[發明專利]基于多屬性融合的分布式車牌識別方法、系統、裝置

有效

• 申請號: 202011393777.0
• 申請日: 2020-12-03
• 公開（公告）號: CN112200193B
• 公開（公告）日: 2021-03-16
• 發明（設計）人: 陳盈盈;馮文霓;王金橋
• 申請（專利權）人: 中國科學院自動化研究所
• 主分類號: G06K9/32
• 分類號: G06K9/32;G06K9/46;G06K9/62;G06N3/04
• 代理公司: 北京市恒有知識產權代理事務所(普通合伙) 11576
• 代理人: 郭文浩;尹文會

本發明屬于計算機視覺、模式識別以及智能交通領域，具體涉及一種基于多屬性融合的分布式車牌識別方法、系統、裝置，旨在進一步提升自然場景中車牌識別結果準確性、有效性和可信度。本系統方法包括獲取待識別的車牌圖像；提取車牌圖像的特征，作為初始特征；對初始特征進行深度編碼，得到與車牌圖像類型相關的類型特征，并通過圖像類型分類器得到類型預測結果；對初始特征進行深度編碼，得到與車牌顏色相關的顏色特征，并通過圖像顏色分類器得到顏色預測結果；將初始特征、類型特征、顏色特征融合后進行深度編碼，得到與車牌圖像相關的文本特征，并通過預構建的字符序列生成器得到車牌號識別結果。本發明提高了識別準確性、有效性和可信度。

技術領域

本發明屬于計算機視覺、模式識別以及智能交通領域，具體涉及一種基于多屬性融合的分布式車牌識別方法、系統、裝置。

背景技術

隨著智能交通系統的快速發展，對車輛信息的識別分析需求日漸增加。其中，車牌最能直接有效的體現車輛的信息，準確高效的識別車牌信息對于智能化交通管理意義重大。然而，由于自然場景的復雜多變，準確檢測并識別車牌信息變得極具挑戰。

現有技術在對道路中的車牌信息進行識別時，首先依賴于對自然場景中的車牌進行檢測，然后基于檢測結果進行車牌識別。由于車輛并非總是處于靜止或低速運動狀態，當進行高速運動時，不可避免的會造成運動模糊；此外，還會出現人為遮擋車牌、物體（如樹葉）或車輛之間距離太近導致的部分遮擋情況，這大大增加了車牌識別的難度。僅通過對圖像中的車牌號進行識別來確定車牌信息，而不考慮自然環境變化及車輛自身情況帶來的干擾，車牌識別的錯誤率會很高。因此，需要一種能夠同時判斷場景信息、車牌狀態，融合多種車牌屬性的識別方法，實現對車牌信息準確高效的識別與分析。

發明內容

為了解決現有技術中的上述問題，即為了進一步提升自然場景中車牌識別結果準確性、有效性和可信度，本發明第一方面，提出了一種基于多屬性融合的分布式車牌識別方法，該方法包括：

步驟S10，獲取待識別的車牌圖像，作為輸入圖像；

步驟S20，提取所述輸入圖像的特征，作為初始特征；

步驟S30，通過預構建的圖像判別分支對所述初始特征進行深度編碼，得到與輸入圖像類型相關的類型特征，并通過該分支中的圖像類型分類器得到輸入圖像的類型預測結果；

步驟S40，通過預構建的顏色判別分支對所述初始特征進行深度編碼，得到與車牌顏色相關的顏色特征，并通過該分支中的圖像顏色分類器得到輸入圖像的顏色預測結果；

步驟S50，將所述初始特征、所述類型特征、所述顏色特征進行融合，作為復合特征；對所述復合特征進行深度編碼，得到與輸入圖像相關的文本特征，并通過預構建的字符序列生成器得到車牌號識別結果；

其中，所述圖像判別分支、所述顏色判別分支基于深度卷積神經網絡構建；所述圖像顏色分類器、所述圖像顏色分類器基于N個全連接層構建，N為正整數；

所述字符序列生成器用于將文本特征序列轉換為字符串序列。

在一些優選的實施方式中，所述輸入圖像的類型預測結果包括不含車牌的背景圖像、含有車牌且車牌號清晰的圖像、含有車牌但車牌號模糊的圖像、含有車牌但車牌號位數不全的圖像。

在一些優選的實施方式中，步驟S50之后還包括車牌信息驗證存儲的步驟：

獲取輸入圖像的類型預測結果；

若所述類型預測結果為含有車牌且車牌號清晰的圖像，則基于獲取輸入圖像的顏色預測結果以及車牌號識別結果，判斷車牌號與車牌顏色是否符合設定的匹配規則，若符合則認為車牌號識別正確并進行存儲；否則不存儲。

在一些優選的實施方式中，“將所述初始特征、所述類型特征、所述顏色特征進行融合” 中的融合方式為求和、求均值、合并、通過神經網絡融合的任一種。