车牌分类方法、装置及非易失性存储介质制造方法及图纸

本发明专利技术公开了一种车牌分类方法、装置及非易失性存储介质。其中，该方法包括：获取待识别车辆图像；对上述待识别车辆图像进行车牌检测处理，得到车牌检测结果；在上述车牌检测结果指示上述待识别车辆图像中存在车牌的情况下，确定上述待识别车辆图像中的待识别车牌图像；基于预先训练好的车牌分类模型对上述待识别车牌图像进行车牌分类处理，得到车牌分类结果，其中，上述车牌分类模型是基于标注有车牌类型的车牌样本图像训练得到的。本发明专利技术解决了相关技术中的车牌分类方法存在的车牌检测效率低且检测分类精度低的技术问题。率低且检测分类精度低的技术问题。率低且检测分类精度低的技术问题。

【技术实现步骤摘要】
车牌分类方法、装置及非易失性存储介质


[0001]本专利技术涉及车辆识别领域，具体而言，涉及一种车牌分类方法、装置及非易失性存储介质。

技术介绍

[0002]目前车牌检测分类方法大多是基于改进的Yolo(You Only Live Once)目标检测算法获取车牌位置和车牌类型。即首先获取包含车牌的图片数据，制作图片中车牌的关键点和车牌类型标签，并划分好深度学习模型用到的训练集、验证集和测试集；其次，根据车牌数据特点改进Yolo算法，并使用改进的Yolo算法对数据集进行训练，得到训练好的车牌检测分类网络；然后，将需要检测分类的车牌图像数据传入到训练好的车牌检测模型中，得到检测到的车牌位置与类型结果。上述方法需要在检测车牌的同时还进行车牌类型的分类，例如，直接输出检测到的车牌区域关键点和分类后的蓝色车牌类型。
[0003]但是，现有技术采用的Yolo算法适用于检测，不适用于分类。当车牌图片发生了图像畸变时，如侧面拍摄的车牌照片，则会影响车牌分类效果。另外，当车牌类型过多或需要与其它多个任务一起运行时，如车辆颜色分类、车牌检测识别任务，现有技术需要训练很多个分类器，导致模型推理时间变长、模型所需内存增加、检测分类精度降低等问题，无法在边缘设备中实时处理。
[0004]针对上述的问题，目前尚未提出有效的解决方案。

