[发明专利]一种车牌识别方法、装置、计算机装置及计算机可读存储介质

说明书

本发明属于图像识别领域，公开了一种车牌识别方法、装置、计算机装置及计算机可读存储介质，所述车牌识别方法包括：获取待识别车牌图像，对所述待识别车牌图像进行灰度化处理，得到第一车牌图像；所述第一车牌图像中至少包括一个矩形；提取所述第一车牌图像中矩形的坐标信息，并通过预设规则处理所述坐标信息，得到新的坐标信息；利用新的坐标信息抠取所述待识别车牌图像，得到第二车牌图像；处理所述第二车牌图像，得到概率值和预测值；选取概率值最大时对应的预测值作为最终识别结果。本发明具有操作简单、识别速度快、准确率高、鲁棒性强等优点，对较为模糊、光线暗的以及具有各种复杂背景的图片也能进行识别，具有广泛的应用前景。

技术领域

本发明属于图像识别领域，尤其涉及一种车牌识别方法、装置、计算机装置及计算机可读存储介质。

背景技术

近年来，城市车流量大幅度增长,给交通带来了巨大压力，智能交通系统的出现，提高了路网通过能力，在一定程度上缓解了交通阻塞情况，减少交通事故。车牌自动化识别作为智能交通系统重要的组成部分，广泛应用于高速公路收费管理系统、高速公路超速自动化监管系统、城市交通路口的电子警察、停车场收费管理等系统中。

车牌定位是车牌识别的先导环节，定位不准，也就不可能识别准确。现有技术中比较常见的方法是先在待识别图像中定位车牌，确定车牌的精确位置，然后将车牌切割成一串字符、识别字符，最后组合成车牌字符串。其中，定位车牌主要是利用车牌的颜色和纹理信息，比如车牌的矩形边框等，是一种图像处理的技术，容易受到复杂背景的影响，且不适用于边缘不清楚以及车身与车牌颜色相近的情况。端到端的车牌字符识别是本发明方法的关键环节。现有技术均为对车牌图像中的字符进行分割，之后再对每一个字符进行识别，步骤繁琐，识别成功率低，耗时较长，即便是使用了深度学习的车牌识别技术，也仅仅是涉及到卷积神经网络CNN，并未引入学习能力更强、处理速度更快、更适宜处理连续字符串数据的门控循环单元GRU。

综上所述，当前车牌识别技术存在的主要问题是识别步骤繁琐，耗时长，错误率高等问题，鲁棒性弱，当遇到图片视角倾斜、车牌沾有泥灰或光线不足等严峻环境时，切割车牌易发生错误，进而导致最终识别错误。因此，结合当下新的人工智能技术开发一种新的车牌识别方法，具有重要的意义和极高的工业价值。

发明内容

本发明实施例提供一种车牌识别方法，旨在解决现有技术中车牌识别步骤繁琐、耗时长、错误率高、易受复杂背景影响等问题。

本发明是这样实现的，一种车牌识别方法，包括：

获取待识别车牌图像，对所述待识别车牌图像进行灰度化处理，得到第一车牌图像；所述第一车牌图像中至少包括一个矩形；

调用级联分类器模型提取所述第一车牌图像中矩形的坐标信息，并通过预设规则处理所述坐标信息，得到新的坐标信息；

利用新的坐标信息抠取所述待识别车牌图像，得到第二车牌图像；

调用端到端字符识别模型处理所述第二车牌图像，得到概率值和预测值；选取概率值最大时对应的预测值作为最终识别结果。

本发明还提供一种车牌识别装置，包括：

预处理模块，用于获取待识别车牌图像，对所述待识别车牌图像进行灰度化处理，得到第一车牌图像；所述第一车牌图像中至少包括一个矩形；

坐标提取模块，用于调用级联分类器模型提取所述第一车牌图像中矩形的坐标信息，并通过预设规则处理所述坐标信息，得到新的坐标信息；

目标图像抠取模块，用于利用新的坐标信息抠取所述待识别车牌图像，得到第二车牌图像；

图像识别模块，用于调用端到端字符识别模型处理所述第二车牌图像，得到概率值和预测值；选取概率值最大时对应的预测值作为最终识别结果。