【技术实现步骤摘要】
一种标识牌识别方法、装置、设备、存储介质及程序产品
[0001]本公开涉及图像处理
,具体而言,涉及一种标识牌识别方法、装置、设备、存储介质及程序产品。
技术介绍
[0002]出于对司机或乘客出行安全的考虑,需要对车辆行车的合法性进行验证。在验证时,需要针对已经授权的司机车牌进行识别。一般地,车牌的主体信息(例如,车牌背景颜色以及车牌字符等)可能存在差异,例如,蓝底白字的车牌、黄底黑字的车牌、黑底白字的车牌等,这给车牌识别过程带来一定的困难。
[0003]以车牌识别为例,基于深度学习网络模型的车牌识别技术,能够实现自动化的车牌识别,但是由于深度学习网络的识别能力依赖于前期训练样本,而不同训练样本存在较大差异时(车牌主体信息不同),基于深度学习的车牌识别方法其模型的泛化性和鲁棒性较差,例如,该方法主要是针对小型车辆的车牌(即蓝底白字标识牌)进行识别处理,其应用的业务场景较为单一化,缺乏针对不同业务场景下的车牌进行统一识别的能力,也即该方法对不同种车型车牌的兼容识别性较差。
技术实现思路
[0004]本公开实施例至少提供一种标识牌识别方法、装置、设备、存储介质及程序产品。
[0005]第一方面,本公开实施例提供了一种识别牌识别方法,包括:
[0006]获取目标对象的标识牌原始图像;
[0007]对所述标识牌原始图像进行灰度处理,得到标识牌灰度图;
[0008]对所述标识牌灰度图进行轮廓特征提取,得到标识牌轮廓特征图;
[0009]基于所述标识牌轮廓特征 ...
【技术保护点】
【技术特征摘要】
1.一种标识牌识别方法,其特征在于,包括:获取目标对象的标识牌原始图像;对所述标识牌原始图像进行灰度处理,得到标识牌灰度图;对所述标识牌灰度图进行轮廓特征提取,得到标识牌轮廓特征图;基于所述标识牌轮廓特征图和所述标识牌灰度图,生成轮廓强化特征图;基于所述轮廓强化特征图,识别得到目标对象的标识牌信息。2.根据权利要求1所述的方法,其特征在于,所述对所述标识牌灰度图进行轮廓特征提取,得到标识牌轮廓特征图,包括:对所述标识牌原始图像进行图像锐化处理,得到标识牌锐化图;对所述标识牌锐化图进行灰度处理,得到标识牌锐化灰度图;对所述标识牌灰度图和所述标识牌锐化灰度图进行像素差值处理,得到所述标识牌轮廓特征图。3.根据权利要求1所述的方法,其特征在于,所述对所述标识牌灰度图进行轮廓特征提取,得到标识牌轮廓特征图,包括:对所述标识牌灰度图进行图像锐化处理,得到标识牌锐化灰度图;对所述标识牌灰度图和所述标识牌锐化灰度图进行像素差值处理,得到所述标识牌轮廓特征图。4.根据权利要求1所述的方法,其特征在于,所述基于所述标识牌轮廓特征图和所述标识牌灰度图,生成轮廓强化特征图,包括:将所述标识牌灰度图输入到卷积神经网络中进行特征提取,得到所述标识牌灰度图对应的基础特征图;对所述标识牌轮廓特征图进行尺寸调整,使得所述标识牌轮廓特征图的尺寸与所述基础特征图一致;基于所述基础特征图和尺寸调整后的所述标识牌轮廓特征图,生成轮廓强化特征图。5.根据权利要求4所述的方法,其特征在于,所述对所述标识牌轮廓特征图进行尺寸调整,使得所述标识牌轮廓特征图的尺寸与所述基础特征图一致,包括:基于所述标识牌轮廓特征图的尺寸信息和所述基础特征图的尺寸信息,确定所述标识牌轮廓特征图和所述基础特征图的边长比值;基于所述标识牌轮廓特征图和所述基础特征图的边长比值,确定调整后的标识牌轮廓特征图的各个像素点位于所述标识牌轮廓特征图上的像素位置;在所述标识牌轮廓特征图中,确定与所述像素位置最近的预设数量个像素点;基于确定的预设数量个像素点的像素值,确定调整后的标识牌轮廓特征图的各个像素点的像素值。6.根据权利要求4所述的方法,其特征在于,所述基于所述基础特征图和尺寸调整后的所述标识牌轮廓特征图,生成轮廓强化特征图,包括:对尺寸调整后的所述标识牌轮廓特征图进行特征归一化处理,得到归一化轮廓特征图;对所述归一化轮廓特征图和所述基础特征图在同一像素位置的特征值进行比较,将对应同一像素位置的特征值...
【专利技术属性】
技术研发人员:井海鹏,王智恒,张天明,薛韬略,
申请(专利权)人:北京嘀嘀无限科技发展有限公司,
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。