[发明专利]一种车牌状态识别方法及装置

权利要求书

1.一种车牌状态识别方法，其特征在于，所述方法包括：

获取包括待检测车辆的第一图像；

识别所述第一图像的特征区域；其中，所述特征区域为包含所述待检测车辆的车牌的区域；

确定包含所述特征区域的第二图像；

将所述第二图像输入预先训练的卷积神经网络中，得到所述待检测车辆的车牌状态；其中，所述卷积神经网络是根据各包含第一样本图像的特征区域的第二样本图像，以及各第二样本图像对应的车牌状态训练得到的。

2.根据权利要求1所述的方法，其特征在于，所述识别所述第一图像的特征区域的步骤包括：

根据所述第一图像，确定所述待检测车辆的车辆轮廓；

根据所述待检测车辆的车辆轮廓，确定所述待检测车辆的特征点；

在所述待检测车辆的特征点中，识别预设位置处的特征点，并根据所识别的特征点确定特征区域。

3.根据权利要求1所述的方法，其特征在于，所述车牌状态包括：故意遮挡、污损、未悬挂车牌、正常前后车遮挡、或正常车牌，所述方法还包括：

当确定所述待检测车辆的车牌状态为故意遮挡、污损、或未悬挂车牌时，输出报警信息。

4.根据权利要求3所述的方法，其特征在于，所述输出报警信息的步骤包括：

展示所述第一图像，以及所述待检测车辆的车牌状态。

5.根据权利要求1所述的方法，其特征在于，所述卷积神经网络的训练过程包括：

获取第一样本图像，并确定包含各第一样本图像的特征区域的第二样本图像；

将各第二样本图像，以及各第二样本图像对应的车牌状态作为训练样本，训练得到所述卷积神经网络。

6.一种车牌状态识别装置，其特征在于，所述装置包括：

第一获取模块，用于获取包括待检测车辆的第一图像；

识别模块，用于识别所述第一图像的特征区域；其中，所述特征区域为包含所述待检测车辆的车牌的区域；

确定模块，用于确定包含所述特征区域的第二图像；

执行模块，用于将所述第二图像输入预先训练的卷积神经网络中，得到所述待检测车辆的车牌状态；其中，所述卷积神经网络是根据各包含第一样本图像的特征区域的第二样本图像，以及各第二样本图像对应的车牌状态训练得到的。

7.根据权利要求6所述的装置，其特征在于，所述识别模块包括：

第一确定子模块，用于根据所述第一图像，确定所述待检测车辆的车辆轮廓；

第二确定子模块，用于根据所述待检测车辆的车辆轮廓，确定所述待检测车辆的特征点；

识别子模块，用于在所述待检测车辆的特征点中，识别预设位置处的特征点，并根据所识别的特征点确定特征区域。

8.根据权利要求6所述的装置，其特征在于，所述车牌状态包括：故意遮挡、污损、未悬挂车牌、正常前后车遮挡、或正常车牌，所述装置还包括：

报警模块，用于当确定所述待检测车辆的车牌状态为故意遮挡、污损、或未悬挂车牌时，输出报警信息。

9.根据权利要求8所述的装置，其特征在于，所述报警模块，具体用于展示所述第一图像，以及所述待检测车辆的车牌状态。

10.根据权利要求6所述的装置，其特征在于，所述装置还包括：

第二获取模块，用于获取第一样本图像，并确定包含各第一样本图像的特征区域的第二样本图像；

训练模块，用于将各第二样本图像，以及各第二样本图像对应的车牌状态作为训练样本，训练得到所述卷积神经网络。