[發明專利]基于深度學習的掛車號碼識別方法和裝置

在審

• 申請號: 202011137148.1
• 申請日: 2020-10-22
• 公開（公告）號: CN112215224A
• 公開（公告）日: 2021-01-12
• 發明（設計）人: 翁紅云;李庭樹
• 申請（專利權）人: 深圳市平方科技股份有限公司
• 主分類號: G06K9/32
• 分類號: G06K9/32;G06K9/62;G06N3/04;G06N3/08;G06T3/40
• 代理公司: 深圳市徽正知識產權代理有限公司 44405
• 代理人: 盧杏艷

本發明實施例提供了一種基于深度學習的掛車號碼識別方法、裝置、終端設備和存儲介質，所述方法包括：獲取待檢測的車牌圖片，車牌圖片至少包括兩行文本；將待檢測的車牌圖片輸入到預先建立的掛車號碼檢測模型中，獲取車牌圖片中的掛車號碼；其中，預先建立的掛車號檢測模型是通過對訓練樣本集中的樣本車牌圖片中的掛車號碼進行訓練獲得的，這樣不需要對車牌圖片進行圖像分割，提高掛車號碼識別準確性。

技術領域

本發明涉及計算機技術領域，特別是涉及一種基于深度學習的掛車號碼識別方法、裝置、終端設備和存儲介質。

背景技術

當前市面上車牌識別系統有前車牌識別和后車牌識別，沒有專門的掛車號識別。前車牌識別無法通用識別掛車號。后車牌識別是從識別算法出發，基于圖像分割的方式將雙行車牌上下兩行一分為二，將上下兩行分開識別，該方案通常分割不準確，且對于一些有角度的車牌基本上分割效果非常差，從而導致識別錯誤的情況。

發明內容

鑒于上述問題，提出了本發明實施例以便提供一種克服上述問題或者至少部分地解決上述問題的一種基于深度學習的掛車號碼識別方法、裝置、終端設備和存儲介質。

第一個方面，本發明實施例提供一種基于深度學習的掛車號碼識別方法，所述方法包括：

獲取待檢測的車牌圖片，所述車牌圖片至少包括兩行文本；

將所述待檢測的車牌圖片輸入到預先建立的掛車號碼檢測模型中，獲取車牌圖片中的掛車號碼；其中，所述預先建立的掛車號檢測模型是通過對訓練樣本集中的樣本車牌圖片中的掛車號碼進行訓練獲得的。

可選地，所述預先建立的掛車號碼檢測模型通過如下方式獲得：

獲得所述訓練樣本集中的樣本車牌圖片；

用Unicode排序算法標注所述樣本車牌圖片中的樣本掛車號碼；

對所述樣本車牌圖片進行歸一化處理；

采用深度卷積神經網絡模型從所述樣本車牌圖片中提取出掛車號碼對應的特征向量序列；

利用循環神經網絡RNN中的BiLSTM對所述特征向量序列進行識別，獲取掛車號碼序列的上下文信息，并得到每列特征向量的概率分布。

可選地，所述方法還包括：

將所述樣本車牌圖片的高像素縮放至第一預設值，同時將寬像素按照圖像寬高比例進行縮放。

可選地，所述方法還包括：

若所述樣本車牌圖片的寬像素大于第二預設值，則將所述寬像素縮放至第三預設值；

若所述樣本車牌圖片的寬像素小于第二預設值，則將所述寬像素值填充至所述第三預設值。

可選地，所述采用深度卷積神經網絡從所述樣本車牌圖片中提取出對應的特征向量序列，包括：

利用深度卷積神經網絡模型中的卷積層和最大池化層來構造卷積層，所述卷積層用于從所述樣本車牌圖片中提取出二維特征向量序列；

將所述二維特征向量序列轉化成一維特征向量。

可選地，所述將所述待檢測的車牌圖片輸入到預先建立的掛車號碼檢測模型中，獲取車牌圖片中的掛車號碼，包括：

將所述待檢測的車牌圖片輸入到所述預先建立的掛車號碼檢測模型中，得到所述車牌圖片中的文本信息對應的特征向量的概率；

基于詞典和查找候選目標的模式，選取最大的特征向量的概率所對應的掛車號碼，確定為所述車牌圖片中的掛車號碼。

第二個方面，本發明實施例提供一種基于深度學習的掛車號碼識別裝置，所述裝置包括：