[发明专利]基于深度学习特征对比的船牌识别方法

摘要

本发明公开了一种基于深度学习特征对比的船牌识别方法，本发明采用深度学习卷积神经网络技术构建船只船牌检测模型及船牌字符识别模型，计算速度快、精度高，且对多种光照、背景、环境、船舶外观变化等具有很强的鲁棒性；充分考虑了船牌字符识别中汉字的变化性和多样性，将船牌字符的数字识别和汉字识别分开处理，采用分阶段训练法，先基于logistic loss和cross entropy loss在船牌数字数据集上进行训练，再基于logistic loss和triplet loss在船牌汉字数据集上进行训练，保证了训练效率和收敛速度。此外，基于triplet loss训练可有效应对船牌汉字数据集种类多、分布均匀的情况，在降低类内的距离的同时增大类间差距，提升识别效果。

主权项

1.一种基于深度学习特征对比的船牌识别方法，其特征在于：包括下列步骤：步骤一：获取多张包含船只及船牌的图片，构建船只船牌检测数据集、船牌数字数据集、船牌汉字三元组数据集；步骤二：基于深度学习卷积神经网络技术构建船只船牌检测卷积神经网络，并在船只船牌检测数据集上进行训练，得到船只船牌检测模型；步骤三：基于深度学习卷积神经网络技术构建船牌字符识别卷积神经网络；步骤四：在船牌数字数据集上，采用梯度下降法基于logistic loss和cross entropy loss训练船牌字符识别卷积神经网络，得到船牌字符识别初步模型；步骤五：在船牌汉字三元组数据集上，采用梯度下降法基于logistic loss和triplet loss训练船牌字符识别初步模型，得到船牌字符识别模型；步骤六：选择多张船牌汉字字符，输入到船牌字符识别模型中，构建船牌汉字特征库；步骤七：获取需要检测的船只监控图像，输入到船只船牌检测模型及船牌字符识别模型中，得到船牌识别的初步结果；步骤八：基于船牌识别的初步结果和船牌汉字特征库，根据欧氏距离进行特征比对，获取船牌识别的最终结果。