[发明专利]基于深度学习的快速车牌识别方法

权利要求书

1.基于深度学习的快速车牌识别方法，其特征在于，其包括如下步骤：

步骤S1，获取在不同角度拍摄得到的车牌图像数据，并将所述车牌图像数据转换整合为车牌数据集，再利用随机替换字符的方式对所述车牌数据集进行处理，从而生成不同内容的车牌数据，并对生成的车牌数据进行图像增强处理；

步骤S2，通过深度卷积神经网络模型对图像增强处理后的车牌数据进行处理，再利用长短期记忆人工神经网络LSTM对所述深度卷积神经网络模型处理的结果进行学习，并对所述学习的结果进行优化处理；

步骤S3，对待检测车辆的前方区域进行拍摄，以此获得相应的车辆头部图像，再对所述车辆头部图像进行分析处理，从而确定所述车辆头部图像是否存在车牌信息；

步骤S4，将确定存在车牌信息的所述车辆头部图像输入至经过训练与优化处理后的所述深度卷积神经网络模型，以此对所述车辆头部图像进行车牌号码识别处理，从而输出所述待检测车辆对应的车牌号码信息。

2.如权利要求1所述的基于深度学习的快速车牌识别方法，其特征在于：在所述步骤S1中，获取在不同角度拍摄得到的车牌图像数据，并将所述车牌图像数据转换整合为车牌数据集具体包括：

步骤S101，以不同角度对不同车辆的车牌进行拍摄，以此获得关于所述不同车辆的车牌图像数据；

步骤S102，对所述车牌图像数据进行图像背景噪声滤波处理和图像识别处理，从而将所述车牌图像数据转换整合为相应的车牌数据集。

3.如权利要求2所述的基于深度学习的快速车牌识别方法，其特征在于：在所述步骤S1中，利用随机替换字符的方式对所述车牌数据集进行处理，从而生成不同内容的车牌数据具体包括：

步骤S103，从所述车牌数据集中提取得到在不同角度拍摄形成的用于组成车牌号码所有车牌符号，并将提取得到的所有车牌符号组成相应的车牌符号有限集；

步骤S104，从所述车牌符号有限集中随机选择相应的车牌符号，并按照车牌号码组成规则，将随机选择的车牌符号组成不同的车牌号码，从而生成不同内容的车牌数据。

4.如权利要求3所述的基于深度学习的快速车牌识别方法，其特征在于：在所述步骤S1中，对生成的车牌数据进行图像增强处理具体包括：

步骤S105，将所述不同内容的车牌数据对应的车牌号码进行旋转处理、翻转处理和裁剪处理中的至少一者，从而实现对所述车牌数据的图像增强处理。

5.如权利要求1所述的基于深度学习的快速车牌识别方法，其特征在于：在所述步骤S2中，通过深度卷积神经网络模型对图像增强处理后的车牌数据进行处理，再利用长短期记忆人工神经网络LSTM对所述深度卷积神经网络模型处理的结果进行学习具体包括：

利用长短期记忆人工神经网络LSTM构建用于提取图像字符特征的深度卷积神经网络模型具体包括：

步骤S201，根据特征提取网络构建相应的VGG网络框架，再对所述VGG网络框架输入预设维度的图像，以此从所述图像对应的卷积神经网络CNN高维特征信息中提取得到相应的卷积神经网络CNN低维特征信息；

步骤S202，将所述卷积神经网络CNN低维特征信息输入到长短期记忆人工神经网络LSTM中，以此对所述卷积神经网络CNN低维特征信息进行学习，从而得到相应的图像时序特征信息。

6.如权利要求5所述的基于深度学习的快速车牌识别方法，其特征在于：在所述步骤S2中，对所述学习的结果进行优化处理具体包括：

利用CTC损失函数对所述图像时序特征信息进行干扰噪声去除处理，从而提高所述图像时序特征信息中相邻字符之间的连接性。

7.如权利要求1所述的基于深度学习的快速车牌识别方法，其特征在于：在所述步骤S3中，对待检测车辆的前方区域进行拍摄，以此获得相应的车辆头部图像具体包括：

对所述待检测车辆的前方区域进行任意角度方向的拍摄，以此获取相应的车辆头部图像。