[发明专利]一种基于上下文信息的车牌字符识别方法

权利要求书

1.一种基于上下文信息的车牌字符识别方法，其特征在于，包括：

构建深度神经网络模型，该深度神经网络模型包括快速提取特征网络、上下文信息网络和识别网络，快速提取特征网络、上下文信息网络和识别网络依次连接；

通过获取的车牌字符训练样本图像集合，训练所述深度神经网络模型；

通过训练后的深度神经网络模型，对待识别的车牌图像进行识别；

所述快速提取特征网络包括卷积层conv0、残差网络基础结构体resnetblock0和残差网络基础结构体resnetblock1；

卷积层conv0的输入连接到输入的车牌图像上，卷积层conv0的输出接入残差网络基础结构体resnetblock0的输入，残差网络基础结构体resnetblock0的输出接入残差网络基础结构体resnetblock1的输入，残差网络基础结构体resnetblock1的输出接入上下文信息网络输入；

所述残差网络基础结构体resnetblock0或残差网络基础结构体resnetblock1均包括卷积层convresnet0、卷积层convresnet1_0、卷积层convresnet1_1、convresnet1_2、合并层eltsum和卷积层conv2；

卷积层convresnet0的输入和卷积层convresnet1_0的输入均连接到该残差基础结构体的输入特征层，卷积层convresnet1_0的输出连接到卷积层convresnet1_1的输入，卷积层convresnet1_1的的输出连接到convresnet1_2的输入，convresnet1_2的输出和卷积层convresnet0的输出均连接到合并层eltsum的输入，合并层eltsum的输出连接到卷积层conv2的输入；

所述上下文信息网络包括高度方向上下文信息特征图heightcontext、宽度方向上下文信息特征图widthcontext和综合上下文信息特征图fullcontext；

残差网络基础结构体resnetblock1的输出被分成3路，一路连接到高度方向上下文信息特征图heightcontext的输入，一路连接到宽度方向上下文信息特征图widthcontext输入，最后一路分别与高度上下文信息特征图heightcontext的输出、宽度方向上下文信息特征图widthcontext的输出连接到综合上下文信息特征图fullcontext的输入，综合上下文信息特征图fullcontext的输出连接到识别网络的输入；

所述识别网络包括卷积层convrecog0、卷积层convrecog1和卷积层convrecog2；

卷积层convrecog0的输入连接综合上下文信息特征图fullcontext的输出，卷积层convrecog0的输出连接卷积层convrecog1的输入，卷积层convrecog1的输出连接卷积层convrecog2的输入，卷积层convrecog2的输出车牌特征图。

2.根据权利要求1所述的基于上下文信息的车牌字符识别方法，其特征在于，所述高度方向上下文信息特征图heightcontext的获取步骤如下：

S131：沿高度方向进行切片，切片特征图的名称分别是slice0、slice1....slice7；

S132：对第一个切片特征图slice0进行卷积，得到输出特征图slice0-out；

S133：将输出特征图slice0-out与切片特征图slice1进行逐像素相加，得到新的切片特征图slice1_new；

S134：将新的切片特征图slice1_new进行如步骤S132和步骤S133的操作，将得到的输出特征图slice1-out与切片特征图slice2进行逐像素相加，得到新的切片特征图slice2_new，循环步骤步骤S132和步骤S133，直至得到最后一个新的切片特征图slice7_new；

S135：将slice1_new至slice7_new的所有新的切片特征图，按照高度方向维度进行拼接，得到的输出特征图作为高度方向上下文信息特征图。

3.根据权利要求2所述的基于上下文信息的车牌字符识别方法，其特征在于，在所述对第一个切片特征图slice0进行卷积时，通过128个核尺寸是3×128，跨度是1×1的卷积核对第一个切片特征图slice0进行卷积。