车牌属性的识别方法、设备及存储介质技术

本申请公开车牌属性的识别方法、设备及存储介质，其中车牌属性的识别方法包括：对待识别车牌图像进行多轮车牌属性估计处理，获得目标车牌的多个车牌属性估计结果；在一轮车牌属性估计处理中：对待识别车牌图像进行特征提取，获得目标车牌的目标属性特征，并基于目标属性特征和候选车牌属性类别集合中各候选车牌属性类别的关联度，确定多个车牌属性估计结果中的一个车牌属性估计结果；候选车牌属性类别集合与该轮车牌属性估计处理对应；基于多个车牌属性估计结果，确定目标车牌的车牌属性类别。本申请通过多轮车牌属性估计处理，获得多个车牌属性估计结果，并基于多个车牌属性估计结果，确定目标车牌的车牌属性类别，可提高车牌属性识别的准确率。牌属性识别的准确率。牌属性识别的准确率。

【技术实现步骤摘要】
车牌属性的识别方法、设备及存储介质


[0001]本申请属于图像处理
，具体涉及车牌属性的识别方法、设备及存储介质。

技术介绍

[0002]车牌属性识别主要是对车牌进行一定的分类，在世界层面，需要对车牌进行不同国家的区分，在国家内部，需要对每个地区进行区分以便于车辆的管理和交通的顺畅，涉及到的技术主要是深度学习的识别分类网络。
[0003]目前，如何提高车牌属性识别的准确率是亟待解决的问题。

