[发明专利]车牌图像筛选模型的构建方法与车牌图像筛选方法

说明书

本申请涉及一种车牌图像筛选模型的构建方法、装置、存储介质和计算机设备以及车牌图像筛选方法、装置、存储介质和计算机设备，车牌图像筛选模型的构建方法包括：获取车牌图像的误差分布样本数据，对车牌图像的误差分布样本数据进行特征提取，通过提取的特征对预设的鉴别网络进行模型训练，根据模型训练结果调整鉴别网络的交叉熵损失函数，直至交叉熵损失函数最小化，得到车牌图像筛选模型。通过车牌图像的误差分布样本数据学习车牌图像的误差分布，后续在进行车牌识别时，先将车牌图像通过车牌图像筛选模型进行筛选，通过前置筛选的方式过滤车牌图像中异常数据，支持后期车牌高精度识别。

技术领域

本申请涉及图像处理技术领域，特别是涉及一种车牌图像筛选模型的构建方法、装置、存储介质和计算机设备以及车牌图像筛选方法、装置、存储介质和计算机设备。

背景技术

随着车辆的普及以及现代交通技术的发展，车牌识别技术广泛应用于城市道路、高速公路、停车场、各大商场、物流等场景。车牌作为车辆的重要标识信息，在车辆检测与识别中十分重要，车牌识别是车辆检测与识别的重要组成部分，具有重要现实意义。

传统的车牌识别方法，一般是通过车辆监控系统采集车牌图像，再对采集到的车牌图像进行车牌识别。而由于复杂的人流、车流、车速较快、光照不好等因素的影响，导致采集到的车牌图像的质量千差万别，存在遮挡、反光、运动模糊等情况，基于上述车牌图像进行车牌识别时，存在车牌识别误差大的问题。

发明内容

基于此，针对上述技术问题，提供一种可以支持降低车牌识别误差的车牌图像筛选模型的构建方法、装置、存储介质和计算机设备以及车牌图像筛选方法、装置、存储介质和计算机设备。

一种车牌图像筛选模型的构建方法，所述方法包括：

获取车牌图像的误差分布样本数据；

对所述车牌图像的误差分布样本数据进行特征提取，通过提取的特征对预设的鉴别网络进行模型训练；

根据模型训练结果调整所述鉴别网络的交叉熵损失函数，直至所述交叉熵损失函数最小化，得到车牌图像筛选模型。

一种车牌图像筛选模型的构建装置，所述装置包括：

样本获取模块，用于获取车牌图像的误差分布样本数据，所述误差分布样本数据包括车牌字符识别正确数据和车牌字符识别错误数据；

模型训练模块，用于基于所述车牌字符识别正确数据以及所述车牌字符识别错误数据对预设的鉴别网络进行模型训练；

模型生成模块，用于根据模型训练结果调整所述鉴别网络的参数，直至满足预设的停止条件，得到车牌图像筛选模型。

一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行上述方法的步骤。

一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行上述方法的步骤。

上述车牌图像筛选模型的构建方法、装置、存储介质和计算机设备，通过获取车牌图像的误差分布样本数据，对车牌图像的误差分布样本数据进行特征提取，通过提取的特征对预设的鉴别网络进行模型训练，根据模型训练结果调整鉴别网络的交叉熵损失函数，直至交叉熵损失函数最小化，得到车牌图像筛选模型，通过车牌图像的误差分布样本数据学习车牌图像的误差分布，后续在进行车牌识别时，先将车牌图像通过车牌图像筛选模型进行筛选，通过前置筛选的方式过滤车牌图像中异常数据，支持后期车牌高精度识别。

一种车牌图像筛选方法，所述方法包括：

获取待识别的车牌图像；

读取预设的车牌图像筛选模型，所述车牌图像筛选模型由车牌图像筛选模型的构建方法构建；