A license plate information and device identification methods, including information recognition method, wherein the license plate image acquisition: using convolutional neural network model; to the image to be recognized as input data for the model of a convolutional neural network to determine the vehicle license plate recognition image information, wherein the convolutional neural network model is the use of license plate information of a plurality of license plate image samples and the license plate image in the sample as the training data obtained from the training, avoid the tedious process of license plate segmentation, license plate information improves recognition accuracy and accurate and can not solve the existing license plate recognition method to adapt to complex environment and the recognition process takes a serious problem.
【技术实现步骤摘要】
一种车牌信息识别方法及装置
本专利技术涉及图像识别
,具体涉及一种车牌信息识别方法及装置。
技术介绍
在智能交通领域,车牌识别技术占据着重要的地位。传统的车牌识别技术一般将车牌识别分为车牌定位、车牌字符分割、车牌字符识别等几大模块。现有车牌识别方法为将定位后的车牌图片字符切割成若干单个字符,继而车牌字符识别对切割后的单个字符进行识别分类。但是现有车牌识别方法存在一定的缺点,例如,当车牌出现污损、残缺、断裂、粘连等情况时,传统的字符分割方法面临巨大挑战,分割正确率急剧下降,直接导致车牌识别失败。因此,传统的车牌识别不能适应复杂多变的环境,且车牌识别过程对切割后的单个字符进行识别分类,采取大量数字图像处理手段,耗时严重,且在图像处理过程中并不知道处理的图像是否为车辆的车牌图像,导致识别结果不准确。
技术实现思路
因此,本专利技术要解决的技术问题在于现有车牌识别方法不能适应复杂多变的环境且识别过程耗时严重。有鉴于此,本专利技术提供一种车牌信息识别方法,包括:获取待识别图像;利用卷积神经网络模型以所述待识别图像作为所述卷积神经网络模型的输入层数据,确定所述待识别图像的车牌信息,其中所述卷积神经网络模型是利用多个车牌图像样本和所述车牌图像样本中的车牌信息作为训练数据训练得到的。优选地,所述卷积神经网络模型为深度学习卷积神经网络模型。优选地,所述获取待识别图像之前,还包括:获取多个车辆的车牌图像;将所述车牌图像扩大到预设尺寸,得到车牌图像样本;将所述多个车牌图像样本和所述车牌图像样本中的车牌信息作为训练数据,对卷积神经网络模型进行训练,直至所述卷积神经网络模型对所述 ...
【技术保护点】
一种车牌信息识别方法,其特征在于,包括:获取待识别图像;利用卷积神经网络模型以所述待识别图像作为所述卷积神经网络模型的输入层数据,确定所述待识别图像的车牌信息,其中所述卷积神经网络模型是利用多个车牌图像样本和所述车牌图像样本中的车牌信息作为训练数据训练得到的。
【技术特征摘要】
1.一种车牌信息识别方法,其特征在于,包括:获取待识别图像;利用卷积神经网络模型以所述待识别图像作为所述卷积神经网络模型的输入层数据,确定所述待识别图像的车牌信息,其中所述卷积神经网络模型是利用多个车牌图像样本和所述车牌图像样本中的车牌信息作为训练数据训练得到的。2.根据权利要求1所述的方法,其特征在于,所述获取待识别图像之前,还包括:获取多个车辆的车牌图像;将所述车牌图像扩大到预设尺寸,得到车牌图像样本;将所述多个车牌图像样本和所述车牌图像样本中的车牌信息作为训练数据,对卷积神经网络模型进行训练,直至所述卷积神经网络模型对所述车牌图像样本车牌信息的识别率大于预设阈值或者卷积神经网络模型的损失函数的损失值收敛于预设值。3.根据权利要求2所述的方法,其特征在于,所述将所述车牌图像扩大到预设尺寸,得到车牌图像样本,包括:获取所述车牌图像的坐标与尺寸大小;根据所述车牌图像的坐标与尺寸大小,确定所述车牌图像的图像中心点;以所述图像中心点为中心,按照所述预设尺寸进行所述车牌图像扩展,得到所述车牌图像样本。4.根据权利要求1-3中任一项所述的方法,其特征在于,所述卷积神经网络模型设置有多个字符结果输出层,所述多个字符结果输出层分别对应输出所述车牌图像样本中多个字符的识别结果。5.根据权利要求4所述的方法,其特征在于,所述卷积神经网络模型还设置有长度结果输出层,用于输出所述车牌图像样本中字符长度识别结果。6.根据权利要求4所述的方法,其特征在于,在所述确定所述待识别图像的车牌信息的步骤之后,还包括:将所述多个字符结果输出层的输出结果与第二预设阈值进行比较,当所述字符结果输出层的输出结果小于所述第二预设阈值时,判定所述待识别图像的车牌信息识别错误。7.根据权利要求5所述的方法,其特征在于,在所述确定所述待识别图像的车牌信息的步骤之后,还包括:当所述多个字符结果输出层输出的字符识别结果为预设非真实车牌图像信息值或者所述长度结果输出层输出的车牌长度为预设长度值或者所述多个字符结果输出层的识别结果中输出的数字0的数量大于预设数量时,判定所述待识别图像不是真实车牌图像。8.一种车牌信息识别装置,其特征在于,包括:获取单元,用于获取待识别图像;确定单元,用于利用卷积神经网络模型以所述待识别...
【专利技术属性】
技术研发人员:何建伟,吴香莲,聂方,蒲津,王宏宾,刘彦,张如高,
申请(专利权)人:博康智能信息技术有限公司北京海淀分公司,
类型:发明
国别省市:北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。