[發明專利]一種車牌放大號的檢測識別方法在審
| 申請號: | 202011532814.1 | 申請日: | 2020-12-23 |
| 公開(公告)號: | CN112906699A | 公開(公告)日: | 2021-06-04 |
| 發明(設計)人: | 劉毛溪;梁添才;趙清利;徐天適;潘新生 | 申請(專利權)人: | 深圳市信義科技有限公司 |
| 主分類號: | G06K9/34 | 分類號: | G06K9/34;G06K9/32;G06K9/62;G06N3/04 |
| 代理公司: | 廣州市華學知識產權代理有限公司 44245 | 代理人: | 林梅繁 |
| 地址: | 518000 廣東省深圳市南山*** | 國省代碼: | 廣東;44 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 一種 車牌 大號 檢測 識別 方法 | ||
1.一種車牌放大號的檢測識別方法,其特征在于,包括以下步驟:
S1、對車牌放大號所在區域進行檢測定位,得到原始車牌放大號的樣本圖像;
S2、基于深度卷積的識別網絡對車牌放大號字符進行識別;
步驟S2包括:
S21、在識別網絡模型的訓練階段,對原始車牌放大號的樣本圖像進行擴展,獲得訓練樣本集;
S22、基于擴展后的訓練樣本集,構建識別網絡,運用所構建的識別網絡對實際的車牌放大號圖像進行特征提取,得到最終的文本識別結果;對識別網絡在訓練過程中文本識別部分和超分辨圖像重構部分產生的損失進行加權計算分析,提升識別網絡對低質量圖像的特征表達能力,得到識別網絡最優化的權重參數。
2.根據權利要求1所述的車牌放大號的檢測識別方法,其特征在于,步驟S21包括:
S211、對樣本圖像進行裁剪,生成不同尺寸的區域圖像;
S212、在進行識別網絡模型訓練前,將步驟S211樣本裁剪后得到的多類區域圖像進行歸一化處理,然后進行顏色變換;將尺寸歸一化為W*32,W為歸一化后的圖像寬度;
S213、將車牌號碼的各車牌字符存儲在數組中,然后根據車牌字符在存儲數組中對應的索引值,生成車牌號碼的樣本標簽。
3.根據權利要求2所述的車牌放大號的檢測識別方法,其特征在于,步驟S211裁剪后得到的區域圖像包括以下幾類:
原始車牌放大號樣本,為原始車牌放大號的區域圖像;
缺損的車牌放大號樣本,為丟棄原始車牌省份簡稱區域后裁剪得到的區域圖像;
邊界擴展后的樣本,為對原始車牌放大號樣本和缺損的車牌放大號樣本進行隨機邊界擴展得到的區域圖像;
負樣本,為檢測網絡的誤檢樣本,即非車牌放大號區域。
4.根據權利要求2所述的車牌放大號的檢測識別方法,其特征在于,步驟S212包括:
(1)保持高度h不變對圖像進行隨機寬度拉伸;
(2)判斷寬度拉伸后的圖像的寬高比w*/h是否等于W/32;如果是則將圖像縮放到W*32;如果w*/h<W/32,先將圖像縮放為w***32,w**=w**(32/h),然后對圖像左右邊界進行擴展:
其中,l、r分別為左右邊界的擴展尺寸,random為隨機函數;如果w*/h>W/32,先將圖像縮放為W*h**,h**=h*(W/w*),然后對圖像上下邊界進行擴展:
其中,u、b分別為上下邊界的擴展尺寸,random為隨機函數;
(3)進行隨機顏色空間變換,生成最終輸入到識別網絡中的樣本圖像。
5.根據權利要求1所述的車牌放大號的檢測識別方法,其特征在于,步驟S22所構建的識別網絡為包括卷積層、特征超分辨支路網絡、循環層、轉錄層、損失函數層在內的深度卷積網絡,其中卷積層分別與特征超分辨支路網絡、循環層連接,而轉錄層與循環層連接,轉錄層、特征超分辨支路網絡分別連接至損失函數層。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于深圳市信義科技有限公司,未經深圳市信義科技有限公司許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202011532814.1/1.html,轉載請聲明來源鉆瓜專利網。





