[发明专利]一种基于深度学习的自然场景中船牌文字识别方法、装置

权利要求书

1.一种基于深度学习的自然场景中船牌文字识别方法，其特征在于，包括：

获取港口进出船舶的视频；

将所述视频分解成由船舶图像帧组成的视频流，采用训练完成的船舶分类模型对视频流进行分类，获取指定类型的船舶图像；

采用训练完成的船牌检测模型对所述指定类型的船舶图像进行船牌检测，获取船牌检测结果；

对所述船牌检测的结果进行文字识别，得到自然场景中的船牌文字；

所述船牌检测结果包括：船牌图像和时间戳；

对所述船牌检测的结果进行文字识别包括：首先采用CNN船牌分类模型对船牌图像进行分类匹配，若匹配成功，则视为得到了自然场景中的船牌文字；若匹配失败，则采用AIS区域检测方法分析相邻船牌图像的时间戳，判断两个时间戳的误差是否超过预定值，如果不超过预定值则识别成功，返回当前AIS中的船牌文字；如果超过预定值则重新请求操作AIS区域检测；

所述如果超过预定值则重新请求操作AIS区域检测包括：

进一步判断相邻请求操作AIS区域检测的时间间隔是否超过预定值，若超过则视为船牌识别失败，若不超过则重新请求操作AIS区域检测；所述预定值不少于60s。

2.根据权利要求1所述的一种基于深度学习的自然场景中船牌文字识别方法，其特征在于：所述船舶分类模型的训练过程包括：

通过挖掘历史船舶视频数据库，提取有效视频数据信息并进行图像预处理构建SSD船舶分类数据库；

利用SSD网络模型和模型参数对船舶分类数据库进行训练，根据中间结果，对初始值、训练速率和迭代次数不断进行调整，获得最优的SSD船舶分类网络模型作为船舶分类模型。

3.根据权利要求1所述的一种基于深度学习的自然场景中船牌文字识别方法，其特征在于，所述船牌检测模型的训练过程包括：

通过挖掘历史船舶视频数据库，提取有效船牌视频数据信息并进行图像预处理构建SSD船牌检测数据库；

利用SSD网络模型和模型参数对船牌检测数据库进行训练，根据中间结果，对初始值、训练速率和迭代次数不断进行调整，获得最优的SSD船牌检测网络模型作为船牌检测模型。

4.根据权利要求1所述的一种基于深度学习的自然场景中船牌文字识别方法，其特征在于，所述船牌分类模型，其模型训练过程包括：

通过挖掘历史船舶视频数据库，提取有效船牌图像信息并进行图像预处理构建CNN船牌分类数据库；

利用CNN网络模型和模型参数对船牌分类数据库进行训练，根据中间结果，对初始值、训练速率和迭代次数不断进行调整，获得最优的CNN船牌分类网络模型作为船牌分类模型。

5.一种存储装置，其中存储有多条指令，其特征在于：该存储装置基于权利要求1-4任一项所述的一种基于深度学习的自然场景中船牌文字识别方法，所述指令由处理器加载并执行以下处理：

获取港口进出船舶的视频；

将所述视频分解成由船舶图像帧组成的视频流，采用训练完成的船舶分类模型对视频流进行分类，获取指定类型的船舶图像；

采用训练完成的船牌检测模型对所述指定类型的船舶图像进行船牌检测，获取船牌检测结果；

对所述船牌检测的结果进行文字识别，得到自然场景中的船牌文字。

6.一种基于深度学习的自然场景中船牌文字识别装置，包括处理器和权利要求5所述的存储装置，其特征在于：处理器用于实现各指令；存储装置用于存储多条指令，所述指令由处理器加载并执行以下处理：

获取港口进出船舶的视频；

将所述视频分解成由船舶图像帧组成的视频流，采用训练完成的船舶分类模型对视频流进行分类，获取指定类型的船舶图像；

采用训练完成的船牌检测模型对所述指定类型的船舶图像进行船牌检测，获取船牌检测结果；

对所述船牌检测的结果进行文字识别，得到自然场景中的船牌文字。