[發明專利]車牌識別方法、裝置及計算機可讀存儲介質

在審

• 申請號: 201710819444.1
• 申請日: 2017-09-12
• 公開（公告）號: CN109492640A
• 公開（公告）日: 2019-03-19
• 發明（設計）人: 張大朋;馮俊蘭;王朝民;徐衍瀚
• 申請（專利權）人: 中國移動通信有限公司研究院;中國移動通信集團公司
• 主分類號: G06K9/34
• 分類號: G06K9/34;G06K9/46;G06K9/62
• 代理公司: 北京派特恩知識產權代理有限公司 11270
• 代理人: 王軍紅;張穎玲

1.一種車牌識別方法，其特征在于，所述方法包括：

對采集的圖像信息進行圖像特征提取；

利用提取的圖像特征，并基于分類器，識別所述圖像中的車牌圖片；所述分類器是通過對圖像樣本進行機器訓練直至滿足收斂條件后得到的模型；所述分類器的參數集合滿足：使用分類器得到的分類結果獲得的得分比不正確的類別至少高第一值；

對識別的車牌圖片進行特征提取，得到第一特征向量；

在神經網絡的輸入層輸入所述第一特征向量，在所述神經網絡的至少一層隱藏層對所述第一特征向量進行輸入到輸出的映射得到第一中間向量，在所述神經網絡的輸出層對第一中間向量進行解碼得到第一輸出向量，并將解碼錯誤值小于解碼錯誤值閾值的第一輸出向量對應的車牌字符作為識別的車牌字符。

2.根據權利要求1所述的方法，其特征在于，所述利用提取的圖像特征，并基于分類器，識別所述圖像中的車牌圖片之前，所述方法還包括：

對多個圖像樣本分別進行二值化處理，得到對應的灰度圖像樣本；

將多個灰度圖像樣本進行分類，得到分類結果；

更新所述分類器的參數集合，直至分類結果獲得的得分比不正確的類別至少高所述第一值。

3.根據權利要求1所述的方法，其特征在于，利用所述特征向量識別所述車牌字符之前，所述方法還包括：

對多個車牌圖片樣本進行二值化處理，得到對應的第二特征向量；

在所述輸入層輸入所述第二特征向量；

在所述至少一層隱藏層對所述第二特征向量進行輸入到輸出的映射，得到第二中間向量；

更新所述神經網絡的參數集合，直至達到最大迭代次數或者達到精度變化程度。

4.根據權利要求1所述的方法，其特征在于，所述識別所述車牌字符時，所述方法還包括：

采用多個線程并行處理無依賴關系的多個任務。

5.根據權利要求1所述的方法，其特征在于，所述對采集的圖像信息進行圖像特征提取之前，所述方法還包括：

將所述采集的圖像從RGB顏色空間轉變至HSV顏色空間，得到轉變后的圖像；

從轉變后的圖像中選擇待識別的圖片；

相應地，對選擇的待識別的圖片進行圖像特征提取。

6.根據權利要求1至5任一項所述的方法，其特征在于，所述對識別的車牌圖片進行特征提取，得到第一特征向量，包括：

對識別的車牌圖片進行預處理；

對預處理后的車牌圖片進行特征提取。

7.一種車牌識別裝置，其特征在于，所述裝置包括：處理器、存儲器；所述存儲器上存儲有能夠在所述處理器上運行的計算機程序；

其中，所述處理器用于運行所述計算機程序時，執行：

對采集的圖像信息進行圖像特征提取；

利用提取的圖像特征，并基于分類器，識別所述圖像中的車牌圖片；所述分類器是通過對圖像樣本進行機器訓練直至滿足收斂條件后得到的模型；所述分類器的參數集合滿足：使用分類器得到的分類結果獲得的得分比不正確的類別至少高第一值；

對識別的車牌圖片進行特征提取，得到第一特征向量；

在神經網絡的輸入層輸入所述第一特征向量，在所述神經網絡的至少一層隱藏層對所述第一特征向量進行輸入到輸出的映射得到第一中間向量，在所述神經網絡的輸出層對第一中間向量進行解碼得到第一輸出向量，并將解碼錯誤值小于解碼錯誤值閾值的第一輸出向量對應的車牌字符作為識別的車牌字符。

8.根據權利要求7所述的裝置，其特征在于，所述處理器還用于運行所述計算機程序時，執行：

所述利用提取的圖像特征，并基于分類器，識別所述圖像中的車牌圖片之前，對多個圖像樣本分別進行二值化處理，得到對應的灰度圖像樣本；

將多個灰度圖像樣本進行分類，得到分類結果；

更新所述分類器的參數集合，直至分類結果獲得的得分比不正確的類別至少高所述第一值。