[发明专利]车牌识别模型训练方法、车牌识别方法及装置

说明书

本发明公开了一种车牌识别模型训练方法、车牌识别方法及装置，模型训练方法包括：构建双车牌车辆数据集和车牌数据集；基于双车牌车辆数据集训练yolov3－tiny网络模型；对yolov3－tiny的训练模型进行测试保留精度最高的yolov3－tiny网络模型权重；基于车牌数据集训练LPS/CR－NET网络模型，对LPS/CR－NET的训练模型进行网络测试，初步确定精度较好的几个网络模型权重；基于yolov3－tiny的双车牌检测结果和字符排序方法，计算各个初步确定的LPS/CR－NET网络模型权重下的双车牌识别正确率，保留正确率表现最高的LPS/CR－NET网络模型权重。为双车牌识别提供了一个快速、高效的车牌定位方法，有效提高了双车牌识别的精度。

技术领域

本发明涉及车牌识别技术领域，具体涉及一种基于深度学习的车牌识别模型训练方法、车牌识别方法及装置。

背景技术

电子围网区域通行的车辆，不仅存在我国车辆车牌格式多样化(普通车轿车、使馆车、警车、军车、以及港澳车牌格式差异)以及汉字识别难度较大问题，还要考虑其他国家汽车车牌不同格式，且不同车型车牌悬挂位置也不同，这就对车牌识别技术提出了新的要求。车牌识别技术要求能够将运动中的汽车牌照从复杂背景中提取并识别出来，通过车牌提取、车牌识别等技术，识别车辆牌号，颜色等信息。

由于粤港澳大桥的开通，香港、澳门、广东地域的部分车辆可跨区域驾驶，车辆挂双车牌的情况逐渐普遍。但现有针对车牌识别的算法都只考虑一辆车只有一张车牌，忽略了车辆挂双车牌的情况，便也忽视车辆带双车牌的检测识别算法。

因此，如何构建双车牌识别训练模型，实现车辆图片的双车牌检测识别是目前亟需解决的技术问题。

发明内容

因此，本发明要解决的技术问题在于克服现有技术中的车牌检测识别模型无法对悬挂双车牌的车辆进行车牌识别检测的正确率偏低的缺陷，从而提供一种车牌识别模型训练方法。

为解决上述技术问题，本发明的技术方案如下：

第一方面，一种车牌识别模型训练方法，包括：

根据收集的带有双车牌的车辆图片样本，构建双车牌车辆数据集B和车牌数据集C；

基于所述双车牌车辆数据集B训练yolov3－tiny网络模型结构，在车辆图片中定位出车牌区域；

根据包含多种带有双车牌的测试图片的双车牌车辆测试集对yolov3－tiny的各训练模型进行网络测试，保留精度最高的yolov3－tiny网络模型权重文件；

基于所述车牌数据集C训练LPS/CR－NET字符分割与识别的网络模型结构，在车牌图片中定位各个字符的位置并识别各个字符；

根据包含多张车牌测试图片的车牌测试集对LPS/CR－NET的各训练模型进行网络测试，初步确定精度较好的几个网络模型权重文件；

基于yolov3－tiny的双车牌检测结果和字符排序方法，计算各个初步确定的LPS/CR－NET网络模型权重文件下车辆图片的双车牌识别正确率，保留正确率表现最高的LPS/CR－NET网络模型权重文件。

进一步地，所述根据收集的带有双车牌的车辆图片样本，构建双车牌车辆数据集B和车牌数据集C，包括：

收集带有双车牌的车辆图片样本；

采用矩形框对收集的所述车辆图片样本中的车辆、车牌、字符分别进行位置标定，形成车辆区域矩形框、车牌区域矩形框、字符区域矩形框；

对经过位置标定的所述车辆图片样本进行旋转，得到数据扩增的数据集A；

根据所述车辆区域矩形框，在所述数据集A的每张车辆图片样本中裁剪出车辆图片，构建双车牌车辆数据集B；所述双车牌车辆数据集B中每张裁剪出车辆图片的标注文件包括所述车牌区域矩形框和所述字符区域矩形框；