车牌识别模型训练方法技术

本发明专利技术实施例提供一种车牌识别模型训练方法与车牌识别方法，获取待训练的车牌识别模型与样本车牌图像；基于样本车牌图像确定样本车牌图像内车牌字符的模糊等级；基于样本车牌图像内车牌字符的模糊等级确定样本车牌图像对应的车牌字符标签；基于样本车牌图像与车牌字符标签对待训练的车牌识别模型进行监督训练，得到训练好的车牌识别模型

【技术实现步骤摘要】
车牌识别模型训练方法、车牌识别方法、装置及相关设备


[0001]本专利技术涉及计算机
，尤其涉及一种车牌识别模型训练方法
、
车牌识别方法
、
装置
、
电子设备及存储介质
。

技术介绍

[0002]出于交通安全管理的需要，对于交通拍摄图像中车辆的车牌识别的功能需求愈加增强，现有车牌识别方案中，通常采用硬标签方案，让车牌识别模型输出的字符识别概率向量及其标签向量越接近越好，这一方法在交通拍摄图像清晰时的识别准确率较高
。
然而在交通拍摄图像模糊的情况下，车牌标注充满不确定因素，使用硬标签方案时，对于车牌字符的识别准确率极低，极易出现误判的情况，此时往往采用人工识别的方式进行模糊车牌识别，但采用人工的方式效率较低，浪费人力物力，因此，如何提供一种效率较高且能够准确识别模糊车牌的方案成为一个亟待解决的问题
。

