[發明專利]一種車牌識別方法、裝置、設備和介質

在審

• 申請號: 202110178682.5
• 申請日: 2021-02-09
• 公開（公告）號: CN112784840A
• 公開（公告）日: 2021-05-11
• 發明（設計）人: 李治農;周慶標;王忠;高坤;古川南
• 申請（專利權）人: 熵基科技股份有限公司
• 主分類號: G06K9/32
• 分類號: G06K9/32;G06K9/34;G06K9/46;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 深圳市深佳知識產權代理事務所(普通合伙) 44285
• 代理人: 夏歡

1.一種車牌識別方法，其特征在于，包括：

獲取待識別車牌圖像；

對所述待識別車牌圖像進行灰度處理，得到待識別灰度車牌圖像；

將所述待識別灰度車牌圖像輸入到車牌識別模型進行車牌識別，得到所述待識別灰度車牌圖像對應的車牌號碼序列。

2.根據權利要求1所述的車牌識別方法，其特征在于，所述車牌識別模型包括依次連接的數據層、第一卷積層、第一池化層、第一密集塊、第一轉換層、第二密集塊、第二轉換層、第三密集塊、第二池化層、第二卷積層、第三卷積層、Permute層、Reshape層和SoftMax層；

其中，所述第一轉換層和所述第二轉換層均由一個1×1卷積層和一個2×2最大池化層串聯構成；

所述第一密集塊、所述第二密集塊和所述第三密集塊均由多個密集細胞串聯構成；

所述密集細胞用于對輸入特征圖進行卷積操作，得到輸出特征圖，并將所述輸入特征圖與所述輸出特征圖進行通道拼接。

3.根據權利要求1所述的車牌識別方法，其特征在于，所述車牌識別模型的配置過程為：

獲取用于訓練車牌識別網絡的訓練樣本；

將所述訓練樣本輸入到所述車牌識別網絡進行處理，得到所述訓練樣本的車牌號碼預測序列；

根據所述訓練樣本的車牌號碼預測序列和標簽序列，通過損失函數計算損失值；

根據所述損失值更新所述車牌識別網絡的參數，直至所述車牌識別網絡收斂，得到所述車牌識別模型。

4.根據權利要求3所述的車牌識別方法，其特征在于，所述損失函數為：

其中，S為訓練樣本的集合，x為訓練樣本，L為標簽序列，B^-1(L)為車牌識別網絡的輸出序列映射為L的集合，π為映射到L的輸出序列，π_t為輸出序列π在t時刻輸出的字符，為π_t的輸出概率。

5.一種車牌識別裝置，其特征在于，包括：

獲取單元，用于獲取待識別車牌圖像；

灰度處理單元，用于對所述待識別車牌圖像進行灰度處理，得到待識別灰度車牌圖像；

車牌識別單元，用于將所述待識別灰度車牌圖像輸入到車牌識別模型進行車牌識別，得到所述待識別灰度車牌圖像對應的車牌號碼序列。

6.根據權利要求5所述的車牌識別裝置，其特征在于，所述車牌識別模型包括依次連接的數據層、第一卷積層、第一池化層、第一密集塊、第一轉換層、第二密集塊、第二轉換層、第三密集塊、第二池化層、第二卷積層、第三卷積層、Permute層、Reshape層和SoftMax層；

其中，所述第一轉換層和所述第二轉換層均由一個卷積層和一個最大池化層串聯構成；

所述第一密集塊、所述第二密集塊和所述第三密集塊均由多個密集細胞串聯構成；

所述密集細胞用于對輸入特征圖進行卷積操作，得到輸出特征圖，并將所述輸入特征圖與所述輸出特征圖進行通道拼接。

7.根據權利要求5所述的車牌識別裝置，其特征在于，還包括：配置單元，用于：

獲取用于訓練車牌識別網絡的訓練樣本；

將所述訓練樣本輸入到所述車牌識別網絡進行處理，得到所述訓練樣本的車牌號碼預測序列；

根據所述訓練樣本的車牌號碼預測序列和標簽序列，通過損失函數計算損失值；

根據所述損失值更新所述車牌識別網絡的參數，直至所述車牌識別網絡收斂，得到所述車牌識別模型。

8.根據權利要求7所述的車牌識別裝置，其特征在于，所述損失函數為：

其中，S為訓練樣本的集合，x為訓練樣本，L為標簽序列，B^-1(L)為車牌識別網絡的輸出序列映射為L的集合，π為映射到L的輸出序列，π_t為輸出序列π在t時刻輸出的字符，為π_t的輸出概率。