[发明专利]车牌识别方法、装置及系统

权利要求书

1.一种车牌识别方法(700)，包括：

基于像素分类预测模型(302)对待处理车牌图像进行像素分类预测(710，300)，得到所述待处理车牌图像中的各个像素的像素分类预测结果，所述像素分类包括车牌像素和背景像素；

根据各个像素的像素分类预测结果，从所述待处理车牌图像中确定(720，800)出车牌区域图像；以及

基于车牌预测模型(303)对所述车牌区域图像进行车牌字符串预测和车牌类型预测(730，600)，

其中，所述像素分类预测模型(302)和所述车牌预测模型(303)是神经网络模型。

2.如权利要求1所述的车牌识别方法(700)，其中，基于像素分类预测模型(302)对待处理车牌图像进行像素分类预测(710，300)，得到所述待处理车牌图像中的各个像素的像素分类预测结果包括：

从待处理车牌图像中提取(310)出所述待处理车牌图像在不同分辨率下的多个尺度特征图；

对所述多个尺度特征图进行特征融合(320)，得到经过融合后的特征图；

将融合后的特征图缩放(330)到所述待处理车牌图像的原始尺寸；以及

根据经过缩放后的特征图进行像素分类预测(340)，得到所述待处理车牌图像中的各个像素的像素分类预测结果。

3.如权利要求1所述的车牌识别方法(700)，其中，根据各个像素的像素分类预测结果，确定(720，800)所述待处理车牌图像的车牌区域图像包括：

根据各个像素的像素分类预测结果，确定(810)各个像素的像素类别；

构建(820)由被确定为车牌像素的像素组成的连通区域；

对所述连通区域进行区域扩展(830)；以及

根据区域扩展的结果从所述待处理车牌图像中裁剪(840)出所述车牌区域图像。

4.如权利要求3所述的车牌识别方法(700)，其中，对所述连通区域进行区域扩展(830)包括：

将所述连通区域扩展为具有车牌尺寸的规则形状。

5.如权利要求1所述的车牌识别方法(700)，其中，基于车牌预测模型(303)对所述车牌区域图像进行车牌字符串预测和车牌类型预测(730，600)包括：

从所述车牌区域图像中提取(610)出所述车牌区域图像中的内容特征；以及

根据所提取出的内容特征来预测(620)车牌类型以及车牌字符串。

6.如权利要求5所述的车牌识别方法(700)，其中，所述内容特征被表征为张量数据，所述张量数据的维度包括批大小、字符类别数目和字符最大长度，以及所述字符最大长度的维度被使用来预测车牌类型。

7.如权利要求1所述的车牌识别方法(700)，其中，所述像素分类预测模型(302)利用被标记有像素类别的车牌图像训练出，和/或所述车牌预测模型(303)利用被标记有车牌类型和车牌字符串的车牌区域图像训练出。

8.如权利要求6所述的车牌识别方法(700)，其中，所述像素分类预测模型(302)和所述车牌预测模型(303)是半精度模型。

9.如权利要求1到8中任一所述的车牌识别方法，其中，所述车牌识别方法应用于边缘设备。

10.一种车牌识别装置(900)，包括：

像素分类预测单元(910)，被配置为基于像素分类预测模型(302)对待处理车牌图像进行像素分类预测，得到所述待处理车牌图像中的各个像素的像素分类预测结果，所述像素分类包括车牌像素和背景像素；

车牌区域图像确定单元(920)，被配置为根据各个像素的像素分类预测结果，从所述待处理车牌图像中确定出车牌区域图像；以及

车牌识别单元(930)，被配置为基于车牌预测模型(303)对所述车牌区域图像进行车牌字符串预测和车牌类型预测，

其中，所述车牌区域检测模型(302)和所述车牌预测模型(303)是神经网络模型。