一种车牌识别方法及系统技术方案

本发明专利技术公开了一种车牌识别方法，包括：获取待识别图像数据；将所述待识别图像数据输入车牌识别模型进行识别，得到第一识别结果；判断所述待识别图像数据中的单个字符是否满足预设条件；若满足，则将所述第一识别结果作为最终识别结果；若不满足，将所述待识别图像数据输入车牌处理模型，得到第二识别结果；基于所述第一识别结果、第二识别结果得到所述最终识别结果，可实现具有相似字符的车牌识别，且具有较高的识别准确率。具有较高的识别准确率。具有较高的识别准确率。

【技术实现步骤摘要】
一种车牌识别方法及系统


[0001]本专利技术涉及图像检测
，更具体的说是一种车牌识别方法及系统。

技术介绍

[0002]作为智能交通监控及管理系统的重要组成部分，车牌自动识别一直是人们研究的热点。车牌识别系统(License Plate Recognition System，LPRS)在交通道路信息化管理上具有重要的作用，大大提高了传统管理模式的效率。车牌检测识别系统是城市大脑系统不可缺少的一部分，有着广泛的应用场景。比如通过十字路口的摄像头对违章车辆进行抓拍，对于违法犯罪的车辆追踪，收费站、停车场、港口、小区的车牌识别系统等。
[0003]作为智能交通监控及管理系统的重要组成部分，车牌自动识别一直是人们研究的热点。车牌识别技术由三个部分组成，分别是车牌检测、字符分割、字符识别。获取到车牌区域后，需要进行字符识别，对于车牌识别，目前的很多研究都是将之前车牌检测得到的区域，进行文字切分，然后分别对每一位进行识别。识别的方式主要是两种：分割每个字符后进行识别和直接识别整个车牌。早期的算法通常属于第一种方式，其分割过程通常利用垂直投影或者寻找连通域来实现，后续的识别过程则利用线性判别分析(Linear Discriminant Analysis,LDA)和卷积神经网络(Convolutional Neural Networks，CNN)等特征抽取方法构建分类模型。第二种方式一般以深度学习方法为代表，直接识别整个车牌。它们需要对整个图像进行特征抽取，依赖于良好的特征抽取方法，因此大多数需要利用深度卷积网络进行图像的特征抽取。
[0004]近年来，由于人工智能的飞速发展，人们逐渐将深度学习相关算法与车牌识别结合起来。目前，大多数车牌识别方法都是基于深度学习设计的。在大量数据下，构建合适的深度卷积网络可以有效提取出具有强鲁棒性的特征。虽然车牌识别技术取得了很好的发展，但是由于拍摄角度、环境等因素的影响，使得拍出的车牌不是干净整洁、方方正正出现在感受野里面的，再加上字符之间0和D,8和B,7和T等相似字符容易识别错误，因而如何提高车牌间相似字符识别的准确率具有实用价值。
[0005]因此，需要一种用于提高车牌相似字符识别准确率的车牌识别方法。

