[发明专利]基于Transformer的单双行车牌信息识别方法及系统

说明书

本申请涉及一种基于Transformer的单双行车牌信息识别方法及系统，该方法包括：获取第一图像数据，第一图像数据中具有第一对象，第一对象为待识别的车牌信息。通过第一卷积神经网络对第一图像数据进行特征提取，以获取第一对象的三维特征矩阵。通过第二卷积神经网络对三维特征矩阵进行识别，以获取第一对象的单双行类别。将三维特征矩阵进行维度重塑和转置，以获取第一对象的二维特征矩阵。根据二维特征矩阵获取多个第一向量，多个第一向量用于表达第一对象的特征。该方法通过对待识别车牌信息的三维特征矩阵的获取来实现对车牌信息的单双行分类，避免了人为划分的误差以及复杂的模型构建，在一定程度上提高了单双行车牌识别的效率。

技术领域

本申请涉及车牌识别技术领域，特别是涉及一种基于Transformer的单双行车牌信息识别方法及系统。

背景技术

车牌识别技术(VehicleLicensePlateRecognition，VLPR)是一种将前端的车牌图像采集与后台的识别处理系统融合的图像处理技术，利用现场的图像采集摄像设备采集车辆的车牌图像，传输至后台的识别系统进行图像处理，利用视觉识别处理识别出车牌号码。车牌识别技术已经广泛应用到各个场景下，例如停车场的车牌识别与无人收费系统、高速公路的电子不停车收费系统(ETC)、基于交警用摄像头的超速违章识别系统、道路流量监测与管理系统、特殊区域或者单位(军管区、保密单位等)的自动号牌等级与放行控制等，随着计算机视频图像识别技术的进一步发展，车牌识别技术的准确性和效率也逐步提高，对于维护交通安全和城市治安，防止交通堵塞，实现交通自动化管理以及小区、停车场的科学效率管理起到重要的现实作用。

现有的车牌识别技术VLPR主要包括前端和后端，前端负责图像采集，需要部署到车辆经过的通道处，对准车辆入口方向并调试好角度和方向。后端负责图像处理与识别结果的处理，其中图像处理的目的在于识别出车牌，主要的识别算法包括车牌的检测和车牌的识别，车牌检测是指从前端采集的图像中定位出车牌所在的位置，可采用灰度检测、边缘检测或者对象检测算法(有锚或者无锚算法)，而车牌识别是其中的关键，现有的算法较多。目前行业中对单双行车牌信息识别方法一般是先通过车牌分类确定是单行车牌还是双行车牌，再根据分类结果调取不同的OCR(Optical Character Recognition，光学字符识别)模型进行字符识别(如图1所示)，该方法需要一个分类模型以及两个不同的OCR识别模型，模型数量较多，导致识别效率降低。还有通过车牌单双行分类(如图2所示)，再对双行车牌进行上下行分割处理，然后拼接成单行图像，再调取OCR模型进行字符识别，该方法虽然只需要一个OCR识别模型，但需要先对双行车牌进行上下行分割，分割的准确性直接影响车牌识别的效率。

综上所述，传统的单双行车牌识别方法的车牌识别效率较低。

发明内容

基于此，有必要针对上述技术问题，提供一种识别效率较高的基于Transformer的单双行车牌信息识别方法及系统。

第一方面，本申请提供一种基于Transformer的单双行车牌信息识别方法，所述方法包括：

获取第一图像数据，所述第一图像数据中具有第一对象，所述第一对象为待识别的车牌信息；

通过第一卷积神经网络对所述第一图像数据进行特征提取，以获取所述第一对象的三维特征矩阵；

通过第二卷积神经网络对所述三维特征矩阵进行识别，以获取所述第一对象的单双行类别；

将所述三维特征矩阵进行维度重塑和转置，以获取所述第一对象的二维特征矩阵；

根据所述二维特征矩阵获取多个第一向量，所述多个第一向量用于表达所述第一对象的特征。

在其中一个实施例中，所述将所述三维特征矩阵进行维度重塑和转置，之后包括：

通过编码单元获取与所述二维特征矩阵相对应的编码特征矩阵；