【技术实现步骤摘要】
一种车辆铭牌全信息识别方法、系统、终端及介质
本专利技术涉及图像识别
，具体涉及一种车辆铭牌全信息识别方法、系统、终端及介质。
技术介绍
在进口车辆信息统计业务中，需要人工采集进口车辆铭牌图像，然后人工将铭牌中的车辆信息(如车辆识别代号，发动机型号，发动机功率，最大允许总质量，最大乘坐人数等)手动输入电子表格，进行统计，人工工作量大。现有OCR文字识别技术主要解决打印文档类的光学图像文字识别，如药费单据、发票等，其基于一定的版式或领域知识对文档类图像进行版式处理后，逐要素识别其中的文字信息，对于任意版式的自然图像处理效果欠佳。主要原因在于，现有的文字识别方法，需要大量的领域知识和预处理步骤，这大大增加了算法的误差，此外现有文字识别方法都是在人工定义特征的基础上进行学习，表达能力跟特征的优劣直接相关，并且对自然场景中文字的扭曲、倾斜、光照等变化敏感，鲁棒性不足。
技术实现思路
针对现有技术中的缺陷，本专利技术提供一种车辆铭牌全信息识别方法，采用深度学习的目标识别算法，提高了文字识别准确性，提高了文字识别在自然场景中，倾斜、反光、扭曲等干扰的鲁棒性。第一方面，本专利...
【技术保护点】
1.一种车辆铭牌全信息识别方法，其特征在于，包括：选择不同版式的车辆铭牌图像，并矫正为正射影像，将关键字段的局部图分别单独存储，并作为各关键字段的标准模板图像；获取待检测车辆的铭牌图像；采用区域神经网络识别待检测车辆的铭牌图像中的关键字段；利用卷积神经网络对待检测车辆的铭牌图像中进行特征提取、分类、定位出各个关键字段的局部图的位置坐标；根据所述关键字段的位置坐标截取各个关键字段的局部图和各个关键字段对应字段内容的局部图；将各个关键字段对应字段内容的局部图和关键字段的局部图拼接在一张图像上，采用区域卷积神经网络识别出拼接图像中的关键字段，利用卷积神经网络识别出拼接图像中的关键字段对应的字符。
【技术特征摘要】
1.一种车辆铭牌全信息识别方法，其特征在于，包括：选择不同版式的车辆铭牌图像，并矫正为正射影像，将关键字段的局部图分别单独存储，并作为各关键字段的标准模板图像；获取待检测车辆的铭牌图像；采用区域神经网络识别待检测车辆的铭牌图像中的关键字段；利用卷积神经网络对待检测车辆的铭牌图像中进行特征提取、分类、定位出各个关键字段的局部图的位置坐标；根据所述关键字段的位置坐标截取各个关键字段的局部图和各个关键字段对应字段内容的局部图；将各个关键字段对应字段内容的局部图和关键字段的局部图拼接在一张图像上，采用区域卷积神经网络识别出拼接图像中的关键字段，利用卷积神经网络识别出拼接图像中的关键字段对应的字符。2.如权利要求1所述的车辆铭牌全信息识别方法，其特征在于，所述卷积神经网络对获取待检测车辆的铭牌图像中进行特征提取、分类和定位的具体方法包括：对待检测车辆的铭牌图像依次进行卷积、下采样处理，得到语义级别的图像特征；所述语义级别的图像特征经过区域建议网，生成兴趣区，在卷积特征图上将兴趣区对应的图像特征输入全连接层处理，得到最终图像特征；将最终图像特征采用分类器分类和回归器紧缩边界框，得到图像特征所属的类别和原图坐标。3.如权利要求1所述的车辆铭牌全信息识别方法，其特征在于，在所述根据所述关键字段的位置坐标截取各个关键字段的局部图和各个关键字段对应字段内容的局部图步骤之后，各个关键字段对应字段内容的局部图和关键字段的局部图拼接在一张图像上的步骤之前还包括：将各个关键字段的局部图矫正为正射影像。4.如权利要求3所述的车辆铭牌全信息识别方法，其特征在于，所述将各个关键字段的局部图矫正为正射影像的具体方法包括：将各个关键字段的局部图与对应的关键字段的标准模板图像进行特征点匹配，剔除无效的特征点对，利用剩余的特征点对进行放射变换矫正，得到每个关键字段矫正后的正射影像。5.一种车辆铭牌全信息识别系统，其特征在于，包括标准模板图像单元、图像获取单元、区域神经网络单元、卷积神经网络单元、图像截取单元和图像拼接单元，所述标准模板图像单元被配置用于存储不同版式车辆铭牌图像的关键字段的标准模板图像；所述图像获取单元被配置为用...
【专利技术属性】
技术研发人员：王忠，
申请(专利权)人：上海萃舟智能科技有限公司，
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。