车牌号码识别方法、装置、存储介质及处理器制造方法及图纸

本发明专利技术公开了一种车牌号码识别方法、装置、存储介质及处理器。其中，该方法包括：获取由摄像机采集到的历史车辆图像中的第一车牌区域图像的位置信息和号码信息；根据第一车牌区域图像和位置信息对第一预设卷积神经网络模型进行训练；对预设图像处理模型、第二预设卷积神经网络模型和达到收敛状态的第一预设卷积神经网络模型进行级联，从而得到第三预设卷积神经网络模型；根据第二车牌区域图像和号码信息对第三预设卷积神经网络模型进行训练；根据达到收敛状态的第三预设卷积神经网络模型对采集到的当前车辆图像进行识别，得到当前车辆图像中的车牌号码的识别结果。本发明专利技术解决了现有技术中车牌识别存在的识别准确度和效率较低的技术问题。

License plate number identification method, device, storage medium and processor

The invention discloses a license plate number identification method, a device, a storage medium and a processor. Among them, the method includes location information and access to information the first images of the license plate number of vehicle image collected by the camera to the history of; according to the first car license plate image and position information of the first preset convolutional neural network model was trained; the first preset convolution neural network model of the default image processing model, second preset model convolution nerve the network and to achieve convergence condition of the cascade, resulting in third preset convolution neural network model; according to the second area of license plate image and the number of information to train third preset convolutional neural network model; according to the convergence is reached third preset convolutional neural network model to recognize the current vehicle image acquisition to get the image of the vehicle. The number of the license plate recognition results. The invention solves the technical problems of low recognition accuracy and low efficiency in the prior art of license plate recognition.

