[发明专利]一种遮挡车牌识别方法及装置

权利要求书

1.一种遮挡车牌识别方法，其特征在于，所述遮挡车牌识别方法包括：

获取待识别的车牌候选区域，对所述车牌候选区域进行初步车牌识别，输出包括初步识别字符及所述初步识别字符对应的置信度的初步识别结果；

根据所述初步识别结果进行判断，对满足预设遮挡条件的车牌候选区域进行深度学习识别，获得深度学习识别得到的字符个数及字符的位置信息；

当所述字符个数处于预设字符个数范围内时，确定所述车牌候选区域存在车牌遮挡，并获得所述车牌候选区域中存在遮挡的字符数量；

根据所述初步识别字符、所述初步识别字符对应的置信度、所述字符数量及所述字符的位置信息，确定遮挡字符在车牌中的位置，在所述初步识别结果中用特殊符号替换所述遮挡字符，输出最终识别结果；

所述预设遮挡条件为：

所述初步识别结果为有车牌，单个字符的最低置信度与单个字符的最高置信度相差大于设定的阈值Dif_Thres，且单个字符的最低置信度低于设定的低阈值Low_Char_Thres，单个字符的最高置信度高于设定的高阈值High_Char_Thres；

或/和，所述初步识别结果为无车牌，且该车牌候选区域中各字符置信度之和在该车牌候选区域所在图像的所有车牌候选区域中最高。

2.如权利要求1所述的遮挡车牌识别方法，其特征在于，所述对满足预设遮挡条件的车牌候选区域进行深度学习识别，包括：

对满足预设遮挡条件的车牌候选区域的灰度图像采用卷积神经网络CNN进行特征提取；

将得到的特征送到训练好的长短记忆递归神经网络LSTM中进行识别。

3.如权利要求2所述的遮挡车牌识别方法，其特征在于，所述将得到的特征送到训练好的长短记忆递归神经网络LSTM中进行识别，其中长短记忆递归神经网络LSTM为GRU单元。

4.如权利要求1所述的遮挡车牌识别方法，其特征在于，所述根据所述初步识别字符、所述初步识别字符对应的置信度、所述字符数量及所述字符的位置信息，确定遮挡字符在车牌中的位置，包括：

对初步识别结果中的字符按照置信度高低进行排序，由低到高选取所述字符数量的字符，判断所选取字符的置信度是否低于预设的阈值，如果均低于预设的阈值，则确定所选取字符所在的位置被遮挡，如果有选取的字符的置信度不低于所述预设的阈值，则根据所述字符的位置信息检验该字符所在的位置是否是被遮挡的位置，如果是，则确定该字符所在的位置被遮挡，如果不是，则从剩下的字符中选择最低置信度的字符进行替换，并重新根据所述字符的位置信息检验替换后字符所在的位置是否是被遮挡的位置，直至确定遮挡字符在车牌中的位置或所有字符均判断完毕；

在所有字符均判断完毕，仍然无法确定遮挡字符在车牌中的位置时，从初始识别结果中根据置信度由低到高选取所述字符数量的字符，以选取字符所在的位置为遮挡字符在车牌中的位置。

5.一种遮挡车牌识别装置，其特征在于，所述遮挡车牌识别装置包括：

初步识别模块，用于获取待识别的车牌候选区域，对所述车牌候选区域进行初步车牌识别，输出包括初步识别字符及所述初步识别字符对应的置信度的初步识别结果；

深度学习模块，用于根据所述初步识别结果进行判断，对满足预设遮挡条件的车牌候选区域进行深度学习识别，获得深度学习识别得到的字符个数及字符的位置信息；

判断模块，用于在所述字符个数处于预设字符个数范围内时，确定所述车牌候选区域存在车牌遮挡，并获得所述车牌候选区域中存在遮挡的字符数量；

输出替换模块，用于根据所述初步识别字符、所述初步识别字符对应的置信度、所述字符数量及所述字符的位置信息，确定遮挡字符在车牌中的位置，在所述初步识别结果中用特殊符号替换所述遮挡字符，输出最终识别结果；

其中，所述预设遮挡条件为：

所述初步识别结果为有车牌，单个字符的最低置信度与单个字符的最高置信度相差大于设定的阈值Dif_Thres，且单个字符的最低置信度低于设定的低阈值Low_Char_Thres，单个字符的最高置信度高于设定的高阈值High_Char_Thres；

或/和，所述初步识别结果为无车牌，且该车牌候选区域中各字符置信度之和在该车牌候选区域所在图像的所有车牌候选区域中最高。