一种车牌分类方法、终端设备以及计算机存储介质技术

本申请提供了一种车牌分类方法、终端设备以及计算机存储介质。该车牌分类方法包括：获取待分类车牌图片的车牌特征图；基于车牌特征图获取字符时序特征，以及获取字符时序特征中每个位置的第一形状特征权重；基于车牌特征图获取形状位置特征，以及获取形状位置特征中每个位置的第二形状特征权重；利用字符时序特征、第一形状特征权重、第二形状特征权重以及形状位置特征获取最终融合特征，并利用最终融合特征获取待分类车牌图片的车牌分类结果。通过上述方式，本申请的车牌分类方法通过设置特征权重，让分类网络中重点关注车牌的不同位置，能够有效提升车牌分类的鲁棒性和泛化能力。力。力。

【技术实现步骤摘要】
一种车牌分类方法、终端设备以及计算机存储介质


[0001]本申请涉及图像处理
，特别是涉及一种车牌分类方法、终 端设备以及计算机存储介质。

技术介绍

[0002]随着深度学习技术的发展与广泛应用，图像相关的应用已经离不开 深度神经网络。基于其高效、高精度、易上手的特点，卷积神经网络已 经广泛地使用与图像识别、图像分类、图像检测、图像分割等等技术及 应用领域。目前的车牌识别与分类应用，也大都基于深度学习类方法， 但是现有基于卷积神经网络的车牌分类算法，泛化性能较差，遇到光照 变化、车牌位置检测不准确、噪声等情况，会使得分类效果急剧下降。 究其原因是因为单纯地依靠卷积神经网络抽取的边缘轮廓语义信息，不 足以达到人类一样的判别精度。

