车牌号码及车牌颜色识别结果的可靠性判断方法及系统技术方案

本申请公开一种车牌号码及车牌颜色识别结果的可靠性判断方法及系统。方法包括：根据车牌检测数据集、号码识别数据集、号码及颜色识别数据集一、号码及颜色识别数据集二进行模型训练，获得训练完成的车牌检测模型、号码识别模型、号码及颜色识别模型一、号码及颜色识别模型二；根据训练完成的车牌检测模型、号码识别模型、号码及颜色识别模型一、号码及颜色识别模型二对测试图像进行检测，获得车牌位置、车牌颜色结果一、号码识别结果一、号码识别结果二、车牌颜色结果二、号码识别结果三、车牌颜色结果三。若车牌颜色结果一、结果二、结果三相同，且号码识别结果一、结果二、结果三相同时，生成车牌颜色与车牌号码的订单信息。生成车牌颜色与车牌号码的订单信息。生成车牌颜色与车牌号码的订单信息。

【技术实现步骤摘要】
车牌号码及车牌颜色识别结果的可靠性判断方法及系统


[0001]本申请涉及车牌图像识别
，特别是涉及一种车牌号码及车牌颜色识别结果的可靠性判断方法及系统。

技术介绍

[0002]近年来，停车难、停车乱已成为我国城市交通发展中亟待解决的主要问题之一，各地交管部门也在积极推动解决路侧停车难、停车乱的问题。为有效缓解该问题，各地交管部门进行了各种智能化停车管理技术的尝试、实施。
[0003]其中，停车收费、违法罚单等订单的生成，车牌号码及颜色是订单的唯一标识，车牌号码识别错将会导致未停车车主产生订单，所以在生成停车收费订单前需要人工确认车牌识别结果的正确性，这需要大量的人工参与，效率偏低，且浪费了大量的资源。
[0004]申请内容
[0005]本申请的目的是解决在生成停车收费订单前人工确认车牌识别结果的正确性需要大量的人工参与导致的效率偏低、浪费资源的技术问题。为实现上述目的，本申请提供一种车牌号码及车牌颜色识别结果的可靠性判断方法及系统。
[0006]本申请提供一种车牌号码及车牌颜色识别结果的可靠性判断方法，包括：
[0007]获取车牌检测数据集、号码识别数据集、号码及颜色识别数据集一、号码及颜色识别数据集二，且所述车牌检测数据集、所述号码识别数据集、所述号码及颜色识别数据集一、所述号码及颜色识别数据集二彼此相互独立；
[0008]根据所述车牌检测数据集，对车牌检测模型进行模型训练，获得训练完成的车牌检测模型；
[0009]根据所述号码识别数据集，对号码识别模型进行模型训练，获得训练完成的号码识别模型；
[0010]根据所述号码及颜色识别数据集一，对卷积神经网络、长短时记忆网络以及联接时间分类器损失函数形成的号码及颜色识别模型一进行模型训练，获得训练完成的号码及颜色识别模型一；
[0011]根据所述号码及颜色识别数据集二，对卷积神经网络、全卷积网络以及损失函数形成的号码及颜色识别模型二进行模型训练，获得训练完成的号码及颜色识别模型二；
[0012]获取测试图像，根据所述训练完成的车牌检测模型对所述测试图像进行检测，获得车牌位置与车牌颜色结果一，根据所述车牌位置对所述测试图像进行截取，获得测试车牌图像，根据所述训练完成的号码识别模型对所述测试车牌图像进行检测，获得号码识别结果一，根据所述训练完成的号码及颜色识别模型一对所述测试车牌图像进行检测，获得号码识别结果二与车牌颜色结果二，根据所述训练完成的号码及颜色识别模型二对所述测试车牌图像进行检测，获得号码识别结果三与车牌颜色结果三；
[0013]若所述车牌颜色结果一、所述车牌颜色结果二以及所述车牌颜色结果三相同，且所述号码识别结果一、所述号码识别结果二以及所述号码识别结果三相同时，则生成车牌
颜色与车牌号码的订单信息。
[0014]在一个实施例中，根据所述车牌检测数据集，采用梯度下降算法对所述车牌检测模型进行模型训练，获得所述训练完成的车牌检测模型；
[0015]根据所述号码识别数据集，采用所述梯度下降算法对所述号码识别模型进行模型训练，获得所述训练完成的号码识别模型；
