[发明专利]车牌识别模型的训练、识别方法、装置及电子设备

说明书

本发明涉及模式识别技术领域，具体涉及车牌识别模型的训练、识别方法、装置及电子设备，所述训练方法包括获取样本图像集以及获取样本图像集中各个样本图像对应的标签，所述标签包括样本图像的图像质量以及目标车牌的字符，所述图像质量包括类别和等级；将样本图像输入车牌识别模型中，得到样本图像的预测结果，所述预测结果包括预测图像质量以及预测目标车牌；基于预测结果以及所述标签，更新车牌识别模型的参数，以确定目标车牌识别模型。在车牌识别模型中加入质量预测分支，对样本图像的图像质量进行预测，可以解决由于车牌本身质量不理想，而车牌识别模型输出车牌置信度高的情况下的识别准确率低的问题。

技术领域

本发明涉及模式识别技术领域，具体涉及车牌识别模型的训练、识别方法、装置及电子设备。

背景技术

近年来随着深度学习理论的发展和完善，针对识别在各大安防厂商均引入了卷积神经网络的解决方案，也取得了比较好的效果。但是，在实际使用过程中，车牌识别分支的网络结果输出的置信度并不能客观有效地描述车牌本身的质量。这是由于车牌在识别过程中会对严重曝光、运动模糊、不完整有污损的车辆等图像质量不高的图像进行结果输出，从而大量引入错误的车牌属性，导致车牌识别的准确性偏低。

发明内容

有鉴于此，本发明实施例提供了一种车牌识别模型的训练、识别方法、装置及电子设备，以解决车牌识别准确性偏低的问题。

根据第一方面，本发明实施例提供了一种车牌识别模型的训练方法，包括：

获取样本图像集以及获取所述样本图像集中各个样本图像对应的标签，所述标签包括所述样本图像的图像质量以及目标车牌的字符，所述图像质量包括类别和等级；

将所述样本图像输入车牌识别模型中，得到所述样本图像的预测结果，所述预测结果包括预测图像质量以及预测目标车牌；

基于所述预测结果以及所述标签，更新所述车牌识别模型的参数，以确定目标车牌识别模型。

本发明实施例提供的车牌识别模型的训练方法，在车牌识别模型中加入质量预测分支，用于对样本图像的图像质量进行预测，将预测得到的图像质量作为确定车牌识别结果的依据，可以解决由于车牌本身质量不理想，而车牌识别模型输出车牌置信度高的情况下的识别准确率低的问题，所训练得到的目标车牌识别模型能够提高车牌识别的准确性。

结合第一方面，在第一方面第一实施方式中，所述获取样本图像集，包括：

获取原始图像以及不同类别下的图像增强参数；

基于所述图像增强参数，对所述原始图像进行图像增强，得到不同图像质量的样本图像。

本发明实施例提供的车牌识别模型的训练方法，通过对原始图像进行图像增强的处理，得到不同图像质量的样本图像，丰富了样本图像集中样本图像的图像类型，为车牌识别模型的训练提供了样本图像的支撑，进一步提高了训练得到的目标车牌识别模型的可靠性且在不同图像质量的类别下利用对应的图像增强参数对原始图像进行图像增强的处理，可以在简化处理过程的基础上，能够得到不同图像质量的样本图像，提高了形成样本图像的效率。

结合第一方面第一实施方式，在第一方面第二实施方式中，所述图像质量的类别包括污损，所述图像增强参数包括污损区域的尺寸，所述基于所述图像增强参数，对所述原始图像进行图像增强，得到不同图像质量的样本图像，包括：

获取污损种子参数，生成污损车牌模板；

基于所述污损区域的尺寸在所述污损车牌模板上截取相应的图像，得到污损图像；

将所述污损图像与所述原始图像进行叠加，得到所述样本图像。

本发明实施例提供的车牌识别模型的训练方法，利用污损种子参数生成污损车牌模板，利用该模板就可以生成不同污损程度的样本图像，简化了污损车牌的制备，提高了处理效率。