[发明专利]一种基于深度学习的车牌定位和识别方法有效
| 申请号： | 201811281994.3 | 申请日： | 2018-10-30 |
| 公开（公告）号： | CN109508715B | 公开（公告）日： | 2022-11-08 |
| 发明（设计）人： | 闵卫东;李祥鹏;赵浩宇;黄杰;韩清;刘瑞康 | 申请（专利权）人： | 南昌大学 |
| 主分类号： | G06V10/25 | 分类号： | G06V10/25;G06V10/778;G06V10/82;G06V20/62;G06V30/10;G06T7/60;G06N3/04 |
| 代理公司： | 北京众合诚成知识产权代理有限公司 11246 | 代理人： | 胡群 |
| 地址： | 330000 江西省*** | 国省代码： | 江西;36 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供了一种基于深度学习的车牌定位和识别方法，包括：步骤1，对训练集的车牌区域尺寸应用k‑means++算法处理，选择最佳的候选尺寸，结合到FasterR‑CNN；步骤2，利用FasterR‑CNN训练图片，得到模型；步骤3，输入一张包含车牌的图片，经过卷积处理之后，得到特征图；步骤4，将获取的特征图经过RPN网络输出车牌位置和分数；步骤5，将车牌区域从原图中截取下来；步骤6，截取的车牌区域通过AlexNet‑L网络模型的端对端的卷积神经网络，最终输出车牌上的各个字符，本发明采用基于FasterR‑CNN的方法进行车牌定位，采用AlexNet‑L的端对端的车牌字符识别方法，可以有效地提高对车牌定位和字符识别的准确率。 | ||
| 搜索关键词： | 一种 基于 深度 学习 车牌 定位 识别 方法 | ||
【主权项】：
1.一种基于深度学习的车牌定位和识别方法，其特征在于：包括两个方面：基于Faster R‑CNN模型的车牌定位和基于AlexNet‑L网络模型的端对端的车牌字符识别；步骤1，对训练集的车牌区域尺寸应用k‑means++算法处理，选择最佳的候选尺寸，结合到Faster R‑CNN；步骤2，利用Faster R‑CNN训练图片，得到模型；步骤3，输入一张包含车牌的图片，经过卷积处理之后，得到特征图；步骤4，将所得的特征图经过全卷积神经网络RPN处理后，得到候选框，将获取的特征图和候选框一起经过ROI pooling处理后进行分类，输出车牌位置和分数；步骤5，将车牌区域从原图中截取下来；步骤6，截取的车牌区域通过AlexNet‑L网络模型的端对端的卷积神经网络，最终输出车牌上的各个字符。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
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南昌大学，未经南昌大学许可，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/patent/201811281994.3/，转载请声明来源钻瓜专利网。
