[发明专利]基于单字符注意力的多类型车牌识别方法及系统

权利要求书

1.一种单字符注意力的多类型车牌识别方法，其特征在于，包括如下步骤：

步骤S1，通过摄像头采集车牌图像，转换为RGB数据，进行数值归一化操作；

步骤S2，使用多尺度特征提取骨干网络对车牌图像进行多种尺度特征提取和融合，获取全局特征图；

步骤S3，对步骤S2得到的全局特征图进行基于单字符注意力的下、上采样得到多通道的掩码图像，再基于掩码图像对全局特征进行单字符特征软分割获得独立的单字符特征向量；

步骤S4，使用多个单字符分类器对步骤S3获取的多个单字符特征向量进行单字符预测分类并将分类结果按次序拼接成字符串并输出；

步骤S5，根据识别结果进行数据库比对，实现多类型车牌识别；

所述的基于单字符注意力的下、上采样是指：通过多个对称设置的卷积层与反卷积层，互相跳跃级联实现下采样和上采样，并行化预测出全部单字符的独立注意力区域，实现各字符注意力之间的解耦合，即后一字符的注意力预测不依赖于前一字符的位置信息。

2.根据权利要求1所述的单字符注意力的多类型车牌识别方法，其特征是，步骤S4所述的预测，使用多分类头并行预测多个字符分类结果，将字符串序列识别简化为多个单字符分类。

3.根据权利要求1所述的单字符注意力的多类型车牌识别方法，其特征是，步骤S4所述的多个单字符分类器之间共享网络参数有效降低网络模型大小。

4.根据权利要求1所述的单字符注意力的多类型车牌识别方法，其特征是，步骤S3所述的软分割，采用注意力机制对单字符特征进行软分割，无需单字符位置标注实现字符特征软分割。

5.根据权利要求1所述的单字符注意力的多类型车牌识别方法，其特征是，步骤S2所述的多尺度特征提取骨干网络，具体为轻量化卷积结构组成特征提取网络以快速提取多尺度车牌图像特征。

6.根据权利要求1所述的单字符注意力的多类型车牌识别方法，其特征是，步骤S2所述的多种尺度特征提取和融合，使用卷积进行多尺度特征融合不同视野域的特征信息，自适应不同尺度的字符图像。

7.根据权利要求1所述的单字符注意力的多类型车牌识别方法，其特征是，无需对不同种类的车牌图像进行预分类，可用同一模型参数同时兼容不同车牌类型。

8.根据权利要求1所述的单字符注意力的多类型车牌识别方法，其特征是，步骤S1至步骤S5可全部部署在边缘设备，形成嵌入式车牌识别设备。

9.根据权利要求8所述的单字符注意力的多类型车牌识别方法，其特征是，步骤S1至S5分阶段跨设备地部署在后端服务设备和前端交互设备，形成车牌识别算法API服务子系统和前端交互子系统；

所述前端交互设备包括带有摄像装置的嵌入式设备或网络摄像头，可用于部署步骤S1内容；

所述的后端服务设备包括私有化部署服务器或商用云服务虚拟主机，可用于部署所述的步骤S2至步骤S5的程序接口；

前端与后端服务设备采用网络连接的方式实现信息传递与反馈，形成完整的车牌识别服务系统。

10.根据权利要求9所述的单字符注意力的多类型车牌识别方法，其特征是，使用单一算法和程序兼容地对现行标准下的蓝色车牌、新能源车牌、卡车单双行车牌、军牌、领使车牌在道路交通监控、道路流量统计、各种车辆自动化门禁管理、嫌疑车辆搜寻场景下的倾斜、移动、距离不固定的高精度识别。