本发明专利技术公开了一种大角度车牌识别方法、装置、设备和存储介质，所述大角度车牌识别方法包括获取图像信息，基于深度学习模型在图像信息上获取车头标识框和车牌标识框；根据车头标识框和车牌标识框获取车头朝向和错切变换角度；根据车头朝向、错切变换角度获取错切变换矩阵；根据错切变换矩阵对图像信息进行错切变换，并获取变换图像信息；根据变换图像信息识别车牌号码。本发明专利技术解决了现有解决现有的车牌识别方式精度低、鲁棒性低的问题，提高了识别准确率。准确率。准确率。
【技术实现步骤摘要】
一种大角度车牌识别方法、装置、设备和存储介质
[0001]本专利技术涉及图像识别
，具体涉及一种大角度车牌识别方法、装置、设备和存储介质。
技术介绍
[0002]车牌识别系统是计算机视觉图像识别技术在车辆拍照识别中的一种应用，车牌识别技术要求能够将运动中的汽车牌照从复杂背景中提取并识别出来，通过车牌提取、图像预处理、特征提取、车牌字符识别等技术，识别车辆牌号、颜色等信息。
[0003]现有方法对大角度车牌的识别主要通过对车牌进行四点检测加仿射变换的方式，该类方法依赖于对车牌的精准四点定位，对不同场景里占比不同大小的车牌不具有较强的鲁棒性，同时，由于车牌在大角度视角下形状不一，为不定夹角的平行四边形，四点定位的方式有较大精度上的局限。
[0004]基于此，需要一种新技术方案。
技术实现思路
[0005]有鉴于此，本专利技术实施例提供一种大角度车牌识别方法、装置、设备和存储介质，以至少解决现有的车牌识别方式精度低、鲁棒性低的问题。
[0006]本专利技术实施例提供以下技术方案：
[0007]本专利技术实施例的一种大角度车牌识别方法，包括：
[0008]获取图像信息，基于深度学习模型在所述图像信息上获取车头标识框和车牌标识框；
[0009]根据所述车头标识框和所述车牌标识框获取车头朝向和错切变换角度；
[0010]根据所述车头朝向、所述错切变换角度获取错切变换矩阵；
[0011]根据所述错切变换矩阵对所述图像信息进行错切变换，并获取变换图像信息；
[0012]根据所述变换图像信息识别车牌号码。
[0013]进一步地，所述基于车头标识框和所述车牌标识框获取车头朝向包括：
[0014]获取所述车头标识框的车头顶点坐标和所述车牌标识框的车牌顶点坐标；
[0015]基于所述车头顶点坐标和所述车牌顶点坐标获取所述车头朝向。
[0016]进一步地，在所述车头顶点坐标包括第一车头顶点坐标(x1，y1)、第二车头顶点坐标(x2，y2)，所述车牌顶点坐标包括第一车牌顶点坐标(x3，y3)、第二车牌顶点坐标(x4，y4)时，所述车头朝向的计算公式如下：
[0017][0018]其中，From用于表示所述车头朝向，在From等于1的情况下，车头向左；在From等于
‑
1的情况下，车头向右。
[0019]进一步地，所述获取错切变换角度包括：
[0020]获取车牌宽度，并基于所述车牌顶点坐标、所述车牌宽度获取所述错切变换角度。
[0021]进一步地，所述获取车牌宽度包括：
[0022]基于霍夫线变换算法获取所述车牌宽度。
[0023]进一步地，在所述车牌顶点坐标包括第三车牌顶点坐标(x3，y3)、第四车牌顶点坐标(x4，y4)时，获取所述错切变换角度的公式如下：
[0024][0025]其中，α为错切变换角度，h为车牌宽度。
[0026]进一步地，在所述图像信息中一点的变换前坐标为(x，y)，变换后坐标为(x
’
，y
’
)时，所述变换前坐标和所述变换后坐标之间的关系为：
[0027]x
’
x
’
＝x；
[0028]y
’
＝y
‑
From*x*tanα；
[0029]其中，From用于表示车头朝向，α为错切变换角度。
[0030]本专利技术实施例的一种大角度车牌识别装置，包括：
[0031]获取单元，所述获取单元用于获取图像信息、基于深度学习模型获取车头标识框和车牌标识框、根据所述车头标识框和所述车牌标识框获取车头朝向和错切变换角度、根据所述车头朝向、所述错切变换角度获取错切变换矩阵；
[0032]变换单元，所述变换单元用于根据所述错切变换矩阵对所述图像信息进行错切变换，并获取变换图像信息；
[0033]识别单元，所述识别单元用于根据所述变换图像信息识别车牌号码。
[0034]本专利技术实施例的一种计算机设备，包括存储器、处理器以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计算机程序时实现如上任一项所述的大角度车牌识别方法。
