[发明专利]一种基于目标检测的全种类车牌识别方法

摘要

本发明属于图像处理与深度学习领域，具体提供一种基于目标检测的全种类车牌识别方法，主要用于复杂场景下的全种类车牌识别；本发明以深度学习技术中的目标检测算法为切入点，将车牌识别技术中的子任务统一到了目标检测的框架下，首次使用基于深度学习的字符检测并结合字符排序完成全种类车牌字符序列识别；本发明与已有基于传统方法和基于深度学习的车牌识别方法相比，具有极强的普适性，能够适用于复杂场景下的全种类车牌识别，且具有非常高的识别率。

主权项

1.一种基于目标检测的全种类车牌识别方法，其特征在于，包括以下步骤：步骤1、训练Denet车牌检测器，并使用训练出的Denet车牌检测器检测出图像中车牌的包围框和类型，得到车牌类型为T类型；步骤2、训练Denet字符检测器，并使用训练好的Denet车牌字符检测器检测出车牌字符的包围框和类型，得到n个字符的包围框和类别，将检测结果记为集合：{di＝(boxi,clsi)}、i∈[1,n]、其中、boxi表示字符检测结果中第i个字符的包围框、clsi表示字符检测结果中第i个字符的类别；步骤3、字符排序对于字符检测结果{d_i}、i∈[1,n]，为每个字符添加标记k表示其在车牌号中的序号，得到：i,k∈[1,n]，其中，表示字符检测结果中第i个字符是车牌号中的第k个字符；列举检测出的字符所有可能的n！种排序组合：j₁j₂...j_n∈[1,n]andj₁≠j₂≠...≠j_n；计算每一个组合与T类型车牌的字符连接向量的余弦相似度，其中，为T类型车牌中第j个字符中心点坐标减去第i个字符中心点坐标构成的向量；具体计算过程如下：1)对于组合计算其字符连接向量为2)计算T类型车牌的字符连接向量和当前组合的字符连接向量每一维向量之间夹角，得到夹角集合若集合中夹角都小于30°，则进入下一步计算，否则直接将当前组合的余弦相似度设为0；3)根据计算出余弦相似度；遍历所有组合与T类型车牌的字符连接向量的余弦相似度，得到相似度最大值对应的组合作为最优组合，得到字符排序。