技术实现思路

[0003]本专利技术实施例提供一种车牌识别模型训练方法与车牌识别方法，旨在解决现有模糊车牌识别中，准确率低与效率较低的问题
。
通过样本车牌图像内车牌字符的模糊等级确定样本车牌图像内车牌字符对应的车牌字符标签，并通过样本车牌图像与车牌字符标签对待训练的车牌识别模型进行训练，得到训练好的车牌识别模型，将目标图像输入至训练好的车牌识别模型即可得到车牌识别结果，充分考虑了标签类别概率与预测类别概率之间的损失关系，进而可以实现模糊车牌的准确识别，且效率较高
。
[0004]第一方面，本专利技术实施例提供一种车牌识别模型训练方法，所述方法包括：
[0005]获取待训练的车牌识别模型与样本车牌图像，所述样本车牌图像包括车牌字符；
[0006]基于所述样本车牌图像确定所述样本车牌图像内车牌字符的模糊等级；
[0007]基于所述样本车牌图像内车牌字符的模糊等级确定所述样本车牌图像对应的车牌字符标签；
[0008]基于所述样本车牌图像与所述车牌字符标签对所述待训练的车牌识别模型进行监督训练，得到训练好的车牌识别模型
。
[0009]可选地，所述基于所述样本车牌图像确定所述样本车牌图像内车牌字符的模糊等级，包括：
[0010]基于所述样本车牌图像，确定所述样本车牌图像内车牌字符的车牌字符图像块；
[0011]基于所述车牌字符图像块，确定所述车牌字符图像块的模糊等级；
[0012]基于所述车牌字符图像块的模糊等级，确定所述样本车牌图像内车牌字符的模糊等级
。
[0013]可选地，所述基于所述样本车牌图像内车牌字符的模糊等级确定所述样本车牌图像对应的车牌字符标签，包括：
[0014]基于所述样本车牌图像内车牌字符的模糊等级确定所述样本车牌图像内车牌字
符的标记字符，不同模糊等级对应不同的标记字符；
[0015]基于样本车牌图像内车牌字符的标记字符，确定所述样本车牌图像对应的车牌字符标签
。
[0016]可选地，所述基于所述样本车牌图像与所述车牌字符标签对所述待训练的车牌识别模型进行监督训练，得到训练好的车牌识别模型，包括：
[0017]基于预设的字符集合以及所述车牌字符标签，确定所述样本车牌图像中各个车牌字符的标签类别概率，所述预设的字符集合中包括所有类别的车辆字符；
[0018]基于所述待训练的车牌识别模型，确定所述样本车牌图像中各个车牌字符的预测类别概率；
[0019]基于所述样本车牌图像中各个车牌字符的标签类别概率以及所述样本车牌图像中各个车牌字符的预测类别概率，确定所述样本车牌图像中各个车牌字符的损失；
[0020]对所述样本车牌图像中各个车牌字符的损失进行优化训练，得到训练好的车牌识别模型
。
[0021]可选地，所述基于预设的字符集合以及所述车牌字符标签，确定所述样本车牌图像中各个车牌字符的标签类别概率，包括：
[0022]确定目标字符，所述目标字符为车牌字符标签中任意一个标记字符；
[0023]基于所述目标字符对应的模糊等级，确定所述目标字符的概率映射策略，不同模糊等级对应不同的概率映射策略；
[0024]基于所述目标字符的概率映射策略，在所述预设的字符集合中确定出所述目标字符的标签类别概率
。
[0025]可选地，模糊等级包括第一模糊等级
、
第二模糊等级以及正常等级，所述第一模糊等级的模糊程度大于所述第二模糊等级的模糊程度，所述第二模糊等级的模糊程度大于所述正常等级的模糊程度，所述基于所述目标字符的概率映射策略，在所述预设的字符集合中确定出所述目标字符的标签类别概率，包括：
[0026]当所述目标字符的模糊等级为所述第一模糊等级时，则在所述预设的字符集合中确定出所述目标字符的第一类别概率；
[0027]当所述目标字符的模糊等级为所述第二模糊等级时，则确定所述目标字符对应的索引阈值，并基于所述索引阈值在所述预设的字符集合中确定出所述目标字符的第二类别概率；
[0028]当所述目标字符为所述正常等级时，根据字符集合确定所述目标字符的第三类别概率；
[0029]基于所述第一类别概率
、
第二类别概率以及第三类别概率确定出各个所述目标字符的标签类别概率；
[0030]基于各个所述目标字符的标签类别概率，确定所述样本车牌图像中各个车牌字符的标签类别概率
。
[0031]第二方面，本专利技术实施例还提供了一种车牌识别方法，所述方法包括：
[0032]获取目标车牌图像与所述车牌识别模型，所述车牌识别模型通过上述车牌识别模型训练方法得到；
[0033]将所述目标车牌图像输入至所述车牌识别模型进行识别处理，得到车牌识别结
果
。
[0034]第三方面，本专利技术实施例还提供了一种车牌识别模型训练装置，所述车牌识别模型训练装置包括：
[0035]第一获取模块，用于获取待训练的车牌识别模型与样本车牌图像，所述样本车牌图像包括车牌字符；
[0036]第一确定模块，用于基于所述样本车牌图像确定所述样本车牌图像内车牌字符的模糊等级；
[0037]第二确定模块，用于基于所述车牌字符的模糊等级确定所述样本车牌图像对应的车牌字符标签；
[0038]第一训练模块，用于基于所述样本车牌图像与所述车牌字符标签对所述待训练的车牌识别模型进行监督训练，得到训练好的车牌识别模型
。
[0039]第四方面，本专利技术实施例还提供了一种车牌识别装置，所述车牌识别装置包括：
[0040]第二获取模块，用于获取目标车牌图像与所述车牌识别模型；
[0041]第一识别模块，用于将所述目标车牌图像输入至所述车牌识别模型进行识别处理，得到车牌识别结果
。
[0042]第五方面，本专利技术实施例提供一种电子设备，包括：存储器
、
处理器及存储在所述存储器上并可在所本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种车牌识别模型训练方法，其特征在于，所述方法包括以下步骤：获取待训练的车牌识别模型与样本车牌图像，所述样本车牌图像包括车牌字符；基于所述样本车牌图像确定所述样本车牌图像内车牌字符的模糊等级；基于所述样本车牌图像内车牌字符的模糊等级确定所述样本车牌图像对应的车牌字符标签；基于所述样本车牌图像与所述车牌字符标签对所述待训练的车牌识别模型进行监督训练，得到训练好的车牌识别模型
。2.
如权利要求1所述的车牌识别模型训练方法，其特征在于，所述基于所述样本车牌图像确定所述样本车牌图像内车牌字符的模糊等级，包括：基于所述样本车牌图像，确定所述样本车牌图像内车牌字符的车牌字符图像块；基于所述车牌字符图像块，确定所述车牌字符图像块的模糊等级；基于所述车牌字符图像块的模糊等级，确定所述样本车牌图像内车牌字符的模糊等级
。3.
如权利要求1所述的车牌识别模型训练方法，其特征在于，所述基于所述样本车牌图像内车牌字符的模糊等级确定所述样本车牌图像对应的车牌字符标签，包括：基于所述样本车牌图像内车牌字符的模糊等级确定所述样本车牌图像内车牌字符的标记字符，不同模糊等级对应不同的标记字符；基于样本车牌图像内车牌字符的标记字符，确定所述样本车牌图像对应的车牌字符标签
。4.
如权利要求1所述的车牌识别模型训练方法，其特征在于，所述基于所述样本车牌图像与所述车牌字符标签对所述待训练的车牌识别模型进行监督训练，得到训练好的车牌识别模型，包括：基于预设的字符集合以及所述车牌字符标签，确定所述样本车牌图像中各个车牌字符的标签类别概率，所述预设的字符集合中包括所有类别的车辆字符；基于所述待训练的车牌识别模型，确定所述样本车牌图像中各个车牌字符的预测类别概率；基于所述样本车牌图像中各个车牌字符的标签类别概率以及所述样本车牌图像中各个车牌字符的预测类别概率，确定所述样本车牌图像中各个车牌字符的损失；对所述样本车牌图像中各个车牌字符的损失进行优化训练，得到训练好的车牌识别模型
。5.
如权利要求4所述的车牌识别模型训练方法，其特征在于，所述基于预设的字符集合以及所述车牌字符标签，确定所述样本车牌图像中各个车牌字符的标签类别概率，包括：确定目标字符，所述目标字符为车牌字符标签中任意一个标记字符；基于所述目标字符对应的模糊等级，确定所述目标字符的概率映射策略，不同模糊等级对应不同的概率映射策略；基于所述目标字符的概率映射策略，在所述预设的字符集合中确定出所述目标字符的标签类别概率
。6.
如权利要求5所述的车牌识别模型训练方法，其特征在于，模糊等级包括第一模糊等级
、
...

【专利技术属性】
技术研发人员：林大钧，
申请(专利权)人：深圳云天励飞技术股份有限公司，
类型：发明
国别省市：