技术实现思路

[0005]本专利技术实施例提供了一种车牌分类方法、装置及非易失性存储介质，以至少解决相关技术中的车牌分类方法存在的车牌检测效率低且检测分类精度低的技术问题。
[0006]根据本专利技术实施例的一个方面，提供了一种车牌分类方法，包括：获取待识别车辆图像；对上述待识别车辆图像进行车牌检测处理，得到车牌检测结果；在上述车牌检测结果指示上述待识别车辆图像中存在车牌的情况下，确定上述待识别车辆图像中的待识别车牌图像；基于预先训练好的车牌分类模型对上述待识别车牌图像进行车牌分类处理，得到车牌分类结果，其中，上述车牌分类模型是基于标注有车牌类型的车牌样本图像训练得到的。
[0007]根据本专利技术实施例的另一方面，还提供了一种车牌分类装置，包括：获取模块，用于获取待识别车辆图像，将上述待识别车辆图像输入至预先训练好的车牌分类模型；处理模块，用于基于上述车牌分类模型中的车牌检测模型对上述待识别车辆图像进行车牌检测处理，得到车牌检测结果，其中，上述车牌检测模型是基于标注有车牌区域的车辆样本图像训练得到的；确定模块，用于在上述车牌检测结果指示上述待识别车辆图像中存在车牌的情况下，确定上述待识别车辆图像中的待识别车牌图像；分类模块，用于基于上述车牌分类模型中的车牌分类模型对上述待识别车牌图像进行车牌分类处理，得到车牌分类结果，其中，上述车牌分类模型是基于标注有车牌类型的车牌样本图像训练得到的。
[0008]根据本专利技术实施例的另一方面，还提供了一种非易失性存储介质，上述非易失性
存储介质存储有多条指令，上述指令适于由处理器加载并执行任意一项上述的车牌分类方法。
[0009]在本专利技术实施例中，通过获取待识别车辆图像；对上述待识别车辆图像进行车牌检测处理，得到车牌检测结果；在上述车牌检测结果指示上述待识别车辆图像中存在车牌的情况下，确定上述待识别车辆图像中的待识别车牌图像；基于预先训练好的车牌分类模型对上述待识别车牌图像进行车牌分类处理，得到车牌分类结果，其中，上述车牌分类模型是基于标注有车牌类型的车牌样本图像训练得到的，达到了通过构建有车牌检测模型和车牌分类模型的车牌分类模型进行车牌分类，准确进行车牌检测与车牌分类的目的，从而实现了提升车牌检测与车牌分类准确性的技术效果，进而解决了相关技术中的车牌分类方法存在的车牌检测效率低且检测分类精度低的技术问题。
附图说明
[0010]此处所说明的附图用来提供对本专利技术的进一步理解，构成本申请的一部分，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。在附图中：
[0011]图1是根据本专利技术实施例的一种车牌分类方法的示意图；
[0012]图2是根据现有技术的原始的Yolov5目标检测网络模型结构示意图；
[0013]图3是根据本专利技术实施例的一种可选的改进后的Yolov5目标检测网络模型结构示意图；
[0014]图4是根据本专利技术实施例的一种可选的控件变换网络实现过程示意图；
[0015]图5是根据本专利技术实施例的一种可选的车牌分类方法的流程图；
[0016]图6是根据本专利技术实施例的一种车牌分类装置的结构示意图。
具体实施方式
[0017]为了使本
的人员更好地理解本专利技术方案，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分的实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本专利技术保护的范围。
[0018]需要说明的是，本专利技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本专利技术的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
[0019]根据本专利技术实施例，提供了一种车牌分类的方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
[0020]图1是根据本专利技术实施例的车牌分类方法的流程图，如图1所示，该方法包括如下步骤：
[0021]步骤S102，获取待识别车辆图像。
[0022]可选的，上述待识别车辆图像可以但不限于为通过图像采集设备(如摄像头设备)实时采集到的，上述待识别车辆图像为车辆全局图像、车辆头部图像或者车辆尾部图像。
[0023]步骤S104，对上述待识别车辆图像进行车牌检测处理，得到车牌检测结果。
[0024]在一种可选的实施例中，上述对上述待识别车辆图像进行车牌检测处理，得到车牌检测结果，包括：对上述待识别车辆图像进行车牌检测处理，得到第一检测结果；对上述第一检测结果进行特征增强处理，得到上述车牌检测结果。
[0025]可选的，上述预定检测区域为包括有车牌的预定边缘范围的区域。需要说明的是，车牌在车辆图像中属于小目标物体，而小目标物体通常分辨率较低，其本身包含的信息有限，因此小目标物体的上下文信息在区域检测中起到了关键作用。基于此，在待识别车辆图像进行车牌检测处理之后，进一步对获取到的检测结果(即第一检测结果)，或者第一检本文档来自技高网...

【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，包括：获取待识别车辆图像；对所述待识别车辆图像进行车牌检测处理，得到车牌检测结果；在所述车牌检测结果指示所述待识别车辆图像中存在车牌的情况下，确定所述待识别车辆图像中的待识别车牌图像；基于预先训练好的车牌分类模型对所述待识别车牌图像进行车牌分类处理，得到车牌分类结果，其中，所述车牌分类模型是基于标注有车牌类型的车牌样本图像训练得到的。2.根据权利要求1所述的方法，其特征在于，所述在所述车牌检测结果指示所述待识别车辆图像中存在车牌的情况下，确定所述待识别车辆图像中的待识别车牌图像，包括：在所述车牌检测结果指示所述待识别车辆图像中存在车牌的情况下，对所述待识别车辆图像进行剪切处理，得到所述待识别车牌图像。3.根据权利要求1所述的方法，其特征在于，所述在所述车牌检测结果指示所述待识别车辆图像中存在车牌的情况下，确定所述待识别车辆图像中的待识别车牌图像，包括：在所述车牌检测结果指示所述待识别车辆图像中存在车牌的情况下，确定所述待识别车辆图像中的第一车牌图像，其中，所述第一车牌图像为所述待识别车辆图像中车牌区域对应的图像；判断所述第一车牌图像是否为畸变车牌图像；若所述第一车牌图像为所述畸变车牌图像，则基于空间变换网络对所述第一车牌图像进行校正处理，得到所述待识别车牌图像。4.根据权利要求3所述的方法，其特征在于，所述若所述第一车牌图像为所述畸变车牌图像，则基于空间变换网络对所述第一车牌图像进行校正处理，得到所述待识别车牌图像，包括：若所述第一车牌图像为所述畸变车牌图像，则基于所述空间变换网络，确定所述第一车牌图像对应的偏移矩阵；根据所述偏移矩阵确定所述第一车牌图像的映射位置关系；基于所述映射位置关系，对所述第一车牌图像进行校正处理，得到所述待识别车牌图像。5.根据权利要求3所述的方法，其特征在于，所述方法还包括：若所述第一车牌图像不为所述畸变车牌图像，则将...

【专利技术属性】
技术研发人员：吴景，李凡平，石柱国，
申请(专利权)人：青岛以萨数据技术有限公司，
类型：发明
国别省市：