一种汽车车牌的识别方法及装置制造方法及图纸

本发明专利技术公开了汽车车牌的识别方法及装置，所述方法包括：获取待识别汽车图像；对所述待识别汽车图像进行处理，得到待识别车牌图像；将所述待识别车牌图像输入车牌字符识别网络进行识别，识别出汽车车牌字符和汽车车牌颜色；依据所述汽车车牌字符和所述汽车车牌颜色对所述汽车进行分类。对所述汽车进行分类。对所述汽车进行分类。

【技术实现步骤摘要】
一种汽车车牌的识别方法及装置


[0001]本申请涉及汽车识别
，尤其涉及一种汽车车牌的识别方法及装置。

技术介绍

[0002]汽车车牌由一组字符按照特定顺序组合而成，用作车辆的身份标识。汽车车牌识别技术主要用于识别图像中的车牌号码，以辅助完成车辆牌照信息的登记与验证。随着人工智能技术，尤其是机器学习技术的发展，汽车车牌识别技术已成为智慧交通的重要组成部分。
[0003]现有的汽车车牌识别技术通常限制在识别车牌字符。虽然车牌颜色作为汽车车牌的另一个身份标识，但对车辆颜色分类的技术研究较少，现有技术尚无法兼顾车牌字符和车辆颜色的识别。

