[發(fā)明專利]提升車牌的中文字符自動檢測識別率方法、裝置及介質(zhì)

在審

• 申請?zhí)枺?/td>: 202011309271.7
• 申請日: 2020-11-20
• 公開（公告）號: CN112257720A
• 公開（公告）日: 2021-01-22
• 發(fā)明（設(shè)計）人: 韓建文;劉宇龍;張仲書
• 申請（專利權(quán)）人: 北京捍御者信息科技有限公司
• 主分類號: G06K9/34
• 分類號: G06K9/34;G06K9/32;G06N3/04;G06N3/08;G06N5/04
• 代理公司: 北京國科程知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11862
• 代理人: 曹曉斐

本發(fā)明公開了一種提升車牌中文字符自動檢測識別率的模型訓練方法、模型訓練裝置與車牌識別方法及存儲介質(zhì)，屬于自動識別技術(shù)領(lǐng)域。該方法主要包括模型訓練步驟。該方法可以識別中國車牌的漢字、數(shù)字、字母部分，解決了OCR算法只能檢測和識別中國車牌的字母和數(shù)字不能識別中國車牌中的省份等漢字字符。

技術(shù)領(lǐng)域

本發(fā)明涉及自動識別技術(shù)領(lǐng)域，特別是一種提升車牌的中文字符自動檢測識別率的模型訓練方法、模型訓練裝置與車牌識別方法及存儲介質(zhì)。

背景技術(shù)

Alpr全稱Automatic License Plate Recognition，即無場景約束自動車牌識別，它工作的過程是先識別出車，將每個車裁剪成一張圖片然后進行車牌檢測并進行矯正最終得到幾乎正視的車牌，然后對車牌中的字母、數(shù)字進行檢測和識別，并按照位置信息排列得到車牌字符本身的排序。

識別車牌中的字符的算法在Alpr算法中被命名為OCR算法。Alpr算法針對國外車牌，國外的車牌只有數(shù)字和字母，所以O(shè)CR算法只能檢測和識別中國車牌的字母和數(shù)字不能識別中國車牌中的省份等漢字字符。

發(fā)明內(nèi)容

本發(fā)明主要是提供一種提升車牌的中文字符自動檢測識別率的模型訓練方法、模型訓練裝置與車牌識別方法及存儲介質(zhì)。針對傳統(tǒng)車牌識別算法OCR只能識別中國車牌中的數(shù)字和字母部分，不能識別車牌中的中國省份等漢字部分，創(chuàng)新了OCR算法訓練的具體方式，可以針對中國車牌數(shù)據(jù)集進行訓練，從而得到權(quán)重，在推理階段應(yīng)用此權(quán)重結(jié)合OCR算法對中國車牌中的數(shù)字和字母、各省份等漢字進行檢測和識別。

為了實現(xiàn)上述目的，本發(fā)明采用的一個技術(shù)方案是：提供一種提升車牌中文字符自動檢測識別率的模型訓練方法，包括：模型前處理步驟，其包括，根據(jù)對實時采集的車牌圖片進行標注得到的標注文件與車牌圖片，建立車牌字符數(shù)據(jù)集，根據(jù)車牌字符數(shù)據(jù)集中的標注文件中的中文字符的類別，補充類別信息文件，根據(jù)經(jīng)補充的類別信息文件，改寫用于對神經(jīng)網(wǎng)絡(luò)進行描述的網(wǎng)絡(luò)描述文件；模型訓練步驟，其包括，將車牌字符數(shù)據(jù)集中的車牌字符的預訓練權(quán)重加載在神經(jīng)網(wǎng)絡(luò)上，從而對車牌字符數(shù)據(jù)集進行特征提取，得到相應(yīng)的車牌字符的特征，由神經(jīng)網(wǎng)絡(luò)對相應(yīng)的車牌字符的每一個字符的特征依次進行學習，從而依次預測相應(yīng)的車牌字符的每一個字符的位置信息和車牌字符的類別信息，利用類別信息文件依次對經(jīng)預測的車牌字符的每一個字符的類別信息進行修正，利用經(jīng)預測的車牌字符的每一個字符的位置信息、經(jīng)修正的車牌字符的每一個字符的類別信息和標注文件中相應(yīng)車牌字符的位置信息和類別信息，依次計算神經(jīng)網(wǎng)絡(luò)損失度，根據(jù)經(jīng)依次計算的神經(jīng)網(wǎng)絡(luò)損失度進行反向傳播，依次改寫神經(jīng)網(wǎng)絡(luò)的當前歷史參數(shù)，得到車牌字符數(shù)據(jù)集中的車牌字符的最終訓練權(quán)重。

本發(fā)明采用的另一個技術(shù)方案是：提供一種提升車牌的中文字符自動檢測識別率的模型訓練裝置，包括：模型前處理模塊，其包括：用于根據(jù)對實時采集的車牌圖片進行標注得到的標注文件與車牌圖片，建立車牌字符數(shù)據(jù)集，用于根據(jù)車牌字符數(shù)據(jù)集中的中文字符的類別，補充類別信息文件，用于根據(jù)經(jīng)補充的類別信息文件，改寫用于對神經(jīng)網(wǎng)絡(luò)進行描述的網(wǎng)絡(luò)描述文件；模型訓練模塊，其包括，用于將車牌字符數(shù)據(jù)集中的車牌字符的預訓練權(quán)重加載在神經(jīng)網(wǎng)絡(luò)上，從而對車牌字符數(shù)據(jù)集進行特征提取，得到相應(yīng)的車牌字符的特征，用于由神經(jīng)網(wǎng)絡(luò)對相應(yīng)的車牌字符的每一個字符的特征依次進行學習，從而依次預測相應(yīng)的車牌字符的每一個字符的位置信息和車牌字符的類別信息，用于利用類別信息文件依次對經(jīng)預測的車牌字符的每一個字符的類別信息進行修正，用于利用經(jīng)預測的車牌字符的每一個字符的位置信息、經(jīng)修正的車牌字符的每一個字符的類別信息和標注文件中相應(yīng)車牌字符的位置信息和類別信息，依次計算神經(jīng)網(wǎng)絡(luò)損失度，用于根據(jù)經(jīng)依次計算的神經(jīng)網(wǎng)絡(luò)損失度進行反向傳播，依次改寫神經(jīng)網(wǎng)絡(luò)的當前歷史參數(shù)，得到車牌字符數(shù)據(jù)集中的車牌字符的最終訓練權(quán)重。