[发明专利]一种基于序列学习的车牌识别方法

摘要

一种基于序列学习的车牌识别方法，属于智能交通技术领域。它通过一个用于字符检测识别的深度神经网络，将车牌图像换为由候选字符构成的序列，然后输入训练得到的序列转换模型，得到新的字符索引序列，最后按索引重组原候选字符，得到车牌识别结果。本发明通过采用上述技术得到的基于序列学习的车牌识别方法，使机器自主学习车牌字符的取舍与排列组合规则，减轻了人工设计启发式规则的压力，借助大量的数据样本学习经验，序列模型能在多制式车牌的识别问题上更加灵活。相比于传统的序列处理方法，诸如隐马尔科夫，本发明能在更长时的依赖中找到序列元素的联系，取得更好的序列转换结果。

主权项

1.一种基于序列学习的车牌识别方法，其特征在于包括如下步骤：步骤1：首先准备车牌字符检测数据集，在每一张车牌上标注每一车牌字符的位置矩形框R与类别标签C，C∈D，D为字符索引表；然后基于准备的数据集训练用于车牌字符检测的深度卷积神经网络模型M_C；步骤2：训练用于序列转换的Sequence‑to‑Sequence模型M_S；步骤3：将待识别的图像G输入到用于车牌字符检测的深度卷积神经网络模型M_C，编码得到候选车牌字符构成的序列X_G＝{u₁,u₂,…,u_Nx}，其中u_i表示序列X_G的第i个字符，1≤i≤Nx，Nx表示序列X_G的长度；步骤4：将步骤3得到的序列X_G输入步骤2得到的Sequence‑to‑Sequence模型M_S，得到转换序列Y_G＝{v₁,v₂,…,v_Ny}，其中v_i表示序列Y_G的第i个字符，1≤i≤Ny，Ny表示序列Y_G的长度；步骤5：参照字符索引表D、序列索引字典V和步骤3得到的序列X_G，将步骤5得到的转换序列Y_G进行翻译；步骤6：返回由步骤5得到车牌识别结果Z。