The invention provides a deep learning model of the whole vehicle license plate character recognition method based on a, which comprises the following steps:: vehicle detection, vehicle license plate detection target, the target vehicle is determined by region; step B: the whole license plate detection region detection plate area; step C: the overall recognition by the license plate number the depth of the neural network model of the license plate area, the depth of the neural network model comprises 4 volumes and 2 layer fully connected layer, finally a fully connected layer contains seven branches, each branch is respectively corresponding to the license plate number of the Chinese characters, letters, numbers or marks. By introducing the deep learning model improves the overall recognition rate of license plate recognition, license plate recognition method to overcome the traditional error identification problem of license plate character segmentation caused by dependence and the uncertainty caused by the.
【技术实现步骤摘要】
一种基于深度学习模型的车牌字符整体识别方法
本专利技术涉及智能交通系统和数字安防领域,具体涉及一种基于深度学习模型的车牌字符整体识别方法。
技术介绍
车牌识别是智能交通系统(ITS)领域的基础部分和重要环节,对智能交通系统的其他部分如车标识别、车身颜色分析、车型分析、卡口检测、电子警察,及其他交通事件相关模块的处理好坏有着重要的影响。传统的车牌识别系统,大致分为车牌检测、车牌定位、字符分割及字符识别等几个子模块。其中车牌号码识别环节,字符分割部分严重依赖前面定位的结果,其所使用的二值化方法对于一些特殊情况如阴阳牌,车牌光线不均衡等效果不佳。字符识别则采用传统浅层分类器的单个字符识别方式,虽在正常条件下还好,但是全天候的稳定性及相似字符的可区分性难以保证。因此,传统的车牌识别系统存在以下问题:1、传统方法需要对车牌进行精确定位再分割,依赖性强,容易分割错误;2、传统方法在光线差、分辨率低、污损、倾斜大等情况的稳定性不好;3、单个模型难以保证较好的识别指标。
技术实现思路
本专利技术针对现有技术存在的问题,提出一种基于深度学习模型的车牌字符整体识别方法。本专利技术的一种基于深度学习模型的车牌字符整体识别方法,包括如下步骤:步骤a:进行车辆检测,获得目标车辆,由目标车辆确定整个车牌检测区域;步骤b:对所述整个车牌检测区域进行检测获得车牌区域;步骤c:通过深度神经网络模型对所述车牌区域的车牌号码进行整体识别,所述深度神经网络模型包括依次连接的4个卷积层和2个全连接层,最后一个全连接层包含七个分支,各分支分别对应车牌号码上的汉字、字母、数字或标识。优选地,所述深度神经网 ...
【技术保护点】
一种基于深度学习模型的车牌字符整体识别方法,其特征在于,包括如下步骤:步骤a:进行车辆检测,获得目标车辆,由目标车辆确定整个车牌检测区域;步骤b:对所述整个车牌检测区域进行检测获得车牌区域;步骤c:通过深度神经网络模型对所述车牌区域的车牌号码进行整体识别,所述深度神经网络模型包括依次连接的4个卷积层和2个全连接层,最后一个全连接层包含七个分支,各分支分别对应车牌号码上的汉字、字母、数字或标识。
【技术特征摘要】
1.一种基于深度学习模型的车牌字符整体识别方法,其特征在于,包括如下步骤:步骤a:进行车辆检测,获得目标车辆,由目标车辆确定整个车牌检测区域;步骤b:对所述整个车牌检测区域进行检测获得车牌区域;步骤c:通过深度神经网络模型对所述车牌区域的车牌号码进行整体识别,所述深度神经网络模型包括依次连接的4个卷积层和2个全连接层,最后一个全连接层包含七个分支,各分支分别对应车牌号码上的汉字、字母、数字或标识。2.根据权利要求1所述的一种基于深度学习模型的车牌字符整体识别方法,其特征在于,所述深度神经网络模型的所述第一分支对应汉字,具有58个输出;所述第二分支对应英文字母,具有26个输出,所述第三至第六分支对应数字和字母,分别具有36个输出,第七分支对应字母...
【专利技术属性】
技术研发人员:王运节,许震,张如高,
申请(专利权)人:新智认知数据服务有限公司,
类型:发明
国别省市:上海,31
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。