一种车牌识别方法、终端设备及存储介质技术

本发明专利技术涉及一种车牌识别方法、终端设备及存储介质，该方法中包括：通过预训练的车牌定位模型对车辆图片中的车牌进行定位；对定位得到的图片进行车牌边缘点定位和畸变校正后得到车牌图片；采用两种方案对车牌图片中的车牌内容进行识别，得到两种识别结果；将两种识别结果进行整合，当存在疑问字符时，根据识别结果中确认字符所在位置从车牌规则库中推理得出识别结果的可能内容，将所有可能内容通过预训练的分类模型进行分类，并得到每个可能内容的分类准确率，将分类结果表示合格且准确率最高的可能内容作为车牌内容。本发明专利技术采用两种方案符合的方式进行车牌识别，可以在兼顾速度的同时进一步提高精确度。同时进一步提高精确度。同时进一步提高精确度。

【技术实现步骤摘要】
一种车牌识别方法、终端设备及存储介质


[0001]本专利技术涉及车牌识别领域，尤其涉及一种车牌识别方法、终端设备及存储介质。

技术介绍

[0002]随着人工智能的发展，为了提升停车场管理的智能性，节省人力成本，车牌识别逐渐进入人们的生活中。现有车牌识别算法具有以下缺陷：
[0003](1)车牌识别速度慢、误检多；
[0004](2)类似车牌的物体无法剔除，且精度受环境影响；
[0005](3)处理速度慢，对高速物体易丢失。

