[发明专利]车牌识别方法、电子设备、存储介质以及程序产品

说明书

本发明提供一种车牌识别方法、电子设备、存储介质以及程序产品。方法应用于电子设备，电子设备设有线程池，线程池具有多个并行执行的线程，每一线程执行的车牌识别方法包括：获取对车牌进行拍摄得到的原始图像；将原始图像输入MNN初始目标识别模型得到带有初级目标的中间图像；对中间图像基于自信度规则和图形参数规则进行过滤，得到带有目标车牌的次级图像；将次级图像输入MNN最终目标识别模型，通过MNN最终目标识别模型对次级图像进行识别获取车牌信息。通过将输入MNN最终目标识别模型前的中间图像，基于自信度规则和图形参数规则进行过滤，减小识别目标数量。再通过电子设备的线程池的多个线程并行执行多个车牌的识别，提高车牌识别的效率。

技术领域

本发明涉及车牌识别技术领域，尤其涉及一种车牌识别方法、电子设备、存储介质以及程序产品。

背景技术

车牌识别技术广泛应用于停车场道闸系统、小区及办公区域门禁通道闸系统中。通过拍摄车牌图像，根据车牌图像自动识别并记录车牌，相比人工记录车牌信息，大大提高车辆出入管理的智能化程度。

尽管基于电子设备的车牌识别技术已经日臻完善，但是目前车牌识别效率仍然较低，亟待改进。

发明内容

本发明提供一种车牌识别方法、电子设备、存储介质以及程序产品，用以解决现有技术中车牌识别效率仍然较低的缺陷，实现提高对车辆车牌识别的效率。

本发明提供一种车牌识别方法，所述车牌识别方法应用于电子设备，所述电子设备设有线程池，所述线程池具有多个并行执行的线程，每一所述线程执行的车牌识别方法包括：

获取对车牌进行拍摄得到的原始图像；

将所述原始图像输入MNN初始目标识别模型得到带有初级目标的中间图像；

对所述中间图像基于自信度规则和图形参数规则进行过滤，得到带有目标车牌的次级图像；

将所述次级图像输入MNN最终目标识别模型，通过所述MNN最终目标识别模型对所述次级图像进行识别获取车牌信息。

根据本发明提供的一种车牌识别方法，所述将所述次级图像输入MNN最终目标识别模型，通过所述MNN最终目标识别模型对所述次级图像进行识别获取车牌信息的步骤之后，还包括：

构建键值对应表，所述键值对应表存储所述MNN最终目标识别模型的识别结果；

当所述识别结果超过预设次数阈值时，保存所述识别结果。

根据本发明提供的一种车牌识别方法，所述将所述次级图像输入MNN最终目标识别模型，通过所述MNN最终目标识别模型对所述次级图像进行识别获取车牌信息的步骤之后，所述构建键值对应表存储所述MNN最终目标识别模型的识别结果的步骤之前还包括：

对所述车牌信息基于车牌字符规则、车牌位数规则以及车牌颜色与车牌长度的对应规则的至少一种规则进行过滤。

根据本发明提供的一种车牌识别方法，所述键值对应表采用CocurrentHashMap作为键值对应表。

根据本发明提供的一种车牌识别方法，所述构建键值对应表的步骤之后，还包括：

对所述键值对应表进行加锁同步处理。

根据本发明提供的一种车牌识别方法，所述自信度规则包括若识别目标的自信度低于设定阈值，则过滤所述中间图像中的所述识别目标。

根据本发明提供的一种车牌识别方法，所述图形参数规则包括宽高比过滤规则、坐标位置过滤规则以及面积大小过滤规则中的至少一种。

本发明还提供一种车牌识别装置，所述车牌识别装置用于电子设备，所述电子设备设有线程池，所述线程池具有多个并行执行的线程，每一所述线程执行的车牌识别方法装置包括：