[發明專利]一種復雜場景下的車牌識別方法及系統

在審

• 申請號: 202110723021.6
• 申請日: 2021-06-28
• 公開（公告）號: CN113378972A
• 公開（公告）日: 2021-09-10
• 發明（設計）人: 李洪洋;郭敬娜;王銘宇
• 申請（專利權）人: 成都恒創新星科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06T5/50
• 代理公司: 四川省成都市天策商標專利事務所 51213
• 代理人: 趙以鵬

1.一種復雜場景下的車牌識別方法，其特征在于，包括：

獲取作為訓練樣本的車牌數據集并對獲取的所述車牌數據集進行預處理；

將所述車牌數據集輸入識別模型進行處理，獲取識別模型的識別結果；所述車牌數據集包括若干車牌圖片；

將所述識別結果輸入評估模型，獲取評估結果；

其中，所述識別模型依次包括下采樣模塊、序列化特征提取模塊、圖像增強模塊；

所述下采樣模塊用于對輸入的車牌數據集進行下采樣并提取底層特征；

所述序列化特征提取模塊用于對提取的所述底層特征進行序列化特征提取；

所述圖像增強模塊用于對提取的所述底層特征進行圖像增強。

2.根據權利要求1所述的方法，其特征在于，所述下采樣模塊由一個卷積層和三個Resblock模塊組成，一個所述Resblock模塊中至少包括兩個卷積層。

3.根據權利要求1或2所述的方法，其特征在于，所述圖像增強模塊采用上采樣進行圖像增強。

4.根據權利要求3所述的方法，其特征在于，所述識別模型對輸入的所述車牌圖片的處理包括：

對所述車牌圖片進行下采樣提取底層特征；

對提取到的所述特征分別進行序列化特征和圖像增強；

將經過圖像增強的特征和經過序列化特征提取的特征進行特征融合得到識別結果。

5.根據權利要求1所述的方法，其特征在于，所述評估模型采用以下方式對所述識別結果進行評估：

Acc＝Righer/All；

Acc代表識別模型的識別車牌的精確率，Right代表識別正確的車牌數，All代表所有車牌數據集中的車牌的樣本數；

所述評估模型的測試指標至少包括以下一種：回歸損失平方和、top1車牌準確率、top1_in_top5車牌準確率；

其中，所述回歸損失平方和與車牌數據集的車牌圖片的識別置信度和預測質量分相關，所述top1車牌準確率、top1_in_top5車牌準確率與識別模型的識別準確率相關。

6.一種復雜場景下的車牌識別設備，其特征在于，包括：

獲取模塊，用于獲取作為訓練樣本的車牌數據集并對獲取的所述車牌數據集進行預處理；

識別模塊，用于將所述車牌數據集輸入識別模型進行處理，獲取識別模型的識別結果；所述車牌數據集包括若干車牌圖片；

評估模塊，用于將所述識別結果輸入評估模型，獲取評估結果。

7.根據權利要求6所述的設備，其特征在于，所述識別模型依次包括下采樣模塊、序列化特征提取模塊、圖像增強模塊；

所述下采樣模塊用于對輸入的車牌數據集進行下采樣并提取底層特征；

所述序列化特征提取模塊用于對提取的所述底層特征進行序列化特征提取；

所述圖像增強模塊用于對提取的所述底層特征進行圖像增強。

8.根據權利要求6所述的設備，其特征在于，所述下采樣模塊由一個卷積層和三個Resblock模塊組成，一個所述Resblock模塊中至少包括兩個卷積層。

9.根據權利要求8或7所述的方法，其特征在于，所述圖像增強模塊采用上采樣進行圖像增強。

10.一種復雜場景下的車牌識別裝置，所述裝置包括處理器以及存儲器；所述存儲器用于存儲指令，其特征在于，所述指令被所述處理器執行時，導致所述裝置實現如權利要求1至5中任一項所述復雜場景下的車牌識別方法對應的操作。