[发明专利]车牌识别方法、装置及介质

说明书

本发明涉及一种车牌识别方法、装置及介质的技术方案，包括车牌定位，通过YOLOV3算法，对采集的车辆图像和/或视频检测，得到车牌的位置坐标及置信度，使用PIL模块截取车牌，截取的车牌为识别网络的输入数据；车牌识别，对车牌检测模块截取的车牌进行去燥，使用OpenCV转化为灰度图，利用CNN提取车牌特征，通过类空间注意力机制使卷积神级网络注意车牌空间位置信息，以及，通过编解码网络实现车牌字符定位，并通过mask掩膜分割车牌字符特征的方案对车牌进行识别，输出车牌的正确字符。本发明的有益效果为：去除复杂场景中车牌的噪音污染；提高了车牌识别的准确率。

技术领域

本发明涉及图像识别及神经网络算法领域，具体涉及了一种车牌识别方法、装置及介质。

背景技术

车牌检测及车牌识别在智慧城市中起着非常重要的作用，例如小区停车场出入口车牌检测及交通监控闯红灯的违章车辆等场景应用广泛。

传统方法将车牌检测及识别分为三个阶段即车牌检测、分割字符、字符识别。字符分割不准确，容易造成字符识别误差较大，导致识别不准，并且效率低。随着深度学习的发展，车牌检测及识别分为两个阶段即车牌检测、车牌识别，不用分割字符，能够避免字符分割不准、准确率不高的情况。传统车牌识别对雪或雾天气、不均匀照明、旋转、扭曲、和模糊等复杂自然场景下存在定位不准、无法有效分割车牌字符，导致车牌字符识别精度不高，因而，限制了车牌识别在复杂场景下的应用。

发明内容

本发明的目的在于至少解决现有技术中存在的技术问题之一，提供了一种车牌识别方法、装置及介质，实现车牌的准确识别。

本发明的技术方案包括一种车牌识别方法，其特征在于：车牌定位，通过YOLOV3算法，对采集的车辆图像和/或视频检测，得到车牌的位置坐标及置信度，使用PIL模块截取车牌，截取的车牌为识别网络的输入数据；车牌识别，对车牌检测模块截取的车牌进行去燥，使用OpenCV转化为灰度图，利用CNN提取车牌特征，通过类空间注意力机制使卷积神级网络注意车牌空间位置信息，以及，通过编解码网络实现车牌字符定位，并通过mask掩膜分割车牌字符特征的方案对车牌进行识别，输出车牌的正确字符。

根据所述车牌识别方法，其中车牌定位包括：S110，通过开源数据集CCPD、AOLP获取训练数据LPdata；S120，将数据集格式转化为VOC2007或VOC2012标准数据集格式，并划分数据集比，生成对应的训练集、验证集及测试集；S130，修改YOLOV3卷积神级网络参数，采用学习衰减率策略；S140，第一阶段冻住YOLOV3的所有层，更新权重参数，第二阶段释放所有层，对更新的权重进行微调；S150，遍历训练集损失与验证集损失图，直至卷积神级网络达到收敛，停止训练，得到车牌定位的检测模型；S160，获取车牌的位置信息、置信度，截取目标车牌，输入识别卷积神级网络的检测模型。

根据所述车牌识别方法，其中车牌识别包括：S210，对CCPD、AOLP公开车牌数据集中车牌进行截取，采用OpenCV对截取的车牌添加高斯噪音及旋转角度处理，并执行扩充数据集；S220，划分成训练集、验证集和测试集，以车牌真实字符及编号作为车牌名字；S230，以车牌去燥、CNN提取车牌特征、类空间域机制使网络关注车牌空间位置信息，编解码网络字符定位，mask掩膜分割车牌字符特征的联合方案构建车牌识别模型；S240，设置模型训练参数，每迭代一次保存一次模型；S250，采用学习衰减率策略，执行车牌识别模型的训练；S260，网络训练达到收敛时，得到车牌识别模型文件；S270，将车牌检测模型输出与车牌识别模型输入对接，检测模型检测出车牌，截取车牌，车牌识别模型去燥车牌、识别车牌，实现自动检测车牌及识别车牌；S280，通过开源数据集CCPD、AOLP测试车牌识别算法性能，输出车牌定位的置信度，车牌位置坐标，车牌识别字符信息。

根据所述车牌识别方法，其中划分数据集比包括：将训练集、验证集及测试集的比值设置为8:1:1。