技术实现思路

[0006]本说明书实施例的一个方面提供一种车牌识别方法，包括：获取待识别图像数据；将所述待识别图像数据输入车牌识别模型进行识别，得到第一识别结果；判断所述待识别图像数据中的单个字符是否满足预设条件；若满足，则将所述第一识别结果作为最终识别结果；若不满足，将所述待识别图像数据输入车牌处理模型，得到第二识别结果；基于所述第一识别结果、第二识别结果得到所述最终识别结果。
[0007]在一些实施例中，所述车牌处理模型包括车牌检测模型及分类识别模型，所述车牌检测模型用于对不满足预设条件的目标字符进行检测并得到所述目标字符所属类别，所述分类识别模型用于基于所述目标字符所属类别对所述目标字符进行识别，并得到所述目
标字符的识别结果。
[0008]在一些实施例中，所述分类识别模型至少包括以下一种或多种的组合：汉字识别模型、数字识别模型、字母识别模型。
[0009]在一些实施例中，所述基于所述第一识别结果、第二识别结果得到所述最终识别结果包括：将所述第一识别结果中所述目标字符的识别结果替换为所述分类识别模型对应得到的识别结果，并将替换后的识别结果作为所述最终识别结果。
[0010]在一些实施例中，所述预设条件为所述字符的置信度不低于预设值。
[0011]本说明书实施例的一个方面提供一种车牌识别设备，包括：图像获取模块，用于获取待识别图像数据；第一识别模块，用于将所述待识别图像数据输入车牌识别模型进行识别，得到第一识别结果；数据判断模块，用于判断所述待识别图像数据中的单个字符是否满足预设条件；第二识别模块，用于在所述单个字符不满足所述预设条件时，将所述待识别图像数据输入车牌处理模型，得到第二识别结果；结果确定模块，用于确定并输出最终识别结果；所述最终识别结果为所述第一识别结果或基于所述第一识别结果与所述第二识别结果获得。
[0012]本说明书实施例的一个方面提供一种车牌识别装置，所述装置包括至少一个存储介质和至少一个处理器，所述至少一个存储介质用于存储计算机指令；所述至少一个处理器用于执行所述计算机指令以实现所述车牌识别方法对应的操作。
[0013]本说明书实施例的一个方面提供一种计算机可读存储介质，所述存储介质存储计算机指令，当计算机读取存储介质中的计算机指令后，实现所述车牌识别方法。
附图说明
[0014]本说明书将以示例性实施例的方式进一步描述，这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的，在这些实施例中，相同的编号表示相同的结构，其中：
[0015]图1是根据本申请一些实施例所示的车牌识别设备的应用场景示意图；
[0016]图2是根据本申请的一些实施例所示的可以在其上实现处理引擎的示例性计算设备的示例性硬件和/或软件组件的示意图；
[0017]图3是根据本申请的一些实施例所示的可以在其上实现一个或以上终端的示例性移动设备的示例性硬件和/或软件组件的示意图；
[0018]图4是根据本申请的一些实施例所示的示例性处理引擎的示意框图；
[0019]图5是根据本说明书的一些实施例所示的车牌识别方法的流程图；
[0020]图6是根据本说明书的一些实施例所示的车牌处理模型的示意图；
[0021]图7是根据本说明书的一些实施例所示的车牌检测模型的结构示意图；
[0022]图8是根据本说明书的一些实施例所示的车牌识别模型的结构示意图；
[0023]图9是根据本说明书的一些实施例所示的分类识别模型的结构示意图；
[0024]图10是根据本说明书的一些实施例所示的分类识别模型的网络模块单元示意图；
[0025]图11是根据本说明书的一些实施例所示的车牌识别模型的训练流程示意图；
[0026]图12是根据本说明书的一些实施例所示的车牌处理模型的训练流程示意图。
具体实施方式
[0027]为了更清楚地说明本说明书实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是本说明书的一些示例或实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明，图中相同标号代表相同结构或操作。
[0028]应当理解，本说明书中所使用的“系统”、“装置”、“单元”和/或“模组”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而，如果其他词语可实现相同的目的，则可通过其他表达来替换所述词语。
[0029]如本说明书和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“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：获取待识别图像数据；将所述待识别图像数据输入车牌识别模型进行识别，得到第一识别结果；判断所述待识别图像数据中的单个字符是否满足预设条件；若满足，则将所述第一识别结果作为最终识别结果；若不满足，将所述待识别图像数据输入车牌处理模型，得到第二识别结果；基于所述第一识别结果、第二识别结果得到所述最终识别结果。2.根据权利要求1所述的方法，其特征在于，所述车牌处理模型包括车牌检测模型及分类识别模型，所述车牌检测模型用于对不满足预设条件的目标字符进行检测并得到所述目标字符所属类别，所述分类识别模型用于基于所述目标字符所属类别对所述目标字符进行识别，并得到所述目标字符的识别结果。3.根据权利要求2所述的方法，其特征在于，所述分类识别模型至少包括以下一种或多种的组合：汉字识别模型、数字识别模型、字母识别模型。4.根据权利要求2所述的方法，其特征在于，所述基于所述第一识别结果、第二识别结果得到所述最终识别结果包括：将所述第一识别结果中所述目标字符的识别结果替换为所述分类识别模型对应得到的识别结果，并将替换后的识别结果作为所述最终识别结果。5.根据权利要求1至4中任一所述的方法，其特征在于，所述预设条件为所述字符的置信度不低于预设值。6.一种车牌识别系统，其特征在于，包括：图像获取模块，用于获取待识别图像数据；第一识别模块，用于将所述待识别图像数据输入车牌识别模型进行识别，得到第一识别结果...

【专利技术属性】
技术研发人员：李洪洋，郭敬娜，王铭宇，
申请(专利权)人：成都恒创新星科技有限公司，
类型：发明
国别省市：