[發(fā)明專利]車牌信息的識(shí)別方法、裝置、計(jì)算機(jī)設(shè)備及存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202010796421.5
• 申請(qǐng)日: 2020-08-10
• 公開(kāi)（公告）號(hào): CN111914842A
• 公開(kāi)（公告）日: 2020-11-10
• 發(fā)明（設(shè)計(jì)）人: 陳勇;張曉華;鄧令軍;謝衛(wèi)良
• 申請(qǐng)（專利權(quán)）人: 深圳市視美泰技術(shù)股份有限公司
• 主分類號(hào): G06K9/32
• 分類號(hào): G06K9/32;G06K9/46;G06N3/04;G06N3/08
• 代理公司: 深圳市明日今典知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 44343
• 代理人: 王杰輝;赫坤鵬

本申請(qǐng)公開(kāi)了一種車牌信息的識(shí)別方法，包括以下步驟：檢測(cè)到目標(biāo)圖片時(shí)，獲取所述目標(biāo)圖片中的車牌圖像特征對(duì)應(yīng)的預(yù)設(shè)向量；將所述預(yù)設(shè)向量作為Transformer模型的輸入向量，其中，所述Transformer模型根據(jù)多組預(yù)設(shè)向量和預(yù)設(shè)向量對(duì)應(yīng)的車牌信息訓(xùn)練得到；獲取所述Transformer模型的輸出值，作為所述目標(biāo)圖片對(duì)應(yīng)的車牌信息。本申請(qǐng)還公開(kāi)了一種車牌信息的識(shí)別裝置、計(jì)算機(jī)設(shè)備以及計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)。本申請(qǐng)通過(guò)利用Transformer模型高效的數(shù)據(jù)處理能力，實(shí)現(xiàn)對(duì)目標(biāo)圖片中車牌圖像的車牌信息的識(shí)別，提高了識(shí)別車牌信息的效率。

技術(shù)領(lǐng)域

本申請(qǐng)涉及深度學(xué)習(xí)領(lǐng)域，尤其涉及一種車牌信息的識(shí)別方法、車牌信息的識(shí)別裝置、計(jì)算機(jī)設(shè)備以及計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)。

背景技術(shù)

目前對(duì)車牌圖片的識(shí)別，大多采用的是基于傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)模型(如RNN——Recurrent Neural Network,循環(huán)神經(jīng)網(wǎng)絡(luò))進(jìn)行圖片字符的分割再識(shí)別，最后再拼接成完整的車牌信息。

隨著信息時(shí)代的高速發(fā)展，傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)模型相對(duì)來(lái)說(shuō)已存在迭代慢、計(jì)算慢的缺點(diǎn)，越來(lái)越難以滿足當(dāng)代社會(huì)快速識(shí)別圖片中的車牌信息的發(fā)展需求。

上述內(nèi)容僅用于輔助理解本申請(qǐng)的技術(shù)方案，并不代表承認(rèn)上述內(nèi)容是現(xiàn)有技術(shù)。

發(fā)明內(nèi)容

本申請(qǐng)的主要目的在于提供一種車牌信息的識(shí)別方法、車牌信息的識(shí)別裝置、計(jì)算機(jī)設(shè)備以及計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，旨在解決對(duì)圖片中的車牌信息識(shí)別效率低下的問(wèn)題。

為實(shí)現(xiàn)上述目的，本申請(qǐng)?zhí)峁┮环N車牌信息的識(shí)別方法，所述車牌信息的識(shí)別方法包括以下步驟：

檢測(cè)到目標(biāo)圖片時(shí)，獲取所述目標(biāo)圖片中的車牌圖像特征對(duì)應(yīng)的預(yù)設(shè)向量；

將所述預(yù)設(shè)向量作為Transformer模型的輸入向量，其中，所述Transformer模型根據(jù)多組預(yù)設(shè)向量和預(yù)設(shè)向量對(duì)應(yīng)的車牌信息訓(xùn)練得到；

獲取所述Transformer模型的輸出值，作為所述目標(biāo)圖片對(duì)應(yīng)的車牌信息。

進(jìn)一步地，所述獲取所述目標(biāo)圖片中的車牌圖像特征對(duì)應(yīng)的預(yù)設(shè)向量的步驟包括：

利用預(yù)先構(gòu)建的殘差網(wǎng)絡(luò)識(shí)別所述目標(biāo)圖片中的車牌圖像特征，其中，所述殘差網(wǎng)絡(luò)還將所述車牌圖像特征轉(zhuǎn)換為預(yù)設(shè)向量并輸出；

獲取所述殘差網(wǎng)絡(luò)的輸出值，作為所述車牌圖像特征對(duì)應(yīng)的預(yù)設(shè)向量。

進(jìn)一步地，所述Transformer模型的解碼器包括編碼-解碼注意力層和前饋神經(jīng)網(wǎng)絡(luò)，其中，所述編碼-解碼注意力層用于處理所述Transformer模型的編碼器的輸出值和/或上一層解碼器的輸出值，所述所述編碼-解碼注意力層的輸出值經(jīng)求和歸一化處理后傳輸至所述前饋神經(jīng)網(wǎng)絡(luò)。

進(jìn)一步地，所述獲取所述Transformer模型的輸出值，作為所述目標(biāo)圖片對(duì)應(yīng)的車牌信息的步驟之后，還包括：

接收到所述目標(biāo)圖片對(duì)應(yīng)的車牌信息的確認(rèn)響應(yīng)時(shí)，或者在預(yù)設(shè)時(shí)長(zhǎng)內(nèi)未接收到目標(biāo)圖片對(duì)應(yīng)的車牌信息的取消響應(yīng)時(shí)，將所述目標(biāo)圖片對(duì)應(yīng)的車牌信息和目標(biāo)圖片對(duì)應(yīng)的預(yù)設(shè)向量，作為所述Transformer模型的訓(xùn)練樣本，以根據(jù)所述訓(xùn)練樣本更新所述Transformer模型。

進(jìn)一步地，所述獲取所述Transformer模型的輸出值，作為所述目標(biāo)圖片對(duì)應(yīng)的車牌信息的步驟之后，還包括：

將所述目標(biāo)圖片對(duì)應(yīng)的車牌信息發(fā)送至遠(yuǎn)程設(shè)備，所述目標(biāo)圖片為所述遠(yuǎn)程設(shè)備發(fā)送至本端的。

進(jìn)一步地，所述車牌信息的識(shí)別方法還包括：

檢測(cè)到目標(biāo)圖片時(shí)，檢測(cè)是否存在與所述目標(biāo)圖片對(duì)應(yīng)的識(shí)別記錄；