[發(fā)明專利]一種基于神經(jīng)網(wǎng)絡(luò)的車牌識(shí)別方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202011210086.2
• 申請(qǐng)日: 2020-11-03
• 公開（公告）號(hào): CN112529001A
• 公開（公告）日: 2021-03-19
• 發(fā)明（設(shè)計(jì)）人: 李慶民;盧存盟
• 申請(qǐng)（專利權(quán)）人: 創(chuàng)澤智能機(jī)器人集團(tuán)股份有限公司
• 主分類號(hào): G06K9/34
• 分類號(hào): G06K9/34;G06K9/32;G06K9/46;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 煙臺(tái)上禾知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 37234
• 代理人: 蘇亮

1.一種基于神經(jīng)網(wǎng)絡(luò)的車牌識(shí)別方法，其特征在于，包括以下車牌識(shí)別方法步驟：

S1：輸入圖像，攝像頭采集到的圖像數(shù)據(jù)經(jīng)過訓(xùn)練后得到的yolo模型，進(jìn)行一次前向計(jì)算后，能夠得到圖像中車牌的具體位置(x,y)、w、h和置信度c，車牌的具體位置為矩形區(qū)域A；

S2：定位車牌，將S1中的矩形區(qū)域A進(jìn)行擴(kuò)展，左右各擴(kuò)展w/2，上下各擴(kuò)展h/2，得到矩形區(qū)域B；

S3：選取車牌擴(kuò)展區(qū)域，將矩形區(qū)域B統(tǒng)一變換成64*64pix大小的圖像；

S4：確定車牌四個(gè)頂點(diǎn)坐標(biāo)，將S3中的圖像作為車牌角度矯正模型的輸入數(shù)據(jù)，經(jīng)過經(jīng)過模型的一次前向計(jì)算得到車牌四個(gè)角點(diǎn)的坐標(biāo)(x1,y1)、(x2,y2)、(x3,y3)、(x4,y4)分別表示為車牌左上角、左下角、右下角、右上角位置；

S5：對(duì)車牌角度矯正，將上述(x1,y1)、(x2,y2)、(x3,y3)、(x4,y4)坐標(biāo)進(jìn)行等比例縮放，轉(zhuǎn)換成在矩形區(qū)域B內(nèi)的坐標(biāo)(X1,Y2)、(X2,Y2)、(X3,Y3)、(X4,Y4)；矩形區(qū)域B內(nèi)針對(duì)坐標(biāo)(X1,Y2)、(X2,Y2)、(X3,Y3)、(X4,Y4)區(qū)域進(jìn)行透視變換，得到車牌的正視圖；

S6：文字識(shí)別和顏色識(shí)別，將車牌的正視圖尺寸統(tǒng)一變換，輸入到顏色識(shí)別模型中，經(jīng)過softmax分類器輸出顏色概率最大的顏色，即為當(dāng)前車牌的顏色，車牌正視圖輸入OCR模型中進(jìn)行字符識(shí)別；

S7：輸出結(jié)果。

2.根據(jù)權(quán)利要求1所述的一種基于神經(jīng)網(wǎng)絡(luò)的車牌識(shí)別方法，其特征在于，所述S1中，使用yolo算法，對(duì)yolo-v3模型進(jìn)行剪枝處理，可以進(jìn)一步提高運(yùn)算速度，車牌定位模型由事先準(zhǔn)備好的大量包含車牌的圖像，然后經(jīng)過yolo算法訓(xùn)練得到。

3.根據(jù)權(quán)利要求1所述的一種基于神經(jīng)網(wǎng)絡(luò)的車牌識(shí)別方法，其特征在于，所述S2中，用經(jīng)過標(biāo)記的訓(xùn)練數(shù)據(jù)卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練線性回歸模型，用于識(shí)別車牌四個(gè)角點(diǎn)在圖中的坐標(biāo)。

4.根據(jù)權(quán)利要求1所述的一種基于神經(jīng)網(wǎng)絡(luò)的車牌識(shí)別方法，其特征在于，所述S5中，透視變換是將圖像平行四邊形的視平面投影到矩形的視平面的過程。

5.根據(jù)權(quán)利要求1所述的一種基于神經(jīng)網(wǎng)絡(luò)的車牌識(shí)別方法，其特征在于，所述S6中，卷積神經(jīng)網(wǎng)絡(luò)分類模型輸出車牌顏色。

6.根據(jù)權(quán)利要求1所述的一種基于神經(jīng)網(wǎng)絡(luò)的車牌識(shí)別方法，其特征在于，所述S6中，使用CRNN網(wǎng)絡(luò)，車牌圖像首先通過卷積神經(jīng)網(wǎng)絡(luò)提取特征，生成的特征序列在經(jīng)過雙向的LSTM最終輸出結(jié)果。

7.根據(jù)權(quán)利要求1所述的一種基于神經(jīng)網(wǎng)絡(luò)的車牌識(shí)別方法，其特征在于，所述w為矩形區(qū)域A的寬，h為矩形區(qū)域A的高度。