一种车牌识别方法及其系统、可读存储介质技术方案

本发明专利技术提出了一种车牌识别方法及其系统、可读存储介质，其中方法步骤包括：S1制作数据集：采集车辆图像数据，并根据第一法则对其中车辆及其车牌图像数据中的每个字符进行标注；S2选择基础模型并进行二次设计，其中二次设计步骤包括：将模型的输入图像数据的尺寸进行增大处理；对步骤S1标注的对象的最小外接矩形框做聚类分析，以获取数据集的anchors；对模型进行后处理改写，将模型输出的无序的识别结果根据第二法则进行排序。籍此实现采用单个深度学习模型通过一个过程来解决车辆牌照识别问题。习模型通过一个过程来解决车辆牌照识别问题。习模型通过一个过程来解决车辆牌照识别问题。

【技术实现步骤摘要】
一种车牌识别方法及其系统、可读存储介质


[0001]本专利技术涉及人工智能
，尤其涉及采用人工智能技术通过特定模型的深度学习来对车牌进行识别的方法及其系统、可读存储介质。

技术介绍

[0002]目前现有技术的车牌号自动识别技术，主要是计算机视觉技术在交通运输领域的交叉应用，其在道路违章检查，智能停车场等领域，拥有广泛的应用市场。
[0003]为了达到有效识别车牌的目的，现有公开技术主要分为：以传统图像处理为基础的识别方案，和传统图像处理结合深度学习的识别方案两大类，然而传统的图像处理方案相对识别速度较慢，识别准确度低，易受光照天气角度等因素影响。
[0004]而传统图像处理技术结合深度学习的方案需要分两个过程进行，即，用深度学习的方法定位到车牌的位置，之后用传统的图像处理方法对其位置处的车牌号进行识别。虽然深度学习的引入带来了一定成都速度和精度上的提升，但由于仍有传统的图像处理方法，其精度和速度的上限仍旧受到限制。
[0005]为此现有技术也曾出过深度学习+深度学习的方法，即先用深度学习的方法定位到车牌的位置，再接本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种车牌识别方法，其特征在于步骤包括：S1 制作数据集：采集车辆图像数据，并根据第一法则对其中车辆及其车牌图像数据中的每个字符进行标注；S2选择基础模型并进行二次设计，其中二次设计步骤包括：将模型的输入图像数据的尺寸进行增大处理；对步骤S1标注的对象的最小外接矩形框做聚类分析，以获取数据集的anchors；对模型进行后处理改写，将模型输出的无序的识别结果根据第二法则进行排序。2.根据权利要求1所述的车牌识别方法，其特征在于，所述第一法则包括：将车辆图像数据按预设比例分选为：训练集，验证集，测试集，针对训练集和验证集中的车辆及其车牌图像数据中的每个字符进行标注。3.根据权利要求1所述的车牌识别方法，其特征在于，所述标注步骤包括：对图像数据中的车辆种类打标签，及对对应车辆的车牌中的每个字符打标签，且所述标签包含：车辆及其车牌中每个字符的种类，以及车辆和其对应车牌中每个字符的最小外接矩形的左上角定点坐标和右下角定点坐标。4.根据权利要求1所述的车牌识别方法，其特征在于，所述二次设计步骤还包括：对模型的backbone进行设置，步骤包括：删除p1，降低p2～p4的number数一倍，p5保持不变；保留最接近输入图像的s1，而s2和s4的卷积步长改为1，接近输出端的s5保持不变。5.根据权利要求1所述的车牌识别方法，其特征在于，所述二次设计步骤还包括：对模型的检测头进行设置，步骤包括：令检测头中的第一个分支，做出补偿，修改h1_2和h1_4中的卷积步长，并使其负责车辆种类的检测；令检测头中的第二个分支，负责车辆种类及车牌字符检测；令检测头中的第三个分支，负责车牌字符检测。6.根据权利要求1所述的车牌识别方法，其特征在于，所述第二法则包括：判断各车牌字符目标位处哪个车辆目标内；对同一车辆目标内的字符目标根据其左上角的位置结果进行排序。7.根据权利要求1所述的车牌识别方法，其特征在于，还包括步...

【专利技术属性】
技术研发人员：石岩，李华伟，陈忠伟，邓辉，王益亮，李正昊，赵越，
申请(专利权)人：上海仙工智能科技有限公司，
类型：发明
国别省市：