[发明专利]混合车牌识别方法、装置、电子设备

权利要求书

1.一种混合车牌识别方法，其特征在于，包括：

获取目标车牌的车牌图像；

将所述车牌图像作为预先训练的车牌识别网络模型的输入，获得所述车牌识别网络模型输出的分类结果，其中，所述分类结果包括：M种车牌号码长度各自的分类结果、对应每种车牌号码长度的车牌号码的分类结果；

根据所述M种车牌号码长度各自的分类结果、对应每种车牌号码长度的车牌号码的分类结果，确定所述目标车牌对应的车牌号码长度和车牌号码；

其中，M为大于1的整数；

所述车牌识别网络模型包括：用于输出所述车牌图像中的高维车牌特征的基础网络，以及分别以所述基础网络输出的所述高维车牌特征作为输入的车牌号码长度分类网络和车牌号码分类网络；其中，所述车牌号码长度分类网络用于输出所述M种车牌号码长度各自的分类结果，所述车牌号码分类网络用于输出所述对应每种车牌号码长度的车牌号码的分类结果。

2.根据权利要求1所述的方法，其特征在于，所述根据M种车牌号码长度各自的分类结果、对应每种车牌号码长度的车牌号码的分类结果，确定所述目标车牌对应的车牌号码长度和车牌号码的步骤，包括：

根据置信度最高的所述车牌号码长度的分类结果确定所述目标车牌的车牌号码长度；

根据所述置信度最高的所述车牌号码长度的分类结果，确定可信的所述车牌号码的分类结果；

根据预设的车牌号码字符字典、可信的所述车牌号码的分类结果中前指定位数号码的分类结果，确定所述目标车牌的车牌号码，其中，所述指定位数等于所述车牌号码长度。

3.根据权利要求1所述的方法，其特征在于，所述车牌号码分类网络进一步包括卷积层和第一线性分类器，所述卷积层将所述高维车牌特征转换为M×N×P大小的三维车牌特征，其中，M为车牌号码长度的种类数，N为M种车牌号码长度中最大车牌号码长度，P为预设车牌号码字符字典中的字符数，N、M和P为正整数；所述第一线性分类器用于根据所述M×N×P大小的三维车牌特征确定M种车牌号码长度的车牌号码的分类结果。

4.根据权利要求1所述的方法，其特征在于，所述车牌号码长度分类网络进一步包括全连接层和第二线性分类器，所述全连接层用于根据所述高维车牌特征经过拉伸后得到的长度Q的一维车牌特征来确定长度T的一维车牌特征；所述第二线性分类器用于根据所述长度T的一维车牌特征确定M种车牌号码长度的分类结果，其中，Q和T为正整数。

5.根据权利要求1至4任一项所述的方法，其特征在于，所述车牌识别网络模型的损失函数为Loss_total＝λ_charLoss_char+λ_typeLoss_type，所述损失函数中：Loss_char表示车牌号码分类网络的损失函数，通过公式计算，m为车牌图像中的实际车牌号码长度，为车牌图像中第i个字符的真实概率值和预测概率值的差值；λ_char表示车牌号码分类网络的损失值权重；Loss_type表示车牌号码长度分类网络的损失函数，通过公式计算，n为车牌号码长度的种类数，为车牌图像对应第j种车牌号码长度的真实概率值和预测概率值的差值；λ_type表示车牌号码长度分类网络的损失值权重，λ_type大于1。

6.根据权利要求1至4任一项所述的方法，其特征在于，所述将所述车牌图像作为预先训练的车牌识别网络模型的输入，获得所述车牌识别网络模型输出的分类结果的步骤之前，还包括：

获取M种车牌号码长度的若干车牌图像；

确定每个所述车牌图像的样本标签，所述样本标签包括：车牌号码中包括的每个字符基于预设的车牌号码字符字典的真实分类结果、车牌号码长度的真实分类结果；

当所述车牌图像中的车牌号码包括的字符数量小于所述M种车牌号码长度中的最大长度值时，对所述车牌图像的所述样本标签进行补齐处理；

根据所述车牌图像和所述车牌图像的样本标签，训练所述车牌识别网络模型。