[发明专利]用于识别车辆牌照的方法和装置在审
| 申请号： | 201910626758.9 | 申请日： | 2019-07-11 |
| 公开（公告）号： | CN110781880A | 公开（公告）日： | 2020-02-11 |
| 发明（设计）人： | 维奥莱特·斯内尔 | 申请（专利权）人： | 业纳交通解决方案英国有限公司 |
| 主分类号： | G06K9/32 | 分类号： | G06K9/32;G06K9/34;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 31002 上海智信专利代理有限公司 | 代理人： | 邓琪 |
| 地址： | 英国GU15 3*** | 国省代码： | 英国;GB |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 牌照 卷积神经网络 符号标识 光学传感器 国家标识 图像 可检测 读入 配置 拍照 输出 发放 分析 | ||
1.一种用于识别车辆(110)的牌照(105)的方法(300)，该方法(300)包括以下步骤：
-读入(310)光学传感器(130)的周围环境的图像(135)，该图像(135)源自该光学传感器(130)对具有可检测牌照(105)的至少所述车辆(110)进行拍照；
-使用卷积神经网络(150)分析(320)该图像(135)，该卷积神经网络(150)具有至少两个分离的符号标识分支(220a，220b)，这些分离的符号标识分支(220a，220b)中的每一个被配置用于标识该牌照(105)的若干符号(155)之一和/或该卷积神经网络(150)具有与这些符号标识分支(220a，220b)分离的国家标识分支(225)，该国家标识分支(225)被配置用于标识已发放该牌照(105)的国家(160)；以及
-输出(330)该至少两个所标识的符号(155)和/或所标识的国家(160)以便识别该车辆(110)的牌照(105)。
2.根据权利要求1所述的方法(300)，其特征在于，在该分析步骤(320)中，使用卷积神经网络(150)，该卷积神经网络在这些符号标识分支(220a，220b)中具有全连接层(230)。
3.根据前述权利要求之一所述的方法(300)，其特征在于，在该分析步骤(320)中，使用卷积神经网络(150)，该卷积神经网络在这些符号标识分支(220a，220b)中具有输出层(240)，该输出层(240)具有等同于该牌照(105)上多种可标识可区分类型的符号(155)的多个神经元，特别是该输出层(240)具有37个神经元。
4.根据前述权利要求2和3之一所述的方法(300)，其特征在于，在该分析步骤(320)中，使用卷积神经网络(150)，该卷积神经网络在这些符号标识分支(220a，220b)中具有作为到该输出层(240)的输入的该全连接层(230)。
5.根据前述权利要求之一所述的方法(300)，其特征在于，在该分析步骤(320)中，使用卷积神经网络(150)，该卷积神经网络具有至少三个分离的符号标识分支(220a，220b)，这些分离的符号标识分支(220a，220b)中的每一个被配置用于标识该牌照(105)的若干符号(155)之一，并且在该输出步骤(330)中，输出该至少三个所标识的符号(155)以便识别该车辆(110)的牌照(105)。
6.根据前述权利要求之一所述的方法(300)，其特征在于，在该分析步骤(320)中，使用卷积神经网络(150)，该卷积神经网络具有多个卷积层(200)，特别是具有3至20个、优选地具有5个卷积层，这些卷积层按顺序排列，该多个卷积层(200)用于处理该图像(135)以获得经处理的信息(205，215)，并且其中，该卷积神经网络(150)被配置用于将该经处理的信息(205，215)馈送到这些分离的符号标识分支(220a，220b)和/或该国家标识分支(225)中。
7.根据前述权利要求之一所述的方法(300)，其特征在于，在该分析步骤(320)中，使用卷积神经网络(150)，该卷积神经网络具有至少一个共享全连接层(210)以作为到这些分离的符号标识分支(220a，220b)和/或该国家标识分支(225)的输入。
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业纳交通解决方案英国有限公司，未经业纳交通解决方案英国有限公司许可，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/201910626758.9/1.html，转载请声明来源钻瓜专利网。
