[發明專利]車牌的類別識別方法、裝置及存儲介質

有效

• 申請號: 202011032272.1
• 申請日: 2020-09-27
• 公開（公告）號: CN112132222B
• 公開（公告）日: 2023-02-10
• 發明（設計）人: 蔡曉蕙
• 申請（專利權）人: 上海高德威智能交通系統有限公司
• 主分類號: G06V20/62
• 分類號: G06V20/62;G06V30/19;G06V10/82;G06N3/04
• 代理公司: 北京三高永信知識產權代理有限責任公司 11138
• 代理人: 謝冬寒

本申請實施例公開了一種車牌類別的識別方法、裝置及存儲介質，屬于深度學習技術領域。在本申請實施例中，基礎分類特征提取模型能夠用于提取車牌圖像的圖像特征，基于此，在注冊表中存儲一部分目標車牌類別的車牌圖像的圖像特征和目標車牌類別，之后，根據另一部分類別為目標車牌類別的車牌圖像，通過基礎分類特征提取模型和注冊表，對基礎分類特征提取模型的性能進行判別，如果性能滿足條件，則表明基礎分類特征提取模型能夠用于與注冊表結合使用來支持識別目標車牌類別的車牌圖像，也即支持新類別的車牌圖像。

技術領域

本申請實施例涉及深度學習技術領域，特別涉及一種車牌的類別識別方法、裝置及存儲介質。

背景技術

目前市場中不斷推出新類別的車牌，例如，推出不同板式、顏色、紋理等的車牌，如軍用和民用、不同國家、機動車和非機動車等等車牌可能屬于不同類別的車牌。同時，車牌識別業務也不斷擴展，需要識別的車牌類別越來越多。

在相關技術中，隨著深度學習的發展，基于深度學習技術的車牌的類別識別方法應運而生，將車牌圖像輸入深度學習模型，輸出車牌的類別。例如將車牌圖像輸入卷積神經網絡的卷積層提取特征，并通過卷積神經網絡最后的全連接層輸出車牌的類別。當前，基于深度學習技術的車牌識別方法以產品的方式提供給用戶，提供給用戶的產品為訓練好的深度學習模型，將待識別的車牌圖像輸入產品中，可以直接輸出車牌的類別。

由于市場中不斷推出新類別的車牌，也即用戶提出需求的速度遠快于產品迭代速度，提供給用戶的產品僅支持輸出固定的幾種類別，而無法支持識別新類別的車牌。如果用戶有識別新類別的車牌的需求，可以選擇調整網絡中的參數，并用新類別的車牌圖像重新訓練深度學習模型，由于用戶通常并非專業的研發人員，網絡調參以及重新訓練的難度太大，不利于由用戶實現，如果交由產品的研發人員維護，維護成本較大，且需要用戶將新類別的車牌數據提供給研發人員，但通常用戶對于數據的保護意識較強，不愿意將車牌數據交給研發人員，因此，由研發人員維護的過程也會困難重重。由此可見，目前的產品可遷移性差，一旦有識別新類別的車牌的需求，目前的產品無法直接供用戶使用來支持識別新類別的車牌。

發明內容

本申請實施例提供了一種車牌類別的識別方法、裝置及存儲介質，可以支持識別新類別的車牌。所述技術方案如下：

一方面，提供了一種車牌類別的識別方法，所述方法包括：

從多個樣本車牌圖像中選擇至少一個樣本車牌圖像作為至少一個第一樣本車牌圖像，將剩余的樣本車牌圖像作為至少一個第二樣本車牌圖像，所述多個樣本車牌圖像對應的車牌類別相同且為目標車牌類別，所述多個樣本車牌圖像為用戶設備獲取的數據；

根據所述至少一個第一樣本車牌圖像和基礎分類特征提取模型，在存儲的注冊表中存儲所述至少一個第一樣本車牌圖像的圖像特征和車牌類別，所述基礎分類特征提取模型根據第一數據集訓練得到，所述第一數據集包括的車牌圖像對應的車牌類別與所述目標車牌類別不同；

根據所述至少一個第二樣本車牌圖像，通過所述基礎分類特征提取模型和所述注冊表，對所述基礎分類特征提取模型的精確度進行判別；

如果所述基礎分類特征提取模型的精確度滿足條件，則通過所述基礎分類特征提取模型和所述注冊表，對屬于所述目標車牌類別的車牌圖像進行車牌類別的識別。

可選地，所述根據所述至少一個第一樣本車牌圖像和基礎分類特征提取模型，在存儲的注冊表中存儲所述至少一個第一樣本車牌圖像的圖像特征和車牌類別，包括：

將所述至少一個第一樣本車牌圖像輸入所述基礎分類特征提取模型，輸出所述至少一個第一樣本車牌圖像中每個第一樣本車牌圖像的圖像特征；

將所述至少一個第一樣本車牌圖像中每個第一樣本車牌圖像的圖像特征和所述目標車牌類別對應存儲在所述注冊表中。