[发明专利]一种基于YOLO模型的车牌定位和识别方法在审
| 申请号： | 201910856434.4 | 申请日： | 2019-09-11 |
| 公开（公告）号： | CN110781882A | 公开（公告）日： | 2020-02-11 |
| 发明（设计）人： | 金仙力;汤若聪;刘林峰 | 申请（专利权）人： | 南京钰质智能科技有限公司 |
| 主分类号： | G06K9/32 | 分类号： | G06K9/32;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 11212 北京轻创知识产权代理有限公司 | 代理人： | 王欢 |
| 地址： | 210000 江苏省南京市江*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于深度学习的车牌定位和识别方法。采用改进的YOLO(You Only look Once)算法与图像的超分辨率技术进行了优化，分别训练一个改进的YOLO卷积神经网络和一个卷积增强的SRCNN(Super Resolution)卷积神经网络。首先采用改进的深度学习YOLO算法进行车牌区域的定位，再利用校正探测器进行检测边框的校正，解决了现有车牌定位方法在某些特定场景下无法正确定位的问题，然后利用增强的卷积神经网络SRCNN模型对车牌区域的图像进行超分辨率技术的处理，使之得到分辨率和辨析率更高的照片，接着利用神经网络进行光学字符识别。本发明在YOLO卷积神经网络的训练时，采用maxout激活函数替代原模型的激活函数，增强了拟合能力，同时通过调整阀值来改进非极大值抑制，能够有效地加快边界框的筛选速度。在训练SRCNN卷积神经网络时，增加卷积核的大小和卷积层的数量，能够有效地提升图像处理的效果，因此本方法兼顾了实时性与准确率的要求。 | ||
| 搜索关键词： | 卷积神经网络 超分辨率技术 车牌定位 车牌区域 激活函数 有效地 卷积 算法 改进 边框 图像 非极大值抑制 光学字符识别 校正探测器 神经网络 图像处理 边界框 调整阀 卷积核 实时性 原模型 再利用 分辨率 准确率 拟合 校正 场景 筛选 学习 检测 替代 优化 | ||
【主权项】：
1.一种基于YOLO模型的车牌定位和识别方法，其特征在于，包含以下步骤：/nS1：采用改进的深度学习YOLO算法进行车牌区域的定位；/nS2：利用校正探测器进行检测边框的校正；/nS3：利用增强的卷积神经网络SRCNN模型对车牌区域的图像进行超分辨率技术的处/n理；S4：利用神经网络进行光学字符识别。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于南京钰质智能科技有限公司，未经南京钰质智能科技有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910856434.4/，转载请声明来源钻瓜专利网。
