[发明专利]一种车牌识别方法、装置和计算设备

说明书

本发明属于图像处理领域，提供了一种车牌识别方法、装置和计算设备，以应用在资源匮乏的计算设备时仍然能够进行精准识别。所述方法包括：从待识别物中识别出目标车牌；提取目标车牌中的字符块；基于已训练精简卷积神经网络模型，对所述字符块进行识别后输出车牌号，其中，已训练精简卷积神经网络模型为以车牌作为训练样本对单层卷积神经网络进行训练后获取的模型。本发明提供的技术方案中，一方面，模型的简化不仅减少了所需训练样本数，而且适用于部署在资源匮乏的嵌入式计算设备；另一方面，经过训练的单层卷积神经网络模型在输入字符块后能够对字符快速、精准地识别，从而能够快速识别出车牌号，实时性较强。

技术领域

本发明属于图像处理领域，尤其涉及一种车牌识别方法、装置和计算设备。

背景技术

随着现代商业的不断发展，汽车保有量一直呈上升趋势。在对车辆的管理活动中，车牌识别是一个智能交通系统、停车场的停车管理系统或高速公路收费站等场合必须具有的一环。

现有的车牌识别方法大都以个人电脑等资源充沛的计算设备为载体。随着智能技术的发展，智能手机、平板电脑等操作、携带方便但资源相对匮乏的电子产品大大普及。因此，有相当多的车牌识别方法以这类电子产品为载体，即运作于这些电子产品之上。

然而，由于在计算时需要耗费较多的资源，现有的车牌识别方法部署在资源匮乏的电子产品上运行时，实时性差、识别精度不高甚至会出现系统崩溃等诸多问题。

发明内容

本发明的目的在于提供一种车牌识别方法、装置和计算设备，以应用在资源匮乏的计算设备时仍然能够进行精准识别。

本发明第一方面提供一种车牌识别方法，所述方法包括：

从待识别物中识别出目标车牌；

提取所述目标车牌中的字符块；

基于已训练精简卷积神经网络模型，对所述字符块进行识别后输出车牌号，所述已训练精简卷积神经网络模型为以车牌作为训练样本对单层卷积神经网络进行训练后获取的模型。

本发明第二方面提供一种车牌识别装置，所述装置包括：

第一识别模块，用于从待识别物中识别出目标车牌；

字符块提取模块，用于提取所述目标车牌中的字符块；

第二识别模块，用于基于已训练精简卷积神经网络模型，对所述字符块进行识别后输出车牌号，所述已训练精简卷积神经网络模型为以车牌作为训练样本对单层卷积神经网络进行训练后获取的模型。

本发明第三方面提供一种计算设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如下方法的步骤：

从待识别物中识别出目标车牌；

提取所述目标车牌中的字符块；

基于已训练精简卷积神经网络模型，对所述字符块进行识别后输出车牌号，所述已训练精简卷积神经网络模型为以车牌作为训练样本对单层卷积神经网络进行训练后获取的模型。

本发明第四方面提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如下方法的步骤：

从待识别物中识别出目标车牌；

提取所述目标车牌中的字符块；

基于已训练精简卷积神经网络模型，对所述字符块进行识别后输出车牌号，所述已训练精简卷积神经网络模型为以车牌作为训练样本对单层卷积神经网络经过训练后获取的模型。