技术实现思路

[0004]本申请提供车牌属性的识别方法、设备及存储介质，以提升车牌属性识别准确率。
[0005]为解决上述技术问题，本申请采用的一个技术方案是：一种车牌属性的识别方法，所述识别方法包括：对待识别车牌图像进行多轮车牌属性估计处理，获得目标车牌的多个车牌属性估计结果；所述目标车牌包括所述待识别车牌图像中的车牌；在一轮所述车牌属性估计处理中：对所述待识别车牌图像进行特征提取，获得目标车牌的目标属性特征，并基于所述目标属性特征和候选车牌属性类别集合中各候选车牌属性类别的关联度，确定所述多个车牌属性估计结果中的一个车牌属性估计结果；所述候选车牌属性类别集合与该轮车牌属性估计处理对应；基于所述多个车牌属性估计结果，确定所述目标车牌的车牌属性类别。
[0006]为解决上述技术问题，本申请采用的又一个技术方案是：一种电子设备，包括相互耦接的存储器和处理器，所述处理器用于执行所述存储器中存储的程序指令，以实现上述任一识别方法。
[0007]为解决上述技术问题，本申请采用的又一个技术方案是：一种计算机可读存储介质，其上存储有程序数据，所述程序数据被处理器执行时实现上述任一识别方法。
[0008]本申请具有至少以下几点优点：本申请的识别方法通过多轮车牌属性估计处理，获得多个车牌属性估计结果，并基于多个车牌属性估计结果，确定目标车牌的车牌属性类别，可提高车牌属性识别的准确率。
附图说明
[0009]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：
[0010]图1是本申请的车牌属性的识别方法中属性识别子模型训练方法一实施例的流程示意图；
[0011]图2是本申请的车牌属性的识别方法一实施例中的流程示意图；
[0012]图3是本申请的车牌属性的识别装置一实施例的框架示意图；
[0013]图4是本申请的电子设备一实施例的框架示意图；
[0014]图5是本申请计算机可读存储介质一实施例的框架示意图。
具体实施方式
[0015]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，所描述的实施例仅是本申请的一部分实施例，而不是全部的实施例。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。
[0016]请参阅图1，图1是本申请的车牌属性的识别方法中属性识别子模型训练方法一实施例的流程示意图。
[0017]本申请一实施例提供了一种属性识别子模型训练方法，包括如下步骤
[0018]S11：获取多个候选车牌属性类别的训练车牌图像集。
[0019]训练阶段首先基于候选车牌属性类别对训练车牌图像进行属性类别分类，候选车牌属性类别包括车牌的颜色、车牌所属地域等，车牌所属地域包括车牌所属国家或车牌所属地区等。将属于同一候选车牌属性类别的训练车牌图像归类于同一训练车牌图像中。
[0020]需要说明的是，获取多个候选车牌属性类别的训练车牌图像集，还包括：
[0021]获取训练车牌图像，训练车牌图像由相机捕获。对训练车牌图像进行候选车牌属性类别、车牌框和车牌字符信息标注，获得标注后的训练车牌图像。
[0022]S12：对多个候选车牌属性类别的训练车牌图像集进行聚类，得到至少两个融合训练图像集。
[0023]本申请人基于研究发现，由于国家之间，地区之间发展的不平衡，人民收入和经济水平决定了车辆的拥有量，所以在车牌属性类别上分布很不均匀，某些国家，某些地区车牌数量特别多，另一些地区相对来说很少。不同训练车牌图像集的训练数据数量的分布不均衡，直接用于训练属性识别子模型对于车牌属性类别的识别的准确率会造成很大的影响。
[0024]在本实施例中，每个融合训练图像集中均包括至少两个候选车牌属性类别的训练车牌图像，且每个融合训练图像集中不同候选车牌属性类别的训练车牌图像的数量的差值小于差值阈值。差值阈值根据训练车牌图像的具体数量决定，以数据量均衡，不会对候选车牌属性类别准确率造成影响为准。
[0025]具体地，对多个候选车牌属性类别的训练车牌图像集进行聚类，得到至少两个融合训练图像集，包括：
[0026]将所有训练车牌图像集按照数据量顺次排序。
[0027]确定各类数据量的训练车牌图像集与最小数据量的训练车牌图像集的倍数。
[0028]将倍数的整数部分相同的训练车牌图像集融合至一个融合训练图像集中。
[0029]将仅包含一个训练车牌图像集的融合训练图像集，合并至相邻倍数的融合训练图像集中。
[0030]以一个具体实施方式说明：
[0031]将原始M个训练车牌图像集按照数据量从小到大排列{C1，C2，C3，
……
C
m
}。计算最大数据量的标签数据集C
m
与最小数据量的标签数据集C1的倍数，取倍数的整数部分N
m
。计算
第二大数据量的标签数据集C
m
‑1与最小数据量的标签数据集C1的倍数，取倍数的整数部分N
m
‑1。以此类推，计算各类数据量的训练车牌图像集与最小数据量C
m
的训练车牌图像集的数量倍数。
[0032]将N的值相同的训练车牌图像集融合至一个融合训练图像集中。从而每个融合训练图像集中不同候选车牌属性类别的训练车牌图像的数量的差值小于差值阈值。
[0033]但是，由于各训练车牌图像集中训练车牌图像的数据量有差别，按上述方法分类后存在仅包括一个训练车牌图像集的融合训练图像集，不可单独用于训练属性识别子模型，需将其合并至包括至少两个训练车牌图像集的相邻倍数N的融合训练图像集中。通过合并至相邻倍数的融合训练图像集中，每个融合训练图像集中不同候选车牌属性类别的训练车牌图像的数量的差值小于差值阈值，不影响属性识别子模型的准确率。
[0034]在其他实施例中，除了上述倍增聚类的方法外，还可以采用其他方法形成融合训练图像集，以使得每个融合训练图像集中不同候选车牌属性类别的训练车牌图像的数量的差值小于差值阈值。
[0035]S13：利用至少两个融合训练图像集训练对应数量的属性识别子模型，以获得至少两个属性识别子模型。<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种车牌属性的识别方法，其特征在于，所述识别方法包括：对待识别车牌图像进行多轮车牌属性估计处理，获得目标车牌的多个车牌属性估计结果；所述目标车牌包括所述待识别车牌图像中的车牌；在一轮所述车牌属性估计处理中：对所述待识别车牌图像进行特征提取，获得目标车牌的目标属性特征，并基于所述目标属性特征和候选车牌属性类别集合中各候选车牌属性类别的关联度，确定所述多个车牌属性估计结果中的一个车牌属性估计结果；所述候选车牌属性类别集合与该轮车牌属性估计处理对应；基于所述多个车牌属性估计结果，确定所述目标车牌的车牌属性类别。2.如权利要求1所述的方法，其特征在于，所述对待识别车牌图像进行多轮车牌属性估计处理，获得目标车牌的多个车牌属性估计结果，包括：将所述待识别车牌图像输入多个属性识别子模型，获得所述多个车牌属性估计结果；其中：不同的所述属性识别子模型的结构相同且模型参数不同；一个所述属性识别子模型用于对所述待识别车牌图像进行一轮所述车牌属性估计处理，获得所述多个车牌属性估计结果中的一个车牌属性估计结果。3.如权利要求1所述的方法，其特征在于，所述车牌属性估计结果包括所述候选车牌属性类别集合中一个候选车牌属性类别的置信度，所述基于所述多个车牌属性估计结果，确定所述目标车牌的车牌属性类别，包括：确定所述多个车牌属性估计结果中，置信度最高的车牌属性估计结果；将确定的车牌属性估计结果对应的候选车牌属性类别，确定为所述目标车牌的车牌属性类别。4.根据权利要求1
‑
3任一所述的识别方法，其特征在于，所述基于所述多个车牌属性估计结果，确定所述目标车牌的车牌属性类别之后，还包括：基于所述待识别车牌图像，获取所述目标车牌的字符信息；若确定所述字符信息和所述目标车牌的车牌属性类别不匹配，则基于所述字符信息对应的候选车牌属性类别，重新确定所述目标车牌的车牌属性类别。5.根据权利要求4所述的识别方法，其特征在于，在所述若确定所述字符信息和所述目标车牌的车牌属性类别不匹配之前，还包括：将所述字符信息与所述车牌属性类别对应的字符特征进行比对；若比对相符，则判定所述字符信息与所述车牌属性类别匹配；若比...

【专利技术属性】
技术研发人员：吕臻，
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：