本公开提供了一种车牌识别方法、装置、电子设备和可读存储介质，涉及云服务、图像处理、深度学习等人工智能技术领域。其中，车牌识别方法包括：获取待检测图像，得到所述待检测图像中的车牌图像；根据所述车牌图像的高度值，得到所述车牌图像中的目标图像；根据所述目标图像得到第一识别结果，根据所述车牌图像得到第二识别结果；组合所述第一识别结果与所述第二识别结果，将组合结果作为所述待检测图像的车牌识别结果。本公开能够提升车牌识别的准确性和鲁棒性。性和鲁棒性。性和鲁棒性。
【技术实现步骤摘要】
车牌识别方法、装置、电子设备和可读存储介质
[0001]本公开涉及数据处理
，尤其涉及云服务、图像处理、深度学习等人工智能
提供了一种车牌识别方法、装置、电子设备和可读存储介质。
技术介绍
[0002]现有技术在进行车牌识别时，容易受到光照、天气、污渍、车速等因素的影响，导致车牌识别的准确性较低、车牌识别的鲁棒性较差。
技术实现思路
[0003]根据本公开的第一方面，提供了一种车牌识别方法，包括：获取待检测图像，得到所述待检测图像中的车牌图像；根据所述车牌图像的高度值，得到所述车牌图像中的目标图像；根据所述目标图像得到第一识别结果，根据所述车牌图像得到第二识别结果；组合所述第一识别结果与所述第二识别结果，将组合结果作为所述待检测图像的车牌识别结果。
[0004]根据本公开的第二方面，提供了一种车牌识别装置，包括：获取单元，用于获取待检测图像，得到所述待检测图像中的车牌图像；处理单元，用于根据所述车牌图像的高度值，得到所述车牌图像中的目标图像；识别单元，用于根据所述目标图像得到第一识别结果，根据所述车牌图像得到第二识别结果；组合单元，用于组合所述第一识别结果与所述第二识别结果，将组合结果作为所述待检测图像的车牌识别结果。
[0005]根据本公开的第三方面，提供了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如上所述的方法。<br/>[0006]根据本公开的第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行如上所述的方法。
[0007]根据本公开的第五方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现如上所述的方法。
[0008]由以上技术方案可以看出，本实施例通过将车牌识别拆分为两个识别过程，能够提升车牌识别的准确性和鲁棒性。
[0009]应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
[0010]附图用于更好地理解本方案，不构成对本公开的限定。其中：
[0011]图1是根据本公开第一实施例的示意图；
[0012]图2是根据本公开第二实施例的示意图；
[0013]图3是根据本公开第三实施例的示意图；
[0014]图4是根据本公开第四实施例的示意图；
[0015]图5是根据本公开第五实施例的示意图；
[0016]图6是用来实现本公开实施例的车牌识别方法的电子设备的框图。
具体实施方式
[0017]以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和机构的描述。
[0018]图1是根据本公开第一实施例的示意图。如图1所示，本实施例的车牌识别方法，具体可以包括如下步骤：
[0019]S101、获取待检测图像，得到所述待检测图像中的车牌图像；
[0020]S102、根据所述车牌图像的高度值，得到所述车牌图像中的目标图像；
[0021]S103、根据所述目标图像得到第一识别结果，根据所述车牌图像得到第二识别结果；
[0022]S104、组合所述第一识别结果与所述第二识别结果，将组合结果作为所述待检测图像的车牌识别结果。
[0023]本实施例的车牌识别方法，在得到待检测图像中的车牌图像之后，首先根据车牌图像的高度值得到车牌图像中的目标图像，然后再根据目标图像与车牌图像，分别得到第一识别结果与第二识别结果，最后将第一识别结果与第二识别结果的组合结果作为待检测图像的车牌识别结果，通过将车牌识别拆分为两个识别过程，能够提升车牌识别的准确性和鲁棒性。
[0024]本实施例在执行S101获取待检测图像时，可以将用户输入的图像作为待检测图像，也可以将实时拍摄的图像作为待检测图像。
[0025]本实施例在执行S101得到待检测图像中的车牌图像时，可以使用已知的车牌定位方法，在对待检测图像中的车牌进行定位之后，根据定位结果从待检测图像中截取得到车牌图像。可以理解的是，本实施例中的车牌为包含汉字(对应省份)、字母与数字的机动车车牌。
