[发明专利]车牌分类识别方法、装置、设备及存储介质

说明书

本发明涉及物流管理领域，公开了一种车牌分类识别方法、装置、设备及存储介质。本方法包括：获取物流车辆装置场景的图像并根据车牌颜色进行分类，得到数据集；利用数据集对搭建的VGG19模型并进行训练，并根据交叉熵损失函数和预置梯度下降算法对VGG19模型进行优化和调整；将数据集输入VGG19模型进行训练，得到车牌分类识别模型；将实时抓拍的车辆图像输入车牌分类识别模型，根据车牌颜色对图像进行识别。本发明通过训练得到的车牌分类识别模型可以直接通过图片得到图片中车辆的车牌颜色信息，基于该车牌信息来对车牌进行分类，代替了原有的人工分类，从而提高了车牌分类识别的效率。

技术领域

本发明涉及物流管理领域，尤其涉及一种车牌分类识别方法、装置、设备及存储介质。

背景技术

随着物流行业的迅猛发展，物流已经渗透人们平常生活的各个方面。随着电子商务的普及，越来越多的人通过网络进行商品选购。为应对越来越多的快件运输需求，目前的快件物流运输压力也越来越大。现有物流行业中，分为长途运输和中短途运输。长途运输一般采用燃油货车，而中短途运输一般采用新能源汽车，物流车辆种类繁多有黄牌、蓝牌、新能源牌。

但是对于车辆的分类管理，往往都依靠人工来引导指挥，AI技术应用水平不足，对于车辆的分类判别效率低下，无法合理安排装货数量，容易造成车辆排队等待的情况。

发明内容

本发明的主要目的在于解决现有技术中，AI技术应用水平不足，对于车辆的分类判别效率低下的技术问题。

本发明第一方面提供了一种车牌分类识别方法，包括：

获取车辆车牌数据的训练样本图像，所述训练样本图像包括三种类型车辆的车牌样本；

搭建VGG19网络框架，并将所述训练样本图像输入所述VGG19网络框架中进行训练，得到VGG19模型；

基于所述训练样本图像确定对应训练标签结果，并根据所述训练标签结果，确定交叉熵损失函数；

通过所述交叉熵损失函数和预置梯度下降算法，计算所述VGG19模型的权重衰减系数，并通过所述权重衰减系数更新所述VGG19模型的参数，得到优化后的VGG19模型；

对所述训练样本图像进行进行标注，得到各训练样本图像对应的标注信息并保存为第一数据集，并按照最优比例将所述数据集分成训练集、验证集和测试集，得到第二数据集；

将所述第二数据集输入所述优化后的VGG19模型进行分类训练，得到车牌分类识别模型；

获取实时抓拍的车辆装载场景中的车辆图像，并将所述车辆图像输入所述车牌分类识别模型进行识别，输出对应车辆的分类识别结果。

可选地，在本发明第一方面的第一种实现方式中，所述获取车辆车牌数据的训练样本图像，所述训练样本图像包括三种类型车辆的车牌样本包括：

获取预先拍摄的车辆装载现场的现场图像；

将所述现场图像输入预置车辆识别模型进行识别，输出所述现场图像中各车辆的区域范围；

基于所述现场图像中各车辆的区域范围，从所述现场图像中提取各车辆对应的车辆图像；

对所述车辆图像进行识别，得到各车辆的车牌颜色信息，并根据所述车辆的车牌颜色信息对所述现场图像进行分类，得到训练样本图像。

可选地，在本发明第一方面的第二种实现方式中，所述对所述训练样本图像进行进行标注，得到各训练样本图像对应的标注信息并保存为第一数据集包括：

圈定所述训练样本图像中车辆的区域范围，并对所述训练样本图像进行实例分割，得到对应的标注信息；

将所述标注信息写入预置JSON格式的空白文件中，得到第一数据集。