[发明专利]一种基于改进YOLOv4的车牌识别技术

说明书

本发明公开了一种基于改进YOLOV4的车牌定位技术。首先需要获取车牌定位数据集，进行数据增强，并对车牌定位数据集进行数据扩充得到样本集；基于YOLO V4算法搭建改进型YOLO V4网络结构，得到改进YOLO V4算法；利用样本集对改进的YOLO V4算法进行训练，将训练后得到的权重文件加载至改进的YOLO V4算法中得到目标检测网络；针对获取的待识别图像采用所述的目标检测技术输出检测结果。本发明的方法具有较高的检测速度和小目标检测精度。

技术领域

本申请属于计算机视觉技术领域，涉及一种基于改进YOLOv4的车牌识别 技术，可以应用于各种场景的用于车牌识别

背景技术

近几年，随着经济的发展和人们的生活水平日益提高，购买力也逐步增强， 购买汽车作为代步工具成为了越来越多人的选择。然而，由于汽车出行的频率变 高，导致传统的交通规范和管理方式变得日益不足。在上世纪90年代，智能交 通系统(IntelligentTransportation System，ITS)的出现，使得交通管理在一定程 度上得到了重大进步，ITS综合了通信，计算机等相关技术，在人，车，管理机 构三方面搭建起了一道桥梁，实现了三折的协同配合，在很大程度上提高了管理 部分对交通的管理效率，也让交通运输效率得到了的提高。为此，我国在上世纪 就拟定了国内ITS发展的综合方案，经过数十年的努力，ITS的相应基础建设得 到了进一步的完善。

利用目标检测技术实现的车牌识别系统(License Plate Recognition System，LPRS)在交通管理信息化的进程中具有重大作用，大大的提高了传统管理模式 的效率。传统的目标检测算法的核心思想是在多尺度图像上面应用多尺度窗口进 行滑动，每个滑动窗口位置提取出固定长度的特征向量，然后采用SVM进行学 习判定。但是这种方法有很多弊端。首先，滑动窗口的区域选择策略没有针对性， 时间复杂度高，导致学习效率底下。并且，手工设计的特征对于多样性的变化没 有很好的鲁棒性。

传统的相关方案不仅在速度上有所不足，并且在准确度上也不是很可观， 在采用基于人工智能的车牌识别技术后，可以直接对车牌进行端到端的识别，提 高了识别的速度和准确率。另外，在可行性和便携性方面，基于人工智能的车牌 识别技术也要比传统的的方案更加出众。目前，该技术已经成功应用于各种交通 场景。

但是目前的车牌识别技术由于我国车牌的版式存在着各种各样的不足。例 如，由于中文字符，车牌模糊，车牌倾斜等。如果采用传统的相关技术，在识别 速度以及准确率上就很难达到一个令人满意的效果。基于以上存在的问题，本发 明设计了一种基于改进的YOLOv4的车牌识别技术。

发明内容

本发明的目的在于提供种基于改进的YOLOv4的车牌识别技术，该方法提 高了识别高速行驶下的汽车车牌的速度以及精准度，并且提高了识别的稳定性。

为了解决上述问题，采用以下技术方案，具体步骤如下：

步骤S1、收集视频图像，然后将其制作为数据集；

步骤S2、对建立的数据集进行预处理，建立训练集和测试集；

步骤S3、基于YOLO V4算法构建改进后的YOLO V4模型，得到改进的YOLO V4 模型。

步骤S4、使用S1所述训练集对改进的YOLO V4模型进行训练，再将训练得 到的权重文件加载至改进的YOLO V4算法中得到目标检测网络。

步骤S5、使用测试集测试S4中训练好的模型，然后用于车牌定位的检测。