一种车牌识别方法、装置及电子设备制造方法及图纸

本申请公开一种车牌识别方法、装置及电子设备，涉及智能交通技术和图像识别技术相结合的技术领域。该方法包括：获取车辆的N个角度的图像集合，并确定N个角度各自的损失函数，然后，根据N个角度各自的损失函数对图像集合中的样本图像集合进行模型训练，得到训练好的车牌识别模型，最后，将图像集合中的测试图像集合输入车牌识别模型，得到车辆的M个车牌识别结果，并从M个车牌识别结果中选择出满足置信度要求的目标车牌识别结果。通过上述方法，使得训练过程可以得到多帧图像辅助，提高车牌识别模型的鲁棒性。同时，由于目标车牌识别结果的计算逻辑简单，使得车牌识别模型的通用性强。强。强。

【技术实现步骤摘要】
一种车牌识别方法、装置及电子设备


[0001]本申请涉及智能交通技术和图像识别技术相结合的
，特别是涉及一种车牌识别方法、装置及电子设备。

技术介绍

[0002]车牌识别技术是智能交通领域的重要研究课题之一，它被广泛应用于道路交通监测系统、高速公路自动收费系统、停车场管理系统等多种交通管理系统。车牌识别场景主要分为静态场景和动态场景，静态场景常见于停车场卡口、小区物业登记等，由于该场景下的车牌清晰且尺寸固定，因此车牌识别情况较好；动态场景常见于交通领域的各种事件触发抓拍，比如，闯红灯抓拍、鸣笛抓拍和测速抓拍等，但抓拍过程中由于遮挡、过曝等影响，因此，在对抓拍到的单帧图像进行车牌识别时，会降低车牌识别的准确度。
[0003]为了解决上述问题，当前常用的车牌识别方法是：抓拍车辆各个角度的单帧图像，并将各个角度的单帧图像，统一使用一种损失函数进行模型训练，得到训练好的车牌识别模型，然后，在模型推理阶段，针对抓拍到的各个角度的单帧图像，将其输入到车牌识别模型中分别进行识别，得到车辆的各个车牌识别结果，最后，根据车辆当前应用场景的计算逻辑，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种车牌识别方法，其特征在于，所述方法包括：获取车辆的N个角度的图像集合，并确定所述N个角度各自的损失函数，其中，所述N为大于0的整数；根据所述N个角度各自的损失函数对所述图像集合中的样本图像集合进行模型训练，得到训练好的车牌识别模型；将所述图像集合中的测试图像集合输入所述车牌识别模型，得到所述车辆的M个车牌识别结果，其中，所述M等于所述N；从所述M个车牌识别结果中选择出满足置信度要求的目标车牌识别结果。2.如权利要求1所述的方法，其特征在于，所述根据所述N个角度各自的损失函数对所述图像集合中的样本图像集合进行模型训练，得到训练好的车牌识别模型，包括：将所述样本图像集合中的各个样本图像输入至神经网络模型，并根据所述神经网络模型中的贝塞尔曲线检测对所述各个样本图像进行目标检测，得到所述各个样本图像各自的曲形目标检测框；矫正各个曲形目标检测框，得到所述各个曲形目标检测框各自的矩形目标检测框；基于所述N个角度各自的损失函数及各个矩形目标检测框进行模型训练，得到所述训练好的车牌识别模型。3.如权利要求2所述的方法，其特征在于，所述矫正各个曲形目标检测框，得到所述各个曲形目标检测框各自的矩形目标检测框，包括：获取所述神经网络模型中识别窗口的第一宽度值和第一高度值，并确定所述识别窗口中任一格点到所述识别窗口的第二宽度值和第二高度值；根据所述第一宽度值与所述第二宽度值，计算得到宽度参数值，并根据所述第一高度值与所述第二高度值，计算得到高度参数值；根据所述宽度参数值在第一曲形目标检测框中，确定出第一位置点和第二位置点，其中，所述第一曲形目标检测框为所述各个曲形目标检测框中的任一曲形目标检测框；根据所述高度参数值、所述第一位置点和所述第二位置点，确定出所述任一格点在所述第一曲形目标检测框中的目标位置点，并将所述目标位置点映射到所述识别窗口中，得到所述第一曲形目标检测框的矩形目标检测框。4.如权利要求2所述的方法，其特征在于，所述基于所述N个角度各自的损失函数及各个矩形目标检测框进行模型训练，得到所述训练好的车牌识别模型，包括：在所述N个角度各自的损失函数中，确定出所述各个矩形目标检测框各自的损失函数；根据所述各个矩形目标检测框各自的损失函数，对所述各个矩形目标检测框进行评估，得到评估结果；在所述评估结果满足预设要求时，将当前车牌识别模型作为所述训练好的车牌识别模型。5.一种车牌识别装置，其特征在于，所述装置包括：确定模块，用于获取车辆的N个角度的图像集合，并确定所述N个角度各自的损失函数，其...

【专利技术属性】
技术研发人员：周宏扬，
申请(专利权)人：中国电信股份有限公司，
类型：发明
国别省市：