[发明专利]一种基于深度学习的一体化车牌识别方法有效
| 申请号： | 201811627897.5 | 申请日： | 2018-12-28 |
| 公开（公告）号： | CN109840521B | 公开（公告）日： | 2023-04-07 |
| 发明（设计）人： | 张卡;何佳;尼秀明 | 申请（专利权）人： | 安徽清新互联信息科技有限公司 |
| 主分类号： | G06V20/62 | 分类号： | G06V20/62;G06V10/82;G06N3/0464;G06N3/08 |
| 代理公司： | 合肥天明专利事务所(普通合伙) 34115 | 代理人： | 金凯 |
| 地址： | 230088 安徽省合肥市高新区创新*** | 国省代码： | 安徽;34 |
| 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深度学习的一体化车牌识别方法，构建深度神经网络模型：该深度神经网络模型包括基础网络、多尺度网络、车牌类型判断网络、车牌位置检测网络、车牌字符识别网络和输出结构合并层，训练深度神经网络模型：将收集的车牌样本图像送入所述深度神经网络模型中，以训练深度神经网络模型，车牌识别：通过训练后的深度神经网络模型，对待识别车牌图像进行车牌识别，以输出车牌参数，所述车牌参数包括车牌类型、车牌字符和车牌矩形位置参数；通过该深度神经网络模型使得模型消耗内存小，车牌识别鲁棒性强，识别结果更加准确，解决了传统车牌识别时模型消耗内存很大，运算量很大的缺陷。 | ||
| 搜索关键词： | 一种 基于 深度 学习 一体化 车牌 识别 方法 | ||
【主权项】：
1.一种基于深度学习的一体化车牌识别方法，其特征在于，包括如下步骤：构建深度神经网络模型：该深度神经网络模型包括基础网络、多尺度网络、车牌类型判断网络、车牌位置检测网络、车牌字符识别网络和输出结构合并层，车牌类型判断网络、车牌位置检测网络和车牌字符识别网络共享基础网络和多尺度网络，车牌类型判断网络、车牌位置检测网络和车牌字符识别网络的输出连接到输出结构合并层上；训练深度神经网络模型：将收集的车牌样本图像送入所述深度神经网络模型中，以训练深度神经网络模型；车牌识别：通过训练后的深度神经网络模型，对待识别车牌图像进行车牌识别，以输出车牌参数，所述车牌参数包括车牌类型、车牌字符和车牌矩形位置参数。
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安徽清新互联信息科技有限公司，未经安徽清新互联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/201811627897.5/，转载请声明来源钻瓜专利网。
