[發(fā)明專利]車牌識別方法、裝置、電子設(shè)備及存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 202010916527.4
• 申請日: 2020-09-03
• 公開（公告）號: CN112052850A
• 公開（公告）日: 2020-12-08
• 發(fā)明（設(shè)計）人: 徐國誠
• 申請（專利權(quán)）人: 平安科技（深圳）有限公司
• 主分類號: G06K9/32
• 分類號: G06K9/32;G06K9/34;G06K9/46;G06T5/00;G06N3/04;G06N3/08
• 代理公司: 深圳市沃德知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 44347
• 代理人: 高杰;于志光

本發(fā)明涉及人工智能技術(shù)領(lǐng)域，揭露了一種車牌識別方法，包括：利用預(yù)先訓(xùn)練的車牌目標(biāo)框檢測模型檢測待識別車牌圖片的車牌目標(biāo)框；利用預(yù)先訓(xùn)練的關(guān)鍵點檢測模型檢測所述車牌目標(biāo)框的車牌關(guān)鍵點；根據(jù)所述車牌關(guān)鍵點，對所述待識別車牌圖片進(jìn)行車牌截取，得到目標(biāo)車牌；利用預(yù)先訓(xùn)練的車牌字符識別模型識別出所述目標(biāo)車牌的車牌字符，得到車牌信息。本發(fā)明還提出一種車牌識別裝置、電子設(shè)備以及存儲介質(zhì)。此外，本發(fā)明還涉及區(qū)塊鏈技術(shù)，所述待識別車牌圖片可存儲于區(qū)塊鏈中。本發(fā)明可以提高車牌識別的識別效率。

技術(shù)領(lǐng)域

本發(fā)明涉及人工智能技術(shù)領(lǐng)域，尤其涉及一種車牌識別方法、裝置、電子設(shè)備及計算機(jī)可讀存儲介質(zhì)。

背景技術(shù)

隨著AI技術(shù)的日益發(fā)展，智能化技術(shù)已經(jīng)涉及到生活的各個層面中，其中，車牌識別屬于智能交通系統(tǒng)中的一項核心技術(shù)，其通過獲取包含車牌的圖像，利用深度學(xué)習(xí)網(wǎng)絡(luò)對獲取車牌的圖像進(jìn)行字符識別，從而得到車牌信息，大大方便了相關(guān)人員及系統(tǒng)對于車輛的管理。

目前關(guān)于車牌識別主要存在如下問題：1、對于獲取包含車牌圖像，在很多環(huán)境下檢測不到車牌，比如說車牌角度不正，環(huán)境過亮或者過暗、車牌在圖片中過小過大等，導(dǎo)致車牌圖像的車牌位置檢測效率低；2、需要對車牌圖像中車牌字符進(jìn)行分割后才能進(jìn)行車牌字符的識別，導(dǎo)致車牌圖像的車牌字符識別效率低。

因此，目前車牌識別方法主要存在車牌識別效率低下的問題。

發(fā)明內(nèi)容

本發(fā)明提供一種車牌識別方法、裝置、電子設(shè)備及計算機(jī)可讀存儲介質(zhì)，其主要目的在于提高車牌識別的識別效率。

為實現(xiàn)上述目的，本發(fā)明提供的一種車牌識別方法，包括：

利用預(yù)先訓(xùn)練的車牌目標(biāo)框檢測模型檢測待識別車牌圖片的車牌目標(biāo)框；

利用預(yù)先訓(xùn)練的關(guān)鍵點檢測模型檢測所述車牌目標(biāo)框的車牌關(guān)鍵點；

根據(jù)所述車牌關(guān)鍵點，對所述待識別車牌圖片進(jìn)行車牌截取，得到目標(biāo)車牌；

利用預(yù)先訓(xùn)練的車牌字符識別模型識別出所述目標(biāo)車牌的車牌字符，得到車牌信息。

可選地，在所述利用預(yù)先訓(xùn)練的車牌目標(biāo)框檢測模型檢測待識別車牌圖片的車牌目標(biāo)框之前，該方法還包括：

獲取車牌圖片集及車牌字符數(shù)據(jù)集，對所述車牌圖片集進(jìn)行車牌目標(biāo)框和車牌關(guān)鍵點的標(biāo)注，分別生成車牌目標(biāo)框圖片集和車牌關(guān)鍵點圖片集；

利用所述車牌目標(biāo)框圖片集對預(yù)構(gòu)建的目標(biāo)框檢測模型進(jìn)行訓(xùn)練，得到所述預(yù)先訓(xùn)練的車牌目標(biāo)框檢測模型；

利用所述車牌關(guān)鍵點圖片集對預(yù)構(gòu)建的關(guān)鍵點檢測模型進(jìn)行訓(xùn)練，得到所述預(yù)先訓(xùn)練的車牌關(guān)鍵點檢測模型；

利用所述車牌字符數(shù)據(jù)集對預(yù)構(gòu)建的字符識別模型進(jìn)行訓(xùn)練，得到所述預(yù)先訓(xùn)練的車牌字符識別模型。

可選地，所述利用所述車牌目標(biāo)框圖片集對預(yù)構(gòu)建的目標(biāo)框檢測模型進(jìn)行訓(xùn)練，得到所述預(yù)先訓(xùn)練的車牌目標(biāo)框檢測模型，包括：

獲取所述車牌目標(biāo)框圖片集對應(yīng)的標(biāo)簽值；

利用所述目標(biāo)框檢測模型中的卷積層對所述車牌目標(biāo)框圖片集進(jìn)行卷積操作，得到所述車牌目標(biāo)框圖片集的特征向量，利用所述目標(biāo)框檢測模型中的池化層對所述特征向量進(jìn)行池化操作，利用所述目標(biāo)框檢測模型中的激活層對池化后的所述特征向量進(jìn)行計算，得到所述車牌目標(biāo)框圖片集的訓(xùn)練值；

計算所述訓(xùn)練值與對應(yīng)標(biāo)簽值的損失值，根據(jù)所述損失值調(diào)整所述預(yù)構(gòu)建的目標(biāo)框檢測模型的參數(shù)，直至所述損失值不大于預(yù)設(shè)的損失值，得到所述車牌目標(biāo)框檢測模型。

可選地，所述計算所述訓(xùn)練值與對應(yīng)標(biāo)簽值的損失值包括：

利用下述方法計算所述損失值：