[發明專利]一種車牌識別方法、裝置及電子設備

有效

• 申請號: 201811580274.7
• 申請日: 2018-12-24
• 公開（公告）號: CN111353517B
• 公開（公告）日: 2023-09-26
• 發明（設計）人: 錢華;翁春磊;李哲暘
• 申請（專利權）人: 杭州海康威視數字技術股份有限公司
• 主分類號: G06V10/764
• 分類號: G06V10/764;G06V30/148;G06V10/24;G06V10/82;G06N3/0464;G06N3/044
• 代理公司: 北京博思佳知識產權代理有限公司 11415
• 代理人: 林祥

本申請提供一種車牌識別方法、裝置及電子設備，該方法包括：將已訓練的第一網絡模型量化處理為第二網絡模型；將目標圖像輸入至所述第二網絡模型，獲得所述目標圖像中車牌的字符識別結果和車牌類別信息；其中，所述第二網絡模型基于每一網絡層的權值參數、輸入方向和輸出方向的量化比例系數對所述目標圖像進行處理；依據所述字符識別結果和所述車牌類別信息識別所述車牌。本申請通過定點數形式的網絡模型進行車牌識別，大大降低了車牌識別過程中占用的內存空間，從而提升了電子設備的運行效率。

技術領域

本申請涉及圖像處理技術領域，特別涉及一種車牌識別方法、裝置及電子設備。

背景技術

車牌是車輛的“身份證”，可唯一指示車輛。在治安監控、交通管理等領域，車牌識別技術被廣泛應用，以獲取治安卡口、出入口、停車場等場景中的車輛的車牌信息。全球各國家或地區的大多數車牌是由數字、字母和當地文字構成，若按照不同國家或地區來區分，則各地的車牌都有其固有模式，可分為若干種車牌類型。

在相關技術中，可以利用深度學習的方法提取圖像的特征后，對圖像特征進行識別，從而獲得圖像中的車牌信息。

然而，在相關技術中，通常采用浮點模型(即深度學習的網絡模型中的權值參數均為浮點數)實現車牌識別，而在需要車牌識別的場景中往往存在數量眾多的車輛，這就導致運算量巨大，在計算過程中會占用大量的內存空間，且執行的車牌識別的設備的運行效率不高。

發明內容

有鑒于此，本申請提供一種車牌識別方法、裝置及電子設備，用以在降低占用的內存空間的情況下實現車牌識別，并提高運行效率。

具體地，本申請是通過如下技術方案實現的：

一種車牌識別方法，包括：

將已訓練的第一網絡模型量化處理為第二網絡模型；其中，所述第一網絡模型中網絡層的權值參數通過浮點數表示，所述第二網絡模型中網絡層的權值參數通過定點數表示，所述第二網絡模型的每一網絡層除包括權值參數和量化比例系數，所述量化比例系數包括輸入方向和輸出方向的量化比例系數；

將目標圖像輸入至所述第二網絡模型，獲得所述目標圖像中車牌的字符識別結果和車牌類別信息；其中，所述第二網絡模型基于每一網絡層的權值參數、輸入方向和輸出方向的量化比例系數對所述目標圖像進行處理；

依據所述字符識別結果和所述車牌類別信息識別所述車牌。

在所述車牌識別方法中，所述將已訓練的第一網絡模型量化處理為第二網絡模型，包括：

將參考圖像輸入至所述第一網絡模型，以由所述第一網絡模型對所述參考圖像進行處理，獲得每一網絡層處理所述參考圖像時輸入參數的最大絕對值和最小絕對值、輸出參數的最大絕對值和最小絕對值、權值參數的最大絕對值和最小絕對值；

依據所述輸入參數的最大絕對值、最小絕對值和預設的第一量化位寬計算該網絡層輸入方向的量化比例系數；

依據所述輸出參數的最大絕對值、最小絕對值和所述第一量化位寬計算該網絡層輸出方向的量化比例系數；

依據所述權值參數的最大絕對值、最小絕對值和預設的第二量化位寬計算該網絡層的權值參數的量化比例系數，并基于所述權值參數的量化比例系數對所述權值參數進行量化處理。

在所述車牌識別方法中，所述將已訓練的第一網絡模型量化處理為第二網絡模型，包括：

將參考圖像輸入至所述第一網絡模型，以由所述第一網絡模型對所述參考圖像進行處理，獲得每一網絡層處理所述參考圖像時輸入參數的最大絕對值、輸出參數的最大絕對值、權值參數的最大絕對值；

依據所述輸入參數的最大絕對值和預設的第一量化位寬計算該網絡層輸入方向的量化比例系數；