[发明专利]一种车牌识别方法、装置及电子设备

说明书

本申请提供一种车牌识别方法、装置及电子设备，该方法包括：将已训练的第一网络模型量化处理为第二网络模型；将目标图像输入至所述第二网络模型，获得所述目标图像中车牌的字符识别结果和车牌类别信息；其中，所述第二网络模型基于每一网络层的权值参数、输入方向和输出方向的量化比例系数对所述目标图像进行处理；依据所述字符识别结果和所述车牌类别信息识别所述车牌。本申请通过定点数形式的网络模型进行车牌识别，大大降低了车牌识别过程中占用的内存空间，从而提升了电子设备的运行效率。

技术领域

本申请涉及图像处理技术领域，特别涉及一种车牌识别方法、装置及电子设备。

背景技术

车牌是车辆的“身份证”，可唯一指示车辆。在治安监控、交通管理等领域，车牌识别技术被广泛应用，以获取治安卡口、出入口、停车场等场景中的车辆的车牌信息。全球各国家或地区的大多数车牌是由数字、字母和当地文字构成，若按照不同国家或地区来区分，则各地的车牌都有其固有模式，可分为若干种车牌类型。

在相关技术中，可以利用深度学习的方法提取图像的特征后，对图像特征进行识别，从而获得图像中的车牌信息。

然而，在相关技术中，通常采用浮点模型(即深度学习的网络模型中的权值参数均为浮点数)实现车牌识别，而在需要车牌识别的场景中往往存在数量众多的车辆，这就导致运算量巨大，在计算过程中会占用大量的内存空间，且执行的车牌识别的设备的运行效率不高。

发明内容

有鉴于此，本申请提供一种车牌识别方法、装置及电子设备，用以在降低占用的内存空间的情况下实现车牌识别，并提高运行效率。

具体地，本申请是通过如下技术方案实现的：

一种车牌识别方法，包括：

将已训练的第一网络模型量化处理为第二网络模型；其中，所述第一网络模型中网络层的权值参数通过浮点数表示，所述第二网络模型中网络层的权值参数通过定点数表示，所述第二网络模型的每一网络层除包括权值参数和量化比例系数，所述量化比例系数包括输入方向和输出方向的量化比例系数；

将目标图像输入至所述第二网络模型，获得所述目标图像中车牌的字符识别结果和车牌类别信息；其中，所述第二网络模型基于每一网络层的权值参数、输入方向和输出方向的量化比例系数对所述目标图像进行处理；

依据所述字符识别结果和所述车牌类别信息识别所述车牌。

在所述车牌识别方法中，所述将已训练的第一网络模型量化处理为第二网络模型，包括：

将参考图像输入至所述第一网络模型，以由所述第一网络模型对所述参考图像进行处理，获得每一网络层处理所述参考图像时输入参数的最大绝对值和最小绝对值、输出参数的最大绝对值和最小绝对值、权值参数的最大绝对值和最小绝对值；

依据所述输入参数的最大绝对值、最小绝对值和预设的第一量化位宽计算该网络层输入方向的量化比例系数；

依据所述输出参数的最大绝对值、最小绝对值和所述第一量化位宽计算该网络层输出方向的量化比例系数；

依据所述权值参数的最大绝对值、最小绝对值和预设的第二量化位宽计算该网络层的权值参数的量化比例系数，并基于所述权值参数的量化比例系数对所述权值参数进行量化处理。

在所述车牌识别方法中，所述将已训练的第一网络模型量化处理为第二网络模型，包括：

将参考图像输入至所述第一网络模型，以由所述第一网络模型对所述参考图像进行处理，获得每一网络层处理所述参考图像时输入参数的最大绝对值、输出参数的最大绝对值、权值参数的最大绝对值；

依据所述输入参数的最大绝对值和预设的第一量化位宽计算该网络层输入方向的量化比例系数；