基于yolov5-shufflenetv2的车位号码识别方法、设备和介质技术

本发明专利技术涉及交车位号识别技术领域，为基于yolov5

【技术实现步骤摘要】
基于yolov5
‑
shufflenetv2的车位号码识别方法、设备和介质


[0001]本专利技术涉及交车位号识别，具体涉及基于yolov5
‑
shufflenetv2的车位号码识别方法、设备和介质。

技术介绍

[0002]车位号识别是OCR(Optical Character Recognition)技术的一种，OCR是指对文本资料的图像文件进行分析识别处理，获取文字及版面信息的过程。根据识别场景，可大致将OCR分为识别特定场景的专用OCR和识别多种场景的通用OCR，停车位号识别是特定场景的OCR识别。进行车位号识别的车载终端没有gpu只能使用cpu来运行算法，所以，对于模型的运算速度有很严格的需求，而且在一张图片中有多个停车位号需要识别，更需要极快的速度。
[0003]为了克服现有技术ocr识别的不足，因为现有ocr技术很难在保证识别精度的情况下降低到能在实车上进行实时检测，离索要达到的识别速度相差甚远。并且由于停车位号的数量较多，每一个停车位号都需要单独的识别，会导致ocr识别速度翻倍增长，所以本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于改进Yolov5
‑
shufflenetv2的车位号码识别方法，其特征在于，包括以下步骤：改进yolov5目标检测网络结构，将yolov5原始模型的主干网络更换为CNN网络shufflenetv2得到车位号码识别模型；采集制作车位号的数据集，根据车位号的数据集处理为车位号训练集，使用车位号训练集对车位号码识别模型进行训练；将输入车位号图片输入训练后的车位号码识别模型进行车位号码识别，输出车位号结果。2.根据权利要求1所述的基于改进Yolov5
‑
shufflenetv2的车位号码识别方法，其特征在于，改进yolov5目标检测网络结构，将yolov5原始模型的主干网络更换为CNN网络shufflenetv2车位号码识别模型包括：将yolov5s的Focus头模块更换为stem模块，输入特征图进行卷积核大小为为3
×
3的卷积操作；添加6个invertedResidual模块，invertedResidual模块用于将输入的特征图分成两个分支，两个分支的输出在通道上对特征图进行相叠加；将所添加的模块名称全部加入import列表，并且在后续的模块调用代码中添加所使用的模块名称。3.根据权利要求2所述的基于改进Yolov5
‑
shufflenetv2的车位号码识别方法，其特征在于，所述invertedResidual模块包括深度可分类卷积，深度可分类卷积的一个卷积核负责一个通道，一个通道只被一个卷积核卷积。4.根据权利要求1所述的基于改进Yolov5
‑
shufflenetv2的车位号码识别方法，其特征在于，所述采集制作车位号的数据集，根据车位号的数据集处理为车位号训练集，使用车位号训练集对车位号码识别模型进行训练，包括：通过摄像头在停车场进行车位及车位号数据采集，将视频数据进行抽帧处理，得到车位图片，再通过深度学习算法，将车位号图片裁剪出来，人工筛选并进行标注，到标注的车位号数据集；将标注好的车位号数据集生...

【专利技术属性】
技术研发人员：方柱，吴锐，谢乐成，单玉梅，
申请(专利权)人：重庆长安汽车股份有限公司，
类型：发明
国别省市：