【技术实现步骤摘要】
车牌号码识别方法、装置、存储介质及处理器
本专利技术涉及交通领域，具体而言，涉及一种车牌号码识别方法、装置、存储介质及处理器。
技术介绍
随着电子信息产业的快速发展和广泛应用，智慧交通已经成为现代交通系统的标志。其中，车牌识别是智慧交通的重要组成部分，通过对交通摄像头、行车记录仪等设备采集到的图像信息或视频信息进行处理，可以自动、智能的识别出图像中车辆的车牌及号码信息。车牌识别可以有效应用于自动交通违法行为识别、可疑车辆目标跟踪、车辆检索、车辆收费管理、智慧停车场、小区车辆管理等场景。目前，现有的车牌识别技术大致分为以下两种：基于传统图像处理的车牌识别方法和基于深度学习的车牌识别方法。方法一、基于传统图像处理的车牌识别方法可以采用传统图像算法实现车牌定位、字符分割及字符识别。常用的传统车牌定位算法包括基于车牌纹理特征、颜色特征、边缘特征、遗传算法等；常用的传统字符分割算法包括基于投影的方法等；常用的传统字符识别算法包括基于字符笔画的方法等。由于车牌特征的单一性，传统的基于图像处理的车牌识别在限定条件下也能取得不错的效果，但是其参数多，手动调节优化十分复杂，且对图像质量要求很高，在不同的应用场景下(包括极端复杂场景或特殊场景)可靠性与适用性较差，识别准确度和识别效率较低。方法二、基于深度学习的车牌识别方法可以通过构建深层的卷积神经网络，对输入的车牌图像进行特征提取和抽象分析，实现车牌号码的自动检测识别。例如，专利公开号为CN104298976A、专利名称为《基于卷积神经网络的车牌检测方法》的专利文献中采用基于Haar特征的Adaboost进行车牌区域粗检测，并结合卷积神经网络CNN进行精确检测，进而采用传统阈值分割法进行字符分割，最终将分割后的单个字符图像输入到后续卷积神经网络模型进行识别。但是，该种方法中的检测及分割性能受到传统方法的限制，引入了二次误差，从而降低了检测结果的准确性。因此，以上两种车牌号码识别方法存在可靠性与适用性较差、易引入二次误差、识别准确度和识别效率较低的缺陷，综上，现有技术中的车牌识别方法存在识别准确度和识别效率较低的技术问题。针对上述的问题，目前尚未提出有效的解决方案。
技术实现思路
本专利技术实施例提供了一种车牌号码识别方法、装置、存储介质及处理器，以至少解决现有技术中车牌识别存在的识别准确度和效率较低的技术问题。根据本专利技术实施例的一个方面，提供了一种车牌号码识别方法，该方法包括：获取由摄像机采集到的历史车辆图像中的第一车牌区域图像的位置信息和号码信息；根据上述第一车牌区域图像和上述位置信息对第一预设卷积神经网络模型进行训练，直至上述第一预设卷积神经网络模型达到收敛状态，其中，上述第一预设卷积神经网络模型用于对上述第一车牌区域图像中的车牌位置进行检测；对预设图像处理模型、第二预设卷积神经网络模型和达到上述收敛状态的上述第一预设卷积神经网络模型进行级联，从而得到第三预设卷积神经网络模型，其中，上述预设图像处理模型用于对上述第一车牌区域图像进行对齐处理从而得到第二车牌区域图像，上述第二预设卷积神经网络模型用于对上述第二车牌区域图像中的车牌号码进行深度识别；根据上述第二车牌区域图像和上述号码信息对上述第三预设卷积神经网络模型进行训练，直至上述第三预设卷积神经网络模型达到收敛状态；根据达到上述收敛状态的上述第三预设卷积神经网络模型对采集到的当前车辆图像进行识别，得到上述当前车辆图像中的上述车牌号码的识别结果。进一步地，在根据上述第一车牌区域图像和上述位置信息对第一预设卷积神经网络模型进行训练之前，上述方法还包括：对上述第一预设卷积神经网络模型中的网络参数进行初始化处理。进一步地，上述根据上述第一车牌区域图像和上述位置信息对第一预设卷积神经网络模型进行训练包括：对上述第一车牌区域图像中的上述车牌位置和上述车牌号码分别进行标记，得到车牌位置标签和车牌号码标签；根据上述车牌位置标签和上述车牌号码标签建立车牌信息数据库，其中，上述车牌信息数据库中包含多个数据样本；根据上述数据样本训练上述第一预设卷积神经网络模型。进一步地，在根据上述第二车牌区域图像和上述号码信息对上述第三预设卷积神经网络模型进行训练之前，上述方法还包括：根据上述预设图像处理模型对上述第一预设卷积神经网络模型输出的上述第一车牌区域图像进行二维仿射变换处理，得到上述第二车牌区域图像。根据本专利技术实施例的另一方面，还提供了一种车牌号码识别装置，该装置包括：获取单元，用于获取由摄像机采集到的历史车辆图像中的第一车牌区域图像的位置信息和号码信息；第一处理单元，用于根据上述第一车牌区域图像和上述位置信息对第一预设卷积神经网络模型进行训练，直至上述第一预设卷积神经网络模型达到收敛状态，其中，上述第一预设卷积神经网络模型用于对上述第一车牌区域图像中的车牌位置进行检测；第二处理单元，用于对预设图像处理模型、第二预设卷积神经网络模型和达到上述收敛状态的上述第一预设卷积神经网络模型进行级联，从而得到第三预设卷积神经网络模型，其中，上述预设图像处理模型用于对上述第一车牌区域图像进行对齐处理从而得到第二车牌区域图像，上述第二预设卷积神经网络模型用于对上述第二车牌区域图像中的车牌号码进行深度识别；第三处理单元，用于根据上述第二车牌区域图像和上述号码信息对上述第三预设卷积神经网络模型进行训练，直至上述第三预设卷积神经网络模型达到收敛状态；识别单元，用于根据达到上述收敛状态的上述第三预设卷积神经网络模型对采集到的当前车辆图像进行识别，得到上述当前车辆图像中的上述车牌号码的识别结果。进一步地，上述装置还包括：第四处理单元，用于对上述第一预设卷积神经网络模型中的网络参数进行初始化处理。进一步地，上述第一处理单元包括：标记子单元，用于对上述第一车牌区域图像中的上述车牌位置和上述车牌号码分别进行标记，得到车牌位置标签和车牌号码标签；创建子单元，用于根据上述车牌位置标签和上述车牌号码标签建立车牌信息数据库，其中，上述车牌信息数据库中包含多个数据样本；第一处理子单元，用于根据上述数据样本训练上述第一预设卷积神经网络模型。进一步地，上述装置还包括：第五处理单元，用于根据上述预设图像处理模型对上述第一预设卷积神经网络模型输出的上述第一车牌区域图像进行二维仿射变换处理，得到上述第二车牌区域图像。根据本专利技术实施例的又一方面，还提供了一种存储介质，其特征在于，上述存储介质包括存储的程序，其中，在上述程序运行时控制上述存储介质所在设备执行上述的车牌号码识别方法。根据本专利技术实施例的又一方面，还提供了处理器，其特征在于，上述处理器用于运行程序，其中，上述程序运行时执行上述的车牌号码识别方法。在本专利技术实施例中，采用获取由摄像机采集到的历史车辆图像中的第一车牌区域图像的位置信息和号码信息的方式，进而根据第一车牌区域图像和位置信息对第一预设卷积神经网络模型进行训练，直至第一预设卷积神经网络模型达到收敛状态，进而通过对预设图像处理模型、第二预设卷积神经网络模型和达到收敛状态的第一预设卷积神经网络模型进行级联从而得到第三预设卷积神经网络模型，进而根据第二车牌区域图像和号码信息对第三预设卷积神经网络模型进行训练直至第三预设卷积神经网络模型达到收敛状态，达到了根据达到收敛状态的第三预设卷积神经网本文档来自技高网...

