[發明專利]雙行車牌的自動識別方法

有效

• 申請號: 202010114224.0
• 申請日: 2020-02-25
• 公開（公告）號: CN111353500B
• 公開（公告）日: 2023-07-28
• 發明（設計）人: 楊磊;邱國慶;魏敦楷
• 申請（專利權）人: 上海其高電子科技有限公司
• 主分類號: G06V30/148
• 分類號: G06V30/148;G06V10/774;G06V10/82;G06N3/0464
• 代理公司: 上海交達專利事務所 31201
• 代理人: 王毓理;王錫麟

一種雙行車牌的自動識別方法，通過對待測圖像進行預處理后輸入經過訓練的用于雙行車牌分類的車牌檢測分類器和雙行車牌端到端識別器，識別得到候選車牌號；然后利用車牌類別及對應編碼規則對候選車牌號進行復核，實現雙行車牌識別。本發明改進現有網絡模型，識別階段采用兩個獨立的卷積神經網絡，分別提取上下兩行車牌序列特征再拼接識別，避免了手動校正和分割拼接，自動化程度高、穩定性好。

技術領域

本發明涉及的是一種圖像識別處理領域的技術，具體是一種雙行車牌的自動識別方法。

背景技術

我國車牌從結構上主要分為單行車牌和雙行車牌，雙行車牌主要包括大型汽車后號牌、掛車號牌、武警車號牌、軍車號牌、拖拉機號牌以及大部分摩托車號牌等。相較于單行車牌，雙行車牌結構上較為復雜，主要體現在上下兩行車牌的字符大小、數目均不一致，再由于環境噪聲導致的車牌模糊、傾斜、遮擋等影響，傳統的基于字符分割或者上下行切割線的雙行車牌識別算法，穩定性差且精度不高?；谏疃葘W習的雙行車牌端到端識別，網絡結構復雜，且需要大量雙行車牌數據，適用性低。

發明內容

本發明針對現有技術采用的模型大多較為復雜，無法和單行車牌共有同一個網絡結構，且識別之前需要對雙行車牌進行手動分割拼接，很難實現穩定的識別的缺陷，提出一種雙行車牌的自動識別方法，改進現有網絡模型，識別階段采用兩個獨立的卷積神經網絡，分別提取上下兩行車牌序列特征再拼接識別，避免了手動校正和分割拼接，自動化程度高、穩定性好。

本發明是通過以下技術方案實現的：

本發明涉及一種雙行車牌的自動識別方法，通過對待測圖像進行預處理后輸入經過訓練的用于雙行車牌分類的車牌檢測分類器和雙行車牌端到端識別器，識別得到候選車牌號；然后利用車牌類別及對應編碼規則對候選車牌號進行復核，實現雙行車牌識別。

所述的預處理是指：根據實際情況，預設相應的轉角和行切割線范圍，對待測圖像進行自動旋轉、裁剪，得到包含一組包含兩行車牌的圖像。

所述的雙行車牌端到端識別器包括兩個神經網絡分支，每個神經網絡分支包括依次設置的第一卷積層、第一池化層、第二卷積層、第二池化層、第三卷積層、第四卷積層、第三池化層、第五卷積層、第六卷積層、第四池化層、第七卷積層，兩個神經網絡分支的輸出端通過softmax層輸出車牌及置信度信息。

所述的候選車牌號，通過將預處理后的兩行車牌圖像分別輸入端到端識別器進行特征提取和序列拼接，得到車牌對應的序列特征，并進一步通過序列分類和識別，得到若干車牌號及其對應置信度和雙行車牌對應的旋轉校正角和上下切割線，以置信度最大的車牌號作為候選車牌號。

所述的雙行車牌端到端識別器，分為訓練階段和識別階段，其中：每個神經網絡分支的訓練通過對灰度化后的單行車牌進行特征提取，將得到的特征序列信息采用雙向LSTM進行序列分類，再通過CTC損失函數對分類信息對齊，得到車牌及置信度信息得以實現；雙行車牌端到端識別器的識別階段通過對待測雙行車牌進行預處理后進行特征提取，再將上下兩行車牌的特征序列信息左右拼接，采用雙向LSTM進行序列分類，再通過CTC損失函數對分類信息對齊，得到車牌號及置信度信息，通過softmax層合并一組車牌號及置信度信息相連并傳輸最終識別的車牌號及置信度信息。

所述的車牌類別及對應編碼規則是指：《GA36-2018中華人民共和國機動車號牌》中規定的雙行車牌的車輛類型與相應的車輛顏色及車牌號編碼規則。

技術效果

本發明整體解決了雙行車牌手動分割拼接的不穩定性以及拼接成單行車牌與實際車牌縮放比例不一致，導致雙行車牌特征序列提取失真，識別不穩定的技術問題。