车牌识别方法、车牌识别装置、车牌识别设备及介质制造方法及图纸

公开了一种车牌识别方法、车牌识别装置、车牌识别设备及介质。所述车牌识别方法包括：对车辆图像进行预处理，获得待识别车牌图像、以及所述待识别车牌图像的车牌类型；在所述待识别车牌图像的车牌类型指示多行车牌的情况下，对于所述多行车牌类型的待识别车牌图像进行类型转换，得到单行车牌类型的车牌图像；对所述单行车牌类型的车牌图像进行识别，得到车牌号码。通过将多行车牌转换为单行车牌，可简单高效地实现对于多行车牌的识别。

License Plate Recognition Method, License Plate Recognition Device, License Plate Recognition Equipment and Media

【技术实现步骤摘要】
车牌识别方法、车牌识别装置、车牌识别设备及介质
本公开涉及智能交通领域，更具体地涉及一种车牌识别方法、车牌识别装置、车牌识别设备及介质。
技术介绍
随着深度学习在民用和商用领域的持续深入，车辆识别作为智能交通系统中的关键技术，在进行车辆检测，特别是针对多种车牌的检测识别中，也面临着更高的要求。基于车牌类型的繁多种类及单行车牌与多行车牌的巨大差异，现有技术在识别多行车牌时，依赖多行文本检测技术，检测定位出多行车牌的每一行，然后利用单行识别模型逐行进行识别得到结果。然而，在这样的识别方式下，需要标注出多行车辆的每一行，标注量大且耗费人力资源；并且，需调用多次识别模型才能完成对多行车牌的识别，耗时长；此外，若多行车牌中的某一行被漏检，则会导致识别失败，识别算法的鲁棒性较低。因此，需要一种能够降低标注工作量、减少识别模型的重复调用、且具有较高鲁棒性的车牌识别方法。
技术实现思路
针对以上问题，本公开提供了一种车牌识别方法、装置、设备及介质。利用本公开提供的车牌识别方法可以高效地识别多种车牌类型，解决了双行车牌识别时大量标引耗费人力资源且多次调用识别模型导致处理时间较长的问题，提高了检测精度及效率，且该方法具有良好的鲁棒性。根据本公开的一方面，提供了一种车牌识别方法，包括：对车辆图像进行预处理，获得待识别车牌图像、以及所述待识别车牌图像的车牌类型；在所述待识别车牌图像的车牌类型指示多行车牌的情况下，对于所述多行车牌类型的待识别车牌图像进行类型转换，得到单行车牌类型的车牌图像；对所述单行车牌类型的车牌图像进行识别，得到车牌号码。根据本公开的另一方面，还提供了一种车牌识别装置，包括：预处理模块，被配置为对车辆图像进行预处理，获得待识别车牌图像、以及所述待识别车牌图像的车牌类型；类型转换模块，被配置为在所述待识别车牌图像的车牌类型指示多行车牌的情况下，对于所述多行车牌类型的待识别车牌图像进行类型转换，得到单行车牌类型的车牌图像；以及车牌识别模块，被配置为对所述单行车牌类型的车牌图像进行识别，得到车牌号码。根据本公开的另一方面，还提供了一种车牌识别设备，其中所述设备包括处理器和存储器，所述存储器包含一组指令，所述一组指令在由所述处理器执行时使所述车牌识别设备执行操作，所述操作包括：对车辆图像进行预处理，得到获得待识别车牌图像、以及所述待识别车牌图像的车牌类型；在所述待识别车牌图像的车牌类型指示多行车牌的情况下，对于所述多行车牌类型的待识别车牌图像进行类型转换，得到单行车牌类型的车牌图像；以及对所述单行车牌类型的车牌图像进行识别，得到车牌号码。根据本公开的另一方面，还提供了一种计算机可读存储介质，其特征在于，其上存储有计算机可读的指令，当利用计算机执行所述指令时执行如上所述的方法。利用本公开提供的车牌识别的方法，可以很好地完成基于车辆图像，对不同类型的车牌进行检测、预处理、识别的过程，特别地，可简单高效地实现对于双行车牌的识别过程。附图说明为了更清楚地说明本公开实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员而言，在没有做出创造性劳动的前提下，还可以根据这些附图获得其他的附图。