,所述提取待分类的车牌图像的车牌特征,包括:
将所述车牌图像输入特征提取网络,得到所述车牌图像的车牌特征;
提取所述车牌图像的字符序列特征,包括:
将所述车牌图像的车牌特征输入长短期记忆网络,得到所述车牌图像的字符序列特征。
3.根据权利要求1所述的方法,其特征在于,根据所述车牌图像的车牌特征,确定所述车牌图像中的车牌对应的第一分类结果,并根据所述第一分类结果确定所述车牌所属的第一区域,包括:
将所述车牌图像的车牌特征输入第一分类神经网络,得到所述车牌图像中的车牌对应的第一分类结果;所述第一分类结果包括所述车牌图像的车牌对应于每个第一区域的置信度;
将置信度最大的第一区域作为所述车牌图像中的车牌所属的第一区域。
4.根据权利要求1所述的方法,其特征在于,生成所述车牌特征和所述字符序列特征的融合特征,包括:
对所述车牌图像的车牌特征进行特征维度变换,以使变换后的车牌特征的特征维度与所述车牌图像的字符序列特征的特征维度相等;
将经过特征维度变换的车牌图像的车牌特征与所述车牌图像的字符序列特征进行相加,得到所述车牌特征和所述字符序列特征的融合特征。
5.根据权利要求1所述的方法,其特征在于,根据所述车牌图像的车牌特征和字符序列特征的融合特征,确定所述车牌图像中的车牌对应的第二分类结果,并根据所述第二分类结果确定所述车牌所属的第二区域,包括:
将所述融合特征输入第二分类神经网络,得到所述车牌图像中的车牌对应的第二分类结果;所述第二分类结果包括所述车牌图像的车牌对应于每个第二区域的置信度;
将置信度最大的第二区域作为所述车牌图像中的车牌所属的第二区域。
6.根据权利要求5所述的方法,其特征在于,若所述第二分类结果符合设定的区分度条件,输出所述车牌所属的第二区域;若所述第二分类结果不符合设定的区分度条件,输出所述车牌所属的第一区域,包括:
按从大到小的顺序选取预设数量的置信度,确定所述预设数量的置信度的均值;
若最大置信度与所述均值的差值大于设定阈值,输出所述车牌图像中的车牌所属的第二区域;
若最大置信度与所述均值的差值小于或等于设定阈值,输出所述车牌图像中的车牌所属的第一区域。
7.一种车牌分类装置,其特征在于,包括:
特征提取模块,用于提取待分类的车牌图像的车牌特征和所述车牌图像的字符序列特征;
融合特征生成模块,用于生成所述车牌特征和所述字符序列特征的融合特征;
区域确定模块,用于根据所述车牌图像的车牌特征,确定所述车牌图像中的车牌对应的第一分类结果,并根据所述第一分类结果确定所述车牌所属的第一区域;以及根据所述车牌图像的车牌特征和字符序列特征的融合特征,确定所述车牌图像中的车牌对应的第二分类结果,并根据所述第二分类结果确定所述车牌所属的第二区域;
区域输出模块,用于当所述第二分类结果符合设定的区分度条件时,输出所述车牌所属的第二区域;以及当所述第二分类结果不符合设定的区分度条件时,输出所述车牌所属的第一区域。
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/202011245759.8/1.html,转载请声明来源钻瓜专利网。





