一种端到端的高效精确车牌检测和识别方法技术

本发明专利技术公开了一种端到端的高效精确车牌检测和识别方法，其包括采集车牌图像，车牌检测模块通过卷积神经网络提取车牌图像中浅层特征和车牌边框特征，构成车牌边框特征图；车牌边框特征图通过全连接层回归出车牌边界坐标；车牌识别模块共享车牌检测模块提取的浅层特征，得到车牌图像的字符特征，形成字符联合特征图组；字符联合特征图组和车牌边框特征图通过感兴趣区域池化操作后被拼接，得到字符关键区域特征；字符关键区域特征通分类器识别后获得识别后车牌号码。端到端车牌检测和识别方法中输入的信息包含车牌的图像，可在一次向前的传递中定位车牌的位置区域并识别其中的车牌号码，整体模型轻量灵活高效，能够快速准确的完成车牌检测和识别。的完成车牌检测和识别。的完成车牌检测和识别。

【技术实现步骤摘要】
一种端到端的高效精确车牌检测和识别方法


[0001]本专利技术涉及车牌检测和识别领域，尤其涉及一种端到端的高效精确车牌检测和识别方法。

技术介绍

[0002]现有的车牌检测与识别方法分为多阶段的车牌检测识别方法与单阶段的车牌检测识别方法。目前多数车牌检测与识别方法采用多阶段的方法，其主要缺点是分离检测与识别两个任务，对整个方法的准确性与时间效率有很大影响。单阶段方法基于神经网络，通过统一的网络模型完成车牌检测与识别，此方法使用更少的参数将检测与识别任务联系起来，具有更好的精度与效率，但普遍难度较大。
[0003]多阶段方法包含车牌检测算法用于定位图像中的车牌区域，车牌分割算法来用于对车牌字符进行分割，车牌识别算法用于对完成分割的字符进行字符识别。主要分为基于传统方法和基于深度学习的方法。
[0004]传统的车牌检测与识别算法因其特征提取方式的局限性，不能提取足够丰富的特征信息，因而在准确率上受到限制且泛化性能较差。而现有的基于深度学习的车牌检测与识别算法在准确度上取得了一定的优势，但复杂的结构会降低网络的效率。
[000本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种端到端的高效精确车牌检测和识别方法，其特征在于，包括以下步骤：步骤1、采集车牌图像，并输入到车牌检测模块；步骤2、车牌检测模块通过卷积神经网络提取车牌图像中浅层特征和车牌边框特征，构成车牌边框特征图；步骤3、车牌边框特征图通过全连接层回归出车牌边界坐标；步骤4、车牌识别模块共享车牌检测模块提取的浅层特征，并通过卷积操作得到车牌图像的字符特征，形成两组字符联合特征图；步骤5、两组字符联合特征图和车牌边框特征图通过感兴趣区域池化操作后被拼接，得到字符关键区域特征；步骤6、字符关键区域特征通过分类器识别后获得识别后车牌号码。2.如权利要求1所述的一种端到端的高效精确车牌检测和识别方法，其特征在于：车牌检测模块共有7个卷积层，第一卷积层输入为车牌图像并卷积输出第一车牌边框特征图，并传输给第二卷积层，第二卷积层卷积第一车牌边框特征图并输出第二车牌边框特征，并传输给第三卷积层，第三卷积层卷积第二车牌边框特征图并输出第三车牌边框特征，并传输给第四卷积层，第四卷积层卷积第三车牌边框特征图并输出第四车牌边框特征，并传输给第五卷积层，第五卷积层卷积第四车牌边框特征图并输出第五车牌边框特征，并传输给第六卷积层，第六卷积层卷积第五车牌边框特征图并输出第六车牌边框特征，并传输给第七卷积层，第七卷积层卷积第六车牌边框特征图并输出第七车牌边框特征。3.如权利要求2所述的一种端到端的高效精确车牌检测和识别方法，其特征在于，所述步骤2还包括：卷积神经网络中第七卷积层输出的第七车牌边框特征为字符特征的注意参数，用于辅助车牌识别模块定位字符特征。4.如权利要求3所述的一种端到端的高效精确车牌检测和识别方法，其特征在于：车牌识别模块包括第一识别卷积层和第二识别卷积层，车牌识别模块共享车牌检测模块提取的浅层特征，利用第一识别卷积层和第二识别卷积层提取车牌图像的字符特征，形成第一字符特征图和第二字符特征图。5.如权利要求4所述的一种端到端的高效精确车牌检测和识别方法，其特征在于：车牌检测模块中卷积神经网络的第一卷积层中的第一车牌边框特征图被选择作为车牌识别...

【专利技术属性】
技术研发人员：周新，程谣，姜俐伶，
申请(专利权)人：大连海事大学，
类型：发明
国别省市：