[发明专利]一种复杂场景下的车牌识别方法及系统

权利要求书

1.一种复杂场景下的车牌识别方法，其特征在于，包括：

获取作为训练样本的车牌数据集并对获取的所述车牌数据集进行预处理；

将所述车牌数据集输入识别模型进行处理，获取识别模型的识别结果；所述车牌数据集包括若干车牌图片；

将所述识别结果输入评估模型，获取评估结果；

其中，所述识别模型依次包括下采样模块、序列化特征提取模块、图像增强模块；

所述下采样模块用于对输入的车牌数据集进行下采样并提取底层特征；

所述序列化特征提取模块用于对提取的所述底层特征进行序列化特征提取；

所述图像增强模块用于对提取的所述底层特征进行图像增强。

2.根据权利要求1所述的方法，其特征在于，所述下采样模块由一个卷积层和三个Resblock模块组成，一个所述Resblock模块中至少包括两个卷积层。

3.根据权利要求1或2所述的方法，其特征在于，所述图像增强模块采用上采样进行图像增强。

4.根据权利要求3所述的方法，其特征在于，所述识别模型对输入的所述车牌图片的处理包括：

对所述车牌图片进行下采样提取底层特征；

对提取到的所述特征分别进行序列化特征和图像增强；

将经过图像增强的特征和经过序列化特征提取的特征进行特征融合得到识别结果。

5.根据权利要求1所述的方法，其特征在于，所述评估模型采用以下方式对所述识别结果进行评估：

Acc＝Righer/All；

Acc代表识别模型的识别车牌的精确率，Right代表识别正确的车牌数，All代表所有车牌数据集中的车牌的样本数；

所述评估模型的测试指标至少包括以下一种：回归损失平方和、top1车牌准确率、top1_in_top5车牌准确率；

其中，所述回归损失平方和与车牌数据集的车牌图片的识别置信度和预测质量分相关，所述top1车牌准确率、top1_in_top5车牌准确率与识别模型的识别准确率相关。

6.一种复杂场景下的车牌识别设备，其特征在于，包括：

获取模块，用于获取作为训练样本的车牌数据集并对获取的所述车牌数据集进行预处理；

识别模块，用于将所述车牌数据集输入识别模型进行处理，获取识别模型的识别结果；所述车牌数据集包括若干车牌图片；

评估模块，用于将所述识别结果输入评估模型，获取评估结果。

7.根据权利要求6所述的设备，其特征在于，所述识别模型依次包括下采样模块、序列化特征提取模块、图像增强模块；

所述下采样模块用于对输入的车牌数据集进行下采样并提取底层特征；

所述序列化特征提取模块用于对提取的所述底层特征进行序列化特征提取；

所述图像增强模块用于对提取的所述底层特征进行图像增强。

8.根据权利要求6所述的设备，其特征在于，所述下采样模块由一个卷积层和三个Resblock模块组成，一个所述Resblock模块中至少包括两个卷积层。

9.根据权利要求8或7所述的方法，其特征在于，所述图像增强模块采用上采样进行图像增强。

10.一种复杂场景下的车牌识别装置，所述装置包括处理器以及存储器；所述存储器用于存储指令，其特征在于，所述指令被所述处理器执行时，导致所述装置实现如权利要求1至5中任一项所述复杂场景下的车牌识别方法对应的操作。