技术实现思路

[0003]本申请提供了一种车牌分类方法、终端设备以及计算机存储介质。
[0004]本申请提供了一种车牌分类方法，所述车牌分类方法包括：
[0005]获取待分类车牌图片的车牌特征图；
[0006]基于所述车牌特征图获取字符时序特征，以及获取所述字符时序特 征中每个位置的第一形状特征权重；
[0007]基于所述车牌特征图获取形状位置特征，以及获取所述形状位置特 征中每个位置的第二形状特征权重；
[0008]利用所述字符时序特征、所述第一形状特征权重、所述第二形状特 征权重以及所述形状位置特征获取最终融合特征，并利用所述最终融合 特征获取所述待分类车牌图片的车牌分类结果。
[0009]其中，所述利用所述字符时序特征、所述第一形状特征权重、所述 第二形状特征权重以及所述形状位置特征获取最终融合特征，包括：
[0010]将所述形状位置特征与所述第一形状特征权重融合，得到第一融合 位置特征；
[0011]将所述形状位置特征与所述第二形状特征权重融合，得到第二融合 位置特征；
[0012]将所述第一融合位置特征、第二融合位置特征以及所述字符时序特 征融合得到最终融合特征。
[0013]其中，所述将所述第一融合位置特征、第二融合位置特征以及所述 字符时序特征融合得到最终融合特征，包括：
[0014]将所述第一融合位置特征通过第一加权系数，加权处理；
[0015]将所述第二融合位置特征通过第二加权系数，加权处理；
[0016]按照对应位置关系将加权处理后的第一融合位置特征和加权处理 后的第二融合位置特征进行相加，得到第三融合位置特征；
[0017]将所述第三融合位置特征与所述字符时序特征进行拼接，得到所述 最终融合特
征。
[0018]其中，所述车牌分类方法，还包括：
[0019]将所述字符时序特征输入第一权重分配网络，获取所述第一权重分 配网络输出的第一形状特征权重；
[0020]将所述形状位置特征输入第二权重分配网络，获取所述第二权重分 配网络输出的第二形状特征权重。
[0021]其中，所述车牌分类方法，还包括：
[0022]获取待训练车牌图片以及调整参数信息；
[0023]将所述待训练车牌图片输入待训练权重分配网络，获取所述待训练 权重分配网络的第一损失值；
[0024]当所述第一损失值大于预设损失值时，按照所述调整参数信息调整 第一权重分配网络的网络参数，以获得中间权重分配网络；
[0025]将所述待训练车牌图片输入所述中间权重分配网络，获取所述中间 权重分配网络的第二损失值；
[0026]当所述第二损失值大于所述预设损失值时，按照所述调整参数信息 调整中间权重分配网络的网络参数，直至调整后的权重分配网络的训练 损失值小于等于所述预设损失值，得到所述第一权重分配网络和/或所述 第二权重分配网络。
[0027]其中，所述基于所述车牌特征图获取字符时序特征，包括：
[0028]将所述车牌特征图按照不同时间片编码输入预设神经网络，得到所 述字符时序特征，其中，不同时间片编码对应所述车牌特征图不同位置 的车牌特征；
[0029]其中，所述预设神经网络为双向的循环神经网络。
[0030]其中，所述基于所述车牌特征图获取形状位置特征，包括：
[0031]将所述车牌特征图中每个位置的车牌特征做平均池化，得到二维特 征图；
[0032]对所述二维特征图做拉伸处理，得到一维特征图，其中，所述一维 特征图由不同位置的形状位置特征组成。
[0033]本申请还提供了一种终端设备，所述终端设备包括：
[0034]车牌特征模块，用于获取待分类车牌图片的车牌特征图；
[0035]字符特征模块，用于基于所述车牌特征图获取字符时序特征，以及 获取所述字符时序特征中每个位置的第一形状特征权重；
[0036]形状特征模块，用于基于所述车牌特征图获取形状位置特征，以及 获取所述形状位置特征中每个位置的第二形状特征权重；
[0037]特征融合模块，用于利用所述字符时序特征、所述第一形状特征权 重、所述第二形状特征权重以及所述形状位置特征获取最终融合特征；
[0038]车牌分类模块，用于利用所述最终融合特征获取所述待分类车牌图 片的车牌分类结果。
[0039]本申请还提供了另一种终端设备，所述终端设备包括存储器和处理 器，其中，所述存储器与所述处理器耦接；
[0040]其中，所述存储器用于存储程序数据，所述处理器用于执行所述程 序数据以实现上述的车牌分类方法。
[0041]本申请还提供了一种计算机存储介质，所述计算机存储介质用于存 储程序数据，所述程序数据在被处理器执行时，用以实现上述的车牌分 类方法。
[0042]本申请的有益效果是：终端设备获取待分类车牌图片的车牌特征 图；基于车牌特征图获取字符时序特征，以及获取字符时序特征中每个 位置的第一形状特征权重；基于车牌特征图获取形状位置特征，以及获 取形状位置特征中每个位置的第二形状特征权重；利用字符时序特征、 第一形状特征权重、第二形状特征权重以及形状位置特征获取最终融合 特征，并利用最终融合特征获取待分类车牌图片的车牌分类结果。通过 上述方式，本申请的车牌分类方法通过设置特征权重，让分类网络中重 点关注车牌的不同位置，能够有效提升车牌分类的鲁棒性和泛化能力。
附图说明
[0043]为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例描 述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图 仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出 创造性劳动的前提下，还可以根据这些附图获得其他的附图。其中：
[0044]图1是本申请提供的车牌分类方法一实施例的流程示意图；
[0045]图2是本申请提供的车牌分类网络一实施例的框架示意图；
[0046]图3是本申请提供的权重分类网络训练过程的流程示意图；
[0047]图4是本申请提供的终端设备一实施例的结构示意图；
[0048]图5是本申请提供的终端设备本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种车牌分类方法，其特征在于，所述车牌分类方法包括：获取待分类车牌图片的车牌特征图；基于所述车牌特征图获取字符时序特征，以及获取所述字符时序特征中每个位置的第一形状特征权重；基于所述车牌特征图获取形状位置特征，以及获取所述形状位置特征中每个位置的第二形状特征权重；利用所述字符时序特征、所述第一形状特征权重、所述第二形状特征权重以及所述形状位置特征获取最终融合特征，并利用所述最终融合特征获取所述待分类车牌图片的车牌分类结果。2.根据权利要求1所述的车牌分类方法，其特征在于，所述利用所述字符时序特征、所述第一形状特征权重、所述第二形状特征权重以及所述形状位置特征获取最终融合特征，包括：将所述形状位置特征与所述第一形状特征权重融合，得到第一融合位置特征；将所述形状位置特征与所述第二形状特征权重融合，得到第二融合位置特征；将所述第一融合位置特征、第二融合位置特征以及所述字符时序特征融合得到最终融合特征。3.根据权利要求2所述的车牌分类方法，其特征在于，所述将所述第一融合位置特征、第二融合位置特征以及所述字符时序特征融合得到最终融合特征，包括：将所述第一融合位置特征通过第一加权系数，加权处理；将所述第二融合位置特征通过第二加权系数，加权处理；按照对应位置关系将加权处理后的第一融合位置特征和加权处理后的第二融合位置特征进行相加，得到第三融合位置特征；将所述第三融合位置特征与所述字符时序特征进行拼接，得到所述最终融合特征。4.根据权利要求1所述的车牌分类方法，其特征在于，所述车牌分类方法，还包括：将所述字符时序特征输入第一权重分配网络，获取所述第一权重分配网络输出的第一形状特征权重；将所述形状位置特征输入第二权重分配网络，获取所述第二权重分配网络输出的第二形状特征权重。5.根据权利要求4所述的车牌分类方法，其特征在于，所述车牌分类方法，还包括：获取待训练车牌图片以及调整参数信息；将所述待训练车牌图片输入待训练权重分配网络，获取所述待训练权重分配网络的第一损失值；当所述第一损失值大于预设损失值时，按照所述调整参数信息调整第一权重分配网络的网络参数，以获得中间权...

【专利技术属性】
技术研发人员：李轶锟，敦婧瑜，王亚运，薛佳乐，张湾湾，江歆霆，
申请(专利权)人：浙江大华技术股份有限公司，
类型：发明
国别省市：