[发明专利]一种车牌识别系统在审

专利信息
申请号: 202011147535.3 申请日: 2020-10-23
公开(公告)号: CN112308066A 公开(公告)日: 2021-02-02
发明(设计)人: 刘建虢;尹晓雪 申请(专利权)人: 西安科锐盛创新科技有限公司
主分类号: G06K9/32 分类号: G06K9/32;G06K9/62;G06N3/04;G06N3/08
代理公司: 西安嘉思特知识产权代理事务所(普通合伙) 61230 代理人: 王海栋
地址: 710065 陕西省西安市高新区高新路86号*** 国省代码: 陕西;61
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 系统
【权利要求书】:

1.一种车牌识别系统,其特征在于,包括:

图像采集模块,用于采集目标车牌图像;

图像识别模块,用于利用车牌识别网络的密集连接形式的主干网络对所述目标车牌图像进行特征提取,得到x个特征图;所述x个特征图的尺度依次增大;x为大于等于4的自然数;利用所述车牌识别网络的FPN网络将所述x个特征图进行特征融合,得到各尺度的特征图对应的预测结果;基于所述预测结果得到所述目标车牌图像的检测结果,所述检测结果包括目标车牌的车牌字符;

发送模块,用于发送所述检测结果;

其中,所述车牌识别网络包括所述密集连接形式的主干网络以及所述FPN网络,所述车牌识别网络是在YOLOv3网络的基础上,采用层剪枝和通道剪枝,以及知识蒸馏引导网络恢复后形成的;且所述车牌识别网络是根据样本车牌图像,以及所述样本车牌图像对应的车牌字符训练得到的。

2.根据权利要求1所述的车牌识别系统,其特征在于,所述密集连接形式的主干网络包括多个间隔串接的密集连接模块以及过渡模块;所述密集连接模块的数量为y个;所述密集连接模块包括串行连接的卷积网络模块和密集连接单元组;所述卷积网络模块包括串行连接的卷积层、BN层、Leaky relu层;所述密集连接单元组包括m个密集连接单元;其中,y和m为大于等于4的自然数;y大于等于x。

3.根据权利要求2所述的车牌识别系统,其特征在于,每个密集连接单元包括多个采用密集连接形式连接的所述卷积网络模块,并采用级联方式融合多个卷积网络模块输出的特征图。

4.根据权利要求1所述的车牌识别系统,其特征在于,所述得到x个特征图,包括:

得到沿输入逆向的x个密集连接模块输出的、尺度依次增大的特征图。

5.根据权利要求2所述的车牌识别系统,其特征在于,所述过渡模块为所述卷积网络模块。

6.根据权利要求2所述的车牌识别系统,其特征在于,所述过渡模块包括依次连接的多个所述卷积网络模块和最大池化层;所述卷积网络模块的输入和所述最大池化层的输入共用,所述卷积网络模块输出的所述特征图和所述最大池化层输出的特征图采用级联方式融合。

7.根据权利要求1所述的车牌识别系统,其特征在于,所述FPN网络包括尺度依次增大的x个预测支路Y1~Yx;其中,所述预测支路Y1~Yx的尺度与x个所述特征图的尺度一一对应;

各个预测支路Yi包括卷积网络模块组以及上采样模块;预测支路Yi从所述x个特征图中,获取对应尺度的特征图,与预测支路Yi-1经上采样处理后的特征图进行级联融合;其中,i为大于等于2且小于等于x的自然数。

8.根据权利要求2所述的车牌识别系统,其特征在于,采用层剪枝和通道剪枝,以及知识蒸馏引导网络恢复后形成所述车牌识别网络,包括:

对YOLOv3网络基础上采用所述密集连接形式的主干网络、增加所述特征图的提取尺度得到的网络中,所述密集连接形式的主干网络的所述密集连接模块进行层剪枝,得到YOLOv3-1网络;

对所述YOLOv3-1网络进行稀疏化训练,得到BN层缩放系数稀疏分布的YOLOv3-2网络;

将所述YOLOv3-2网络进行通道剪枝,得到YOLOv3-3网络;

将所述YOLOv3-3网络进行知识蒸馏,得到所述车牌识别网络。

9.根据权利要求8所述的车牌识别系统,其特征在于,所述对YOLOv3网络基础上采用所述密集连接形式的主干网络、增加所述特征图的提取尺度得到的网络中,所述密集连接形式的主干网络的所述密集连接模块进行层剪枝,包括:

将所述密集连接模块含有的所述密集连接单元数量由m个剪枝为p个;其中,m、p均为自然数,且p<m。

10.根据权利要求1所述的车牌识别系统,其特征在于,所述图像采集模块包括照相机、摄像机、手机,或者道路上的监控设备。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

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西安科锐盛创新科技有限公司,未经西安科锐盛创新科技有限公司许可,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/202011147535.3/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top