[发明专利]一种基于卷积神经网络的车牌识别方法在审
| 申请号： | 201811111970.3 | 申请日： | 2018-09-14 |
| 公开（公告）号： | CN109344825A | 公开（公告）日： | 2019-02-15 |
| 发明（设计）人： | 谢清禄;余孟春;刘振辉 | 申请（专利权）人： | 广州麦仑信息科技有限公司 |
| 主分类号： | G06K9/32 | 分类号： | G06K9/32;G06K9/34;G06K9/62;G06N3/04 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 510670 广东省广州市广州高新*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于卷积神经网络的车牌识别方法，首先对车牌图像进行预处理，构建车牌训练样本集；再构建由CNN卷积网络层、RPN候选区域提取层、ROI pooling层和判别层组成的Faster R‑CNN网络模型；通过多任务损失不断训练模型，生成一个准确率高的Faster R‑CNN网络模型；最后利用训练好的Faster R‑CNN网络模型进行车牌识别，获取车牌字符框位置信息与类别信息，再利用先验知识对字符位置进行判定，对识别的车牌字符进行排序整合，输出车牌识别结果。本发明所述的方法利用卷积神经网络完成车牌识别，能够更快速准确地完成车牌识别，避免了传统算法中过多的步骤造成的误差累计问题。 | ||
| 搜索关键词： | 车牌识别 卷积神经网络 网络模型 车牌字符 构建 预处理 训练样本集 车牌图像 传统算法 候选区域 类别信息 误差累计 先验知识 训练模型 字符位置 框位置 提取层 网络层 再利用 准确率 卷积 整合 车牌 排序 判定 输出 | ||
【主权项】：
1.一种基于卷积神经网络的车牌识别方法，其特征在于：所述的方法包括如下的实施步骤：步骤S1、对车牌图像进行预处理，包括对车牌图像中的字符进行标注，标注车牌字符的位置信息与类别信息，构建车牌训练样本集；步骤S2、构建Faster R‑CNN网络模型，具体由CNN卷积网络层、RPN候选区域提取层、ROI pooling层和判别层组成；步骤S3、训练网络模型，通过多任务损失不断训练模型，生成一个准确率高的Faster R‑CNN网络模型；步骤S4、利用训练好的Faster R‑CNN网络模型进行车牌识别，获取车牌字符框位置信息与类别信息，再利用先验知识对字符位置进行判定，排序整合后输出车牌识别结果。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于广州麦仑信息科技有限公司，未经广州麦仑信息科技有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201811111970.3/，转载请声明来源钻瓜专利网。
