[发明专利]车牌识别方法及装置

说明书

本发明实施例公开一种车牌识别方法及装置，通过将车牌图像按照预设尺寸的子格进行提取，并分别对提取到的每个待识别子格区域进行字符识别，最终得到目标车牌。由于各个待识别子格区域相互独立、互不重叠，故很少出现冗余的识别结果，不需要先验知识来排除冗余识别结果，从而本实施例可以准确识别字符间距、字符位数等格式信息未知的自由格式车牌号码；同时，也由于各个待识别子格区域之间互不重叠，相对于现有技术产生大量重叠的候选区域的情况，本发明实施例可以减少数据处理量，提高识别效率。另外，由于待识别子格区域的尺寸是根据字符尺寸设定的，与图像尺寸无关，因此本实施例中训练得到的车牌识别模型可以对任意尺寸的图像进行车牌识别。

技术领域

本发明涉及智能交通技术领域，尤其涉及一种车牌识别方法及装置。

背景技术

车牌识别是智能交通系统中的一项核心技术，其通过获取包含车牌的图像、利用识别算法对图像中的字符进行识别，从而得到车牌号码，大大方便了相关人员及系统对于车辆的管理，在交通监控、车辆违章检测、停车场、高速公路收费站等方面有着广泛的应用。虽然现在已经有了一些相对成熟的车牌识别技术，但是随着实际应用场景对识别效率、识别准确率等性能的更高要求，以及相关领域的新发展，促使了车牌识别技术的改进。

车牌识别技术中最关键的部分即用于识别车牌字符的识别技术。目前车牌识别技术多是基于神经网络实现的，例如目标检测算法中比较先进的快速区域卷积网络算法(Faster Regions with Convolutional Neural Network，Faster R-CNN)和YOLO9000算法。

基于Faster R-CNN算法在训练阶段通过对图像密集采样生成大量候选区域，针对每个候选区域内的图像块进行字符识别，然后再将上述两个步骤各重复一次(即候选区域生成和字符识别各执行两次，共四个训练步骤)，不仅训练步骤繁复，还会导致候选区域多而密集，并存在大量重叠，进而导致数据冗余、处理速度慢；同时，由于候选区域的大量重叠，位于重叠区域内的同一个或几个字符可能被识别出多种不同的结果，对于已知格式车牌，此时可以通过车牌格式所规定的字符间距、排列方式等先验知识排除多个识别结果中的错误结果，但对于自由格式车牌(车牌号码格式不定、字符位数不定)，由于无法预先得知其先验知识，也就无法准确排除错误识别结果，故该算法对自由格式车牌的识别率很低。另外，YOLO9000算法在训练过程中所输入的样本图像的尺寸都是相同且固定的，从而在利用训练得到的识别模型进行识别时，要求所输入的待识别图像的大小也必须与训练时完全一致(通常分辨率为448*448像素)；然而一些自由格式的车牌大小和长宽比都是不确定的，不一定都能适应某一种固定的图像尺寸。可见，相关现有技术在进行车牌识别时，都是在车牌格式已知且固定的前提下实现的，难以保证对自由格式车牌的识别效率及准确度。

发明内容

为克服现有技术中存在的问题，本发明提供一种车牌识别方法及装置。

本发明实施例的第一方面，提供一种车牌识别方法，包括：

获取待识别图像、预设子格宽度、预设子格高度和基于深度神经网络的车牌识别模型；

通过所述车牌识别模型，以所述预设子格宽度为横向步长、所述预设子格高度为纵向步长，从所述待识别图像的起始原点开始，依次获取尺寸符合所述预设子格宽度和预设子格高度的待识别子格区域，并对所述待识别子格区域进行字符识别；

获取所述待识别子格区域对应的字符识别结果，根据所述字符识别结果得到所述待识别图像中的目标车牌。

可选的，所述方法还包括：

获取候选区域配置参数；

针对每个所述待识别子格区域，根据所述候选区域配置参数生成中心点与所述待识别子格区域的中心点重合的候选区域；

所述对所述待识别子格区域进行字符识别，包括：