[發(fā)明專利]基于動(dòng)態(tài)調(diào)整和局部特征向量聯(lián)合的車牌檢測識別方法

在審

• 申請?zhí)枺?/td>: 202011130554.5
• 申請日: 2020-10-21
• 公開（公告）號: CN112380913A
• 公開（公告）日: 2021-02-19
• 發(fā)明（設(shè)計(jì)）人: 孔令軍;陳靜嫻;陳斌;陳睿;王銳;孫若朦;徐云起;李華康
• 申請（專利權(quán)）人: 蘇州怡林城信息科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/32;G06K9/34;G06N3/04
• 代理公司: 江蘇圣典律師事務(wù)所 32237
• 代理人: 張芳

本發(fā)明公開一種基于動(dòng)態(tài)調(diào)整和局部特征向量的聯(lián)合車牌檢測識別方法，包括：將含有車牌圖像的圖片通過卷積網(wǎng)絡(luò)進(jìn)行特征提取；提取到的特征圖分別被送到車牌定位網(wǎng)絡(luò)和車牌識別網(wǎng)絡(luò)進(jìn)行處理，車牌定位網(wǎng)絡(luò)在特征圖中獲取車牌位置，車牌識別網(wǎng)絡(luò)對車牌的內(nèi)容進(jìn)行識別；根據(jù)特征圖中車牌所在位置，對車牌識別網(wǎng)絡(luò)輸出的識別特征圖進(jìn)行切割，使切割得到的特征圖區(qū)域?qū)?yīng)到原圖片中車牌的位置；對特征圖區(qū)域進(jìn)行識別，得到車牌識別結(jié)果。采用本發(fā)明使卷積網(wǎng)絡(luò)提取的特征能在識別階段復(fù)用,大大減少了計(jì)算量，且所復(fù)用的特征能夠充分學(xué)習(xí)車牌周圍屬性，對不同環(huán)境條件下的車牌識別更加具有魯棒性，能夠?qū)崟r(shí)的運(yùn)行于嵌入式設(shè)備上以滿足商業(yè)化需求。

技術(shù)領(lǐng)域

本發(fā)明涉及圖像處理技術(shù)領(lǐng)域，具體涉及一種基于動(dòng)態(tài)調(diào)整和局部特征向量聯(lián)合的車牌檢測識別方法。

背景技術(shù)

人類經(jīng)歷了第二此工業(yè)革命后，汽車被創(chuàng)造出來，極大的改變了人們的生活方式，并且擴(kuò)大了人們的活動(dòng)范圍，進(jìn)入21世紀(jì)以來我們汽車擁有量呈爆炸性增長，車輛管理工作也隨之增大，城市交通壓力也變重。依賴于車牌識別的例如監(jiān)控定位、跟蹤、亂停亂放、違反交規(guī)等行為的查處以及跟蹤逃犯等需要大量的人工對成千上萬的攝像頭進(jìn)行排查，其造成了大量人力成本的浪費(fèi)，人為因素也有著極大的影響。隨著第三次工業(yè)革命的發(fā)展，對車牌進(jìn)行識別變得可能。

車牌識別技術(shù)最早從20世紀(jì)80年代提出，對其已經(jīng)進(jìn)行了廣泛研究。最開始的車牌識別技術(shù)使用了傳統(tǒng)的算法進(jìn)行識別，對于環(huán)境、車牌位置角度、車牌本身的污染缺損也會(huì)影響正確率。目前典型的車牌識別系統(tǒng)首先對包含車牌的圖片進(jìn)行切割，然后對切割后的圖片進(jìn)行識別，這種方式往往需要嚴(yán)格的切割操作以降低對正確率的影響。

發(fā)明內(nèi)容

為了克服上述缺陷，本發(fā)明提出一種基于動(dòng)態(tài)調(diào)整和局部特征向量聯(lián)合的車牌檢測識別方法，采用優(yōu)化的卷積神經(jīng)網(wǎng)絡(luò)模型，使得網(wǎng)絡(luò)網(wǎng)絡(luò)檢測提取到的特征能夠在識別階段復(fù)用，從而提高車牌檢測識別的速度和正確率。

本發(fā)明第一方面，提供一種基于動(dòng)態(tài)調(diào)整和局部特征向量聯(lián)合的車牌檢測識別方法，采用以下步驟進(jìn)行：

將含有車牌圖像的圖片通過卷積網(wǎng)絡(luò)進(jìn)行特征提取；提取到的特征圖分別被送到車牌定位網(wǎng)絡(luò)和車牌識別網(wǎng)絡(luò)進(jìn)行處理，所述車牌定位網(wǎng)絡(luò)在所述特征圖中獲取車牌位置，所述車牌識別網(wǎng)絡(luò)對車牌的內(nèi)容進(jìn)行識別；根據(jù)特征圖中車牌所在位置，對所述車牌識別網(wǎng)絡(luò)輸出的識別特征圖進(jìn)行切割，經(jīng)過動(dòng)態(tài)調(diào)整，使切割得到的特征圖區(qū)域?qū)?yīng)到原圖片中車牌的位置；對所述特征圖區(qū)域進(jìn)行識別，得到車牌識別結(jié)果。

進(jìn)一步，所述車牌定位網(wǎng)絡(luò)在所述特征圖中獲取車牌位置的具體過程為，對所述特征圖中的特征點(diǎn)進(jìn)行分類，判斷特征點(diǎn)所屬類別是否為車牌；以判斷為車牌類別的像素點(diǎn)所在位置為中點(diǎn)，對車牌區(qū)域進(jìn)行框回歸，得到車牌的準(zhǔn)確位置。

進(jìn)一步，所述根據(jù)特征圖中車牌所在位置，對所述車牌識別網(wǎng)絡(luò)輸出的識別特征圖進(jìn)行切割，具體為：根據(jù)車牌所在位置得到車牌位置列表；按照所述車牌位置列表對所述識別特征圖進(jìn)行切割，獲取與車牌數(shù)量相應(yīng)的特征列表。

進(jìn)一步的，對所述特征圖區(qū)域進(jìn)行識別具體為：將所述特征圖區(qū)域調(diào)整成寬度固定的特征屬性；利用卷積網(wǎng)絡(luò)對所述特征圖區(qū)域進(jìn)行二次提取，獲得高為1的二維特征向量；對所述二維特征向量進(jìn)行分類，判斷單像素點(diǎn)的類別，并編碼成車牌識別結(jié)果。

進(jìn)一步的，還包括以下步驟：利用損失函數(shù)對切割后的特征圖區(qū)域進(jìn)行車牌識別訓(xùn)練。

進(jìn)一步的，所述車牌定位網(wǎng)絡(luò)和所述車牌識別網(wǎng)絡(luò)為同一個(gè)卷積網(wǎng)絡(luò)復(fù)用。

更進(jìn)一步的，所述卷積網(wǎng)絡(luò)包括卷積層、池化層、激活層和歸一化層，其中所述卷積層用于提取圖片的空間特征屬性，所述池化層用于降低特征圖平面維度，所述激活層為非線性函數(shù)，使所述卷積網(wǎng)絡(luò)具有非線性表達(dá)能力，所述歸一化層用來重新排列數(shù)據(jù)的分布以健壯表達(dá)特征圖。