[发明专利]车牌识别方法、装置、计算机设备及计算机可读存储介质

权利要求书

1.一种车牌识别方法，其特征在于，包括下述步骤：

实时采集车辆的车牌图像，获得第一车牌图像；

对所述第一车牌图像感兴趣区域的进行提取及预处理，获得第二车牌图像；

加载级联分类器模型；

调用级联分类器模型根据预设规则分类所述第二车牌图像的，输出有效区域，得到第三车牌图像；

调用端到端字符识别模型处理所述第三车牌图像，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。

2.根据权利要求1所述的车牌识别方法，其特征在于，所述对所述第一车牌图像感兴趣区域的进行提取及预处理，获得第二车牌图像的步骤具体包括：

对所述第一车牌图像感兴趣区域的进行提取，得到目标区域图像；

对目标区域图像做运动特征目标检测，得到运动特征目标图像；

对运动特征目标图像进行高斯模糊降噪处理，调整高斯参数，选择合适的高斯核，平滑图像，得到高斯模糊降噪图像；

对高斯模糊降噪图像进行阈值化，匹配HSV的范围，保存匹配颜色，得到第二车牌图像。

3.根据权利要求1所述的车牌识别方法，其特征在于：所述调用端到端字符识别模型处理所述第三车牌图像之前，还包括：

调用左右回归模型处理所述第三车牌图像，得到精确定位的第三车牌图像；所述左右回归模型依次由第一卷积层、第一激活函数层、第一最大值池化层、第二卷积层、第二激活函数层、第三卷积层、第三激活函数层、平滑层和输出层连接而成。

4.根据权利要求1所述的车牌识别方法，其特征在于，每一级联分类器的算法为：

1)使用Haar-like特征做检测；

2)使用积分图对应用到检测器的特征进行快速计算；

3)使用AdaBoost学习算法从巨大的Haar-like特征中挑选出少量至关重要的特征。

5.一种车牌识别装置，其特征在于，包括：采集模块、提取及预处理模块、加载模块、第一调用模块及第二调用模块，其中

所述采集模块，用于实时采集车辆的车牌图像，获得第一车牌图像；

所述提取及预处理模块，用于对所述第一车牌图像感兴趣区域的进行提取及预处理，获得第二车牌图像；

所述加载模块，用于加载级联分类器模型；

所述第一调用模块，用于调用级联分类器模型根据预设规则分类所述第二车牌图像的，输出有效区域，得到第三车牌图像；

所述第二调用模块，用于调用端到端字符识别模型处理所述第三车牌图像，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。

6.根据权利要求5所述的车牌识别装置，其特征在于，所述提取及预处理模块包括提取子模块、检测子模块、平滑子模块及匹配子模块，其中：

所述提取子模块，用于对所述第一车牌图像感兴趣区域的进行提取，得到目标区域图像；

所述检测子模块，用于对目标区域图像做运动特征目标检测，得到运动特征目标图像；

所述平滑子模块，用于对运动特征目标图像进行高斯模糊降噪处理，调整高斯参数，选择合适的高斯核，平滑图像，得到高斯模糊降噪图像；及

所述匹配子模块，用于对高斯模糊降噪图像进行阈值化，匹配HSV的范围，保存匹配颜色，得到第二车牌图像。

7.根据权利要求6所述的车牌识别装置，其特征在于，所述装置还包括第三调用模块，

所述第三调用模块，用于调用左右回归模型处理所述第三车牌图像，得到精确定位的第三车牌图像；所述左右回归模型依次由第一卷积层、第一激活函数层、第一最大值池化层、第二卷积层、第二激活函数层、第三卷积层、第三激活函数层、平滑层和输出层连接而成。

8.根据权利要求5所述的车牌识别装置，其特征在于，每一级联分类器的算法为：

1)使用Haar-like特征做检测；

2)使用积分图对应用到检测器的特征进行快速计算；

3)使用AdaBoost学习算法从巨大的Haar-like特征中挑选出少量至关重要的特征。