[0016]根据所述号码及颜色识别数据集一，采用所述梯度下降算法对所述号码及颜色识别模型一进行模型训练，获得所述训练完成的号码及颜色识别模型一；
[0017]根据所述号码及颜色识别数据集二，采用所述梯度下降算法对所述号码及颜色识别模型二进行模型训练，获得所述训练完成的号码及颜色识别模型二。
[0018]在一个实施例中，所述号码及颜色识别模型一中卷积神经网络的特征提取骨干网络与所述号码及颜色识别模型二中卷积神经网络的特征提取骨干网络不同。
[0019]在一个实施例中，所述根据所述号码及颜色识别数据集二，对卷积神经网络、全卷积网络以及损失函数形成的号码及颜色识别模型二进行模型训练，获得训练完成的号码及颜色识别模型二，包括：
[0020]将标注有号码字符位置信息、号码字符类别信息以及车牌颜色的所述号码及颜色识别数据集二输入至所述卷积神经网络中进行特征提取，输出车牌特征向量；
[0021]将所述车牌特征向量分别并行输入至九个全卷积网络以及对应的所述损失函数中，输出预测八位号码与预测车辆颜色。
[0022]在一个实施例中，所述若所述车牌颜色结果一、所述车牌颜色结果二以及所述车牌颜色结果三相同，且所述号码识别结果一、所述号码识别结果二以及所述号码识别结果三相同时，则生成车牌颜色与车牌号码的订单信息，包括：
[0023]若所述车牌颜色结果一、所述车牌颜色结果二以及所述车牌颜色结果三相同，且所述号码识别结果一、所述号码识别结果二以及所述号码识别结果三相同时，判断所述车牌颜色与所述车牌号码是否符合车牌类型规则；
[0024]若所述车牌颜色与所述车牌号码符合所述车牌类型规则，则生成所述车牌颜色与所述车牌号码的订单信息；
[0025]所述车牌号码及车牌颜色识别结果的可靠性判断方法还包括：
[0026]若所述车牌颜色结果一、所述车牌颜色结果二以及所述车牌颜色结果三不相同，或者所述号码识别结果一、所述号码识别结果二以及所述号码识别结果三不相同时，则投票输出所述车牌颜色与所述车牌号码。
[0027]在一个实施例中，本申请提供一种车牌号码及车牌颜色识别结果的可靠性判断系统，包括：
[0028]数据获取模块，用于获取车牌检测数据集、号码识别数据集、号码及颜色识别数据集一、号码及颜色识别数据集二，且所述车牌检测数据集、所述号码识别数据集、所述号码及颜色识别数据集一、所述号码及颜色识别数据集二彼此相互独立；
[0029]车牌检测模型模块，用于根据所述车牌检测数据集，对车牌检测模型进行模型训练，获得训练完成的车牌检测模型；
[0030]号码识别模型模块，用于根据所述号码识别数据集，对号码识别模型进行模型训练，获得训练完成的号码识别模型；
[0031]号码及颜色识别模型一模块，用于根据所述号码及颜色识别数据集一，对卷积神经网络、长短时记忆网络以及联接时间分类器损失函数形成的号码及颜色识别模型一进行模型训练，获得训练完成的号码及颜色识别模型一；
[0032]号码及颜色识别模型二模块，用于根据所述号码及颜色识别数据集二，对卷积神经网络、全卷积网络以及损失函数形成的号码及颜色识别模型二进行模型训练，获得训练完成的号码及颜色识别模型二；
[0033]测试模块，用于获取测试图像，根据所述训练完成的车牌检测模型对所述测试图像进行检测，获得车牌位置与车牌颜色结果一，根据所述车牌位置对所述测试图像进行截取，获得测试车牌图像，根据所述训练完成的号码识别模型对所述测试车牌图像进行检测，获得号码识别结果一，根据所述训练完成的号码及颜色识别模型一对所述测试车牌图像进行检测，获得号码识别结果二与车牌颜色结果二，根据所述训练完成的号码及颜色识别模型二对所述测试车牌图像进行检测，获得号码识别结果三与车牌颜色结果三；
