一种车牌识别方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术公开了一种车牌识别方法、装置、电子设备及存储介质，提高了车牌识别的准确率和识别效率。所述车牌识别方法，包括：将待识别图像输入车牌提取网络模型，获取所述待识别图像包括的各个第一车牌区域的车牌底色预测信息和角点坐标的仿射矩阵参数信息；根据各个第一车牌区域的角点坐标的仿射矩阵参数信息对各自对应的预设虚拟矩形框的角点坐标进行仿射变换，获得各个第一车牌区域的角点坐标；对各个第一车牌区域的角点坐标进行透视变换，获得各个第一车牌区域的车牌图像；对各个第一车牌区域的车牌图像进行字符识别，获得各个第一车牌区域的字符识别结果；根据各个第一车牌区域的车牌底色预测信息和字符识别结果确定待识别图像的车牌识别结果。别图像的车牌识别结果。别图像的车牌识别结果。

【技术实现步骤摘要】
一种车牌识别方法、装置、电子设备及存储介质


[0001]本专利技术涉及人工智能和计算机视觉领域，尤其涉及一种车牌识别方法、装置、电子设备及存储介质。

技术介绍

[0002]车牌作为机动车辆的唯一标识，是机动车辆管理的一项重要依据，目前，车牌识别技术已被广泛应用于如公路治安卡口、开放式高速收费站、停车场出入口管理、园区门禁控制等多种场合。
[0003]虽然目前车牌识别技术已得到很大的发展，且多数厂商的车牌识别系统能达到较高的识别率，但这些车牌识别系统大多只适用于简单的特定场景，且对识别装置的安装位置有严格的限制，在实际的交通场合或复杂的外界背景环境下，这些车牌识别系统的识别率一般较低，远达不到实际使用要求。在实际的交通场合或复杂的外界背景环境下车牌识别的技术难点主要体现在以下几个方面：
[0004](1)不同的气候条件、外部光照环境均会对采集的目标图像质量产生很大的影响，且复杂的背景噪声干扰会导致部分目标图像被背景因素所掩盖，造成车牌识别准确率的降低。
[0005](2)我国车牌类型众多，包括民用车牌、警车车牌、军车车牌、本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种车牌识别方法，其特征在于，包括：将待识别图像输入车牌提取网络模型，获取所述待识别图像包括的各个第一车牌区域的车牌底色预测信息和角点坐标的仿射矩阵参数信息，所述车牌提取网络模型是对样本图像集合中的各个第二车牌区域的底色信息和角点坐标进行标注后，并基于各个第二车牌区域对应的预设虚拟矩形框的角点坐标按照构建的预设训练模型训练获得的，各个预设虚拟矩形框的中心为对应的第二车牌区域的中心点、长度为预设长度和宽度为预设宽度；根据各个第一车牌区域的角点坐标的仿射矩阵参数信息对各自对应的预设虚拟矩形框的角点坐标进行仿射变换，获得各个第一车牌区域的角点坐标；对各个第一车牌区域的角点坐标进行透视变换，获得各个第一车牌区域的车牌图像；对各个第一车牌区域的车牌图像进行字符识别，获得各个第一车牌区域的字符识别结果；根据各个第一车牌区域的车牌底色预测信息和字符识别结果确定所述待识别图像的车牌识别结果。2.如权利要求1所述的方法，其特征在于，对各个第一车牌区域的车牌图像进行字符识别，获得各个第一车牌区域的字符识别结果，具体包括：针对每个第一车牌区域的车牌图像，执行如下步骤：根据预设算法确定当前第一车牌区域的车牌图像包括的字符的行数；若确定所述行数为1，则将所述当前第一车牌区域的车牌图像输入字符识别模型，获得字符识别结果；若确定所述行数大于1，则按照所述行数分割所述当前第一车牌区域的车牌图像，将得到的所述当前第一车牌区域的各车牌子图像输入所述字符识别模型，获得所述当前第一车牌区域的各个车牌子图像对应的字符识别结果。3.如权利要求2所述的方法，其特征在于，根据预设算法确定所述当前第一车牌区域的车牌图像中字符的行数，具体包括：将所述当前第一车牌区域的车牌图像进行二值化处理，得到二值化图像；将所述二值化图像进行水平方向投影，获得对应的图像直方图；将所述图像直方图中连续曲线的个数确定为所述当前第一车牌区域的车牌图像中字符的行数。4.如权利要求1
