本申请公开了一种车牌分类方法、车牌分类装置和计算机可读存储介质，该方法包括：对第一车牌图像进行车牌识别处理，得到车牌识别结果；对车牌识别结果进行编码处理，得到第一车牌特征；对第一车牌图像进行特征提取处理，得到第二车牌特征；利用分类网络对第一车牌特征与第二车牌特征进行处理，得到第一车牌分类结果。通过上述方式，本申请能够提高车牌分类的准确度。准确度。准确度。
【技术实现步骤摘要】
一种车牌分类方法、车牌分类装置和计算机可读存储介质
[0001]本申请涉及图像处理
，具体涉及一种车牌分类方法、车牌分类装置和计算机可读存储介质。
技术介绍
[0002]海外车牌分类技术是指输入一张车牌输出该车牌的所属国家，当前车牌分类技术主要分为两大类：基于传统图像处理方法和基于深度学习，相对于传统图像处理方法，基于深度学习的车牌分类方法准确度更高，适用于各种类型的车牌分类，应用范围更广。但是由于海外车牌国别分类任务需要获取海外各个国家的车牌数据，很难采集到完备的数据，这对分类模型的泛化能力有着较高的要求；另外，有些国家(尤其是地理位置相近的国家)车牌相似度高，不易区分，有些国家车牌种类繁多，即存在“类间差异小，类内差异大”的问题，致使分类准确率较低。
技术实现思路
[0003]本申请提供一种车牌分类方法、车牌分类装置和计算机可读存储介质，能够提高车牌分类的准确度。
[0004]为解决上述技术问题，本申请采用的技术方案是：提供一种车牌分类方法，该方法包括：对第一车牌图像进行车牌识别处理，得到车牌识别结果；对车牌识别结果进行编码处理，得到第一车牌特征；对第一车牌图像进行特征提取处理，得到第二车牌特征；利用分类网络对第一车牌特征与第二车牌特征进行处理，得到第一车牌分类结果。
[0005]为解决上述技术问题，本申请采用的另一技术方案是：提供一种车牌分类装置，该车牌分类装置包括互相连接的存储器和处理器，其中，存储器用于存储计算机程序，计算机程序在被处理器执行时，用于实现上述技术方案中的车牌分类方法。
[0006]为解决上述技术问题，本申请采用的另一技术方案是：提供一种计算机可读存储介质，该计算机可读存储介质用于存储计算机程序，计算机程序在被处理器执行时，用于实现上述技术方案中的车牌分类方法。
[0007]通过上述方案，本申请的有益效果是：先获取第一车牌图像，然后对该第一车牌图像进行车牌识别处理，生成车牌识别结果，并对该车牌识别结果进行编码以生成第一车牌特征；同时提取第一车牌图像的外观特征，生成第二车牌特征；最后采用分类网络对第一车牌特征与第二车牌特征进行处理，得到车牌分类的结果；本申请所提供的分类网络能够兼顾学习车牌外观样式和车牌内在格式，通过对车牌进行识别得到车牌中的每个字符，提取车牌字符的内在规律，能够将车牌字符转化为可供国别分类的有用特征，降低了车牌国别分类网络对车牌内容的学习难度，提升了车牌国别分类准确率；另外，由于将车牌字符格式的规律融入到分类网络中，而非孤立的先分类再矫正，有助于正确区分车牌样式规则错综复杂的车牌。
附图说明
[0008]为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。其中：
[0009]图1(a)为国家A的车牌的示意图；
[0010]图1(b)为国家B的车牌的示意图；
[0011]图1(c)为国家C的车牌的示意图；
[0012]图2是本申请提供的车牌分类方法一实施例的流程示意图；
[0013]图3是本申请提供的车牌分类方法另一实施例的流程示意图；
[0014]图4是本申请提供的车牌分类的结构示意图；
[0015]图5是本申请提供的Transfomer模型的结构示意图；
[0016]图6是本申请提供的车牌分类的另一结构示意图；
[0017]图7是本申请提供的车牌分类装置一实施例的结构示意图；
[0018]图8是本申请提供的计算机可读存储介质一实施例的结构示意图。
具体实施方式
[0019]下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性的劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0020]为方便说明本申请所提供的方案的原理和动机，现举例说明，图1(a)
‑
1(c)为三个不同的国家相似度较高的车牌，图1(a)为国家A的车牌，图1(b)为国家B的车牌，图1(c)为国家C的车牌，国家A的车牌与国家B的车牌外观相似度极高，使用普通分类方法无法准确分类，不过二者在英文字母和数字的排列顺序上有一定区别。而国家C的车牌与国家A的车牌在外观上相较于国家B的车牌有更大的差异，但其字母与数字的排列方式却与国家A的车牌相同。想要准确区分这三个国家的车牌，需要同时结合车牌外观及车牌内在的字符格式；但对于类别数多达几十甚至上百的海外车牌国别分类任务，且有些国家车牌格式错综复杂，仅通过人力去统计规律难度较大；因此，一个合格的海外车牌分类网络不仅要学到车牌的整体外观，同时还需要学到车牌内容及其排列规律。在实际应用中，由于数据量有限任务难度大，一般的分类网络很难对关键特征进行兼顾，一般的卷积神经网络(Convolutional Neural Networks，CNN)分类网络往往仅对车牌整体外观的学习较好，几乎无法学习车牌内容。
