[发明专利]一种车牌识别方法及装置

权利要求书

1.一种车牌识别方法，其特征在于，该方法包括：

第一步骤，搜集不同国家或地区的车牌样本，基于车牌的四个顶点对车牌样本进行透视变换处理；对透视变换处理后的车牌样本内的不同字符索引和字符位置进行标注，将含有不同字符索引和字符位置标注信息的车牌样本作为车牌字符样本集；对车牌样本所属国家或地区索引进行标注，将含有所属国家或地区索引的车牌样本作为车牌所属国家或地区样本集；

第二步骤，输入车牌字符样本集，采用目标检测网络进行训练，以获得车牌字符识别模型；

第三步骤，在车牌字符识别模型上增加车牌所属国家或地区属性的识别分支，输入车牌所属国家或地区样本集进行训练，获得第二车牌字符识别模型；

第四步骤，输入视频图像，对视频图像进行车牌检测，获取车牌图像及四个顶点位置；

第五步骤，基于车牌四个顶点对车牌图像进行透视变换，获得校正的车牌图像；输入校正的车牌图像，经过第二车牌字符识别模型，获得车牌图像的车牌字符及字符位置、车牌所属国家或地区属性及置信度；根据字符位置，确定车牌的单或双层属性，确定字符输出顺序；根据车牌所属国家或地区属性及置信度，对车牌字符识别结果进行校正，输出校正后的车牌识别结果。

2.如权利要求1所述的方法，其特征在于，所述对车牌图像内所属国家或地区索引进行标注即为对每张车牌图像标注其所属国家或者地区的索引；

进一步地，根据车牌颜色、单双层信息对各个国家或者地区的车牌进行细分。

3.如权利要求1所述的方法，其特征在于，所述第二步骤中目标检测网络为采用Anchor-based的单阶目标检测模型；

进一步地，所述第二步骤包括：输入车牌字符样本集；采用Anchor-based的单阶目标检测模型，对输入的车牌字符样本集进行反复训练，直至模型收敛，得到训练好的车牌字符识别模型。

4.如权利要求1所述的方法，其特征在于，所述第三步骤包括：在所述车牌字符识别模型增加车牌所属国家或地区属性识别分支网络，该分支由一个kernel_size=3、stride=2、padding=1的卷积层、kernel_size=1、stride=1、padding=0的卷积层和一个全连接层串联而成，以车牌字符识别模型的最后一个最小特征图对应的网络层作为输入，采用交叉熵损失函数作为目标函数；输入车牌所属国家或地区样本集，对增加分支网络的车牌字符识别模型进行反复训练，训练时，所述车牌字符识别模型的权重不更新，直至模型收敛，获得第二车牌字符识别模型。

5.如权利要求1所述的方法，其特征在于，所述第五步骤包括：

车牌图像透视变换校正步骤，基于车牌四个顶点，对车牌图像进行透视变换，获得校正的车牌图像；

第二车牌字符识别模型识别步骤，输入校正的车牌图像，经过第二车牌字符识别模型，获得车牌图像的车牌字符及字符位置、车牌所属国家或地区属性及置信度；

车牌单双层属性和字符顺序确定步骤，根据字符位置，确定车牌的单或双层属性，确定字符输出顺序；

车牌识别结果校正步骤，根据车牌所属国家或地区属性及置信度，对车牌字符识别结果进行校正，输出校正后的车牌识别结果。

6.如权利要求5所述的方法，其特征在于，所述第二车牌字符识别模型识别步骤包括：输入校正的车牌图像，经过第二车牌字符识别模型的前向传播，获得校正车牌图像的特征图，根据特征图的目标分值、类别分值、位置偏移，获得疑似目标、类别索引及对应位置，通过非极大值抑制确定车牌字符和字符位置；采用Softmax函数确定校正车牌图像属于每个国家或地区类别的概率，输出最大值对应的类别索引值和置信度。

7.如权利要求5所述的方法，其特征在于，所述车牌识别结果校正步骤包括：根据车牌所属国家或地区属性及置信度，如果置信度不低于置信度门限，则依据该国家或地区的车牌样式规范，对识别的车牌字符顺序、字符位置、车牌单双层属性进行校正；输出校正后的车牌字符顺序、字符位置、车牌单双层属性、以及车牌所属国家或地区属性；

进一步地，所述置信度门限的取值范围为0.2~0.8。