以下附图并未刻意按实际尺寸等比例缩放绘制，重点在于示出本公开的主旨。图1示出了根据本公开的实施例的车牌识别方法的示例性的流程图；图2示出了根据本公开的实施例对车辆图像进行预处理，获得待识别车牌图像及待识别车牌图像的车牌类型的示例性流程图；图3示出了根据本公开实施例对待识别车牌图像进行倾斜矫正的一种示例性方法的流程图；图4A示出了根据本公开实施例的对待识别车牌图像进行倾斜矫正的另一种示例性方法的流程图；图4B示出了根据本公开实施例的对待识别车牌图像进行倾斜矫正的另一种示例性方法的网络结构图；图5示出了根据本公开的实施例对多行车牌类型的待识别车牌图像进行类型转换得到单行车牌类型的车牌图像的示例性流程图；图6A示出了根据本公开的实施例对单行车牌类型的车牌图像进行识别得到车牌号码的示例性流程图；图6B示出了根据本公开的实施例通过循环神经网络对所述多个列的字符序列特征进行处理得到车牌号码的示例性流程图；图7示出了根据本公开的实施例对于神经网络的判别结果进行结果提取的示例性流程图；图8示出了跨摄像头车辆追踪时应用本公开的方法的示意性流程图；图9示出了根据本公开的实施例的车牌识别装置的示例性的框图；图10示出了根据本公开的实施例的车牌识别设备的示例性的框图。具体实施方式下面将结合附图对本公开实施例中的技术方案进行清楚、完整地描述，显而易见地，所描述的实施例仅仅是本公开的部分实施例，而不是全部的实施例。基于本公开实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，也属于本公开保护的范围。如本申请和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其他的步骤或元素。虽然本申请对根据本申请的实施例的系统中的某些模块做出了各种引用，然而，任何数量的不同模块可以被使用并运行在用户终端和/或服务器上。所述模块仅是说明性的，并且所述系统和方法的不同方面可以使用不同模块。本申请中使用了流程图用来说明根据本申请的实施例的系统所执行的操作。应当理解的是，前面或下面操作不一定按照顺序来精确地执行。相反，根据需要，可以按照倒序或同时处理各种步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。图1示出了根据本公开实施例的车牌识别方法100的示例性流程图。首先，在步骤S101中，对车辆图像进行预处理，获得待识别车牌图像、以及所述待识别车牌图像的车牌类型。该车辆图像可以是通过道路摄像头实时捕获的图像，或者也可以是预先以其他方式获得的车辆图像。本公开实施例不受车辆图像的来源及获取方式的限制。例如，可以为由监控摄像头或道路超速检测摄像头直接拍摄的图像，或者可以是经过计算机预先处理后得到的车辆图像。所述待识别车牌图像为车辆图像中基于车牌位置所确定的图像，其例如可基于车牌位置对于车辆图像进行截取而得到。车牌位置为车牌在车辆图像中的位置信息，该位置信息可以用车牌的像素坐标表示。所述待识别车牌图像的车牌类型可以包括国内或国际上现行的多种车牌，其包括但不限于单行蓝牌、单行黄牌、单行白牌、单行黑牌、双行车牌、摩托车车牌、三轮车车牌等。应了解，本公开实施例的车牌识别方法并不局限于这些车牌类型，本领域技术人员基于本公开，可以容易地将本公开实施例的车牌识别方法应用于其余的车牌类型。在步骤S102中，在所述待识别车牌图像的车牌类型指示多行车牌的情况下，对于所述多行车牌类型的待识别车牌图像进行类型转换，得到单行车牌类型的车牌图像。在该步骤中，基于获取的车牌类型，可将多行车牌类型的车牌图像转换为单行车牌类型的车牌图像，特别地，可将双行车牌类型的车牌图像(下文中，简称为双行车牌图像)转换为单行车牌类型的车牌图像(下文中，简称为单行车牌图像)。经由类型转换得到单行车牌图像后，在本文档来自技高网...