[0021]针对以上问题，本申请提出一种基于CNN与Transformer特征融合的车牌国别分类方法，该方法使用了一个双分支网络：Transformer分支与CNN网络分支，Transformer分支用来提取车牌字符之间的内在联系，CNN网络分支用来提取车牌外观的关键特征，通过对以上两个方面的特征进行融合，组成更具鲁棒性的特征，然后送入分类网络，从而得到更准确的分类结果，下面对本申请所采用的方案进行详细阐述。
[0022]请参阅图2，图2是本申请提供的车牌分类方法一实施例的流程示意图，该方法包
括：
[0023]步骤11：对第一车牌图像进行车牌识别处理，得到车牌识别结果。
[0024]第一车牌图像可以通过图像采集设备获得或通过在图像数据库中查找得到，该图像采集设备可以为摄像头，也可以为具有摄像头的设备。图像采集设备可以设置于车辆上，也可以独立于车辆。
[0025]在获取到第一车牌图像后，可采用现有的车牌识别算法对该第一车牌图像进行车牌识别处理，生成车牌识别结果；例如，以图1(a)为例，对国家A的车牌进行识别，得到的车牌识别结果为{A，B，D，5，0，7}。
[0026]进一步地，可以直接将获取到的场景图像(包括车牌)作为第一车牌图像，也可以将场景图像中车牌所在的区域的图像作为第一车牌图像，仅将车牌所在的区域的图像作为第一车牌图像的方式，能够使得后续对第一车牌图像的处理更加简单和有效。
[0027]步骤12：对车牌识别结果进行编码处理，得到第一车牌特征。
[0028]在获取到第一车牌图像对应的车牌识别结果后，可采用编码方法对该车牌识别结果进行编码处理，得到相应的编码后的特征(即第一车牌特征)。
[0029]步骤13本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种车牌分类方法，其特征在于，包括：对第一车牌图像进行车牌识别处理，得到车牌识别结果；对所述车牌识别结果进行编码处理，得到第一车牌特征；对所述第一车牌图像进行特征提取处理，得到第二车牌特征；利用分类网络对所述第一车牌特征与所述第二车牌特征进行处理，得到第一车牌分类结果。2.根据权利要求1所述的车牌分类方法，其特征在于，所述对所述车牌识别结果进行编码处理，得到第一车牌特征的步骤，包括：利用预设编码方式对所述车牌识别结果进行编码，得到车牌字符向量序列；利用Transformer模型对所述车牌字符向量序列进行处理，得到所述第一车牌特征。3.根据权利要求2所述的车牌分类方法，其特征在于，所述预设编码方式为独热编码，所述车牌字符向量序列为N
×
M的向量，其中，N为车牌的最大字符长度，M为所述车牌的字符种类。4.根据权利要求2所述的车牌分类方法，其特征在于，所述Transformer模型包括编码模块与解码模块，所述利用Transformer模型对所述车牌字符向量序列进行处理，得到所述第一车牌特征的步骤，包括：利用所述编码模块对所述车牌字符向量序列进行编码，得到编码车牌字符向量；利用所述解码模块对所述编码车牌字符向量进行解码，得到所述第一车牌特征。5.根据权利要求1所述的车牌分类方法，其特征在于，所述分类网络包括特征融合层与分类层，所述利用分类网络对所述第一车牌特征与所述第二车牌特征进行处理，得到第一车牌分类结果的步骤，包括：利用所述特征融合层对所述第一车牌特征与所述第二车牌特征进行融合处理，得到融合车牌特征；利用所述分类层对所述融合车牌特征进行分类处理，得到所述第一车牌分类结果。6.根据权利要求5所述的车牌分类方法，其特征在于，所述分类网络还包括第一整形网络与第二整形网络，所述利用所述特征融合层对所述第一车牌特征与所述第二车牌特征进行融合处理，得到融合车牌特征的步骤之前，还包括：利用所述第一整形网络对所述第一车牌特征进行降维处理，得到降维后的第一车牌特征；利用所述第二整形网络对所述第二车牌特征进行降维处理，得到降维后的第二车牌特征；其中，所述降维后的第一车牌特征的维度与所述降维后的第二车牌特征的...
【专利技术属性】
技术研发人员：薛佳乐，敦婧瑜，王亚运，张湾湾，李轶锟，
申请(专利权)人：浙江大华技术股份有限公司，
类型：发明
国别省市：
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。