[发明专利]基于人工智能的车牌识别方法、装置、设备及介质

权利要求书

1.一种基于人工智能的车牌识别方法，其特征在于，所述基于人工智能的车牌识别方法包括：

响应于接收到的待识别车牌图像，对所述待识别车牌图像进行预处理，得到目标图像；

通过预先训练的特征提取模型提取所述目标图像的至少一个特征；

利用预先训练的位置信息提取模型识别每个特征的位置信息，输出与每个特征对应的掩板，包括：利用基于Attention机制训练的Mask网络识别每个特征的位置信息，输出每个特征的预测位置；确定所述位置信息提取模型的清洗机制中腐蚀机制及膨胀机制的组合方式；根据所述组合方式，以所述腐蚀机制删除每个特征的预测位置中的噪点，并以所述膨胀机制填充每个特征的预测位置中的特征点，输出与每个特征对应的掩板，其中，所述位置信息提取模型由Mask网络结合Attention机制训练而得到；

将每个掩板反馈至所述特征提取模型，输出每个特征的字符信息，包括：将每个掩板反馈至所述特征提取模型时，确定每个掩板中的True值及False值；保留每个掩板中的True值对应的特征，并删除每个掩板中的False值对应的特征，得到与每个掩板对应的特征的字符信息；

拼接所述字符信息作为所述待识别车牌图像的识别结果，并保存所述识别结果至区块链中。

2.如权利要求1所述的基于人工智能的车牌识别方法，其特征在于，所述对所述待识别车牌图像进行预处理，得到目标图像包括：

对所述待识别车牌图像进行二值化处理，得到第一图像；

对所述第一图像进行归一化处理，得到第二图像；

对所述第二图像进行resize处理，得到所述目标图像。

3.如权利要求1所述的基于人工智能的车牌识别方法，其特征在于，所述基于人工智能的车牌识别方法还包括：

采用Attention机制训练Mask网络，所述Mask网络包括全连接层、卷积层及池化层；

利用清洗机制优化训练的Mask网络，直至所述Mask网络的准确度小于或者等于预设准确度，停止训练，得到所述位置信息提取模型。

4.如权利要求1所述的基于人工智能的车牌识别方法，其特征在于，所述以所述腐蚀机制删除每个特征的预测位置中的噪点包括：

获取所述腐蚀机制对应的腐蚀次数，及每次腐蚀对应的第一阈值；

对于每次腐蚀，以第一滑动窗口遍历所述目标图像的每个特征，当遍历到的点的占比低于所述第一阈值时，将遍历到的点确定为噪点，启动所述腐蚀机制，并删除所述噪点。

5.如权利要求1所述的基于人工智能的车牌识别方法，其特征在于，所述以所述膨胀机制填充每个特征的预测位置中的特征点包括：

获取所述膨胀机制对应的膨胀次数，及每次膨胀对应的第二阈值；

对于每次膨胀，以第二滑动窗口遍历所述目标图像的每个特征，当遍历到的点的占比高于所述第二阈值时，将遍历到的点确定为特征点，启动所述膨胀机制，并填充所述特征点。