技术实现思路

[0004]本专利技术提供了一种汽车车牌的识别方法及装置，通过车牌字符识别网络对待识别车牌图像进行识别，兼顾识别出汽车车牌字符和汽车车牌颜色，从而解决或者部分解决上述技术问题。
[0005]为解决上述技术问题，本专利技术的第一方面，公开了一种汽车车牌的识别方法，所述方法包括：
[0006]获取待识别汽车图像；
[0007]对所述待识别汽车图像进行处理，得到待识别车牌图像；
[0008]将所述待识别车牌图像输入车牌字符识别网络进行识别，识别出汽车车牌字符和汽车车牌颜色；
[0009]依据所述汽车车牌字符和所述汽车车牌颜色对所述汽车进行分类。
[0010]可选的，所述对所述待识别汽车图像进行处理，得到待识别车牌图像，具体包括：
[0011]检测所述待识别汽车图像中的车牌区域并进行切割，获得所述待识别车牌图像。
[0012]可选的，所述检测所述待识别汽车图像中的车牌区域并进行切割之后，所述方法还包括：
[0013]对车牌区域进行长高比检测；
[0014]在满足检测结果时，将所述车牌区域作为所述待识别车牌图像；
[0015]在不满足检测结果时，对所述车牌区域按比例切割，并将切割得到的图像进行拼接，得到所述待识别车牌图像。
[0016]可选的，所述对车牌区域进行长高比检测之前，所述方法还包括：
[0017]对所述车牌区域进行仿射变换，得到矫正后的所述车牌区域。
[0018]可选的，所述车牌字符识别网络主要包括：特征提取网络、颜色分类网络和字符分类网络；
[0019]所述将所述待识别车牌图像输入车牌字符识别网络进行识别，识别出汽车车牌字
符和汽车车牌颜色，具体包括：
[0020]所述待识别车牌图像输入至所述特征提取网络进行特征提取，得到固定尺寸的深层特征图；
[0021]将所述深层特征图分别输入到所述颜色分类网络和所述字符分类网络，输出颜色输出张量和字符输出张量；其中，所述颜色输出张量包含各车牌颜色所属概率，所述字符输出张量包含各车牌字符所属概率。
[0022]可选的，所述依据所述汽车车牌字符和所述汽车车牌颜色对所述汽车进行分类，具体包括：
[0023]从所述颜色输出张量中提取概率值最大的颜色作为所述汽车车牌颜色；
[0024]所述字符输出张量中确定出各车牌字符的数字索引；依据各车牌字符的数字索引查表得到所述汽车车牌字符。
[0025]可选的，所述特征提取网络的网络结构包括：依次连接的若干卷积层及每个卷积层后的线性整流单元ReLU函数；以及将至少3个轻量级网络ShuffleBlockV2交替嵌入所述若干数量的卷积层之间，用以节约算力；
[0026]所述特征提取网络的输入为具有RGB3个通道的所述待识别车牌图像，输出为固定尺寸的所述深层特征图；所述深层特征图包括：[批量大小，输出通道数，高，宽]。
[0027]可选的，所述轻量级网络ShuffleBlockV2的网络结构包括：
[0028]特征划分层，用于按照通道数将所述待识别车牌图像划分为第一张量和第二张量；
[0029]第一分支结构，包括依次连接的深度卷积层和通用卷积层，用于处理所述第一张量；
[0030]第二分支结构，包括依次连接的所述通用卷积层、所述深度卷积层、所述通用卷积层，用于处理所述第二张量；所述深度卷积层和所述通用卷积层具有不同大小的卷积核；
[0031]特征融合层，用于按照通道数合并所述第一张量和所述第二张量，得到对应特征。
[0032]可选的，所述颜色分类网络的网络结构包括：若干卷积层和自适应池化层；其中，所述若干卷积层具有各自尺寸的卷积核；
[0033]所述颜色分类网络的输入为固定尺寸的所述深层特征图，输出为颜色输出张量。
[0034]可选的，所述字符分类网络的网络结构包括：最大池化层和全连接层；
[0035]所述字符分类网络的输入为固定尺寸的所述深层特征图，输出为所述字符输出张量。
[0036]本专利技术的第二方面，公开了一种汽车车牌的识别装置，所述装置包括：
[0037]读取模块，用于获取待识别汽车图像；
[0038]图像处理模块，用于对所述待识别汽车图像进行处理，得到待识别车牌图像；
[0039]识别模块，用于将所述待识别车牌图像输入车牌字符识别网络进行识别，识别出汽车车牌字符和汽车车牌颜色；
[0040]分类模块，用于依据所述汽车车牌字符和所述汽车车牌颜色对所述汽车进行分类。
[0041]本专利技术的第三方面，公开了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上述任一技术方案描述的步骤。
[0042]本专利技术的第四方面，公开了一种汽车车牌的识别系统，主要包括至少一个汽车车牌的识别装置和一个远程服务器；
[0043]所述汽车车牌的识别装置，包括至少一个图像采集装置、至少一个处理器、至少一个通信模块、本地存储介质；
[0044]本地存储介质负责存储处理程序及处理结果，至少一个处理器负责执行存储的至少一条程序，以实现上述任一技术方案描述的方法，待处理完成后，处理器负责调用至少一个通信模块，将处理结果上传至远程服务器；远程服务器，负责结果汇总、在终端显示，并向用户提供应用接口。
[0045]通过本专利技术的一个或者多个技术方案，本专利技术具有以下有益效果或者优点：
[0046]本专利技术的方案，在图像传感器中读取待识别汽车图像后，经过处理得到待识别车牌图像；通过车牌字符识别网络对待识别车牌图像进行识别，在实现车牌字符识别的同时，可以识别出车牌的颜色，从而提高对汽车分类的准确性。
[0047]本专利技术的方案，相较于常规的车牌字符识别网络，在同等网络设置参数的条件下，能够降低运算量及硬件开销。以卷积神经网络：VGG网络为例，在同等网络设置参数的条件下，VGG网络参数量为178.755K，乘累加计算量为42.274M。本专利技术的车牌字符识别网络的参数量为152.373K，乘累加计算量为23.820M。两者相比，本专利技术能够将参数量减少14.79％，乘累加计算量减少43.65％，最终实现高精度、低功耗的设计需求。
[0048]上述说明仅是本专利技术技术方案的概述，为了能够更清楚了解本专利技术的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种汽车车牌的识别方法，其特征在于，所述方法包括：获取待识别汽车图像；对所述待识别汽车图像进行处理，得到待识别车牌图像；将所述待识别车牌图像输入车牌字符识别网络进行识别，识别出汽车车牌字符和汽车车牌颜色；依据所述汽车车牌字符和所述汽车车牌颜色对所述汽车进行分类。2.如权利要求1所述的方法，其特征在于，所述对所述待识别汽车图像进行处理，得到待识别车牌图像，具体包括：检测所述待识别汽车图像中的车牌区域并进行切割，获得所述待识别车牌图像。3.如权利要求1所述的方法，其特征在于，所述检测所述待识别汽车图像中的车牌区域并进行切割之后，所述方法还包括：对车牌区域进行长高比检测；在满足检测结果时，将所述车牌区域作为所述待识别车牌图像；在不满足检测结果时，对所述车牌区域按比例切割，并将切割得到的图像进行拼接，得到所述待识别车牌图像。4.如权利要求3所述的方法，其特征在于，所述对车牌区域进行长高比检测之前，所述方法还包括：对所述车牌区域进行仿射变换，得到矫正后的所述车牌区域。5.如权利要求1所述的方法，其特征在于，所述车牌字符识别网络主要包括：特征提取网络、颜色分类网络和字符分类网络；所述将所述待识别车牌图像输入车牌字符识别网络进行识别，识别出汽车车牌字符和汽车车牌颜色，具体包括：所述待识别车牌图像输入至所述特征提取网络进行特征提取，得到固定尺寸的深层特征图；将所述深层特征图分别输入到所述颜色分类网络和所述字符分类网络，输出颜色输出张量和字符输出张量；其中，所述颜色输出张量包含各车牌颜色所属概率，所述字符输出张量包含各车牌字符所属概率。6.如权利要求5任一权项所述的方法，其特征在于，所述依据所述汽车车牌字符和所述汽车车牌颜色对所述汽车进行分类，具体包括：从所述颜色输出张量中提取概率值最大的颜色作为所述汽车车牌颜色；所述字符输出张量中确定出各车牌字符的数字索引；依据各车牌字符的数字索引查表得到所述汽车车牌字符。7.如权利要求5所述的方法，其特征在于，所述特征提取网络的网络结构包括：依次连接的若干卷积层及每个卷积层后的线性整流单元ReLU函数；以及将至少3个轻量级网络ShuffleBlockV2交替嵌入所述若干数量的卷积层之间，用以节约算力；所述特征提取网络的输入为具有RGB3个通道的所述待识别车牌图像，...

【专利技术属性】
技术研发人员：李威君，游恒，尚德龙，周玉梅，
申请(专利权)人：中科南京智能技术研究院，
类型：发明
国别省市：