[發明專利]車牌識別模型的訓練、識別方法、裝置及電子設備

在審

• 申請號: 202110693683.3
• 申請日: 2021-06-22
• 公開（公告）號: CN113326893A
• 公開（公告）日: 2021-08-31
• 發明（設計）人: 薛瑩;滿志朋;趙詩宇;吳家新;葛鶴銀;牛群遙;朱林;章勇;曹李軍
• 申請（專利權）人: 蘇州科達科技股份有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/34;G06T5/00
• 代理公司: 北京三聚陽光知識產權代理有限公司 11250
• 代理人: 張琳琳

1.一種車牌識別模型的訓練方法，其特征在于，包括：

獲取樣本圖像集以及獲取所述樣本圖像集中各個樣本圖像對應的標簽，所述標簽包括所述樣本圖像的圖像質量以及目標車牌的字符，所述圖像質量包括類別和等級；

將所述樣本圖像輸入車牌識別模型中，得到所述樣本圖像的預測結果，所述預測結果包括預測圖像質量以及預測目標車牌；

基于所述預測結果以及所述標簽，更新所述車牌識別模型的參數，以確定目標車牌識別模型。

2.根據權利要求1所述的訓練方法，其特征在于，所述獲取樣本圖像集，包括：

獲取原始圖像以及不同類別下的圖像增強參數；

基于所述圖像增強參數，對所述原始圖像進行圖像增強，得到不同圖像質量的樣本圖像。

3.根據權利要求2所述的訓練方法，其特征在于，所述圖像質量的類別包括污損，所述圖像增強參數包括污損區域的尺寸，所述基于所述圖像增強參數，對所述原始圖像進行圖像增強，得到不同圖像質量的樣本圖像，包括：

獲取污損種子參數，生成污損車牌模板；

基于所述污損區域的尺寸在所述污損車牌模板上截取相應的圖像，得到污損圖像；

將所述污損圖像與所述原始圖像進行疊加，得到所述樣本圖像。

4.根據權利要求1所述的訓練方法，其特征在于，所述目標車牌的字符包括車牌字符以及補償符，所述補償符設置在所述車牌字符的預設位置，所述獲取所述樣本圖像集中各個樣本圖像對應的標簽，包括：

獲取所述目標車牌的字符；

基于所述圖像質量的類別和等級，得到所述樣本圖像的圖像質量；

利用所述目標車牌的字符以及所述圖像質量，確定所述樣本圖像對應的標簽。

5.一種車牌識別方法，其特征在于，包括：

獲取車牌圖像；

將所述車牌圖像輸入目標車牌識別模型中，得到所述車牌圖像的圖像質量以及預測車牌，所述目標車牌識別模型是根據權利要求1-4中任一項所述的車牌識別模型的訓練方法訓練得到的；

基于所述圖像質量以及所述預測車牌，確定目標車牌。

6.根據權利要求5所述的方法，其特征在于，所述預測車牌包括預測補償符以及預測車牌字符，所述基于所述圖像質量以及所述預測車牌，確定目標車牌，包括：

判斷所述圖像質量是否符合預設條件；

當所述圖像質量符合所述預設條件時，對所述預測車牌進行所述預測補償符的處理，輸出所述預測車牌字符，以確定所述目標車牌。

7.一種車牌識別模型的訓練裝置，其特征在于，包括：

第一獲取模塊，用于獲取樣本圖像集以及獲取所述樣本圖像集中各個樣本圖像對應的標簽，所述標簽包括所述樣本圖像的圖像質量以及目標車牌的字符，所述圖像質量包括類別和等級；

預測模塊，用于將所述樣本圖像輸入車牌識別模型中，得到所述樣本圖像的預測結果，所述預測結果包括預測圖像質量以及預測目標車牌；

更新模塊，用于基于所述預測結果以及所述標簽，更新所述車牌識別模型的參數，以確定目標車牌識別模型。

8.一種車牌識別裝置，其特征在于，包括：

第二獲取模塊，用于獲取車牌圖像；

識別模塊，用于將所述車牌圖像輸入目標車牌識別模型中，得到所述車牌圖像的圖像質量以及預測車牌，所述目標車牌識別模型是根據權利要求1-5中任一項所述的車牌識別模型的訓練方法訓練得到的；

處理模塊，用于基于所述圖像質量以及所述預測車牌，確定目標車牌。

9.一種電子設備，其特征在于，包括：

存儲器和處理器，所述存儲器和所述處理器之間互相通信連接，所述存儲器中存儲有計算機指令，所述處理器通過執行所述計算機指令，從而執行權利要求1-4中任一項所述的車牌識別模型的訓練方法，或者，執行權利要求5或6所述的車牌識別方法。

10.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質存儲有計算機指令，所述計算機指令用于使計算機執行權利要求1-4中任一項所述的車牌識別模型的訓練方法，或者，執行權利要求5或6所述的車牌識別方法。