车牌号识别方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术实施例公开一种车牌号识别方法、装置、电子设备及存储介质，方法包括将待识别图像输入车牌号识别模型，车牌号识别模型包括特征提取网络、区域生成网络和特征检测网络；利用特征提取网络对待识别图像进行特征提取，得到特征图；利用区域生成网络对特征图进行前景检测，得到前景区域；利用特征检测网络对前景区域进行分类和回归，得到车牌区域；对车牌区域进行字符识别，得到车牌号码。即本发明专利技术将车牌号识别分为车牌区域检测和号码识别两步，车牌区域检测可以看成是分类检测问题，即先区分前景和背景，再从前景中识别出车牌区域，号码识别即字符识别，通过这两步即可以识别出车牌号，不需要进行字符分割，提高了车牌号识别的准确度。准确度。准确度。

【技术实现步骤摘要】
车牌号识别方法、装置、电子设备及存储介质


[0001]本专利技术实施例涉及图像处理技术，尤其涉及一种车牌号识别方法、装置、电子设备及存储介质。

技术介绍

[0002]车牌号码识别是智能交通领域的一项核心技术，主要涉及自动化图像处理。现有的车牌号识别方法，主要是基于内容分割实现的，即利用边缘提取技术将字符进行分割，然后将单个字符的图像特征送入支持向量机等分类器中进行分类，从而获得整体的车牌信息，其识别准确率非常依赖于字符分割的效果，在真实场景下的识别准确性并不高。

