[發明專利]車牌識別方法、裝置、設備及存儲介質

有效

• 申請號: 201910324980.3
• 申請日: 2019-04-22
• 公開（公告）號: CN110070082B
• 公開（公告）日: 2022-02-11
• 發明（設計）人: 鄒文藝;晉兆龍;肖瀟
• 申請（專利權）人: 蘇州科達科技股份有限公司
• 主分類號: G06V10/764
• 分類號: G06V10/764;G06V20/62;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: 馬永芬

本申請公開了一種車牌識別方法、裝置、設備及存儲介質，屬于機器學習技術領域。所述方法包括：獲取目標圖像；調用車牌識別模型對目標圖像進行處理，得到目標圖像中的車牌信息，車牌信息包括車牌顏色、車牌層數以及車牌字符中的至少兩種；輸出目標圖像的車牌信息。通過調用車牌識別模型對目標圖像進行處理，得到目標圖像中的車牌信息，由于該車牌信息包括車牌顏色、車牌層數以及車牌字符中的至少兩種信息，解決了相關技術中基于車牌字符的車牌識別方法精確度較低的問題，提高了車牌識別的精確度，同時在一定程度上提高了車牌識別的準確度。

技術領域

本申請涉及機器學習技術領域，具體涉及一種車牌識別方法、裝置、設備及存儲介質。

背景技術

車輛牌照，簡稱車牌，是車管所發布給機動車輛的行車憑證。為了方便有效地管理車輛，道路上行駛的車輛均需設置車牌，通過車牌來管理車輛的相關信息。而為了確定車輛的車牌，需要進行車牌識別。

相關技術中的車牌識別方法為：監控設備拍攝得到目標車輛的圖像，將該圖像中的一幀目標圖像發送至識別設備，識別設備對目標圖像中的車牌區域進行識別，得到目標圖像中的車牌字符信息。

發明內容

本申請實施例提供了一種車牌識別方法、裝置、設備和存儲介質，可以解決相關技術中的車牌識別方法精確度較差的問題。

一方面，本申請實施例提供了一種車牌識別方法，所述方法包括：

獲取目標圖像；

調用車牌識別模型對所述目標圖像進行處理，得到所述目標圖像中的車牌信息，所述車牌識別模型是用于識別圖像中的車牌信息的機器學習模型，所述車牌信息包括車牌顏色、車牌層數以及車牌字符中的至少兩種；

輸出所述目標圖像的車牌信息。

在一個可選的實施例中，所述車牌識別模型包括n個級聯的神經網絡層，以及全連接層，n為正整數，n≥2；

所述調用車牌識別模型對所述目標圖像進行處理，得到所述目標圖像中的車牌信息，包括：

通過所述n個神經網絡層的第一神經網絡層對所述目標圖像進行處理，得到第一特征向量，將所述第一特征向量傳輸至所述全連接層；

通過所述n個神經網絡層中的第i神經網絡層對所述第i-1特征向量進行處理，得到第i特征向量，將所述第i特征向量傳輸至所述全連接層，i為正整數，2≤i≤n；

通過所述全連接層對n個特征向量進行識別，得到所述車牌信息。

在一個可選的實施例中，所述車牌識別模型可識別的車牌顏色包括至少兩種預設顏色；

所述通過所述全連接層對n個特征向量進行識別，得到所述車牌信息，包括：

通過所述全連接層識別所述n個特征向量，確定所述目標圖像中包含每種所述預設顏色的概率；

將概率最高的預設顏色確定為所述車牌顏色。

在一個可選的實施例中，所述車牌識別模型可識別的車牌層數包括至少兩種預設層數；

所述通過所述全連接層對n個特征向量進行識別，得到所述車牌信息，包括：

通過所述全連接層識別所述n個特征向量，確定所述目標圖像中包含每種所述預設層數的概率；

將概率最高的預設層數確定為所述車牌層數。

在一個可選的實施例中，所述通過所述全連接層對n個特征向量進行識別，得到所述車牌信息，包括：

通過所述全連接層識別所述n個特征向量，確定所述目標圖像中包含的所述車牌字符。

在一個可選的實施例中，所述獲取目標圖像之前，還包括：