‑
3任一所述的方法，其特征在于，还包括：获取待识别视频中的每一帧图像的车牌识别结果；根据所述待识别视频中的每一帧图像的车牌识别结果，获得所述待识别视频的车牌统计信息。5.如权利要求4所述的方法，其特征在于，根据所述待识别视频中的每一帧图像的车牌识别结果，获得所述待识别视频的车牌统计信息，具体包括：获取所述待识别视频的各个帧图像在所述待识别视频中的出现时间作为对应的帧图像的各个车牌识别结果的出现时间；从所述待识别视频的每一帧图像之前的各个帧图像的车牌识别结果中获取所述待识别视频的对应帧图像的各个车牌识别结果各自对应的选定车牌识别结果；根据所述待识别视频的每一帧图像中的各个车牌识别结果与对应的选定车牌识别结
果的出现时间确定各个车牌识别结果的记录周期；统计各个车牌识别结果的记录周期中相应的车牌识别结果与选定车牌识别结果的出现次数，记录各个记录周期内相应的车牌识别结果的首次出现时间和持续出现时长，得到所述待识别视频的车牌统计信息。6.如权利要求5所述的方法，其特征在于，根据所述待识别视频的每一帧图像中的各个车牌识别结果与对应的选定车牌识别结果的出现时间确定各个车牌识别结果的记录周期，具体包括：针对所述待识别视频的每一帧图像的每个车牌识别结果，执行：确定第一当前帧图像的第一当前车牌识别结果的出现时间与出现时间最接近的当前选定车牌识别结果的出现时间的差值是否小于或等于预设阈值；若确定所述差值小于或等于所述预设阈值，则确定所述当前选定车牌识别结果属于所述当前第一车牌识别结果的当前记录周期；若确定所述差值大于所述预设阈值，则将所述当前选定车牌识别结果的出现时间确定为所述当前记录周期的结束时间，将所述第一当前车牌识别结果的出现时间确定为第一当前车牌识别结果的下一记录周期的起始时间。7.如权利要求5或6所述的方法，其特征在于，从所述待识别视频的每一帧图像之前的各个帧图像的车牌识别结果中获取所述待识别视频的对应帧图像的各个车牌识别结果各自对应的选定车牌识别结果，具体包括：针对所述待识别视频的每一帧图像的每一车牌识别结果，执行：获取第二当前帧图像的第二当前车牌识别结果；获取所述第二当前帧图像之前的各个帧图像的车牌识别结果，得到车牌识别结果集合；将所述车牌识别结果集合中与所述第二当前车牌识别结果中底色预测信息相同且字符识别结果相同的车牌识别结果、以及底色预测信息相同且字符识别结果中除小于预设数量的相似字符外其它字符均对应相同的车牌识别结果确定为所述第二当前车牌识别结果的选定车牌识别结果。8.如权利要求1所述的方法，其特征在于，所述车牌提取网络模型包括基础网络、分类网络头和矫正网络头，所述基础网络与所述分类网络头、所述矫正网络头分别进行连接，所述基础网络由第一预设数量的卷积层、第二预设数量的最大池化层、第三预设数量的残差网络层按照预设顺序连接组成，所述分类网络头由卷积层和预设分类器组成，所述矫正网络头由卷积层和线性网络层组成；将待识别图像输入车牌提取网络模型，获取所述待识别图像包括的各个第一车牌区域的车牌底色预测信息和角点坐标的仿射矩阵参数信息，具体包括：将所述待识别图像输入所述基础网络，获得图像特征信息；将所述图像特征信息输入所述分类网络头，获得各个第一车牌区域的车牌底色预测信息；以及将所述图像特征信息输入所述矫正网络头，获得各个第一车牌区域的角点坐标的仿射矩阵参数...

【专利技术属性】
技术研发人员：姚进发，
申请(专利权)人：锐捷网络股份有限公司，
类型：发明
国别省市：