[0034]车牌信息生成模本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种车牌号码及车牌颜色识别结果的可靠性判断方法，其特征在于，包括：获取车牌检测数据集、号码识别数据集、号码及颜色识别数据集一、号码及颜色识别数据集二，且所述车牌检测数据集、所述号码识别数据集、所述号码及颜色识别数据集一、所述号码及颜色识别数据集二彼此相互独立；根据所述车牌检测数据集，对车牌检测模型进行模型训练，获得训练完成的车牌检测模型；根据所述号码识别数据集，对号码识别模型进行模型训练，获得训练完成的号码识别模型；根据所述号码及颜色识别数据集一，对卷积神经网络、长短时记忆网络以及联接时间分类器损失函数形成的号码及颜色识别模型一进行模型训练，获得训练完成的号码及颜色识别模型一；根据所述号码及颜色识别数据集二，对卷积神经网络、全卷积网络以及损失函数形成的号码及颜色识别模型二进行模型训练，获得训练完成的号码及颜色识别模型二；获取测试图像，根据所述训练完成的车牌检测模型对所述测试图像进行检测，获得车牌位置与车牌颜色结果一，根据所述车牌位置对所述测试图像进行截取，获得测试车牌图像，根据所述训练完成的号码识别模型对所述测试车牌图像进行检测，获得号码识别结果一，根据所述训练完成的号码及颜色识别模型一对所述测试车牌图像进行检测，获得号码识别结果二与车牌颜色结果二，根据所述训练完成的号码及颜色识别模型二对所述测试车牌图像进行检测，获得号码识别结果三与车牌颜色结果三；若所述车牌颜色结果一、所述车牌颜色结果二以及所述车牌颜色结果三相同，且所述号码识别结果一、所述号码识别结果二以及所述号码识别结果三相同时，则生成车牌颜色与车牌号码的订单信息。2.根据权利要求1所述的车牌号码及车牌颜色识别结果的可靠性判断方法，其特征在于，根据所述车牌检测数据集，采用梯度下降算法对所述车牌检测模型进行模型训练，获得所述训练完成的车牌检测模型；根据所述号码识别数据集，采用所述梯度下降算法对所述号码识别模型进行模型训练，获得所述训练完成的号码识别模型；根据所述号码及颜色识别数据集一，采用所述梯度下降算法对所述号码及颜色识别模型一进行模型训练，获得所述训练完成的号码及颜色识别模型一；根据所述号码及颜色识别数据集二，采用所述梯度下降算法对所述号码及颜色识别模型二进行模型训练，获得所述训练完成的号码及颜色识别模型二。3.根据权利要求1所述的车牌号码及车牌颜色识别结果的可靠性判断方法，其特征在于，所述号码及颜色识别模型一中卷积神经网络的特征提取骨干网络与所述号码及颜色识别模型二中卷积神经网络的特征提取骨干网络不同。4.根据权利要求3所述的车牌号码及车牌颜色识别结果的可靠性判断方法，其特征在于，所述根据所述号码及颜色识别数据集二，对卷积神经网络、全卷积网络以及损失函数形成的号码及颜色识别模型二进行模型训练，获得训练完成的号码及颜色识别模型二，包括：将标注有号码字符位置信息、号码字符类别信息以及车牌颜色的所述号码及颜色识别数据集二输入至所述卷积神经网络中进行特征提取，输出车牌特征向量；
将所述车牌特征向量分别并行输入至九个全卷积网络以及对应的所述损失函数中，输出预测八位号码与预测车辆颜色。5.根据权利要求1所述的车牌号码及车牌颜色识别结果的可靠性判断方法，其特征在于，所述若所述车牌颜色结果一、所述车牌颜色结果二以及所述车牌颜色结果三相同，且所述号码识别结果一、所述号码识别结果二以及所述号码识别结果三相同时，则生成车牌颜色与车牌号码的订单信息，包括：若所述车牌颜色结果一、所述车牌颜色结果二以及所述车牌颜色结果三相同，且所述号码识别结果一、所述号码识别结果二以及所述号码识别结果三相同时，判断所述车牌颜色与所述车牌号码是否符合车牌类型规则；若所述车牌颜色与所述车牌号码符合所述车牌类型规则，则生成所述车牌颜色与所述车牌号码的订单信息；所述车牌号码及车牌颜色识别结果的可靠性判断方法还包括：若所述车牌颜色结果一、所述车牌颜色结果二以及所述车牌颜色结果三不相同，或者所述号码识别结果一、所述号码识别结果二以及所述号码识别结果三不相同时，则投票输出所述车牌颜色与所述车牌号码。6.一种车牌号码及车牌颜色识别结果的可靠性判断系统，其特征在于，包括：数据获取模块...

【专利技术属性】
技术研发人员：闫军，张欢欢，王艳清，
申请(专利权)人：智慧互通科技股份有限公司，
类型：发明
国别省市：