【技术保护点】
1.一种车牌识别方法，包括：对车辆图像进行预处理，获得待识别车牌图像、以及所述待识别车牌图像的车牌类型；在所述待识别车牌图像的车牌类型指示多行车牌的情况下，对于所述多行车牌类型的待识别车牌图像进行类型转换，得到单行车牌类型的车牌图像；以及对所述单行车牌类型的车牌图像进行识别，得到车牌号码。

【技术特征摘要】
1.一种车牌识别方法，包括：对车辆图像进行预处理，获得待识别车牌图像、以及所述待识别车牌图像的车牌类型；在所述待识别车牌图像的车牌类型指示多行车牌的情况下，对于所述多行车牌类型的待识别车牌图像进行类型转换，得到单行车牌类型的车牌图像；以及对所述单行车牌类型的车牌图像进行识别，得到车牌号码。2.如权利要求1所述的车牌识别方法，其中，所述多行车牌为双行车牌，对多行车牌类型的待识别车牌图像进行类型转换得到单行车牌类型的车牌图像包括：基于双行车牌的尺寸规格，在双行车牌类型的待识别车牌图像上确定上下层分割线的位置；沿所确定的分割线切分所述双行车牌类型的待识别车牌图像，得到上层车牌图像和下层车牌图像；对所述上层车牌图像进行尺寸变换，得到尺寸变换后的上层车牌图像；以及将尺寸变换后的上层车牌图像与下层车牌图像进行水平方向拼接，得到转化后的单行车牌类型的车牌图像。3.如权利要求1所述的车牌识别方法，其中，对车辆图像进行预处理，获得待识别车牌图像、以及所述待识别车牌图像的车牌类型包括：经由第一卷积神经网络对于车辆图像提取图像特征，获得待识别车牌图像，以及经由第二卷积神经网络对于车辆图像提取图像特征，获得所述待识别车牌图像的车牌类型；或者经由第三卷积神经网络对于车辆图像提取图像特征，获得待识别车牌图像、以及所述待识别车牌图像的车牌类型。4.如权利要求1所述的车牌识别方法，其中，对车辆图像进行预处理还包括：确定所述待识别车牌图像中车牌倾斜度；以及在所述车牌倾斜度满足预定条件的情况下，对所述待识别车牌图像进行倾斜矫正。5.如权利要求4所述的车牌识别方法，其中，对所述待识别车牌图像进行倾斜矫正包括：通过卷积神经网络提取所述待识别车牌图像的图像特征；通过全连接网络对所提取的图像特征进行处理，得到当前车牌关键点的位置；以及基于当前车牌关键点的位置，对所述待识别车牌图像进行倾斜校正；其中，所述车牌关键点为车牌的四个角点，车牌关键点的位置通过车牌关键点相对于预设图像原点的偏移量表示。6.如权利要求1所述的车牌识别方法，其中，对所述单行车牌类型的车牌图像进行识别以得到车牌号码包括：通过卷积神经网络从所述单行车牌类型的车牌图像中提取车牌图像特征；按照列划分字符序列特征，得到多个列的字符序列特征；以及通过循环神经网络对所述多个列的字符序列特征进行处理，得到车牌号码。7.如权利要求6所述的车牌识别方法，其中，通过循环神经网络对所述多个列的字符序列特征进行处理，得到车牌号码包括：将所述复合特征向量发送至神经网络的输入端；经由神经网络对于所述多个列的字符序列特征进行处理，将每个列中的字符序列特征判别为背景或相应字符；以及基于判别结果，得到车牌号码。8.一种车牌识别装置，包括：预处理模块，被配置为对车辆图像进行预处理，获得待识别车牌图像、以及所述待识别车牌图像的车牌类型；类型转换模块，被配置为在所述待识别车牌图像的车牌类型指示多行车牌的情况下，对于所述多行车牌类型的待识别车牌图像...

【专利技术属性】
技术研发人员：戴雨辰，董鑫，郭晓威，余宗桥，张睿欣，姚雨石，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：广东,44