[发明专利]一种车牌识别方法、装置、设备及存储介质

说明书

本申请公开了一种车牌识别方法、装置、设备及存储介质，该方法包括：获取车牌图片样本作为训练集；构建基于多任务网络结构的车牌识别模型；多任务网络结构用于通过一个深度CNN网络同时提取车牌中各种信息，包括号码、颜色和层数；使用训练集训练车牌识别模型；利用训练完成的车牌识别模型对待测车牌图片进行识别。这样通过多任务网络结构能够在同一网络中同时提取所有的车牌信息，充分利用了计算资源，且计算量非常小，构建的模型结构简单，不需要任何额外的处理即可一步到位获得车牌识别的所有目标，解决了传统方法鲁棒性低的问题，实现了高精度的车牌识别。

技术领域

本发明涉及智能交通领域，特别是涉及一种车牌识别方法、装置、设备及存储介质。

背景技术

车牌自动识别任务是智能交通领域内非常重要的一个问题，智能停车场的收费系统、车辆查找系统、交通卡口的违法行为抓拍、流动式违法稽查设备等都需要通过自动识别车牌进行车辆的身份确认。

目前，现有的车牌识别方式主要包括两种方式，第一种方式是基于传统机器学习的车牌识别方式，首先通过图像分割的方式将每一个字符扣取出来，然后对每一个字符采用模板匹配或者SVM(支持向量机)的方式进行分类，通过这种方式来识别车牌号码，同时，通过抠图字符的位置信息来确定车牌层数，并通过传统的颜色分析来实现颜色提取。这种方式鲁棒性较差，一般应用于停车场入口处。而第二种方式是采用深度学习的方式将车牌识别任务分解为目标检测任务和分类任务来进行处理。首先检测出车牌中的各个字符，然后对每个字符分别进行分类，识别车牌号码，然后通过检测框的位置确定层数，通过颜色分析或者分类模型识别车牌颜色。这种方式可以处理复杂的环境，但是将车牌识别任务分为两个阶段处理，增加了系统的复杂度，部署更加麻烦，且处理时间也会大幅增加，难以保证实时性。

因此，如何实现快速，低资源占用的车牌识别，是本领域技术人员亟待解决的技术问题。

发明内容

有鉴于此，本发明的目的在于提供一种车牌识别方法、装置、设备及存储介质，可以充分利用计算资源，保证车牌识别的精确度，鲁棒性好。其具体方案如下：

一种车牌识别方法，包括：

获取车牌图片样本作为训练集；

构建基于多任务网络结构的车牌识别模型；所述多任务网络结构用于通过一个深度CNN网络同时提取车牌中各种信息，包括号码、颜色和层数；

使用所述训练集训练所述车牌识别模型；

利用训练完成的所述车牌识别模型对待测车牌图片进行识别。

优选地，在本发明实施例提供的上述车牌识别方法中，在所述多任务网络结构中利用不同的信息层级处理不同的任务，所述任务包括车牌号码识别任务、颜色分类任务和层数分类任务。

优选地，在本发明实施例提供的上述车牌识别方法中，在所述多任务网络结构的浅层特征中引入所述颜色分类任务；

在所述多任务网络结构的中层特征中引入所述层数分类任务；

在所述多任务网络结构最后的输出任务中引入所述车牌号码识别任务。

优选地，在本发明实施例提供的上述车牌识别方法中，在所述多任务网络结构最后一个卷积层的后面接入两个池化层，以使所述车牌号识别任务变为两个分支，第一个分支用来处理双层车牌的上层车牌号码识别，第二个分支用来处理双层车牌的下层车牌号码识别或识别单层车牌号码识别。

优选地，在本发明实施例提供的上述车牌识别方法中，训练所述车牌识别模型，包括：

对于双层车牌，所述第一个分支以上层车牌字符为标注，所述第二个分支以下层车牌字符为标注；

对于单层车牌，所述第一个分支以空字符串为标注，所述第二个分支以单层车牌字符作为标注。