车牌识别方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术涉及人工智能技术领域，揭露了一种车牌识别方法，包括：利用预先训练的车牌目标框检测模型检测待识别车牌图片的车牌目标框；利用预先训练的关键点检测模型检测所述车牌目标框的车牌关键点；根据所述车牌关键点，对所述待识别车牌图片进行车牌截取，得到目标车牌；利用预先训练的车牌字符识别模型识别出所述目标车牌的车牌字符，得到车牌信息。本发明专利技术还提出一种车牌识别装置、电子设备以及存储介质。此外，本发明专利技术还涉及区块链技术，所述待识别车牌图片可存储于区块链中。本发明专利技术可以提高车牌识别的识别效率。

【技术实现步骤摘要】
车牌识别方法、装置、电子设备及存储介质
本专利技术涉及人工智能
，尤其涉及一种车牌识别方法、装置、电子设备及计算机可读存储介质。
技术介绍
随着AI技术的日益发展，智能化技术已经涉及到生活的各个层面中，其中，车牌识别属于智能交通系统中的一项核心技术，其通过获取包含车牌的图像，利用深度学习网络对获取车牌的图像进行字符识别，从而得到车牌信息，大大方便了相关人员及系统对于车辆的管理。目前关于车牌识别主要存在如下问题：1、对于获取包含车牌图像，在很多环境下检测不到车牌，比如说车牌角度不正，环境过亮或者过暗、车牌在图片中过小过大等，导致车牌图像的车牌位置检测效率低；2、需要对车牌图像中车牌字符进行分割后才能进行车牌字符的识别，导致车牌图像的车牌字符识别效率低。因此，目前车牌识别方法主要存在车牌识别效率低下的问题。
技术实现思路
本专利技术提供一种车牌识别方法、装置、电子设备及计算机可读存储介质，其主要目的在于提高车牌识别的识别效率。为实现上述目的，本专利技术提供的一种车牌识别方法，包括：利用预先训练的车牌目标框检测模型检测待识别车牌图片的车牌目标框；利用预先训练的关键点检测模型检测所述车牌目标框的车牌关键点；根据所述车牌关键点，对所述待识别车牌图片进行车牌截取，得到目标车牌；利用预先训练的车牌字符识别模型识别出所述目标车牌的车牌字符，得到车牌信息。可选地，在所述利用预先训练的车牌目标框检测模型检测待识别车牌图片的车牌目标框之前，该方法还包括：获取车牌图片集及车牌字符数据集，对所述车牌图片集进行车牌目标框和车牌关键点的标注，分别生成车牌目标框图片集和车牌关键点图片集；利用所述车牌目标框图片集对预构建的目标框检测模型进行训练，得到所述预先训练的车牌目标框检测模型；利用所述车牌关键点图片集对预构建的关键点检测模型进行训练，得到所述预先训练的车牌关键点检测模型；利用所述车牌字符数据集对预构建的字符识别模型进行训练，得到所述预先训练的车牌字符识别模型。可选地，所述利用所述车牌目标框图片集对预构建的目标框检测模型进行训练，得到所述预先训练的车牌目标框检测模型，包括：获取所述车牌目标框图片集对应的标签值；利用所述目标框检测模型中的卷积层对所述车牌目标框图片集进行卷积操作，得到所述车牌目标框图片集的特征向量，利用所述目标框检测模型中的池化层对所述特征向量进行池化操作，利用所述目标框检测模型中的激活层对池化后的所述特征向量进行计算，得到所述车牌目标框图片集的训练值；计算所述训练值与对应标签值的损失值，根据所述损失值调整所述预构建的目标框检测模型的参数，直至所述损失值不大于预设的损失值，得到所述车牌目标框检测模型。可选地，所述计算所述训练值与对应标签值的损失值包括：利用下述方法计算所述损失值：其中，L(s)表示损失值，k表示车牌目标框图片集的数量，yi表示第i个车牌目标框图片的标签值，y′i表示第i个车牌目标框图片的训练值。可选地，在所述利用预先训练的车牌目标框检测模型检测待识别车牌图片的车牌目标框之前，该方法还包括：对所述待识别车牌图片进行图像均衡化处理和/或对所述待识别车牌图片进行角度旋转。可选地，在所述利用预先训练的关键点检测模型检测所述车牌目标框的车牌关键点之前，该方法还包括：识别所述待识别车牌图片是否具有多个车牌目标框；若所述待识别车牌图片不具有多个车牌目标框，则利用所述关键点检测模型检测所述待识别车牌图片的车牌关键点；若所述待识别车牌图片具有多个车牌目标框，则根据识别的车牌目标框，对所述待识别车牌图片进行车牌目标框切分，得到多个子车牌目标框，并利用所述关键点检测模型检测每一个子车牌目标框的车牌关键点。可选地，所述根据所述车牌关键点，对所述待识别车牌图片进行车牌截取，得到目标车牌，包括：基于所述车牌关键点，对所述待识别车牌图片进行车牌畸变纠正，得到初始车牌；基于预设标准车牌的尺寸，对所述初始车牌进行尺寸配置，得到标准车牌；利用预设图片裁剪工具对所述标准车牌进行裁剪，得到所述目标车牌。为了解决上述问题，本专利技术还提供一种车牌识别装置，所述装置包括：检测模块，用于利用预先训练的车牌目标框检测模型检测待识别车牌图片的车牌目标框；所述检测模块，还用于利用预先训练的关键点检测模型检测所述车牌目标框的车牌关键点；截取模块，用于根据所述车牌关键点，对所述待识别车牌图片进行车牌截取，得到目标车牌；识别模块，用于利用预先训练的车牌字符识别模型识别出所述目标车牌的车牌字符，得到车牌信息。为了解决上述问题，本专利技术还提供一种电子设备，所述电子设备包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述所述的车牌识别方法。为了解决上述问题，本专利技术还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个指令，所述至少一个指令被电子设备中的处理器执行以实现上述所述的车牌识别方法。本专利技术实施例首先利用预先训练的车牌目标框检测模型检测待识别车牌图片的车牌目标框，可以提高车牌检测的环境适应性，增加车牌检出率；其次，本专利技术实施例利用预先训练的关键点检测模型检测所述车牌目标框的车牌关键点，可以直接定位车牌的关键点，从而可以直接提取出车牌位置，不用再定位车牌的上下边界和左右边界，使车牌关键点检测更加准确的同时也提高了车牌关键点的检测效率；进一步地，本专利技术实施例根据所述车牌关键点，对所述待识别车牌图片进行车牌截取，得到目标车牌，并利用预先训练的车牌字符识别模型识别出所述目标车牌的车牌字符，得到车牌信息，可以直接对目标车牌进行字符识别，不需要进行字符分割，提高车牌字符识别的速度。因此，本专利技术提出的一种车牌识别方法、装置、电子设备以及存储介质可以提高车牌识别的识别效率。附图说明图1为本专利技术实施例提供的模型训练方法的详细流程示意图；图2为本专利技术实施例中图1提供的模型训练方法步骤S11的详细流程示意图；图3为本专利技术实施例提供的车牌识别方法的流程示意图；图4为本专利技术实施例中图3提供的车牌识别方法步骤S3中车牌截取的详细流程示意图；图5为本专利技术实施例提供的车牌识别装置的模块示意图；图6为本专利技术实施例提供的实现车牌识别方法的电子设备的内部结构示意图；本专利技术目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。具体实施方式应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。本申请实施例提供的车牌识别方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之，所述车牌识别本文档来自技高网...

