[发明专利]基于深度学习的车牌字符识别方法、存储介质及电子设备

说明书

本发明提供了一种基于深度学习的车牌字符识别方法、计算机存储介质及电子设备，方法包括以下步骤：S1、获取待识别图片；S2、从待识别图片中获取车牌的粗定位区域；S3、将车牌的粗定位区域的图片送入基于卷积神经网络的检测模型中进行车牌字符的检测和识别，得到车牌的各个字符的标签和各个字符的位置信息；S4、根据车牌的位置信息对车牌各个字符的顺序进行重新排列，得到完整的车牌号码。根据本发明实施例的方法，通过粗定位输入进来的车牌直接进行车牌字符的检测和识别，解决了传统车牌识别算法流程中车牌精定位，字符切割，字符识别逻辑复杂的问题，同时解决了采用深度学习车牌识别算法中需要多个模型串联过多的耗费系统资源的问题。

技术领域

本发明涉及车牌识别领域，更具体地，涉及一种基于深度学习的车牌字符识别方法、计算机存储介质及电子设备。

背景技术

一般的车牌识别过程包含车牌粗定位，车牌矫正，车牌精定位，车牌字符切割，车牌字符识别五个步骤，现有的车牌识别方法主要分基于传统算法的车牌识别和基于深度学习算法的车牌识别。传统车牌识别算法的主要结合纹理，边缘检测，垂直投影，小波变换，和模版匹配的方法来进行车牌识别。基于深度学习的车牌识别算法主要针对车牌识别过程中的每个模块都用深度学习模型实现。

目前在车牌识别算法在实际应用中还存在较多难点，传统的车牌识别方法对容易受到噪声的干扰，对光照变化大，车牌模糊的情况识别效果较差，开发成本高，部署周期长；基于深度学习的车牌识别算法由于每个模块都是独立存在在计算法时会存在大量冗余的计算，系统资源占用高，识别速度较低，在前端设备比较难部署。

发明内容

有鉴于此，本发明提供一种基于深度学习的车牌字符识别方法、计算机存储介质及电子设备，可以有效提高车牌字符识别开发的效率。

为解决上述技术问题，一方面，本发明提供一种基于深度学习的车牌字符识别方法包括以下步骤：S1、获取待识别图片；S2、从所述待识别图片中获取车牌的粗定位区域；S3、将车牌的所述粗定位区域的图片送入基于卷积神经网络的检测模型中进行车牌字符的检测和识别，得到车牌的各个字符的标签和各个字符的位置信息；S4、根据车牌的位置信息对车牌各个字符的顺序进行重新排列，得到完整的车牌号码。

根据本发明实施例的基于深度学习的车牌字符识别方法，通过粗定位输入进来的车牌直接进行车牌字符的检测和识别，解决了传统车牌识别算法流程中车牌精定位，字符切割，字符识别逻辑复杂的问题，同时解决了采用深度学习车牌识别算法中需要多个模型串联过多的耗费系统资源的问题。

根据本发明的一些实施例，步骤S1包括：

S11、从卡口、电警摄像头或手持终端设备获取往来车辆的原图数据；

S12、利用车辆检测技术从所述原图数据获取车身的待识别图片。

根据本发明的一些实施例，步骤S2包括：利用车牌检测技术从所述待识别图片中获取车牌的粗定位区域。

根据本发明的一些实施例，步骤S3包括：

S31、对车牌的所述粗定位区域的图片进行字符标注；

S32、将标注好的车牌数据归一化到预定像素；

S33、根据标注好的车牌数据设计卷积神经网络；

S34、将标注好的车牌数据送入所述卷积神经网络的检测模型中进行车牌字符的检测和识别。

根据本发明的一些实施例，在步骤S31中，对车牌的所述粗定位区域的图片进行字符标注的规则为每个字符的最小外接矩形。

根据本发明的一些实施例，在步骤S32中，所述预定像素为65*150像素。

根据本发明的一些实施例，步骤S33包括：