【技术实现步骤摘要】
一种物流货车车牌识别方法及设备
[0001]本专利技术属于图像识别
,具体地说,涉及一种物流货车车牌识别方法及设备。
技术介绍
[0002]现有的无人地磅系统能够自动对物流货车进行称重,并记录重量、车牌等相关数据,与传统地磅相比,运行效率高,避免了大量因人为操作导致的差错。在无人地磅系统中,通过设置在旁边的摄像头来采集车辆的车牌图像,然后利用图像识别算法识别获取车牌信息。在实际场景中,物流货车经常会出现车牌污损的情况,而且货车重量大,在过磅时会造成摄像头抖动,货车排气也会在周围空气中激起大量的灰尘,形成雾霾,这些因素导致拍摄获得的车牌图像中存在大量的噪音。而现有的车牌识别算法均没有考虑到这些干扰因素,导致其在无人地磅系统中进行车牌识别时存在较高的错误率。
技术实现思路
[0003]针对现有技术中上述的不足,本专利技术提供一种物流货车车牌识别方法及设备,以提高对无人地磅系统中采集的车牌图像的识别准确率。
[0004]为了达到上述目的,本专利技术采用的解决方案是:一种物流货车车牌识别方法,包括以下步骤:S100、获取无人地磅系统中采集的货运车辆车牌图像(该货运车辆车牌图像是经过分割后的车牌图像,每张图像中只包含一个汉字或字母或数字),获取预先经过训练的图像识别卷积网络;所述图像识别卷积网络中设有主体池化层、前馈层、主体分类器和多个特征提取模块,所述特征提取模块用于提取所述货运车辆车牌图像的特征信息;S200、将所述货运车辆车牌图像输入所述图像识别卷积网络,所述货运车辆车牌图像顺次经过各个所述 ...
【技术保护点】
【技术特征摘要】
1.一种物流货车车牌识别方法,其特征是:包括以下步骤:S100、获取无人地磅系统中采集的货运车辆车牌图像,获取预先经过训练的图像识别卷积网络;所述图像识别卷积网络中设有主体池化层、前馈层、主体分类器和多个特征提取模块,所述特征提取模块用于提取所述货运车辆车牌图像的特征信息;S200、将所述货运车辆车牌图像输入所述图像识别卷积网络,所述货运车辆车牌图像顺次经过各个所述特征提取模块后,生成得到初步特征图;S300、利用所述主体池化层对所述初步特征图的各个图层进行全局池化操作,生成得到初步特征向量;S400、所述初步特征向量顺次经过所述前馈层和所述主体分类器后,生成得到所述货运车辆车牌图像的识别结果;其中,所述特征提取模块提取图像特征信息的过程表示为如下数学模型:其中,X
L
‑1表示输入所述特征提取模块的特征图,X
L
表示所述特征提取模块经过特征提取操作后输出的特征图,f1、f2、f3、f4和f5均表示普通卷积操作,f1、f2和f3的卷积核大小各不相同,f
R
1、f
R
2、f
R
3、f
R
4、f
R
5和f
R
6均表示ReLU激活函数,∣
•
∣表示对其中的特征图做拼接操作,SP1表示第一调制模块,SP2表示第二调制模块,SP3表示第三调制模块,
×
表示元素对应乘积运算,YW表示旁路融合模块,CP表示旁路调制模块,fK表示跨步卷积操作,SCP表示跨维度调制模块,sv1表示从所述第一调制模块输出的第一调制信息,sv2表示从所述第二调制模块输出的第二调制信息,sv3表示从所述第三调制模块输出的第三调制信息,cv表示从所述旁路调制模块输出的旁路调制信息,PL表示内部池化操作,M1、M2、M3、M5和M7分别表示函数f
R
1、f
R
2、f
R
3、f
R
4和f
R
5激活后生成的特征图,M4表示将特征图M1、特征图M2和特征图M3调制后拼接起来生成的特征图,M6表示所述旁路融合模块输出的特征图,M8表示内部池化操作后生成的特征图与M7特征图相加后生成的特征图。2.根据权利要求1所述的物流货车车牌识别方法,其特征是:f1表示步长为1、且卷积核尺寸为1*1的卷积操作,f2、f4和f5均表示步长为1、且卷积核尺寸为3*3的卷积操作,f3表示步长为1、且卷积核尺寸为5*5的卷积操作。
3.根据权利要求1所述的物流货车车牌识别方法,其特征是:所述跨步卷积操作的步长为2、卷积核尺寸为3*3。4.根据权利要求1所述的物流货车车牌识别方法,其特征是:所述第一调制模块、所述第二调制模块和所述第三调制模块内部操作过程相同,所述第一调制...
【专利技术属性】
技术研发人员:孙晓宇,黄博,江培荣,麻亮,李攀,何永霞,吴农中,甄克,王帅,杨营,贺定雄,
申请(专利权)人:成都运荔枝科技有限公司,
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。