【技术保护点】
一种车牌号码识别方法，其特征在于，包括：获取由摄像机采集到的历史车辆图像中的第一车牌区域图像的位置信息和号码信息；根据所述第一车牌区域图像和所述位置信息对第一预设卷积神经网络模型进行训练，直至所述第一预设卷积神经网络模型达到收敛状态，其中，所述第一预设卷积神经网络模型用于对所述第一车牌区域图像中的车牌位置进行检测；对预设图像处理模型、第二预设卷积神经网络模型和达到所述收敛状态的所述第一预设卷积神经网络模型进行级联，从而得到第三预设卷积神经网络模型，其中，所述预设图像处理模型用于对所述第一车牌区域图像进行对齐处理从而得到第二车牌区域图像，所述第二预设卷积神经网络模型用于对所述第二车牌区域图像中的车牌号码进行深度识别；根据所述第二车牌区域图像和所述号码信息对所述第三预设卷积神经网络模型进行训练，直至所述第三预设卷积神经网络模型达到收敛状态；根据达到所述收敛状态的所述第三预设卷积神经网络模型对采集到的当前车辆图像进行识别，得到所述当前车辆图像中的所述车牌号码的识别结果。

【技术特征摘要】
1.一种车牌号码识别方法，其特征在于，包括：获取由摄像机采集到的历史车辆图像中的第一车牌区域图像的位置信息和号码信息；根据所述第一车牌区域图像和所述位置信息对第一预设卷积神经网络模型进行训练，直至所述第一预设卷积神经网络模型达到收敛状态，其中，所述第一预设卷积神经网络模型用于对所述第一车牌区域图像中的车牌位置进行检测；对预设图像处理模型、第二预设卷积神经网络模型和达到所述收敛状态的所述第一预设卷积神经网络模型进行级联，从而得到第三预设卷积神经网络模型，其中，所述预设图像处理模型用于对所述第一车牌区域图像进行对齐处理从而得到第二车牌区域图像，所述第二预设卷积神经网络模型用于对所述第二车牌区域图像中的车牌号码进行深度识别；根据所述第二车牌区域图像和所述号码信息对所述第三预设卷积神经网络模型进行训练，直至所述第三预设卷积神经网络模型达到收敛状态；根据达到所述收敛状态的所述第三预设卷积神经网络模型对采集到的当前车辆图像进行识别，得到所述当前车辆图像中的所述车牌号码的识别结果。2.根据权利要求1所述的方法，其特征在于，在根据所述第一车牌区域图像和所述位置信息对第一预设卷积神经网络模型进行训练之前，所述方法还包括：对所述第一预设卷积神经网络模型中的网络参数进行初始化处理。3.根据权利要求1所述的方法，其特征在于，所述根据所述第一车牌区域图像和所述位置信息对第一预设卷积神经网络模型进行训练包括：对所述第一车牌区域图像中的所述车牌位置和所述车牌号码分别进行标记，得到车牌位置标签和车牌号码标签；根据所述车牌位置标签和所述车牌号码标签建立车牌信息数据库，其中，所述车牌信息数据库中包含多个数据样本；根据所述数据样本训练所述第一预设卷积神经网络模型。4.根据权利要求1所述的方法，其特征在于，在根据所述第二车牌区域图像和所述号码信息对所述第三预设卷积神经网络模型进行训练之前，所述方法还包括：根据所述预设图像处理模型对所述第一预设卷积神经网络模型输出的所述第一车牌区域图像进行二维仿射变换处理，得到所述第二车牌区域图像。5.一种车牌号码识别装置，其特征在于，包括：获取单元，用于获取由摄像机采集到的历史车辆图像中的第一车牌区域图像的位置信息和...

【专利技术属性】
技术研发人员：王志鹏，周文明，马佳丽，
申请(专利权)人：珠海习悦信息技术有限公司，
类型：发明
国别省市：广东,44