【技术保护点】
1.一种车牌识别方法，其特征在于，所述方法包括：/n利用预先训练的车牌目标框检测模型检测待识别车牌图片的车牌目标框；/n利用预先训练的关键点检测模型检测所述车牌目标框的车牌关键点；/n根据所述车牌关键点，对所述待识别车牌图片进行车牌截取，得到目标车牌；/n利用预先训练的车牌字符识别模型识别出所述目标车牌的车牌字符，得到车牌信息。/n

【技术特征摘要】
1.一种车牌识别方法，其特征在于，所述方法包括：
利用预先训练的车牌目标框检测模型检测待识别车牌图片的车牌目标框；
利用预先训练的关键点检测模型检测所述车牌目标框的车牌关键点；
根据所述车牌关键点，对所述待识别车牌图片进行车牌截取，得到目标车牌；
利用预先训练的车牌字符识别模型识别出所述目标车牌的车牌字符，得到车牌信息。


2.如权利要求1所述的车牌识别方法，其特征在于，在所述利用预先训练的车牌目标框检测模型检测待识别车牌图片的车牌目标框之前，该方法还包括：
获取车牌图片集及车牌字符数据集，对所述车牌图片集进行车牌目标框和车牌关键点的标注，分别生成车牌目标框图片集和车牌关键点图片集；
利用所述车牌目标框图片集对预构建的目标框检测模型进行训练，得到所述预先训练的车牌目标框检测模型；
利用所述车牌关键点图片集对预构建的关键点检测模型进行训练，得到所述预先训练的车牌关键点检测模型；
利用所述车牌字符数据集对预构建的字符识别模型进行训练，得到所述预先训练的车牌字符识别模型。


3.如权利要求2所述的车牌识别方法，其特征在于，所述利用所述车牌目标框图片集对预构建的目标框检测模型进行训练，得到所述预先训练的车牌目标框检测模型，包括：
获取所述车牌目标框图片集对应的标签值；
利用所述目标框检测模型中的卷积层对所述车牌目标框图片集进行卷积操作，得到所述车牌目标框图片集的特征向量，利用所述目标框检测模型中的池化层对所述特征向量进行池化操作，利用所述目标框检测模型中的激活层对池化后的所述特征向量进行计算，得到所述车牌目标框图片集的训练值；
计算所述训练值与对应标签值的损失值，根据所述损失值调整所述预构建的目标框检测模型的参数，直至所述损失值不大于预设的损失值，得到所述车牌目标框检测模型。


4.如权利要求3所述的车牌识别方法，其特征在于，所述计算所述训练值与对应标签值的损失值包括：
利用下述方法计算所述损失值：



其中，L(s)表示损失值，k表示车牌目标框图片集的数量，yi表示第i个车牌目标框图片的标签值，y′i表示第i个车牌目标框图片的训练值。


5.如权利要求1所述的车牌识别方法，其特征在于，在所述利用...

【专利技术属性】
技术研发人员：徐国诚，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：广东;44