[发明专利]一种车牌识别系统

说明书

本发明公开了一种车牌识别系统，包括：图像采集模块，用于采集目标车牌图像；图像识别模块，用于对接收到的目标车牌图像，利用车牌识别网络的主干网络对目标车牌图像进行特征提取，得到x个特征图；x个特征图的尺度依次增大；x为大于等于4的自然数；利用车牌识别网络的FPN网络将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；基于预测结果得到目标车牌图像的检测结果，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，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。本发明提供的车牌识别系统能够实现在远距离或者复杂环境下准确识别车牌。

技术领域

本发明属于图像处理领域，具体涉及一种车牌识别系统。

背景技术

目前，道路上车辆的数量越来越多，随着智能交通系统的发展，车牌识别系统广泛应用于各个领域，车牌识别系统(Vehicle License Plate Recognition，VLPR)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。车牌识别技术要求能够将汽车牌照从复杂背景中提取并识别出来，通过车牌提取、图像预处理、特征提取、车牌字符识别等技术，识别车辆牌号、颜色等信息，广泛应用于停车收费管理、公路收费站自动缴费管理、交通流量控制指标检测、道路超速自动化监测、车辆定位以及汽车防盗等场景。

然而，现有技术中，对车辆牌照的识别技术有限，当遇到距离过远、自然环境恶劣等情况，就会影响车牌识别系统的识别率。

因此，如何能在远距离或者复杂环境下准确识别车牌，是一个亟需解决的问题。

发明内容

为了解决现有技术中存在的上述问题，本发明提供了一种车牌识别系统。本发明要解决的技术问题通过以下技术方案实现：

本发明实施例提供了一种车牌识别系统，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。

可选的，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。

可选的，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。

可选的，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。

可选的，所述过渡模块为所述卷积网络模块。

可选的，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。