技术实现思路

[0003]本专利技术提供一种车牌号识别方法、装置、电子设备及存储介质，能够提高车牌号识别的准确度。
[0004]第一方面，本专利技术提供一种车牌号识别方法，所述方法包括：
[0005]将待识别图像输入车牌号识别模型，所述车牌号识别模型包括特征提取网络、区域生成网络和特征检测网络；
[0006]利用所述特征提取网络对所述待识别图像进行特征提取，得到特征图；
[0007]利用所述区域生成网络对所述特征图进行前景检测，得到前景区域；
[0008]利用所述特征检测网络对所述前景区域进行分类和回归，得到车牌区域；
[0009]对所述车牌区域进行字符识别，得到车牌号码。
[0010]第二方面，本专利技术提供一种车牌号识别装置，包括：
[0011]输入模块，用于将待识别图像输入车牌号识别模型，所述车牌号识别模型包括特征提取网络、区域生成网络和特征检测网络；
[0012]特征提取模块，用于利用所述特征提取网络对所述待识别图像进行特征提取，得到特征图；
[0013]前景检测模块，用于利用所述区域生成网络对所述特征图进行前景检测，得到前景区域；
[0014]车牌检测模块，用于利用所述特征检测网络对所述前景区域进行分类和回归，得到车牌区域；
[0015]车牌号识别模块，用于对所述车牌区域进行字符识别，得到车牌号码。
[0016]第三方面，本专利技术提供一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序时实现如本专利技术任一实施例所述的车牌号识别方法。
[0017]第四方面，本专利技术提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本专利技术任一实施例所述的车牌号识别方法。
[0018]本专利技术的方案中，可以将待识别图像输入车牌号识别模型，车牌号识别模型包括
特征提取网络、区域生成网络和特征检测网络；利用特征提取网络对待识别图像进行特征提取，得到特征图；利用区域生成网络对特征图进行前景检测，得到前景区域；利用特征检测网络对前景区域进行分类和回归，得到车牌区域。即本专利技术将车牌号识别分为车牌区域检测和号码识别两步，车牌区域检测可以看成是分类检测问题，即先区分前景和背景，再从前景中识别出车牌区域，号码识别即字符识别，通过这两步即可以识别出车牌号，不需要进行字符分割，提高了车牌号识别的准确度。
附图说明
[0019]为了更清楚地说明本专利技术的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本专利技术的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
[0020]图1是本专利技术提供的车牌号识别方法的一个流程示意图；
[0021]图2是本专利技术提供的车牌号识别模型的训练方法的一个流程示意图；
[0022]图3是本专利技术提供的车牌号识别方法的另一流程示意图；
[0023]图4是本专利技术提供的车牌号识别装置的一个结构示意图；
[0024]图5是本专利技术提供的电子设备的一个结构示意图。
具体实施方式
[0025]为了使本
的人员更好地理解本专利技术方案，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分的实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本专利技术保护的范围。
[0026]需要说明的是，本专利技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本专利技术的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
[0027]在介绍本专利技术的方案之前，先对本专利技术实施例涉及的相关术语进行解释：
[0028]车牌号码识别(License Plate Recognition，LPR)，是智能交通领域的一项核心技术，其中涉及到的技术主要是自动化图像处理领域的，具体在本专利技术实施例中，可以分为车牌的区域检测和车牌号码的识别这两部分。
[0029]图1是本专利技术提供的车牌号识别方法的一个流程示意图，该方法可以由本专利技术提供的车牌号识别装置来执行，该装置可采用软件和/或硬件的方式实现。在一个具体的实施例中，该装置可以集成在电子设备中，电子设备比如可以是计算机、服务器等。以下实施例将以该装置集成在电子设备中为例进行说明，参考图1，该方法具体可以包括如下步骤：
[0030]步骤101，将待识别图像输入车牌号识别模型，车牌号识别模型包括特征提取网络、区域生成网络和特征检测网络。
[0031]其中，待识别图像可以是通过企业停车场摄像头获取的带有完整车牌信息的图像。具体的，车牌号识别模型可以根据深度学习模型训练得到，包括特征提取网络、区域生成网络和特征检测网络；其中，特征提取网络可以是卷积神经网络(Convolutional Neural Networks,CNN)；区域生成网络可以是区域候选网络(Region Proposal Networks，RPN)，RPN是一种寻找到物体然后提取候选框的网络，RPN只区分前景和背景，不区分前景中的物体的具体类别；特征检测网络可以是Faster
‑
RCNN(Faster
‑
Region
‑
CNN)网络，本专利技术算法在Fast
‑
RCNN基础上叠加了RPN候选框生成算法，使得目标检测速度大大提高，具体实现中，Faster
‑
RCNN可以识别前景中物体的类别并根据置信度打分。
[0032]步骤102，利用特征提取网络对待识别图像进行特征提取，得到特征图。
[0033]具体的，输入待识别图像后，通过特征提取网络对待识别图像进行特征提取，得到图像的特征图。其中，图像特征主要是指图像的几本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种车牌号识别方法，其特征在于，包括：将待识别图像输入车牌号识别模型，所述车牌号识别模型包括特征提取网络、区域生成网络和特征检测网络；利用所述特征提取网络对所述待识别图像进行特征提取，得到特征图；利用所述区域生成网络对所述特征图进行前景检测，得到前景区域；利用所述特征检测网络对所述前景区域进行分类和回归，得到车牌区域；对所述车牌区域进行字符识别，得到车牌号码。2.根据权利要求1所述的方法，其特征在于，所述利用所述区域生成网络对所述特征图进行前景检测，得到前景区域，包括：利用所述区域生成网络对所述特征图进行前景检测，得到候选区域；对所述候选区域做非极大值抑制处理，得到所述前景区域。3.根据权利要求2所述的方法，其特征在于，所述利用所述区域生成网络对所述特征图进行前景检测，得到候选区域，包括：利用所述区域生成网络在所述特征图的每个锚点处生成多个不同尺寸的锚框；对所述每个锚点处生成的多个不同尺寸的锚框分类，得到前景锚框；对所述前景锚框进行聚类分析，得到每个尺寸的目标锚框；根据所述每个尺寸的目标锚框确定所述候选区域。4.根据权利要求1所述的方法，其特征在于，所述利用所述特征检测网络对所述前景区域进行分类和回归，得到车牌区域，包括：利用所述特征检测网络对所述前景区域进行分类和回归，得到各个类别的检测区域；从所述各个类别的检测区域中识别出类别为车牌的检测区域，得到所述车牌区域。5.根据权利要求4所述的方法，其特征在于，所述从所述各个类别的检测区域中识别出类别为车牌的检测区域，得到所述车牌区域，包括：将所述车牌的检测区域做改进的非极大值抑制处理，得到所述车牌区...

【专利技术属性】
技术研发人员：朱梦鸾，鲁钟俊，胡玉祥，
申请(专利权)人：中国农业银行股份有限公司，
类型：发明
国别省市：