[发明专利]一种车牌识别方法、装置、设备及可读存储介质有效
申请号: | 202011014630.6 | 申请日: | 2020-09-24 |
公开(公告)号: | CN112101274B | 公开(公告)日: | 2023-02-10 |
发明(设计)人: | 满志朋;韩亚茹;车军;赵诗宇;谢旭;薛莹;吴家新;朱林;章勇;曹李军 | 申请(专利权)人: | 苏州科达科技股份有限公司 |
主分类号: | G06V20/62 | 分类号: | G06V20/62;G06V10/56;G06V10/774;G06N3/0464;G06N3/08 |
代理公司: | 北京集佳知识产权代理有限公司 11227 | 代理人: | 徐丽 |
地址: | 215011 江苏*** | 国省代码: | 江苏;32 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 车牌 识别 方法 装置 设备 可读 存储 介质 | ||
1.一种车牌识别方法,其特征在于,包括:
获取车牌图像;
利用识别模型对所述车牌图像进行识别,得到车牌标签;其中,所述车牌标签为特殊车牌标签或普通车牌标签,所述普通车牌标签包括颜色标签和普通车牌号标签,所述特殊车牌标签包括特殊车牌号标签;
解析所述车牌标签,得到车牌号和车牌颜色;
所述利用识别模型对所述车牌图像进行识别,得到车牌标签,包括:
利用基于稠密网络的识别模型对所述车牌图像进行识别,得到所述车牌标签,所述基于稠密网络的识别模型是在一个稠密块中将跨层连接从头进行到尾,不需要添加长短时循环神经网络进行序列预测,所述基于稠密网络的识别模型的网络架构为:第一卷积层、池化层、第一稠密块、第一过渡层、第二稠密块、第二过渡层、第三稠密块、第三过渡层、第四稠密块、第二卷积层、转置层/重组层、WrapCTC损失层/CTC贪婪解码层依次连接,其中,所述第一稠密块、所述第二稠密块、所述第三稠密块和所述第四稠密块分别对应的输出通道数并不相同,所述第一过渡层、所述第二过渡层和所述第三过渡层分别对应的输出通道数并不相同,所述第一卷积层和所述第二卷积层分别对应的输出通道数并不相同,所述转置层/重组层的关系为先转置后重组,所述WrapCTC损失层/CTC贪婪解码层的关系为并行关系;
所述利用基于稠密网络的识别模型对所述车牌图像进行识别,得到所述车牌标签,包括:
利用所述识别模型中的深度卷积神经网络对所述车牌图像进行车牌序列特征提取;
基于连接时序分类的最优路径进行车牌序列解码,得到所述车牌标签。
2.根据权利要求1所述的车牌识别方法,其特征在于,若所述车牌标签为所述普通车牌标签,相应地,解析所述车牌标签,得到车牌号和车牌颜色,包括:
对所述颜色标签进行解析,得到所述车牌颜色;
对所述普通车牌号标签进行解析,得到所述车牌号。
3.根据权利要求1所述的车牌识别方法,其特征在于,若所述车牌标签为所述特殊车牌标签,相应地,所述解析所述车牌标签,得到车牌号和车牌颜色,包括:
对所述特殊车牌标签进行解析,得到所述车牌号;
利用所述车牌号,并参照特殊车牌颜色规则,确定所述车牌颜色。
4.根据权利要求1所述的车牌识别方法,其特征在于,所述利用识别模型对所述车牌图像进行识别,得到车牌标签,包括:
对所述车牌图像进行缩放处理,得到特定大小的目标车牌图像;所述特定大小为训练所述识别模型过程中,对训练样本进行统计而确定的;
将所述目标车牌图像输入至所述识别模型进行识别,得到所述车牌标签。
5.根据权利要求1所述的车牌识别方法,其特征在于,所述获取车牌图像,包括:
获取初始图像;
对所述初始图像进行车牌检测,得到检测结果;
利用所述检测结果对所述初始图像进行裁剪,得到所述车牌图像。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于苏州科达科技股份有限公司,未经苏州科达科技股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202011014630.6/1.html,转载请声明来源钻瓜专利网。
- 上一篇:一种医疗用方便孕妇进食的护理床
- 下一篇:柴油机防爆油箱