【技术实现步骤摘要】
车牌识别方法、装置、设备及计算机可读存储介质
本申请涉及图像处理的
，尤其涉及一种车牌识别方法、装置、设备及计算机可读存储介质。
技术介绍
目前，车牌识别技术已经被广泛应用于停车场、城市道路、高速公路等区域进行车辆号牌的自动抓拍和识别，在实际应用中，对车牌号码进行抓拍和识别时，由于车辆所处环境的光照不足以及恶劣天气等原因，导致拍摄得到的车牌图像不清晰，无法准确的识别车牌。为解决上述问题，通过深度学习的方式，对训练数据做不同程度的数据增强，如裁剪，翻转，高斯噪声等，再基于增强后的训练数据对卷积神经网络进行训练，从而得到车牌识别模型，然而，对于车牌识别并不是所有的增强操作是必要的，甚至有一些数据增强操作在某些应用场景下会影响车牌识别率。因此如何提高车牌识别的准确率是目前亟待解决的问题。
技术实现思路
本申请的主要目的在于提供一种车牌识别方法、装置、设备及计算机可读存储介质，旨在提高车牌识别的准确率。第一方面，本申请提供一种车牌识别方法，包括：获取包含车牌的目标图像，并通过基于场景...
【技术保护点】
1.一种车牌识别方法，其特征在于，包括：/n获取包含车牌的目标图像，并通过基于场景文本检测框架EAST实现的车牌定位模型，确定所述目标图像中的第一车牌图像区域；/n将所述第一车牌图像区域转换为车牌灰度图像，并对所述车牌灰度图像进行对比度增强处理，得到目标车牌图像；/n通过基于二维注意力机制的端对端的车牌识别模型对所述目标车牌图像进行处理，得到所述目标图像的车牌识别结果。/n
【技术特征摘要】
1.一种车牌识别方法，其特征在于，包括：
获取包含车牌的目标图像，并通过基于场景文本检测框架EAST实现的车牌定位模型，确定所述目标图像中的第一车牌图像区域；
将所述第一车牌图像区域转换为车牌灰度图像，并对所述车牌灰度图像进行对比度增强处理，得到目标车牌图像；
通过基于二维注意力机制的端对端的车牌识别模型对所述目标车牌图像进行处理，得到所述目标图像的车牌识别结果。
2.根据权利要求1所述的车牌识别方法，其特征在于，所述车牌定位模型包括全卷积神经网络层和非极大值抑制层，所述通过基于场景文本检测框架EAST实现的车牌定位模型，确定所述目标图像中的第一车牌图像区域，包括：
将所述目标图像输入至所述全卷积神经网络层进行处理，得到包含有多个矩形框的目标图像；
将包含有多个矩形框的目标图像输入至所述非极大值抑制层进行处理，得到目标矩形框；
从所述目标图像中提取所述目标矩形框所在的图像区域，得到第一车牌图像区域。
3.根据权利要求1所述的车牌识别方法，其特征在于，所述车牌识别模型包括卷积神经网络层，基于二维注意力机制的双向长短时记忆网络层、全连接层和时序分类CTC算法层，所述通过基于二维注意力机制的端对端的车牌识别模型对所述目标车牌图像进行处理，得到所述目标图像的车牌识别结果，包括：
将所述目标车牌图像输入至所述卷积神经网络层进行处理，得到所述目标车牌图像的多个第一特征图；
将所述多个第一特征图输入至所述基于二维注意力机制的双向长短时记忆网络层进行处理，得到多个第二特征图；
将所述多个第二特征图输入至所述全连接层进行处理，得到所述目标图像的特征向量矩阵；
将所述特征向量矩阵输入至所述CTC算法层进行处理，得到所述目标图像的车牌识别结果。
4.根据权利要求1-3中任一项所述的车牌识别方法，其特征在于，所述通将所述第一车牌图像区域转换为车牌灰度图像，并对所述车牌灰度图像进行对比度增强处理，得到目标车牌图像之前，还包括：
通过基于图像纹理特征的车牌定位算法，确定所述目标图像中的第二车牌图像区域；
根据所述第二车牌图像区域，对所述第一车牌图像区域进行校验；
当所述第一车牌图像区域通过校验时，将所述第一车牌图像区域转换为第一车牌灰度图像，并对所述第一车牌灰度图像进行对比度增强处理，得到目标车牌图像。
5.根据权利要求4所述的车牌识别方法，其特征在于，所述通过基于图像纹理特征的车牌定位算法，确定所述目标图像中的第二车牌图像区域，包括：
对所述目标图像进行预处理，其中，所述预处理包括最大类间二值化处理、数学...
【专利技术属性】
技术研发人员：陈少琼，
申请(专利权)人：中国平安财产保险股份有限公司，
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。