[0035]本专利技术实施例的一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如上任一项所述的大角度车牌识别方法。
[0036]与现有技术相比，本专利技术实施例采用的上述至少一个技术方案能够达到的有益效果至少包括：
[0037]本专利技术的一种大角度车牌识别方法，通过获取图像信息，并基于深度学习模型获取车头标识框和车牌标识框；根据车头标识框和车牌标识框获取车头朝向和错切变换角度；根据车头朝向、错切变换角度获取错切变换矩阵；根据错切变换矩阵对图像信息进行错切变换，并获取变换图像信息；根据变换图像信息识别车牌号码，解决了现有解决现有的车牌识别方式精度低、鲁棒性低的问题，提高了识别准确率。
附图说明
[0038]为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，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它的附图。
[0039]图1为本专利技术实施例的大角度车牌识别方法的流程图(一)；
[0040]图2为本专利技术实施例的大角度车牌识别方法的流程图(二)；
[0041]图3为本专利技术实施例的大角度车牌识别方法的具体实施结构示意图；
[0042]图4为本专利技术实施例的车头标识框和车牌标识框的结构示意图；
[0043]图5为本专利技术实施例的仿真图(一)；
[0044]图6为本专利技术实施例的仿真图(二)；
[0045]图7为本专利技术实施例的大角度车牌识别装置的结构框图。
具体实施方式
[0046]下面结合附图对本专利技术实施例进行详细描述。
[0047]以下通过特定的具体实例说明本专利技术的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本专利技术的其他优点与功效。显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。本专利技术还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本专利技术的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0048]要说明的是，下文描述在所附权利要求书的范围内的实施例的各种方面。应显而易见，本文中所描述的方面可体现于广泛多种形式中，且本文中所描述的任何特定结构及/或功能仅为说明性的。基于本专利技术，所属领域的技术人员应了解，本文中所描述的一个方面可与任何其它方面独立地实施，且可以各种方式组合本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种大角度车牌识别方法，其特征在于，包括：获取图像信息，基于深度学习模型在所述图像信息上获取车头标识框和车牌标识框；根据所述车头标识框和所述车牌标识框获取车头朝向和错切变换角度；根据所述车头朝向、所述错切变换角度获取错切变换矩阵；根据所述错切变换矩阵对所述图像信息进行错切变换，并获取变换图像信息；根据所述变换图像信息识别车牌号码。2.根据权利要求1所述的大角度车牌识别方法，其特征在于，所述基于车头标识框和所述车牌标识框获取车头朝向包括：获取所述车头标识框的车头顶点坐标和所述车牌标识框的车牌顶点坐标；基于所述车头顶点坐标和所述车牌顶点坐标获取所述车头朝向。3.根据权利要求2所述的大角度车牌识别方法，其特征在于，在所述车头顶点坐标包括第一车头顶点坐标(x1，y1)、第二车头顶点坐标(x2，y2)，所述车牌顶点坐标包括第一车牌顶点坐标(x3，y3)、第二车牌顶点坐标(x4，y4)时，所述车头朝向的计算公式如下：其中，From用于表示所述车头朝向，在From等于1的情况下，车头向左；在From等于
‑
1的情况下，车头向右。4.根据权利要求2所述的大角度车牌识别方法，其特征在于，所述获取错切变换角度包括：获取车牌宽度，并基于所述车牌顶点坐标、所述车牌宽度获取所述错切变换角度。5.根据权利要求4所述的大角度车牌识别方法，其特征在于，所述获取车牌宽度包括：基于霍夫线变换算法获取所述车牌宽度。6.根据权利要求4所述的大角度车牌识别方法，其特征在于，在所述车牌顶点坐标包括第...
【专利技术属性】
技术研发人员：张传捷，徐斌，江丁平，刘正浩，
申请(专利权)人：哪吒港航智慧科技上海有限公司，
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。