[发明专利]一种遮挡车牌识别方法及装置

说明书

本发明公开了一种遮挡车牌识别方法及装置，首先对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，然后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；最后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。本发明的方法及装置，在传统模板识别的基础上，引入深度学习进一步判断遮挡，对遮挡车牌的识别准确率非常高。

技术领域

本发明属于图像识别技术领域，尤其涉及一种遮挡车牌识别方法及装置。

背景技术

在交通管理中，通过抓拍车辆的视频图像，识别出车牌，已经成为目前最为常用的一种交通管理手段。车牌识别技术是交通管理智能化的技术基础之一，特别是非现场违章检测系统(如超速违章抓拍，闯红灯检测抓拍等)均是基于车牌识别技术而实现的自动智能检测系统。

但是在有些时候，抓拍的图片中车牌刚好被其他车辆或者被其他物体无意遮挡，造成无法正确识别车牌。更有很多司机为了躲避违章检测抓拍，在道路行驶过程中，故意用光盘、黑漆等手段将车牌遮挡,故意违章行驶并希望能逃过处罚。而这些情况都会对交通安全造成隐患，不利于交通管理。

因此正确识别车牌，并判断是否为恶意遮挡车牌，对交通智能管理具有重大意义。现有技术中一般是先根据车牌区域内的显露字符特征确定显露字符位置以及缺失字符可能存在的位置，然后再根据分析缺失字符位置的纹理特征判断是否恶意遮挡。但目前只能判断出特定几种类型的遮挡车牌；根据分析缺失字符位置的纹理特征来判断是否恶意遮挡的有效性不高，如在阴阳，过爆等特殊场景下很容易失去字符的纹理特征，造成误判等。

发明内容

本发明的目的是提供一种遮挡车牌识别方法及装置，基于深度学习，能够有效识别出遮挡车牌，减少误判的情况。

为了实现上述目的，本发明技术方案如下：

一种遮挡车牌识别方法，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。

进一步地，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。

进一步地，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。