[发明专利]一种端到端的车牌识别方法

摘要

本发明公开了一种端到端的车牌识别方法，首先根据车牌定位的结果，切割车牌区域作为输入，然后采用一种设计的三层全卷积神经网络预测车牌字符热力图，根据热力图得到候选字符区域，其次采用一种设计的七层深度卷积神经网络模型来对候选字符区域进行分类与位置校正，得到字符序列及其位置序列，最后采用一种基于模板的最优路径算法，挑选出符合中国大陆车牌规范的字符序列，即为识别结果。整个网络采用多任务联合训练的方式，输入为车牌彩色图像，输出即为车牌号码，该方法避免了传统车牌识别方法，需要对车牌进行精确切分的弊端，能有效地提高复杂场景下的车牌识别率。

主权项

一种端到端的车牌识别方法，其特征在于：设计了一种3层全卷积神经网络来快速预测字符的热力图，从而得到候选字符区域，该网络具体结构的设计与训练方法如下所示：1)网络结构：第一层：3x3卷积，stride＝1，pad＝1，滤波器个数128，激活函数AFM，接2x2的池化，stride＝2，pad＝0；第二层：3x3卷积，stride＝1，pad＝1，滤波器个数256，激活函数AFM；第三层：3x3卷积核，stride＝1，pad＝1，滤波器个数512，激活函数AFM；用第三层的特征图编码热力图，该网络结构有两个优势，一是热力图从高分辨率的特征图映射而来，得到的候选字符区域较精确，二是激活函数AFM，通过计算两组特征图的均值，减少字符噪声带来的干扰，并克服了传统激活函数RELU梯度饱和的问题；2)训练方法：将网络输出的特征图拉升为一维向量，计算其与热力图的欧氏距离作为损失函数，通过批量随机梯度下降算法训练网络。