多类型车牌识别方法技术

本发明专利技术公开了一种多类型车牌识别方法，包括：通过对待识别的车牌图像进行特征提取，获得对应的特征图；对特征图进行语义信息及位置信息提取；采用注意力机制融合语义信息和位置信息，通过共享分类器实现对车牌字符串的预测。该方法：一方面，通过显式地建模车牌字符位置信息，可以高效获取字符的位置信息进而利用位置信息进行字符识别，而无需按车牌类型分别处理；另一方面，采用注意力机制融合语义信息和位置信息，无需手动处理语义信息，避免任何繁琐的后处理步骤，算法效率高，鲁棒性强；最终，通过共享分类器，提高数据利用率且只需进行一次识别过程，有利于缓解数据不平衡问题。

【技术实现步骤摘要】
多类型车牌识别方法
本专利技术涉及智能交通领域，尤其涉及一种多类型车牌识别方法。
技术介绍
智能交通系统通过使用先进技术来提高交通安全性和机动性，进而提高生产力，在人们生活中产生了广泛的影响。机动车车牌照号码作为车辆的唯一“身份”标识，其自动识别技术是智能交通系统的基本核心内容之一，已得到广泛研究，可应用于公路收费、停车管理、交通执法等交通相关领域中。在深度学习应用爆发之前，车牌识别主要分为两步：字符分割和字符识别。字符分割将车牌图像分割为包含单个字符的图像，便于接下来的字符识别，因此字符分割质量直接影响车牌识别效果。字符分割技术主要分为连通域分析法和投影分析法，前者操作简单，后者不受车牌倾斜的影响，都可应用于车牌清晰、光照均匀的简单场景中，如停车场、收费站等。对于车载设备、交通监控等复杂场景，分割效果易受自然环境条件影响，如光照不均、分辨率低、运动模糊等。相反地，字符识别效果在引入CNN之后得到很大改善。因此，传统方法在车牌中提取字符的位置信息仍然面临着较大阻碍。深度卷积神经网络因其强大的特征提取和学习能力，在车牌识别中被广泛本文档来自技高网...

【技术保护点】
1.一种多类型车牌识别方法，其特征在于，包括：/n通过对待识别的车牌图像进行特征提取，获得对应的特征图；/n对特征图进行语义信息及位置信息提取；/n采用注意力机制融合语义信息和位置信息，通过共享分类器实现对车牌字符串的预测。/n

【技术特征摘要】
1.一种多类型车牌识别方法，其特征在于，包括：
通过对待识别的车牌图像进行特征提取，获得对应的特征图；
对特征图进行语义信息及位置信息提取；
采用注意力机制融合语义信息和位置信息，通过共享分类器实现对车牌字符串的预测。


2.根据权利要求1所述的一种多类型车牌识别方法，其特征在于，所述对待识别的车牌图像进行特征提取，获得对应的特征图包括：
对于大小为h×w×c'的待识别的车牌图像，通过特征提取模块，提取出大小为的特征图；
所述特征提取模块包括依次连接的卷积层、激活层与下采样层；其中，h代表图像高度，w代表图像宽度，c'代表待识别的车牌图像的通道数，n代表下采样倍数，c代表特征图的通道数。


3.根据权利要求1所述的一种多类型车牌识别方法，其特征在于，对特征图进行语义信息的提取包括：
对于大小为的特征图，通过语义信息提取模块进行语义信息的提取；其中，c各自代表特征图的高度、宽度、通道数；
语义信息由大小为的车牌字符语义分割图进行表示，其中，Cs为字符类别数目，涵盖所有类型车牌的字符，1代表背景类别，车牌字符语义分割图的每一个元素代表了对应像素点的字符语义类别分数。


4.根据权利要求1所述的一种多类型车牌识别方法，其特征在于，对特征图进行位置信息的提取包括：
对于大小为的特征图，通过位置信息提取模块进行位置信息的提取；其中，c各自代表特征图的高度、宽度、通道数；
位置信息由大小为的车牌字符位置分割图进行表示，其中，Cp表示最大的车牌字符串长度，1代表背景类别，车牌...

【专利技术属性】
技术研发人员：王子磊，
申请(专利权)人：中国科学技术大学，
类型：发明
国别省市：安徽;34