[發(fā)明專利]雙車牌識(shí)別方法、模型訓(xùn)練方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202011350336.2
• 申請(qǐng)日: 2020-11-26
• 公開（公告）號(hào): CN112329886A
• 公開（公告）日: 2021-02-05
• 發(fā)明（設(shè)計(jì)）人: 鄧練兵;李大銘;李皓
• 申請(qǐng)（專利權(quán)）人: 珠海大橫琴科技發(fā)展有限公司
• 主分類號(hào): G06K9/62
• 分類號(hào): G06K9/62;G06K9/34;G06N3/04
• 代理公司: 北京三聚陽光知識(shí)產(chǎn)權(quán)代理有限公司 11250
• 代理人: 項(xiàng)凱

1.一種用于識(shí)別雙車牌模型的訓(xùn)練方法，其特征在于，包括如下步驟：

獲取預(yù)先標(biāo)注的車牌圖像的第一樣本集，所述第一樣本集包括第一訓(xùn)練集和第一驗(yàn)證集；

利用所述第一訓(xùn)練集對(duì)多個(gè)目標(biāo)框檢測(cè)模型進(jìn)行訓(xùn)練，并利用所述第一驗(yàn)證集對(duì)訓(xùn)練后的多個(gè)目標(biāo)框檢測(cè)模型進(jìn)行驗(yàn)證，得到每個(gè)目標(biāo)框檢測(cè)模型的準(zhǔn)確率；

獲取預(yù)先標(biāo)注的車牌字符的第二樣本集，所述第二樣本集包括第二訓(xùn)練集和第二驗(yàn)證集；

利用所述第二訓(xùn)練集對(duì)多個(gè)字符識(shí)別模型進(jìn)行訓(xùn)練，并利用所述第二驗(yàn)證集對(duì)訓(xùn)練后的多個(gè)字符識(shí)別模型進(jìn)行驗(yàn)證，得到每個(gè)字符識(shí)別模型的準(zhǔn)確率；

獲取預(yù)先標(biāo)注的雙車牌圖像的第三樣本集，所述第三樣本集包括第三驗(yàn)證集；

選擇準(zhǔn)確率超過第一閾值的目標(biāo)框檢測(cè)模型，對(duì)所述第三驗(yàn)證集進(jìn)行檢測(cè)，得到每個(gè)選擇的目標(biāo)框檢測(cè)模型檢測(cè)到的目標(biāo)框；

選擇準(zhǔn)確率超過第二閾值的字符識(shí)別模型，分別對(duì)每個(gè)選擇的目標(biāo)框檢測(cè)模型檢測(cè)到的目標(biāo)框進(jìn)行字符識(shí)別，得到每組目標(biāo)框檢測(cè)模型與字符識(shí)別模型對(duì)應(yīng)的檢測(cè)結(jié)果；

計(jì)算每個(gè)檢測(cè)結(jié)果的準(zhǔn)確率，選擇準(zhǔn)確率最高的檢測(cè)結(jié)果對(duì)應(yīng)的目標(biāo)框檢測(cè)模型和字符識(shí)別模型的組合。

2.如權(quán)利要求1所述的訓(xùn)練方法，其特征在于，在對(duì)每個(gè)選擇的目標(biāo)框檢測(cè)模型檢測(cè)到的目標(biāo)框進(jìn)行字符識(shí)別之后，還包括：

