一种基于深度学习的车牌识别方法及装置制造方法及图纸

本发明专利技术公开了一种基于深度学习的车牌识别方法及装置，涉及图像识别技术领域，所述方法包括：建立车牌关键点图像数据集；根据所述车牌关键点图像数据集，得到关键点检测定位模型；利用所述关键点检测定位模型，检测并识别待测图像中的车牌关键点；根据检测到的车牌关键点进行图片校正，得到校正后的车牌图片；对所述校正后的车牌图片进行车牌字符识别。本发明专利技术实施例能够解决现有车牌识别方法受车辆角度影响，导致车牌识别效率不高的问题，能够满足各种场景下对车牌的识别，具有检测快速、高效，识别准确率高的优点。

【技术实现步骤摘要】
一种基于深度学习的车牌识别方法及装置
本专利技术涉及图像识别
，具体涉及一种基于深度学习的车牌识别方法及装置。
技术介绍
在智能交通应用场景中，车牌识别技术能够增加交通管理的便捷度，在电警、卡口等高清晰无偏转的地理位置处，车牌识别具有较高的准确率，能够满足车牌识别需求，但是对于水平或垂直偏转角度大于15度等车牌偏转角度较大的情况下，车牌识别的准确率急剧下降，影响智慧交通的管理效率。
技术实现思路
有鉴于此，本专利技术实施例提供了一种基于深度学习的车牌识别方法及装置，以解决现有车牌识别方法受车辆角度影响，导致车牌识别效率不高的问题。根据第一方面，本专利技术实施例提供了一种基于深度学习的车牌识别方法，所述方法包括：建立车牌关键点图像数据集；根据所述车牌关键点图像数据集，得到关键点检测定位模型；利用所述关键点检测定位模型，检测并识别待测图像中的车牌关键点；根据检测到的车牌关键点进行图片校正，得到校正后的车牌图片；对所述校正后的车牌图片进行车牌字符识别。可选地，所述建立车牌关键点图像数据集，具体包括：获取样本图本文档来自技高网...

【技术保护点】
1.一种基于深度学习的车牌识别方法，其特征在于，所述方法包括：/n建立车牌关键点图像数据集；/n根据所述车牌关键点图像数据集，得到关键点检测定位模型；/n利用所述关键点检测定位模型，检测并识别待测图像中的车牌关键点；/n根据检测到的车牌关键点进行图片校正，得到校正后的车牌图片；/n对所述校正后的车牌图片进行车牌字符识别。/n

【技术特征摘要】
1.一种基于深度学习的车牌识别方法，其特征在于，所述方法包括：
建立车牌关键点图像数据集；
根据所述车牌关键点图像数据集，得到关键点检测定位模型；
利用所述关键点检测定位模型，检测并识别待测图像中的车牌关键点；
根据检测到的车牌关键点进行图片校正，得到校正后的车牌图片；
对所述校正后的车牌图片进行车牌字符识别。


2.如权利要求1所述的基于深度学习的车牌识别方法，其特征在于，所述建立车牌关键点图像数据集，具体包括：
获取样本图像，并对样本图像进行关键点标定，组成基础数据集；
根据所述基础数据集选取背景，合成车牌关键点图像数据集。


3.如权利要求2所述的基于深度学习的车牌识别方法，其特征在于，在对样本图像进行关键点标定之前，所述方法还包括对样本图像进行数据增强。


4.如权利要求1所述的基于深度学习的车牌识别方法，其特征在于，根据所述车牌关键点图像数据集，得到关键点检测定位模型，包括：
所述关键点包括所述车牌图像的四个顶点，根据所述四个顶点对图像进行裁剪，并调整所述四个顶点的坐标；
利用裁剪后的图像和调整好的四个顶点的坐标对关键点检测定位模型进行训练；
对训练完成的关键点检测定位模型进行优化。


5.如权利要求1所述的基于深度学习的车牌识别方法，其特征在于，在利用所述关键点检测定位模型，检测并识别待测图像中的车牌关键点时，所述方法还包括：采用模型推理对检测过程进行加速。

<...

【专利技术属性】
技术研发人员：马洪民，韩晴，张星，宋征，李高扬，张天麒，
申请(专利权)人：北京易华录信息技术股份有限公司，中国华录集团有限公司，
类型：发明
国别省市：北京;11