[发明专利]基于人工智能的车牌识别方法、装置、设备及介质

说明书

本发明涉及人工智能及图像处理技术领域，提供一种基于人工智能的车牌识别方法、装置、设备及介质，其方法包括：通过特征提取模型提取目标图像的至少一个特征；利用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，其中，位置信息提取模型由Mask网络结合Attention机制训练而得到；将每个掩板反馈至特征提取模型，输出每个特征的字符信息；拼接字符信息作为识别结果并保存至区块链中。利用本发明能够加入位置信息提取模型识别每个特征的位置信息，且只保留掩板中的有效信息，使提取出的字符信息更加专注于识别到的位置上的特征，实现了对车牌的自动识别，不仅高效，且准确。本发明还可应用于智慧交通场景中，从而推动智慧城市的建设。

技术领域

本发明涉及人工智能、图像处理及智慧交通技术领域，尤其涉及一种基于人工智能的车牌识别方法、装置、设备及介质。

背景技术

随着现代科技的进步，道路交通、停车场所等相关车辆管理系统都朝着智能化和数字化的方向发展，作为这些系统智能化的一个重要核心，车牌自动识别系统起着至关重要的作用。

按符号分布来看，机动车号牌主要有两种形式，包括：单行车牌、双行车牌。双行车牌涉及到上下两行，其识别算法相比难度更大。针对双行字符这一特性，目前主要使用的技术方案如下：

（1）字符分割法。将双行车牌中各个字符分割出来，逐个识别，再拼接起来。这种方式过程复杂，分割错误将向后传递。

（2）将两行字符切割，再拼在同一行。即人为将其转换成单行车牌，再通过单行车牌识别方式进行识别。这种方式虽然比方式（1）简单，但仍需分割，分割错误也将继续向后传递。

（3）直接忽略双行字符特性，将双行车牌视为单行车牌。通过特征提取网络自动提取两行各自的特征进行识别，但是，随着算法、算力的发展，由于该方案不对双行字符进行分割，而是直接通过模型识别提取，既需要庞大的数据进行训练，又非常容易造成过拟合，导致模型鲁棒性不好。

发明内容

鉴于以上内容，有必要提供一种基于人工智能的车牌识别方法、装置、设备及介质，能够基于人工智能，加入位置信息提取模型来识别每个特征的位置信息，且只保留了掩板中的有效信息，使提取出的字符信息更加专注于识别到的位置上的特征，进一步保证了车牌识别的准确度，实现了对车牌的自动识别，不仅高效，且准确。

一种基于人工智能的车牌识别方法，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，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；

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。

根据本发明优选实施例，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。

根据本发明优选实施例，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；