【技术实现步骤摘要】
车牌识别方法、装置及设备
本专利技术属于机器学习
，尤其涉及车牌识别方法、装置及设备。
技术介绍
车牌检测和识别在智能交通系统中发挥着重要作用，广泛应用于智能交通，交通控制，智慧城市等场景。目前的车牌识别方案通常包括车牌位置检测和车牌号码识别，其中车牌位置检测部分能够检测到车牌在图片中的矩形框位置，如图1所示，检测到的车牌在图片中的位置是一个矩形框，包括矩形框的宽高。车牌号码识别部分从车牌矩形框图片中识别到车牌号码。但是车牌位置检测部分得到的车牌位置是一个矩形框，对于车牌有一定旋转角度的情景，检测得到的矩形框中会包含非车牌图片，这对下一步的车牌号码识别而言是极大的噪声，对识别结果产生不利影响。而且，若车牌旋转角度较大，非车牌图片将占到整个矩形框图的50％以上，严重掩盖了车牌本身的图片特征，使得识别难度更大。
技术实现思路
有鉴于此，本专利技术的目的在于提供一种车牌识别方法、装置及设备，以解决传统的车牌识别方案识别准确率低的问题，具体的技术方案如下：第一方面，本专利技术公开了一种车牌识
【技术保护点】
1.一种车牌识别方法，其特征在于，包括：/n分析待识别车牌图片的图片特征向量得到所述待识别车牌图片包含的车牌的四个顶点位置；/n依据所述车牌的四个顶点位置从所述待识别车牌图片中裁剪得到只包含车牌且长边处于水平方向的水平车牌图片；/n从所述水平车牌图片中识别得到车牌号码。/n
【技术特征摘要】
1.一种车牌识别方法，其特征在于，包括：
分析待识别车牌图片的图片特征向量得到所述待识别车牌图片包含的车牌的四个顶点位置；
依据所述车牌的四个顶点位置从所述待识别车牌图片中裁剪得到只包含车牌且长边处于水平方向的水平车牌图片；
从所述水平车牌图片中识别得到车牌号码。
2.根据权利要求1所述的方法，其特征在于，分析待识别车牌图片的图片特征向量，得到所述待识别车牌图片包含的车牌的四个顶点位置，包括：
利用特征提取网络从所述待识别车牌图片中提取图片特征向量；
利用候选框生成网络分析所述图片特征向量得到所述待识别车牌图片中的各个候选框区域；
将各个候选框区域的图片特征池化到同一尺寸；
利用车牌四顶点位置回归网络分析池化后的各个候选框区域的图片特征，得到车牌的四个顶点在待识别车牌图片中的位置坐标。
3.根据权利要求1所述的方法，其特征在于，依据所述车牌的四个顶点位置从所述待识别车牌图片中裁剪得到只包含车牌且长边处于水平方向的水平车牌图片，包括：
依据所述车牌的四个顶点在所述待识别车牌图片中的位置坐标，确定将车牌图片旋转至长边处于水平方向对应的待旋转角度；
将所述待识别车牌图片旋转所述待旋转角度，并计算车牌的四个顶点位置在旋转后的图片中的旋转后的位置坐标；
根据车牌的四个顶点位置对应的旋转后的位置坐标，从旋转后的图片中确定并裁剪得到水平车牌图片。
4.根据权利要求1所述的方法，其特征在于，从所述水平车牌图片中识别得到车牌号码，包括：
从所述水平车牌图片中提取图片特征向量；
利用双向GRU网络分析所述水平车牌图片对应的图片特征向量，得到所述水平车牌图片包含的车牌号码。
5.根据权利要求1所述的方法，其特征在于，训练车牌识别模型的过程，包括：
获取标记有车牌四顶点位置及车牌号码的样本图片集；
从所述样本图片集中提取每个样本图片对应的图片特征向量，并分析所述图片特征向量得到每个样本图片包含的各个候选框区域；
将每个样本图片包含的各个候选框区域池化到同一尺寸；
分析池化后的各个候选框区域的图片特征，得到所述样本图片中车牌的四个顶点的预测位置坐标，并利用车牌四顶点位置回归损失函数计算得到车牌四顶点位置回归损失值；
依据所述车牌的四个顶点的预测位置坐标，从每个样本图片中裁剪得到所述水平车牌图片；
从每个样本图片对应的水平车牌图片中提取图片特征向量；
利用双向GRU网络分析所述水平车牌图片对应的图片特征向量，得到该水平车牌图片包含的车牌号码，并计算同一样本图片中识别得到的车牌号码与该样本图片标记的车牌号码之间的交叉熵损失值；
分别计算同一样本图片对应的所述车牌四顶点位置回归损失值与所述交叉熵损失值的总和，并依据各个样本图片对应的损失值总和调整所述车牌识别模型中的各个参数，直到所述损失总和满足预设收敛条件，得到最终使用的车牌识别模型。<...
【专利技术属性】
技术研发人员：龚福才，蒋乐，李国明，黄雨安，
申请(专利权)人：广州亚信技术有限公司，
类型：发明
国别省市：广东;44
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。