[发明专利]一种车牌识别方法及装置在审
| 申请号： | 201811532962.6 | 申请日： | 2018-12-14 |
| 公开（公告）号： | CN109784340A | 公开（公告）日： | 2019-05-21 |
| 发明（设计）人： | 李少丁;曹正凤;卓晴;刘晗;王栋梁;徐建波 | 申请（专利权）人： | 北京市首都公路发展集团有限公司;北京云星宇交通科技股份有限公司 |
| 主分类号： | G06K9/34 | 分类号： | G06K9/34;G06K9/42;G06K9/46;G06K9/62 |
| 代理公司： | 北京工信联合知识产权代理有限公司 11266 | 代理人： | 商琛 |
| 地址： | 100161 *** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 车牌图像 车牌识别 车牌 预处理 车牌识别技术 卷积神经网络 提取预处理 车牌数据 复杂环境 概率分布 损失函数 特征分类 特征输入 传统的 鲁棒性 网络 | ||
本发明公开了一种车牌识别方法，包括：对待识别的车牌图像进行预处理；使用卷积神经网络提取预处理后的车牌图像的特征，将所述特征输入LSTM网络，获得所述特征分类的概率分布；根据车牌的字符数量使用CTC损失函数将所述车牌图像的特征对应到车牌的真实字符，获得待识别的车牌图像的车牌数据，解决了传统的车牌识别技术鲁棒性较差，不能适应复杂环境的问题。
技术领域
本申请涉及人工智能领域，具体涉及一种车牌识别方法，同时涉及一种车牌识别装置。
背景技术
车牌识别在高速公路车辆管理中得到广泛应用，电子收费(ETC)系统中，但是，传统的车牌识别往往基于传统计算机视觉技术，进行字符的分割，Hog(方向梯度直方图)特征的提取以及分类，这类算法思路简单，但是鲁棒性较差，不能适应复杂环境。
发明内容
本申请提供一种车牌识别方法，解决了传统的车牌识别技术鲁棒性较差，不能适应复杂环境的问题。
本申请提供一种车牌识别方法，其特征在于，包括：
对待识别的车牌图像进行预处理；
使用卷积神经网络提取预处理后的车牌图像的特征，将所述特征输入LSTM网络，获得所述特征分类的概率分布；
根据车牌的字符数量使用CTC损失函数将所述车牌图像的特征对应到车牌的真实字符，获得待识别的车牌图像的车牌数据。
优选的，所述对待识别的车牌图像进行预处理，包括：
根据车牌的长宽比，调整待识别的车牌图像的大小；以及
对所述车牌图像进行灰度化和归一化。
优选的，所述根据车牌的长宽比，调整待识别的车牌图像的大小，具体的，根据车牌的长宽比，将待识别的车牌图像的大小调整为320*128。
优选的，所述使用卷积神经网络提取预处理后的车牌图像的特征，包括：
设置卷积神经网络的卷积层和池化层；
在每一个卷积层后使用BatchNormalization函数，使得每一层神经网络的输入保持相同分布；
使用激活函数LeakyRelu将输入映射到输出端；
输出端输出所述待识别的车牌图像特征图像。
优选的，所述设置卷积神经网络的卷积层和池化层，具体的，可以设置4个卷积核大小为3*3的卷积层；每个卷积层后设置2*2的池化层。
优选的，所述将所述特征输入LSTM网络，获得所述特征分类的概率分布，包括：
将待识别的车牌图像特征图像输入LSTM网络；
LSTM网络根据上下文信息对输入的所述特征进行预测，获得所述特征分类的概率分布。
优选的，所述根据车牌的字符数量使用CTC损失函数将所述车牌图像的特征对应到车牌的真实字符，获得待识别的车牌图像的车牌数据，包括：
根据车牌的字符数量，使用CTC损失函数自动求解车牌上的字符与提取的所述车牌图像的特征的对齐关系；
通过最小化CTC损失函数，将提取的所述车牌图像的特征中与车牌的字符数量相等数量的特征，对应到车牌的真实字符，将所述车牌图像的特征中的其他特征映射为空格；
输出待识别的车牌图像的车牌数据。
本申请同时提供一种车牌识别装置，其特征在于，包括：
预处理单元，用于对待识别的车牌图像进行预处理；
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于北京市首都公路发展集团有限公司;北京云星宇交通科技股份有限公司，未经北京市首都公路发展集团有限公司;北京云星宇交通科技股份有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201811532962.6/2.html，转载请声明来源钻瓜专利网。
