【技术实现步骤摘要】
车牌识别方法、装置、电子设备和存储介质
[0001]本公开涉及AI(Artificial Intelligence,人工智能)领域,具体涉及深度学习、计算机视觉、智能交通等领域,尤其涉及车牌识别方法、装置、电子设备和存储介质。
技术介绍
[0002]在路内停车和智能交通等领域,需要准确识别车辆的车牌号码。然而受限于拍摄环境,采集的车牌图像的质量可能参差不齐,当车牌图像的质量不佳的情况下,可能导致无法准确识别车牌号码,严重情况下可能无法识别车牌号码。例如,当光线很差时很容易造成车牌的成像模糊以及过往的行人、树叶、其他车辆遮挡车牌,导致车牌号码无法被识别。
技术实现思路
[0003]本公开提供了一种用于车牌识别方法、装置、电子设备和存储介质。
[0004]根据本公开的一方面,提供了一种车牌识别方法,包括:获取目标车辆的多帧车牌图像;将每帧所述车牌图像输入车牌识别模型进行车牌识别,以得到每帧所述车牌图像中各个字符位置对应的标签;根据每帧所述车牌图像中各个字符位置对应的标签,从所述多帧车牌图像中筛选掉包含模糊标签和/或遮挡标签的车牌图像,以得到保留的候选车牌图像;根据所述候选车牌图像,识别所述目标车辆的车牌。
[0005]根据本公开的另一方面,提供了一种车牌识别装置,包括:第一获取模块,用于获取目标车辆的多帧车牌图像;第一识别模块,用于将每帧所述车牌图像输入车牌识别模型进行车牌识别,以得到每帧所述车牌图像中各个字符位置对应的标签;筛选模块,用于根据每帧所述车牌图像中各个字符位置对应的标签,从所 ...
【技术保护点】
【技术特征摘要】
1.一种车牌识别方法,包括:获取目标车辆的多帧车牌图像;将每帧所述车牌图像输入车牌识别模型进行车牌识别,以得到每帧所述车牌图像中各个字符位置对应的标签;根据每帧所述车牌图像中各个字符位置对应的标签,从所述多帧车牌图像中筛选掉包含模糊标签和/或遮挡标签的车牌图像,以得到保留的候选车牌图像;根据所述候选车牌图像,识别所述目标车辆的车牌。2.根据权利要求1所述的方法,其中,所述车牌识别模型输出的各所述标签具有对应的标签置信度;所述根据所述候选车牌图像,识别所述目标车辆的车牌,包括:在所述候选车牌图像为多帧的情况下,根据每帧所述候选车牌图像中的各个字符位置对应的标签置信度,从所述多帧候选车牌图像中确定目标车牌图像;根据所述目标车牌图像中的各个字符位置对应的标签,确定所述目标车辆的目标车牌。3.根据权利要求2所述的方法,其中,所述根据每帧所述候选车牌图像中的各个字符位置对应的标签置信度,从所述多帧候选车牌图像中确定目标车牌图像,包括:针对任意的一帧候选车牌图像,根据所述一帧候选车牌图像中的各个字符位置的标签置信度,确定所述一帧候选车牌图像对应的车牌置信度;将各个所述候选车牌图像对应的车牌置信度进行排序,以得到所述各个所述候选车牌图像的排序结果;根据所述排序结果,确定所述目标车牌图像。4.根据权利要求1
‑
3任一项所述的方法,其中,所述将所述车牌图像输入车牌识别模型进行车牌识别,以得到所述车牌图像中各个字符位置对应的标签之前,还包括:获取多个样本车牌图像;针对每个所述样本车牌图像,对所述样本车牌图像中的各个字符位置进行标签标注,以获取各个字符位置对应的标注标签;其中,所述标注标签包括:字符标签、模糊标签和空白标签中的至少一个;获取所述车牌识别模型输出的各个字符位置对应的预测标签;根据所述预测标签和所述样本车牌图像中的对应的标注标签之间的差异,对所述车牌识别模型进行训练,以使所述差异最小化。5.根据权利要求1所述的方法,其中,所述方法还包括:确定所述车牌图像中各个字符位置对应的标签为空白标签的第一数量;根据所述车牌图像中的各个字符长度和所述车牌识别模型的设定输出数量之间的差值,确定第二数量;在所述第一数量大于第二数量的情况下,根据所述第二数量和所述第一数量之间的差值,对所述车牌图像中各个字符位置对应的标签进行修正。6.根据权利要求5所述的方法,其中,所述在所述第一数量大于第二数量的情况下,根据所述第二数量和所述第一数量之间的差值,对所述车牌图像中各个字符位置对应的标签进行修正,包括:在所述第一数量大于第二数量的情况下,按照预设顺序,从所述车牌图像中各个字符
位置对应的标签中选取所述差值数量的待修正的空白标签;将所述待修正的空白标签修正为遮挡标签。7.一种车牌识别装置,包括:第一获取模块,用于获取目标车辆的多帧车牌图像;第一识别模块,用于将每帧所述车牌图像输入车牌识别模型进行车牌识别,以得到每帧所述车牌图像中各个字符位置对应的标签;筛选模块,用于根据每帧所述车牌图像中各个字符位...
【专利技术属性】
技术研发人员:孙尚云,许永喜,邓一星,
申请(专利权)人:北京精英路通科技有限公司,
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。