[发明专利]基于单阶段目标检测和deeptext识别网络的美式车牌识别方法

说明书

本发明涉及一种基于单阶段目标检测和deeptext识别网络的美式车牌识别方法，步骤S1：获取美式车牌数据集，并预处理后生成训练集；步骤S2：根据车牌检测特点修改目标检测网络CornerNet‑Squeeze；步骤S3：使用检测端训练集训练改进的CornerNet‑Squeeze,使用数据集MJSynth和SynthText训练deeptext识别网络；步骤S4：将检训练集送入训练好的检测网络，输出车牌号码、年检信息、州名三部分图像，将这三部分图像送入识别网络，识别网络输出的文本信息通过手工修改错误信息，得到识别标签；步骤S5：使用获得的识别标签对识别网络进行进一步训练，获得高精度的识别网络。步骤S6：使用步骤S5训练好的高精度识别网络对待检测的美式车牌图像检测，输出结果。本发明能够有效地对美式车牌进行识别。

技术领域

本发明涉及模式识别与计算机视觉领域，特别是一种基于单阶段目标检测和deeptext识别网络的美式车牌识别方法。

背景技术

车牌识别是计算机视频图像识别技术在车辆牌照识别中的一种应用。车牌识别在高速公路车辆管理中得到广泛应用。我国车牌形式相对标准，目前针对我国车牌的最新识别技术水平可达到99％，已经具备成熟的应用场景。与我国统一蓝底白字的车牌不同，美式车牌如下图所示，五花八门，背景色彩各异，每个州甚至每辆车都可以有不同个性化的车牌，因此对于车牌信息识别带来了较大的难度和挑战性。

直接使用传统的文本识别方法，检测出车牌上的所有文本信息，车牌上存在许多干扰信息，这导致后处理过程十分复杂。在视觉领域，目标检测检测和语义分割结果的研究在短时间内得到快速发展。如果把美式车牌中要检测的信息当成目标类，使用目标检测方法检测，接着通过识别端识别，这样省去了复杂的后处理，提高效率。

发明内容

有鉴于此，本发明的目的是提供一种基于单阶段目标检测和deeptext识别网络的美式车牌识别方法，能够有效地对美式车牌进行识别。

本发明采用以下方案实现：一种基于单阶段目标检测和deeptext识别网络的美式车牌识别方法，包括以下步骤：

步骤S1：获取美式车牌数据集，预处理后生成训练集；

步骤S2：根据车牌检测特点修改目标检测网络CornerNet-Squeeze；

步骤S3：使用训练集训练步骤S2改进的CornerNet-Squeeze,获得训练好的检测网络，使用数据集MJSynth和SynthText训练deeptext识别网络，获得训练好的识别网络；

步骤S4：将训练集送入步骤S3训练好的检测网络，输出车牌号码、年检信息、州名三部分图像，将这三部分图像送入训练好的识别网络，识别网络输出的文本信息通过手工修改错误信息，得到识别标签；

步骤S5：使用S4中获得的识别标签对识别网络进行进一步训练，用以达到更高的精度,获得高精度的识别网络。

步骤S6：使用步骤S5训练好的高精度识别网络对待检测的美式车牌图像检测，输出结果。

进一步地，所述步骤S1具体包括以下步骤：

步骤S11：收集美式车牌的数据集，每张图片只包含一张车牌，手工过滤掉多车牌的数据；

步骤S12：通过色彩抖动、尺度变化、对比度变化数据增强方法对步骤S11中过滤后的数据集进行扩展；

步骤S13：利用Labelimg图片标注工具对步骤S12中数据增强后的美式车牌图片进行标注，标出三个部分，分别是车牌号码、年检信息和州名，其中车牌号码之间会出现干扰图案，使用多个框标注车牌号码，最后将xml标注文件转化为coco json格式的标注文件。

进一步地，所述步骤S2具体包括以下步骤：