[0026]本实施例在执行S101得到待检测图像中的车牌图像之后，执行S102根据车牌图像的高度值，得到车牌图像中的目标图像。其中，本实施例得到的目标图像为至少包含车牌中汉字的图像。
[0027]具体地，本实施例在执行S102根据车牌图像的高度值，得到车牌图像中的目标图像时，可以采用的可选实现方式为：确定车牌图像的高度值；根据预设位置，从车牌图像中截取与所确定的高度值对应的图像；将所截取的图像作为目标图像。
[0028]为了避免车牌图像的姿态的影响，提升所得到的目标图像的准确性，本实施例在执行S102确定车牌图像的高度值时，可以采用的可选实现方式为：矫正所得到的车牌图像；根据车牌图像的矫正结果，确定车牌图像的高度值。
[0029]本实施例在执行S102根据预设位置，从车牌图像中截取与所确定的高度值对应的图像时，可以将车牌图像的左上角作为原点，从车牌图像中截取与所确定的高度值对应的
图像；还可以将车牌图像的左边界作为起始位置，从车牌图像中截取与所确定的高度值对应的图像。
[0030]本实施例在执行S102从车牌图像中截取与所确定的高度值对应的图像时，可以从车牌图像中截取大小为(高度值
×
高度值)的图像。
[0031]也就是说，本实施例根据车牌图像的高度值与预设位置得到目标图像，使得所得到的目标图像中包含车牌的汉字，确保了根据目标图像能够得到与车牌中的汉字所对应的第一识别结果。
[0032]本实施例在执行S102得到车牌图像中的目标图像之后，执行S103根据目标图像得到第一识别结果，根据车牌图像得到第二识别结果。
[0033]本实施例执行S103得到的第一识别结果为车牌中的汉字，第二识别结果为车牌中除汉字之外的字母与数字。
[0034]本实施例在执行S103根据目标图像得到第一识别结果时，可以采用的可选实现方式为：将目标图像输入预先训练得到的第一识别模型，将第一识别模型的输出结果作为第一识别结果。
[0035]其中，本实施例中预先训练得到的第一识别模型，能够根据所输入的图像，输出该图像中的汉字，所输出的汉字对应不同的省份。
[0036]另外，本实施例在执行S103根据目标图像得到第一识别结果时，还可以将目标图像与不同的汉字图像进行匹配，将匹配度最高的汉字图像对应的汉字作本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种车牌识别方法，包括：获取待检测图像，得到所述待检测图像中的车牌图像；根据所述车牌图像的高度值，得到所述车牌图像中的目标图像；根据所述目标图像得到第一识别结果，根据所述车牌图像得到第二识别结果；组合所述第一识别结果与所述第二识别结果，将组合结果作为所述待检测图像的车牌识别结果。2.根据权利要求1所述的方法，其中，所述根据所述车牌图像的高度值，得到所述车牌图像中的目标图像包括：确定所述车牌图像的高度值；根据预设位置，从所述车牌图像中截取与所述高度值对应的图像；将所截取的图像作为所述目标图像。3.根据权利要求1所述的方法，其中，所述根据所述目标图像得到第一识别结果包括：将所述目标图像输入预先训练得到的第一识别模型，将所述第一识别模型的输出结果作为所述第一识别结果。4.根据权利要求1所述的方法，其中，所述根据所述车牌图像得到第二识别结果包括：将所述车牌图像输入预先训练得到的第二识别模型，将所述第二识别模型的输出结果作为所述第二识别结果。5.根据权利要求3所述的方法，其中，所述第一识别模型采用以下方式预先训练得到：获取第一训练集，所述第一训练集中包含多张第一车牌图像与多张第一车牌图像的汉字标注结果；根据多张第一车牌图像的高度值，分别得到多张第一车牌图像中的目标图像；使用多张第一图像中的目标图像与多张第一图像的汉字标注结果对神经网络模型进行训练，得到所述第一识别模型。6.根据权利要求4所述的方法，其中，所述第二识别模型采用以下方式预先训练得到：获取第二训练集，所述第二训练集中包含多张第二车牌图像与多张第二车牌图像的非汉字标注结果；使用多张第二图像与多张第一图像的非汉字标注结果对神经网络模型进行训练，得到所述第二识别模型。7.一种车牌识别装置，包括：获取单元，用于获取待检测图像，得到所述待检测图像中的车牌图像；处理单元，用于根据所述车牌图像的高度值，得到所述车牌图像中的目标图像；识别单元，用于根据所述目标图像得到第一识别结果，根据所述车牌图像得到第二识别结果；组合单元，用于组合所述第一识别结果与所述第二识别结果，将组合结果作为所述待检测图像的车牌识别结果。8.根据权利要求7所述的装置，其...
【专利技术属性】
技术研发人员：王学占，孔德超，左轶鹏，董勋，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。