[发明专利]一种车牌识别方法及装置

说明书

本发明实施例提供了一种车牌识别方法及装置，所述方法包括：获取目标图像，所述目标图像为仅包含目标车牌的图像；通过预设训练模型对所述目标图像进行训练，得到指定维度的深度特征集；将所述指定维度的深度特征集输入到Bi‑GRU神经网络进行训练，得到预测标签序列集；将所述预测标签序列集转化为目标车牌号。采用本发明实施例，可以对仅为车牌的图像进行训练，得到指定维度特征，并采用Bi‑GRU神经网络对这些特征进行训练，提升了车牌识别精度。

技术领域

本发明涉及图像处理技术领域，具体涉及一种车牌识别方法及装置。

背景技术

随着城市汽车数量的不断攀升，由此带来的交通和环境问题也日渐加剧。为了上述问题，智能交通系统已经成为城市发展的重点研究对象。而在智能交通系统中，对于车型的细粒度识别，已经被证明是一项关键技术，其在处理以下事件：提高收费效率，裁定交通责任和追踪肇事逃逸等等交通问题，上有着得天独厚的优势，因此，受到各研究单位的关注。

目前来看，车牌识别是计算机视觉领域的一个研究热点，在实际过程中由于摄像头与车辆角度不在同一水平上，目标图像的车牌区域部分通常存在角度倾斜，同时往往还容易受到光照条件变化的影响，车牌中的车牌区域出现扭曲现象，车牌字符发生变形，导致字符定位困难，给识别带来极大的影响。因此，如何提升车牌识别精度的问题亟待解决。

发明内容

本发明实施例提供了一种车牌识别方法及装置，可以提升车牌识别精度。

本发明实施例第一方面提供了一种车牌识别方法，包括：

获取目标图像，所述目标图像为仅包含目标车牌的图像；

通过预设训练模型对所述目标图像进行训练，得到指定维度的深度特征集；

将所述指定维度的深度特征集输入到Bi-GRU神经网络进行训练，得到预测标签序列集；

将所述预测标签序列集转化为目标车牌号。

本发明实施例第二方面提供了一种车牌识别装置，包括:

获取单元，用于获取目标图像，所述目标图像为仅包含目标车牌的图像；

第一训练单元，用于通过预设训练模型对所述目标图像进行训练，得到指定维度的深度特征集；

第二训练单元，用于将所述指定维度的深度特征集输入到Bi-GRU神经网络进行训练，得到预测标签序列集；

转化单元，用于将所述预测标签序列集转化为目标车牌号。

第三方面，本发明实施例提供了一种移动终端，包括：处理器和存储器；以及一个或多个程序，所述一个或多个程序被存储在所述存储器中，并且被配置成由所述处理器执行，所述程序包括用于如第一方面中所描述的部分或全部步骤的指令。

第四方面，本发明实施例提供了一种计算机可读存储介质，其中，所述计算机可读存储介质用于存储计算机程序，其中，所述计算机程序使得计算机执行如本发明实施例第一方面中所描述的部分或全部步骤的指令。

第五方面，本发明实施例提供了一种计算机程序产品，其中，所述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，所述计算机程序可操作来使计算机执行如本发明实施例第一方面中所描述的部分或全部步骤。该计算机程序产品可以为一个软件安装包。

实施本发明实施例，具有如下有益效果：