利用預(yù)設(shè)的字符排序算法對(duì)所識(shí)別出的字符進(jìn)行字符排序，得到多種排序結(jié)果；

計(jì)算每種排序結(jié)果與所述雙車牌圖像的相似度；

將相似度最高的排序結(jié)果對(duì)應(yīng)的字符排序作為所述檢測(cè)結(jié)果。

3.如權(quán)利要求2所述的訓(xùn)練方法，其特征在于，所述計(jì)算每種排序結(jié)果與所述雙車牌圖像的相似度包括：

獲取雙車牌排序規(guī)則，依次判斷每種排序結(jié)果是否符合所述雙車牌排序規(guī)則；

計(jì)算符合所述雙車牌排序規(guī)則的排序結(jié)果與所述雙車牌圖像的相似度。

4.如權(quán)利要求3所述的訓(xùn)練方法，其特征在于，還包括：

將不符合所述雙車牌排序規(guī)則的排序結(jié)果添加用于表示非雙車牌的第一標(biāo)記；

將添加所述第一標(biāo)記的排序結(jié)果歸入到所述第三樣本集中作為訓(xùn)練集，以擴(kuò)展所述第三樣本集。

5.如權(quán)利要求2所述的訓(xùn)練方法，其特征在于，

將除相似度最高的排序結(jié)果以外的其他排序結(jié)果添加用于表示是雙車牌的第二標(biāo)記；

將添加所述第二標(biāo)記的排序結(jié)果歸入到所述第三樣本集中作為驗(yàn)證集，以擴(kuò)展所述第三樣本集。

6.一種雙車牌識(shí)別方法，其特征在于，包括以下步驟：

利用權(quán)利要求1-5任一項(xiàng)所述的訓(xùn)練方法得到的目標(biāo)框檢測(cè)模型與字符識(shí)別模型的組合來進(jìn)行目標(biāo)框檢測(cè)和字符識(shí)別；

利用預(yù)設(shè)的字符排序算法對(duì)所識(shí)別出的字符進(jìn)行字符排序，輸出雙車牌的車牌號(hào)。

7.一種用于識(shí)別雙車牌模型的訓(xùn)練裝置，其特征在于，包括：

第一獲取模塊，用于獲取預(yù)先標(biāo)注的車牌圖像的第一樣本集，所述第一樣本集包括第一訓(xùn)練集和第一驗(yàn)證集；

第一檢測(cè)模塊，用于利用所述第一訓(xùn)練集對(duì)多個(gè)目標(biāo)框檢測(cè)模型進(jìn)行訓(xùn)練，并利用所述第一驗(yàn)證集對(duì)訓(xùn)練后的多個(gè)目標(biāo)框檢測(cè)模型進(jìn)行驗(yàn)證，得到每個(gè)目標(biāo)框檢測(cè)模型的準(zhǔn)確率；

第二獲取模塊，用于獲取預(yù)先標(biāo)注的車牌字符的第二樣本集，所述第二樣本集包括第二訓(xùn)練集和第二驗(yàn)證集；

第一識(shí)別模塊，用于利用所述第二訓(xùn)練集對(duì)多個(gè)字符識(shí)別模型進(jìn)行訓(xùn)練，并利用所述第二驗(yàn)證集對(duì)訓(xùn)練后的多個(gè)字符識(shí)別模型進(jìn)行驗(yàn)證，得到每個(gè)字符識(shí)別模型的準(zhǔn)確率；

第三獲取模塊，用于獲取預(yù)先標(biāo)注的雙車牌圖像的第三樣本集，所述第三樣本集包括第三驗(yàn)證集；

第二檢測(cè)模塊，用于選擇準(zhǔn)確率超過第一閾值的目標(biāo)框檢測(cè)模型，對(duì)所述第三驗(yàn)證集進(jìn)行檢測(cè)，得到每個(gè)選擇的目標(biāo)框檢測(cè)模型檢測(cè)到的目標(biāo)框；

第二識(shí)別模塊，用于選擇準(zhǔn)確率超過第二閾值的字符識(shí)別模型，分別對(duì)每個(gè)選擇的目標(biāo)框檢測(cè)模型檢測(cè)到的目標(biāo)框進(jìn)行字符識(shí)別，得到每組目標(biāo)框檢測(cè)模型與字符識(shí)別模型對(duì)應(yīng)的檢測(cè)結(jié)果；

選擇模塊，用于計(jì)算每個(gè)檢測(cè)結(jié)果的準(zhǔn)確率，選擇準(zhǔn)確率最高的檢測(cè)結(jié)果對(duì)應(yīng)的目標(biāo)框檢測(cè)模型和字符識(shí)別模型的組合。