[發明專利]一種基于深度學習的車牌識別方法、裝置及存儲介質

在審

• 申請號: 202011428529.5
• 申請日: 2020-12-09
• 公開（公告）號: CN112580643A
• 公開（公告）日: 2021-03-30
• 發明（設計）人: 廖丹萍
• 申請（專利權）人: 浙江智慧視頻安防創新中心有限公司
• 主分類號: G06K9/34
• 分類號: G06K9/34;G06K9/62
• 代理公司: 北京辰權知識產權代理有限公司 11619
• 代理人: 劉廣達

本發明公開了一種基于深度學習的車牌識別方法、裝置、存儲介質及終端，該方法包括：提取當前車輛的車牌圖像，并對當前車輛的車牌圖像進行字符分割生成多個字符圖像；將多個字符圖像依次輸入預先訓練的車牌字符識別模型中，輸出每個字符圖像對應的概率分布；從每個字符圖像對應的概率分布中獲取每個字符圖像所屬的最大概率值；將每個字符圖像所屬的最大概率值的下標確定為每個字符圖像的最終類別；基于每個字符圖像的最終類別識別出車牌圖像的號碼。因此，采用本申請實施例，由于通過訓練的網絡模型來計算車牌圖像中各字符的概率分布，通過概率分布確定最終類別，從而可以精確識別出車牌中字符的所屬類別，進一步提高車輛車牌的識別精度。

技術領域

本發明涉及車牌識別技術領域，特別涉及一種基于深度學習的車牌識別方法、裝置及存儲介質。

背景技術

車牌識別是現代智能交通系統中的重要組成部分之一，應用十分廣泛。它以數字圖像處理、模式識別、計算機視覺等技術為基礎，對攝像機所拍攝的車輛圖像或者視頻序列進行分析，得到每一輛汽車唯一的車牌號碼，從而完成識別過程。車牌識別系統的硬件基礎一般包括觸發設備(監測車輛是否進入視野)、攝像設備、照明設備、圖像采集設備、識別車牌號碼的處理機(如計算機)等。其軟件核心包括車牌定位算法、車牌字符分割算法、光學字符識別算法和序列字符串識別算法等。

在目前的車輛識別技術方案中，車牌識別的算法可以分為兩種：第一種算法首先對輸入的車牌圖像進行字符分割，得到單個的車牌字符，然后對每個車牌字符進行分類識別。第二種算法不需要對車牌的每個字符進行分割。算法輸入整個車牌圖像，輸出車牌的號碼序列。這種算法雖然步驟簡單，但是由于車牌的種類較多，且長度、行數都不固定，需要一種通用的文字序列識別算法，對算法的性能要求較高。由于現有兩種字符識別算法是針對所有字符訓練同一個分類器，從而在測試階段對所有字符都由同一個分類器進行分類，這樣將會導致即使輸入的圖像是漢字，也有可能被分類成數字或者字母。同理，當輸入的圖像是非漢字，也有可能被識別成漢字，從而降低了車牌識別的準確度。

發明內容

本申請實施例提供了一種基于深度學習的車牌識別方法、裝置及存儲介質。為了對披露的實施例的一些方面有一個基本的理解，下面給出了簡單的概括。該概括部分不是泛泛評述，也不是要確定關鍵/重要組成元素或描繪這些實施例的保護范圍。其唯一目的是用簡單的形式呈現一些概念，以此作為后面的詳細說明的序言。

第一方面，本申請實施例提供了一種基于深度學習的車牌識別方法，該方法包括：

提取當前車輛的車牌圖像，并對當前車輛的車牌圖像進行字符分割生成多個字符圖像；

將多個字符圖像依次輸入預先訓練的車牌字符識別模型中，輸出每個字符圖像對應的概率分布；

從每個字符圖像對應的概率分布中獲取每個字符圖像所屬的最大概率值；

將每個字符圖像所屬的最大概率值的下標確定為每個字符圖像的最終類別；

基于每個字符圖像的最終類別識別出車牌圖像的號碼。

可選的，提取當前車輛的車牌圖像，包括：

通過攝像頭采集車輛行駛方向和/或車輛倒退方向的整車圖像；

采用車牌檢測算法將整車圖像進行車牌分割，生成當前車輛的車牌圖像。

可選的，預先訓練的車牌字符識別模型中包括特征提取層和全連接層；

將多個字符圖像依次輸入預先訓練的車牌字符識別模型中，輸出每個字符圖像對應的概率分布，包括：

特征提取層依次提取所述多個字符圖像的特征，生成每個字符圖像對應的特征向量；

全連接層依次對每個字符圖像對應的特征向量行分類，輸出每個字符圖像對應的概率分布。