[发明专利]基于深度学习特征对比的船牌识别方法

权利要求书

1.一种基于深度学习特征对比的船牌识别方法，其特征在于：包括下列步骤：

步骤一：获取多张包含船只及船牌的图片，构建船只船牌检测数据集、船牌数字数据集、船牌汉字三元组数据集；

步骤二：基于深度学习卷积神经网络技术构建船只船牌检测卷积神经网络，并在船只船牌检测数据集上进行训练，得到船只船牌检测模型；

步骤三：基于深度学习卷积神经网络技术构建船牌字符识别卷积神经网络；

步骤四：在船牌数字数据集上，采用梯度下降法基于logistic loss和cross entropyloss训练船牌字符识别卷积神经网络，得到船牌字符识别初步模型；

步骤五：在船牌汉字三元组数据集上，采用梯度下降法基于logistic loss和tripletloss训练船牌字符识别初步模型，得到船牌字符识别模型；

步骤六：选择多张船牌汉字字符，输入到船牌字符识别模型中，构建船牌汉字特征库；

步骤七：获取需要检测的船只监控图像，输入到船只船牌检测模型及船牌字符识别模型中，得到船牌识别的初步结果；

步骤八：基于船牌识别的初步结果和船牌汉字特征库，根据欧氏距离进行特征比对，获取船牌识别的最终结果。

2.根据权利要求1所述的基于深度学习特征对比的船牌识别方法，其特征在于：在步骤四中，通过下列步骤获得船牌字符识别初步模型：

4.1选择船牌数字数据集中的单张图像x，根据该图像的标签获取c_i；

4.2将x输入至船牌字符识别卷积神经网络中，得到输出层的输出值

4.3训练采用的代价函数如下：

其中，c_i为真实标签值，为预测值，α为权重因子；

4.4按照上述公式计算J1的数值，并采用梯度下降法训练船牌字符识别卷积神经网络，迭代多次直至收敛，得到船牌字符识别初步模型。

3.根据权利要求1所述的基于深度学习特征对比的船牌识别方法，其特征在于：在步骤五中，通过下列步骤得到船牌字符识别模型：

5.1选择船牌汉字三元组数据集中的一对船牌汉字三元组图像xA,xP,xN，其中xA,xP为相同标签，xN为不同标签；

5.2将x_A,x_P,x_N分别输入至船牌字符识别初步模型中，得到特征提取层的输出值f(x_A)，f(x_P)，f(x_N)和输出层的输出值

5.3训练采用的代价函数为：

其中，β为权重因子，m为阈值因子；

5.4按照上述公式计算J₂的数值，并采用梯度下降法训练船牌字符识别初步模型，迭代多次直至收敛，得到船牌字符识别模型。

4.根据权利要求1所述的基于深度学习特征对比的船牌识别方法，其特征在于：在步骤八中，具体特征对比步骤如下：

8.1根据船牌识别初步结果，获取单个字符对应的特征提取层的输出值f(x)和输出层的输出值[p,c₀,c₁,c₂,c₃,c₄,c₅,c₆,c₇,c₈,c₉]；

8.2基于p值大小，判断单个字符的类型是汉字或数字；

8.3若p大于预设阈值，则字符为数字，取c₀-c₉中最大的概率值对应的数字为该字符的识别结果；

8.4若p小于或等于预设阈值，则该字符为汉字，计算f(x)与汉字特征数据库中其他特征的欧式距离，选择距离最小的汉字作为该字符的识别结果；

8.5对多张船牌单个字符图像进行8.1-8.4，并将所有单个字符的识别结果进行排序，获得船牌识别的最终结果。