技术实现思路

[0006]为了解决上述问题，本专利技术提出了一种车牌识别方法、终端设备及存储介质。
[0007]具体方案如下：
[0008]一种车牌识别方法，包括以下步骤：
[0009]S1：通过预训练的车牌定位模型对车辆图片中的车牌进行定位；
[0010]S2：对定位得到的图片进行车牌边缘点定位和畸变校正后得到车牌图片；
[0011]S3：采用两种方案对车牌图片中的车牌内容进行识别，得到两种识别结果；
[0012]S4：将两种识别结果进行整合，将两种识别结果中的相同字符作为确认字符、不相同字符作为疑问字符；当两种识别结果中字符均相同时，将识别结果作为车牌内容；当两种识别结果中存在疑问字符时，根据识别结果中确认字符所在位置从车牌规则库中推理得出识别结果的可能内容，将所有可能内容通过预训练的分类模型进行分类，并得到每个可能内容的分类准确率，将分类结果表示合格且准确率最高的可能内容作为车牌内容。
[0013]进一步的，车辆图片通过摄像装置拍摄的视频流获得；步骤S1之前还包括：判断当前时刻对应的视频帧图像中是否存在车辆，如果存在，判断是否只存在一辆车辆，如果只存在一辆车辆，将该视频帧图像作为车辆图片；如果不止存在一辆车辆，根据预先设定的视频帧图像中不同车牌位置对应的不同权重，选择具有权重最高的车牌位置的车辆，将该车辆的图片作为待进行车牌定位的车辆图片，将其余车辆的车辆图片保存在待识别图片库；如果不存在，从待识别图片库中的车辆图片中选择具有权重最高的车牌位置的车辆图片作为待进行车牌定位的车辆图片。
[0014]进一步的，车牌定位模型的网络结构的以yolov3为基础；将其中的backbone部分替换为mobilenetv2结构，并引入CSP机制；激活函数采用Prelu函数；neck结构主要采用SPP结构及FPN加PAN的方式；head部分采用yolov3
‑
tiny结构且仅保留2个分支，最后使用DIOU_NMS进行后处理。
[0015]进一步的，车牌定位模型在预训练时，其输入的车辆图片预先通过随机增强模式中的一种进行数据增强；随机增强模式为CutMix、GridMask、Fence Mask和形态学变化中的任一种。
[0016]进一步的，对定位得到的图片进行车牌边缘点定位采用车牌边缘点定位模型实现，车牌边缘点定位模型的网络结构以mobilenetv3为基础，并进行剪枝处理。
[0017]进一步的，车牌内容识别的第一种方案中通过CRNN文字识别模型进行，其根据输入CRNN文字识别模型的车牌图片得到其中的内容。
[0018]进一步的，车牌内容识别的第二种方案中首先对车牌图片内各字符进行分割，以定位各字符的位置，之后根据各字符的位置对对应的字符内容进行识别，并按照各字符的位置的顺序组合字符内容。
[0019]进一步的，对车牌图片中的车牌内容进行识别之前还包括：对车牌图片进行随机图像增强。
[0020]一种车牌识别终端设备，包括处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现本专利技术实施例上述的方法的步骤。
[0021]一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现本专利技术实施例上述的方法的步骤。
[0022]本专利技术采用如上技术方案，采用两种方案符合的方式进行车牌识别，可以在兼顾速度的同时进一步提高精确度。
附图说明
[0023]图1所示为本专利技术实施例一的流程图。
具体实施方式
[0024]为进一步说明各实施例，本专利技术提供有附图。这些附图为本专利技术揭露内容的一部分，其主要用以说明实施例，并可配合说明书的相关描述来解释实施例的运作原理。配合参考这些内容，本领域普通技术人员应能理解其他可能的实施方式以及本专利技术的优点。
[0025]现结合附图和具体实施方式对本专利技术进一步说明。
[0026]实施例一：
[0027]本专利技术实施例提供了一种车牌识别方法，如图1所示，所述方法包括以下步骤：
[0028]S1：通过预训练的车牌定位模型对车辆图片中的车牌进行定位。
[0029]本实施例中车辆图片通过摄像装置拍摄的车辆行驶道路上的视频流获得。在步骤S1之前还包括：判断当前时刻对应的视频帧图像中是否存在车辆，如果存在，判断是否只存在一辆车辆，如果只存在一辆车辆，将该视频帧图像作为车辆图片；如果不止存在一辆车辆，根据预先设定的视频帧图像中不同车牌位置对应的不同权重，选择具有权重最高的车牌位置的车辆，将该车辆的图片作为待进行车牌定位的车辆图片，将其余车辆的车辆图片保存在待识别图片库；如果不存在，从待识别图片库中的车辆图片中选择具有权重最高的车牌位置的车辆图片作为待进行车牌定位的车辆图片；如果待识别图片库为空，则等待下一视频帧图像。
[0030]本实施例中车牌定位模型的网络结构的以yolov3为基础；将其中的backbone部分替换为mobilenetv2结构，并引入CSP机制以提高模型的精度；激活函数采用Prelu函数，能够更加亲和跨平台移植同时提升对过拟合的抗性；neck结构主要采用SPP结构以增大模型
感受野及FPN+PAN的方式以提升模型稳定性；head部分采用yolov3
‑
tiny的结构仅保留2个分支，从而减少时间的损耗，最后使用DIOU_NMS进行后处理。采用本实施例的网络结构，可以在兼顾车牌定位精度的同时，可以提升识别速度。
[0031]进一步的，本实施例中车牌定位模型在预训练时，其输入的车辆图片预先通过随机增强模式中的一种进行数据增强。随机增强模式为CutMix、GridMask、Fence Mask和形态学变化(包括裁剪、畸变、颜色抖动、明亮增强等)中的任一种。采用本实施例的数据增强模式，可以使得训练后的模型的准确率更高。
[0032]S2：对定位得到的图片进行车牌边缘点定位和畸变校正后得到车牌图片。
[0033]本实施例中车牌边缘点定位采用预训练的车牌边缘点定位模型实现，车牌边缘点定位模型的网络结构以轻量化网络mobilenetv3为基础，并进行剪枝处理，以压缩模型参数量及计算量。
[0034]本实施例中设定的车牌边缘点定位包括24个点，其中上、下分别分布8个，左、右分别分布4个。在对车牌边缘点定位模型进行预训练时，采集对车牌进行定位得到的图本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种车牌识别方法，其特征在于，包括以下步骤：S1：通过预训练的车牌定位模型对车辆图片中的车牌进行定位；S2：对定位得到的图片进行车牌边缘点定位和畸变校正后得到车牌图片；S3：采用两种方案对车牌图片中的车牌内容进行识别，得到两种识别结果；S4：将两种识别结果进行整合，将两种识别结果中的相同字符作为确认字符、不相同字符作为疑问字符；当两种识别结果中字符均相同时，将识别结果作为车牌内容；当两种识别结果中存在疑问字符时，根据识别结果中确认字符所在位置从车牌规则库中推理得出识别结果的可能内容，将所有可能内容通过预训练的分类模型进行分类，并得到每个可能内容的分类准确率，将分类结果表示合格且准确率最高的可能内容作为车牌内容。2.根据权利要求1所述的车牌识别方法，其特征在于：车辆图片通过摄像装置拍摄的视频流获得；步骤S1之前还包括：判断当前时刻对应的视频帧图像中是否存在车辆，如果存在，判断是否只存在一辆车辆，如果只存在一辆车辆，将该视频帧图像作为车辆图片；如果不止存在一辆车辆，根据预先设定的视频帧图像中不同车牌位置对应的不同权重，选择具有权重最高的车牌位置的车辆，将该车辆的图片作为待进行车牌定位的车辆图片，将其余车辆的车辆图片保存在待识别图片库；如果不存在，从待识别图片库中的车辆图片中选择具有权重最高的车牌位置的车辆图片作为待进行车牌定位的车辆图片。3.根据权利要求1所述的车牌识别方法，其特征在于：车牌定位模型的网络结构的以yolov3为基础；将其中的backbone部分替换为mobilenetv2结构，并引入CSP机制；激活函数采用Prelu函数；neck结构主要采用SPP结构及FP...

【专利技术属性】
技术研发人员：陈建荣，林建成，陈玮，
申请(专利权)人：厦门星纵物联科技有限公司，
类型：发明
国别省市：