[發(fā)明專利]車牌識(shí)別方法、裝置及計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)

在審

• 申請?zhí)枺?/td>: 201710819444.1
• 申請日: 2017-09-12
• 公開（公告）號: CN109492640A
• 公開（公告）日: 2019-03-19
• 發(fā)明（設(shè)計(jì)）人: 張大朋;馮俊蘭;王朝民;徐衍瀚
• 申請（專利權(quán)）人: 中國移動(dòng)通信有限公司研究院;中國移動(dòng)通信集團(tuán)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(shí)產(chǎn)權(quán)代理有限公司 11270
• 代理人: 王軍紅;張穎玲

本發(fā)明公開了一種車牌識(shí)別方法、裝置及存儲(chǔ)介質(zhì)。方法包括：對采集的圖像信息進(jìn)行圖像特征提取；利用提取的圖像特征，并基于分類器，識(shí)別圖像中的車牌圖片；分類器是通過對圖像樣本進(jìn)行機(jī)器訓(xùn)練直至滿足收斂條件后得到的模型；模型中的參數(shù)集合滿足：使用分類器得到的分類結(jié)果獲得的得分比不正確的類別至少高第一值；對識(shí)別的車牌圖片進(jìn)行特征提取，得到第一特征向量；在神經(jīng)網(wǎng)絡(luò)的輸入層輸入所述第一特征向量，在神經(jīng)網(wǎng)絡(luò)的至少一層隱藏層對第一特征向量進(jìn)行輸入到輸出的映射得到第一中間向量，在神經(jīng)網(wǎng)絡(luò)的輸出層對第一中間向量進(jìn)行解碼得到第一輸出向量，并將解碼錯(cuò)誤值小于解碼錯(cuò)誤值閾值的第一輸出向量對應(yīng)的車牌字符作為識(shí)別的車牌字符。

技術(shù)領(lǐng)域

本發(fā)明涉及數(shù)據(jù)業(yè)務(wù)領(lǐng)域，尤其涉及一種車牌識(shí)別方法、裝置及計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)。

背景技術(shù)

目前，識(shí)別車牌的方案一般步驟包括：(1)收集車牌的圖像；(2)利用收集到的圖像訓(xùn)練某個(gè)識(shí)別模型；(3)利用訓(xùn)練模型識(shí)別采集到的圖像中的車牌字符；(4)保存識(shí)別出的車牌字符。

然而，上述識(shí)別車牌的方案中，只使用一個(gè)識(shí)別模型來識(shí)別車牌字符，識(shí)別的精度差。

發(fā)明內(nèi)容

為解決現(xiàn)有存在的技術(shù)問題，本發(fā)明實(shí)施例提供一種車牌識(shí)別方法、裝置及計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)。

本發(fā)明實(shí)施例的技術(shù)方案是這樣實(shí)現(xiàn)的：

本發(fā)明實(shí)施例提供了一種車牌識(shí)別方法，包括：

對采集的圖像信息進(jìn)行圖像特征提取；

利用提取的圖像特征，并基于分類器，識(shí)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(jìn)行機(jī)器訓(xùn)練直至滿足收斂條件后得到的模型；所述分類器的參數(shù)集合滿足：使用分類器得到的分類結(jié)果獲得的得分比不正確的類別至少高第一值；

對識(shí)別的車牌圖片進(jìn)行特征提取，得到第一特征向量；

在神經(jīng)網(wǎng)絡(luò)的輸入層輸入所述第一特征向量，在所述神經(jīng)網(wǎng)絡(luò)的至少一層隱藏層對所述第一特征向量進(jìn)行輸入到輸出的映射得到第一中間向量，在所述神經(jīng)網(wǎng)絡(luò)的輸出層對第一中間向量進(jìn)行解碼得到第一輸出向量，并將解碼錯(cuò)誤值小于解碼錯(cuò)誤值閾值的第一輸出向量對應(yīng)的車牌字符作為識(shí)別的車牌字符。

上述方案中，所述利用提取的圖像特征，并基于分類器，識(shí)別所述圖像中的車牌圖片之前，所述方法還包括：

對多個(gè)圖像樣本分別進(jìn)行二值化處理，得到對應(yīng)的灰度圖像樣本；

將多個(gè)灰度圖像樣本進(jìn)行分類，得到分類結(jié)果；

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

上述方案中，利用所述特征向量識(shí)別所述車牌字符之前，所述方法還包括：

對多個(gè)車牌圖片樣本進(jìn)行二值化處理，得到對應(yīng)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(jìn)行輸入到輸出的映射，得到第二中間向量；

更新所述神經(jīng)網(wǎng)絡(luò)的參數(shù)集合，直至達(dá)到最大迭代次數(shù)或者達(dá)到精度變化程度。

上述方案中，所述識(shí)別所述車牌字符時(shí)，所述方法還包括：

采用多個(gè)線程并行處理無依賴關(guān)系的多個(gè)任務(wù)。

上述方案中，所述對采集的圖像信息進(jìn)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(zhuǎn)變至HSV顏色空間，得到轉(zhuǎn)變后的圖像；

從轉(zhuǎn)變后的圖像中選擇待識(shí)別的圖片；