【技术实现步骤摘要】
基于级联神经网络的视频流实时车牌识别系统及方法
[0001]本专利技术涉及车牌识别
,特别涉及一种基于级联神经网络的视频流实时车牌识别系统及方法。
技术介绍
[0002]随着人们生活水平的不断提升,路上的车辆越来越多,车牌是车辆的重要身份识别信息;伴随着科学技术的进步,导致车牌识别的相关技术在越来越多的场景下被使用,例如各种停车场、道路卡口等,车牌识别技术的进步对于减少人工登记、违法监控和事后追溯等有极大的作用,但是,伴随着技术的不断进步和使用环境的不断变化对于车牌识别的时效性与准确性也提出了有极高的要求。
[0003]现有技术一,CN202010479156.8车牌识别方法、车牌识别装置、车牌识别设备及存储介质,在获取待检测车辆的车牌区域图后,将车牌区域图输入预先训练的第一分类模型,得到待检测车辆的遮挡污损识别结果;其中,遮挡污损识别结果为遮挡车牌或污损车牌或正常车牌;并将车牌区域图输入预先训练的字符识别模型,得到待检测车辆的字符识别结果;将字符识别结果中未识别到的字符用与遮挡污损识别结果对应的符号代替,得到待检测车辆的车牌识别结果并输出,该车牌识别结果不仅包含待检测车牌的车牌号码,还表明了待检测车辆的车牌是否存在遮挡或污损的情况,当车牌遮挡或车牌污损时,有助于对于车牌违章的具体情况进行具体处理,完善车牌违章监控流程。
[0004]现有技术二,CN201410742690.8一种车牌识别方法及车牌识别设备,根据原始车牌分类器检测现场的无车场景,收集现场的静态负样本;将静态负样本添加到车牌识别设 ...
【技术保护点】
【技术特征摘要】
1.一种基于级联神经网络的视频流实时车牌识别方法,其特征在于,包括:采用改进的yolov4
‑
tiny网络在整体车辆目标区域检测出车牌的目标区域;基于单目视觉拍摄车辆的移动,得到车辆的视频流,利用视频流中车辆移动的空间位置变换信息,得到车牌由远及近在空间中的位置和大小变换,判断是否为真实车牌;采用改进的网络密集连接的卷积网络,通过透视变换方法对车牌的完整图像进行矫正,得到车牌的正面图像;改进的网络密集连接的卷积网络和连接时序分类,对矫正得到的车牌的正面图像进行识别,对车牌的字符识别并确认。2.如权利要求1所述的基于级联神经网络的视频流实时车牌识别方法,其特征在于,改进的yolov4
‑
tiny网络去掉了yolov4
‑
tiny网络的rote层,增加一个yolo层,实现了对车辆大目标和车牌小目标的检测。3.如权利要求1所述的基于级联神经网络的视频流实时车牌识别方法,其特征在于,若不是真实车牌,则返回采用改进的yolov4
‑
tiny网络在整体车辆目标区域检测出车牌的目标区域;若是真实车牌,则进行采用改进的网络密集连接的卷积网络,通过透视变换方法对车牌的完整图像进行矫正。4.如权利要求3所述的基于级联神经网络的视频流实时车牌识别方法,其特征在于,对检测出的真实的车牌目标区域,基于改进的网络密集连接的卷积网络检测出车牌的四个定点位置,得到车牌的完整图像,采用透视变换方法对车牌的完整图像进行矫正,得到仅包含车牌的正面图像。5.如权利要求1所述的基于级联神经网络的视频流实时车牌识别方法,其特征在于,控制器通过对车牌的每一帧识别结果进行分析,综合多帧的车牌的识别结果,过滤其中有误识别字符的结果,得到最终的车牌的识别结果。6.如权利要求1所述的基于级联神经网络的视频流实时车牌识别方法,其特征在于,根据车辆和车牌的大小分别设置对应的候选框,在车辆目标模型识别时,采用了六个候选框;在车牌目标模型识别时,采用了九个候选框。7.如权利要求1所述的基于级联神经网络的视频流实时车牌识别方法,其特征在于,检测出整体车辆目标区域,即检测车辆的边界框,具体包括:对输入的车辆及车牌的图像划分边界框,将车辆的图像分为多个单元格,在每个单元格预测出车辆边界框,车辆边界框的置信度的表达式为:式中,表示第i个单元格中的第j个边界框的置信度,P
r
(Object)表示单元格包含某类目标的概率,P
r
∈{0,1},IOU表示预测边界框与真实边界框的交并比。8.如权利要求1所述的基于级联神经网络的视频流实时车牌识别方法,其特征在于,网络密集连接的卷积网络Dens...
【专利技术属性】
技术研发人员:刘亚健,曾国卿,朱新潮,李威,胡振宏,刘佳宁,
申请(专利权)人:上海可深信息科技有限公司,
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。