[發明專利]基于深度學習的車牌字符識別方法、存儲介質及電子設備

在審

• 申請號: 202010858586.0
• 申請日: 2020-08-24
• 公開（公告）號: CN112016432A
• 公開（公告）日: 2020-12-01
• 發明（設計）人: 林煥凱;王祥雪;董振江;朱婷婷;程慶;譚煥新;劉雙廣
• 申請（專利權）人: 高新興科技集團股份有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06N3/04
• 代理公司: 廣州國鵬知識產權代理事務所(普通合伙) 44511
• 代理人: 葛紅

1.一種基于深度學習的車牌字符識別方法，其特征在于，包括以下步驟：

S1、獲取待識別圖片；

S2、從所述待識別圖片中獲取車牌的粗定位區域；

S3、將車牌的所述粗定位區域的圖片送入基于卷積神經網絡的檢測模型中進行車牌字符的檢測和識別，得到車牌的各個字符的標簽和各個字符的位置信息；

S4、根據車牌的位置信息對車牌各個字符的順序進行重新排列，得到完整的車牌號碼。

2.根據權利要求1所述的方法，其特征在于，步驟S1包括：

S11、從卡口、電警攝像頭或手持終端設備獲取往來車輛的原圖數據；

S12、利用車輛檢測技術從所述原圖數據獲取車身的待識別圖片。

3.根據權利要求1所述的方法，其特征在于，步驟S2包括：利用車牌檢測技術從所述待識別圖片中獲取車牌的粗定位區域。

4.根據權利要求1所述的方法，其特征在于，步驟S3包括：

S31、對車牌的所述粗定位區域的圖片進行字符標注；

S32、將標注好的車牌數據歸一化到預定像素；

S33、根據標注好的車牌數據設計卷積神經網絡；

S34、將標注好的車牌數據送入所述卷積神經網絡的檢測模型中進行車牌字符的檢測和識別。

5.根據權利要求4所述的方法，其特征在于，在步驟S31中，對車牌的所述粗定位區域的圖片進行字符標注的規則為每個字符的最小外接矩形。

6.根據權利要求4所述的方法，其特征在于，在步驟S32中，所述預定像素為65*150像素。

7.根據權利要求4所述的方法，其特征在于，步驟S33包括：

S331、根據標注好的車牌數據構建基礎網絡：采用優化的VGG結構作為端到端神經網絡的基礎網絡；

S332、構建多尺度網絡：采用conv4_3，fc7，conv6_2，conv7_2，conv8_2和conv9_2共6個特征層構建多尺度網絡層。

8.根據權利要求7所述的方法，其特征在于，步驟S34包括：

S341、將標注好的車牌數據送入所述卷積神經網絡的檢測模型中；

S342、通過所述多尺度網絡獲取當前先驗框位置處的車牌字符區域，通過回歸任務精確定位車牌字符區域的位置矩形，并識別出所述位置矩形所對應字符的真實意義；

S343、輸出整個車牌的各個字符的標簽和各個字符的位置信息。

9.一種計算機存儲介質，其特征在于，包括一條或多條計算機指令，所述一條或多條計算機指令在執行時實現如權利要求1-8中任一項所述的方法。

10.一種電子設備，包括存儲器和處理器，其特征在于，

所述存儲器用于存儲一條或多條計算機指令；

所述處理器用于調用并執行所述一條或多條計算機指令，從而實現如權利要求1-8中任一項所述的方法。