[发明专利]基于深度学习的航道船牌检测、定位及识别方法

说明书

本发明涉及基于深度学习的航道船牌检测、定位及识别方法。本发明基于深度学习语义分割技术，利用迁移学习从而能够在小数据集上取得可靠识别精度的船牌检测、定位及识别方法。利用语义分割方法，基于AdvancedEAST算法对船牌图像进行像素级分类，从而得到准确可靠的船牌文本行边界框，并结合CRNN文字识别算法输出准确的船牌文字信息。本发明针对船牌识别难度大、研究内容少但具体应用需求高的问题，实现了准确的船牌检测、定位，克服了图像背景复杂、船牌放置位置不固定等问题。实现了不定长文字序列识别，解决了船牌文字数量多、具体数目不固定、汉字数字混合的问题。

技术领域

本发明属于深度学习、计算机视觉、自然场景文字识别、计算机应用技术领域，涉及一种基于深度学习的航道船牌检测、定位及识别方法。

背景技术

内河运输作为一种污染小、运量大、耗能低的运输方式，在重点大宗货物运送中有着不可替代的作用。内河运输历史悠久，对人类社会经济发展、文化传播产生了深远影响。时代发展、科技进步，内河运输业日久弥新，数量急剧增长的运河行船数量大幅加剧了管理部门的监管负担，同时存在着人工关闭船舶自动识别系统(Automatic IdentificationSystem，AIS)或蓄意录入错误信息等手段“隐藏”船只通行记录，从而逃避监管的乱象。而码头、港口或运河两岸架设的大量高清摄像头，目前仅作为监管部门后期执法直接证据使用，采集到的大量船舶数据未有更深层次运用，造成了某种程度上的资源浪费。

随着深度学习、计算机视觉技术的发展，陆路交通通过综合道路监控系统与车牌识别技术，建立起成熟的智能交通管理系统。车牌识别有效提高了车辆收费管理、道路稽查、违章处罚等应用场景下的工作效率。然而内河航运系统中尚未出现智能化的船牌识别技术，船牌作为船舶身份识别的最佳方式，对于打造全信息化、智能化内河航运系统具有重要意义，是构建智慧型“水上高速公路”的基础。

目前船牌识别领域研究几乎一片空白的原因在于船牌识别难度远大于车牌识别，主要体现在如下几方面：

1.船牌图像背景往往为更复杂的自然场景，船牌检测、定位难度大，且背景中多存在易导致误识的伪船牌区域。

2.船牌放置位置不固定，导致采集图像中船牌多呈现出倾斜、旋转等非水平方向。且因拍摄距离不同，船牌呈现出尺度多变的特点。

3.船牌图像易因拍摄角度或拍摄环境影响而产生遮挡、光照不均、过曝、过暗、模糊等现象。

4.船牌文字数量多，不同文本行文字大小、字间距变化明显，无显著性构成规律。

5.缺乏公开通用的大型船牌数据集，可应用的数据集规模较小。

因此为解决上述问题，克服船牌识别问题难点，为内河航运智能化综合管理系统建设提供技术基础，本发明提供一种基于深度学习的船牌检测、定位及识别方法，通过拍摄采集自然场景中货船船牌图像作为算法输入，直接输出船牌识别结果。

发明内容

本发明的目的就是提供一种基于深度学习的航道船牌检测、定位及识别方法，基于深度学习语义分割技术，利用迁移学习从而能够在小数据集上取得可靠识别精度的船牌检测、定位及识别方法。利用语义分割方法，基于 AdvancedEAST算法对船牌图像进行像素级分类，从而得到准确可靠的船牌文本行边界框，并结合CRNN文字识别算法输出准确的船牌文字信息。

为实现上述目的，本发明的技术方案主要包括如下步骤：

步骤1、船牌检测、定位数据集创建：通过摄像机采集涵盖船牌图像的图片，使用labelme标注软件进行数据标注，从而构建目标数据集。

步骤2、船牌检测、定位模型训练：基于AdvancedEAST算法，利用船牌数据集进行模型训练。