[发明专利]一种图像识别方法及装置

权利要求书

1.一种图像识别方法，其特征在于，包括：

获取待处理车辆的车牌图像；

将所述车牌图像输入到多任务卷积神经网络MTCNN模型中，以得到所述车牌图像的形状；

若所述车牌图像的形状满足预设形状，则根据聚类算法，识别所述车牌图像的颜色，并将识别到的颜色确定为所述待处理车辆的车牌的颜色。

2.根据权利要求1所述的图像识别方法，其特征在于，所述获取待处理车辆的车牌图像，包括：

获取待处理车辆的图像；

根据目标检测算法，确定待处理车辆的图像中，与所述待处理车辆对应的车牌图像。

3.根据权利要求2所述的图像识别方法，其特征在于，所述目标检测算法为第三版目标检测算法YOLO V3；所述YOLO V3的输出矩阵分别为13*13*18、26*26*18和52*52*18。

4.根据权利要求1所述的图像识别方法，其特征在于，所述将所述车牌图像输入到多任务卷积神经网络MTCNN模型中，以得到所述车牌图像的形状，包括：

将所述车牌图像输入到所述MTCNN模型中，以得到所述车牌图像的边框角；

根据所述车牌图像的边框角，确定所述车牌图像的原始形状；

若所述车牌图像的原始形状为倾斜形状，则根据仿射变换法对所述倾斜形状的车牌图像进行校正，以得到非倾斜形状的车牌图像，并将校正后的车牌图像的形状确定为所述车牌图像的形状；

若所述车牌图像的原始形状为非倾斜形状，则将所述车牌图像的原始形状确定为所述车牌图像的形状。

5.根据权利要求4所述的图像识别方法，其特征在于，所述MTCNN模型包括三层网络结构，所述三层网络结构的分类输出均为F*F*2；所述三层网络结构的回归输出均为F*F*4；所述三层网络结构的关键点检测输出均为F*F*8；所述分类输出用于判断所述车牌图像中是否包括车牌；所述回归输出用于判断所述车牌图像的边框角的左上角的横坐标的相对偏移，所述车牌图像的边框角的纵坐标的相对偏移、所述车牌图像的边框角的宽度的误差、所述车牌图像的边框角的高度的误差。

6.一种图像识别装置，其特征在于，包括：获取单元、处理单元和识别单元；

所述获取单元，用于获取待处理车辆的车牌图像；

所述处理单元，用于将所述获取单元获取到的所述车牌图像输入到多任务卷积神经网络MTCNN模型中，以得到所述车牌图像的形状；

所述识别单元，用于若所述处理单元得到的所述车牌图像的形状满足预设形状，则根据聚类算法，识别所述车牌图像的颜色，并将识别到的颜色确定为所述待处理车辆的车牌的颜色。

7.根据权利要求6所述的图像识别装置，其特征在于，所述获取单元，具体用于：

获取待处理车辆的图像；

根据目标检测算法，确定待处理车辆的图像中，与所述待处理车辆对应的车牌图像。

8.根据权利要求7所述的图像识别装置，其特征在于，所述目标检测算法为第三版目标检测算法YOLO V3；所述YOLO V3的输出矩阵分别为13*13*18、26*26*18和52*52*18。

9.根据权利要求6所述的图像识别装置，其特征在于，所述处理单元，具体用于：

将所述车牌图像输入到所述MTCNN模型中，以得到所述车牌图像的边框角；

根据所述车牌图像的边框角，确定所述车牌图像的原始形状；

若所述车牌图像的原始形状为倾斜形状，则根据仿射变换法对所述倾斜形状的车牌图像进行校正，以得到非倾斜形状的车牌图像，并将校正后的车牌图像的形状确定为所述车牌图像的形状；

若所述车牌图像的原始形状为非倾斜形状，则将所述车牌图像的原始形状确定为所述车牌图像的形状。