[發明專利]一種建立車牌識別模型的方法及裝置有效
| 申請號： | 201710039014.8 | 申請日： | 2017-01-19 |
| 公開（公告）號： | CN106897770B | 公開（公告）日： | 2020-09-18 |
| 發明（設計）人： | 何建偉;吳香蓮;聶方;蒲津;王宏賓;劉彥;張如高 | 申請（專利權）人： | 博康智能信息技術有限公司北京海淀分公司 |
| 主分類號： | G06N3/08 | 分類號： | G06N3/08;G06K9/62 |
| 代理公司： | 北京三聚陽光知識產權代理有限公司 11250 | 代理人： | 陳博旸 |
| 地址： | 100192 北京市海淀區西小口*** | 國省代碼： | 北京;11 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 建立 車牌 識別 模型 方法 裝置 | ||
1.一種建立車牌識別模型的方法，其特征在于，包括：
獲取多個車牌圖像樣本和所述車牌圖像樣本中的車牌信息；
將所述多個車牌圖像樣本和所述車牌圖像樣本中的車牌信息作為訓練數據，對神經網絡模型進行訓練，直至所述神經網絡模型對車牌圖像樣本中車牌信息的識別率大于預設閾值或者神經網絡模型的損失函數的損失值收斂于預設值；
所述神經網絡模型設置有長度結果輸出層，用于輸出所述車牌圖像樣本中字符長度識別結果；
所述神經網絡模型設置有多個字符結果輸出層，所述多個字符結果輸出層分別對應輸出所述車牌圖像樣本中多個字符的識別結果。
2.根據權利要求1所述的方法，其特征在于，所述神經網絡模型為卷積神經網絡模型。
3.根據權利要求1所述的方法，其特征在于，
所述將所述多個車牌圖像樣本和所述車牌圖像樣本中的車牌信息作為訓練數據，對神經網絡模型進行訓練，直至所述神經網絡模型對車牌圖像樣本中車牌信息的識別率大于預設閾值或者神經網絡模型的損失函數的損失值收斂于預設值，包括：
將所述多個車牌圖像樣本和所述車牌圖像樣本中的車牌信息作為訓練數據，對神經網絡模型進行訓練，直至所述神經網絡模型的多個字符結果輸出層對車牌圖像樣本中多個字符的識別結果的識別率大于預設閾值或者神經網絡模型的損失函數的損失值收斂于預設值。
4.一種建立車牌識別模型的裝置，其特征在于，包括：
獲取單元，用于獲取多個車牌圖像樣本和所述車牌圖像樣本中的車牌信息；
訓練單元，用于將所述多個車牌圖像樣本和所述車牌圖像樣本中的車牌信息作為訓練數據，對神經網絡模型進行訓練，直至所述神經網絡模型對車牌圖像樣本中車牌信息的識別率大于預設閾值或者神經網絡模型的損失函數的損失值收斂于預設值；
所述神經網絡模型設置有長度結果輸出層，用于輸出所述車牌圖像樣本中字符長度識別結果；
所述神經網絡模型設置有多個字符結果輸出層，所述多個字符結果輸出層分別對應輸出所述車牌圖像樣本中多個字符的識別結果。
5.根據權利要求4所述的裝置，其特征在于，所述神經網絡模型為卷積神經網絡模型。
6.根據權利要求4所述的裝置，其特征在于，其中所述訓練單元包括：
訓練子單元，用于將所述多個車牌圖像樣本和所述車牌圖像樣本中的車牌信息作為訓練數據，對神經網絡模型進行訓練，直至所述神經網絡模型的多個字符結果輸出層對車牌圖像樣本中多個字符的識別結果的識別率大于預設閾值或者神經網絡模型的損失函數的損失值收斂于預設值。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于博康智能信息技術有限公司北京海淀分公司，未經博康智能信息技術有限公司北京海淀分公司許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201710039014.8/1.html，轉載請聲明來源鉆瓜專利網。
