[发明专利]基于深度学习的车牌识别方法、装置、设备及存储介质

说明书

技术领域

本发明涉及图像处理技术领域，尤其涉及一种基于深度学习的车牌识别方法、装置、设备及存储介质。

背景技术

随着经济的发展，图像获取及存储的成本越来越低，使得交通部门、停车场等需对车牌进行监管的部门均获取并存储有大量的车牌图像数据，这些车牌图像数据大部分是在自然的应用场景下获取的，具有多元化的数据特征。车牌识别系统作为图像信息处理和识别领域的一项重要研究课题，在车辆违章监控、停车场管理等方面具有巨大的应用价值。

传统车牌识别系统多基于固定的应用场景，其所获取的车牌图像数据是基于固定的摄像头、固定的拍摄角度、固定的光照条件甚至固定的车辆行驶方向获取到的，对所获取的车牌图像数据具有严格的约束条件。在自然的应用场景下，拍摄获取到的车牌图像数据具有不同的图像质量、不同的拍摄角度、不同的光照条件等，给传统车牌识别系统带来巨大的挑战，使得传统车牌识别系统无法对自然的应用场景下，即无法对自然的应用场景下拍摄到的车牌图像数据进行车牌识别。

发明内容

本发明实施例提供一种基于深度学习的车牌识别方法、装置、设备及存储介质，以解决现有车牌识别系统无法在自然的应用场景下进行车牌识别的问题。

第一方面，本发明实施例提供一种基于深度学习的车牌识别方法，包括：

采用单次检测器对原始拍摄图像进行特征提取，获取目标车牌图像；

对所述目标车牌图像进行矫正处理，获取矫正车牌图像；

采用双向长短期记忆模型对所述矫正车牌图像进行识别，获取目标车牌信息。

第二方面，本发明实施例提供一种基于深度学习的车牌识别装置，包括：

车牌检测模块，用于采用单次检测器对原始拍摄图像进行特征提取，获取目标车牌图像；

车牌矫正模块，用于对所述目标车牌图像进行矫正处理，获取矫正车牌图像；

车牌识别模块，用于采用双向长短期记忆模型对所述矫正车牌图像进行识别，获取目标车牌信息。

第三方面，本发明实施例提供一种终端设备，包括存储器、处理器以及存储在所述存储器中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所述基于深度学习的车牌识别方法的步骤。

第四方面，本发明实施例提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现所述基于深度学习的车牌识别方法的步骤。

本发明实施例与现有技术相比具有如下优点：本发明实施例所提供的基于深度学习的车牌识别方法、装置、设备及存储介质中，通过采用单次检测器对原始拍摄图像进行特征提取，以获取目标车牌图像，使其可对任意拍摄场景下获取的原始拍摄图像均可进行车牌检测；而无全连接层的单次检测器相比其他有全连接层的检测模型，可有效提高检测效率。再对目标车牌图像进行矫正处理，以获取矫正车牌图像，以避免因车牌图像倾斜而影响后续车牌识别的效率和准确率。再采用双向长短期记忆模型对矫正车牌图像进行识别，有利于提高车牌识别的效率和准确率，且可实现端到端识别，无需再进行人为处理。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述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发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例1中基于深度学习的车牌识别方法的一流程图。

图2是图1中步骤S10的一具体流程图。

图3是图1中步骤S20的一具体流程图。

图4是图1中步骤S30的一具体流程图。

图5是本发明实施例2中基于深度学习的车牌识别装置的一原理框图。

图6是本发明实施例3中终端设备的一示意图。

具体实施方式

以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明实施例。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明实施例的描述。

实施例1