[發(fā)明專利]車牌的識別方法、裝置、存儲介質(zhì)及處理器

在審

• 申請?zhí)枺?/td>: 201710450156.3
• 申請日: 2017-06-15
• 公開（公告）號: CN107273894A
• 公開（公告）日: 2017-10-20
• 發(fā)明（設(shè)計）人: 周文明;王志鵬
• 申請（專利權(quán)）人: 珠海習(xí)悅信息技術(shù)有限公司
• 主分類號: G06K9/32
• 分類號: G06K9/32;G06N3/04
• 代理公司: 北京挺立專利事務(wù)所(普通合伙)11265
• 代理人: 倪鉅芳

1.一種模糊車牌的識別方法，其特征在于，包括：

在采集到模糊車牌圖像的情況下，根據(jù)預(yù)設(shè)車牌檢測卷積神經(jīng)網(wǎng)絡(luò)模型獲取所述模糊車牌圖像中的多幀第一車牌區(qū)域圖像，其中，所述多幀第一車牌區(qū)域圖像在所述模糊車牌圖像中的位置一一相鄰；

根據(jù)預(yù)設(shè)運動補償模型對所述多幀第一車牌區(qū)域圖像進行對齊處理，得到對齊后的所述多幀第一車牌區(qū)域圖像；

根據(jù)預(yù)設(shè)3D卷積神經(jīng)網(wǎng)絡(luò)模型對所述對齊后的所述多幀第一車牌區(qū)域圖像進行去模糊化處理和圖像質(zhì)量增強處理，得到第二車牌區(qū)域圖像；

根據(jù)所述第二車牌區(qū)域圖像、所述模糊車牌圖像中的車牌號碼信息和號碼位置信息對預(yù)設(shè)車牌號碼識別卷積神經(jīng)網(wǎng)絡(luò)模型進行訓(xùn)練，直至所述預(yù)設(shè)車牌號碼識別卷積神經(jīng)網(wǎng)絡(luò)模型達到收斂狀態(tài)；

對所述預(yù)設(shè)車牌檢測卷積神經(jīng)網(wǎng)絡(luò)模型、所述預(yù)設(shè)運動補償模型、所述預(yù)設(shè)3D卷積神經(jīng)網(wǎng)絡(luò)模型和達到所述收斂狀態(tài)的所述預(yù)設(shè)車牌號碼識別卷積神經(jīng)網(wǎng)絡(luò)模型進行級聯(lián)處理，得到目標(biāo)識別模型；

根據(jù)所述目標(biāo)識別模型對所述模糊車牌圖像進行識別，得到所述模糊車牌圖像中的車牌字符的識別結(jié)果。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，在根據(jù)預(yù)設(shè)車牌檢測卷積神經(jīng)網(wǎng)絡(luò)模型獲取所述模糊車牌圖像中的多幀第一車牌區(qū)域圖像之前，所述方法還包括：

獲取所述模糊車牌圖像中的車牌位置信息；

根據(jù)所述模糊車牌圖像和所述車牌位置信息訓(xùn)練所述預(yù)設(shè)車牌檢測卷積神經(jīng)網(wǎng)絡(luò)模型，直至所述預(yù)設(shè)車牌檢測卷積神經(jīng)網(wǎng)絡(luò)模型達到收斂狀態(tài)。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，在根據(jù)預(yù)設(shè)車牌檢測卷積神經(jīng)網(wǎng)絡(luò)模型獲取所述模糊車牌圖像中的多幀第一車牌區(qū)域圖像之前，所述方法還包括：

對所述模糊車牌圖像進行預(yù)處理，其中，所述預(yù)處理的方式包括下述至少之一：尺寸縮放、均值消減和像素值歸一化。

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，在根據(jù)預(yù)設(shè)3D卷積神經(jīng)網(wǎng)絡(luò)模型對所述對齊后的所述多幀第一車牌區(qū)域圖像進行去模糊化處理和圖像質(zhì)量增強處理之前，所述方法還包括：

采用隨機梯度下降法對所述預(yù)設(shè)3D卷積神經(jīng)網(wǎng)絡(luò)模型進行訓(xùn)練，直至所述預(yù)設(shè)3D卷積神經(jīng)網(wǎng)絡(luò)模型達到收斂狀態(tài)。

5.一種模糊車牌的識別裝置，其特征在于，包括：

第一獲取單元，用于在采集到模糊車牌圖像的情況下，根據(jù)預(yù)設(shè)車牌檢測卷積神經(jīng)網(wǎng)絡(luò)模型獲取所述模糊車牌圖像中的多幀第一車牌區(qū)域圖像，其中，所述多幀第一車牌區(qū)域圖像在所述模糊車牌圖像中的位置一一相鄰；

第一處理單元，用于根據(jù)預(yù)設(shè)運動補償模型對所述多幀第一車牌區(qū)域圖像進行對齊處理，得到對齊后的所述多幀第一車牌區(qū)域圖像；

第二處理單元，用于根據(jù)預(yù)設(shè)3D卷積神經(jīng)網(wǎng)絡(luò)模型對所述對齊后的所述多幀第一車牌區(qū)域圖像進行去模糊化處理和圖像質(zhì)量增強處理，得到第二車牌區(qū)域圖像；

第三處理單元，用于根據(jù)所述第二車牌區(qū)域圖像、所述模糊車牌圖像中的車牌號碼信息和號碼位置信息對預(yù)設(shè)車牌號碼識別卷積神經(jīng)網(wǎng)絡(luò)模型進行訓(xùn)練，直至所述預(yù)設(shè)車牌號碼識別卷積神經(jīng)網(wǎng)絡(luò)模型達到收斂狀態(tài)；

第四處理單元，用于對所述預(yù)設(shè)車牌檢測卷積神經(jīng)網(wǎng)絡(luò)模型、所述預(yù)設(shè)運動補償模型、所述預(yù)設(shè)3D卷積神經(jīng)網(wǎng)絡(luò)模型和達到所述收斂狀態(tài)的所述預(yù)設(shè)車牌號碼識別卷積神經(jīng)網(wǎng)絡(luò)模型進行級聯(lián)處理，得到目標(biāo)識別模型；

識別單元，用于根據(jù)所述目標(biāo)識別模型對所述模糊車牌圖像進行識別，得到所述模糊車牌圖像中的車牌字符的識別結(jié)果。

6.根據(jù)權(quán)利要求5所述的裝置，其特征在于，所述裝置還包括：

第二獲取單元，用于獲取所述模糊車牌圖像中的車牌位置信息；

第五處理單元，用于根據(jù)所述模糊車牌圖像和所述車牌位置信息訓(xùn)練所述預(yù)設(shè)車牌檢測卷積神經(jīng)網(wǎng)絡(luò)模型，直至所述預(yù)設(shè)車牌檢測卷積神經(jīng)網(wǎng)絡(luò)模型達到收斂狀態(tài)。

7.根據(jù)權(quán)利要求5所述的裝置，其特征在于，所述裝置還包括：

第六處理單元，用于對所述模糊車牌圖像進行預(yù)處理，其中，所述預(yù)處理的方式包括下述至少之一：尺寸縮放、均值消減和像素值歸一化。

8.根據(jù)權(quán)利要求5所述的裝置，其特征在于，所述裝置還包括：

第七處理單元，用于采用隨機梯度下降法對所述預(yù)設(shè)3D卷積神經(jīng)網(wǎng)絡(luò)模型進行訓(xùn)練，直至所述預(yù)設(shè)3D卷積神經(jīng)網(wǎng)絡(luò)模型達到收斂狀態(tài)。