CN110490179A-车牌识别方法、装置及存储介质.docx

(19)中华人民共和国国家知识产权局
(12)发明专利申请
权利要求书3页说明书12页 附图3页
(10)申请公布号 CN 110490179 A
(43)
(21)申请号 201卷积神经网络CNN模型提取 所述车牌区域内的特征信息，所述特征信息包括多个特征序列；
识别模块，用于基于所述多个特征序列对所述车牌区域内的字符进行识别；
第一确定模块，用于基于字符识别结果确定车牌号码。
根据权利要求8所述的装置，其特征在于，所述识别模块用于：
通过注意力Attention模型对所述多个特征序列中的每个特征序列进行处理，得到所 述车牌区域内每个特征序列对应的字符。
根据权利要求9所述的装置，其特征在于，所述识别模块具体用于：
对于所述多个特征序列中的任一特征序列A,通过注意力Attention模型确定所述特征 序列A的权值和除所述特征序列A之外其余每个特征序列的权值，所述特征序列A的权值大 于所述其余每个特征序列的权值；
基于所述特征序列A、所述特征序列A的权值、所述其余每个特征序列和所述其余每个 特征序列的权值确定所述特征序列A的语义信息；
对所述特征序列A的语义信息进行解码识别，得到所述特征序列A对应的字符。
根据权利要求8-10任一所述的装置，其特征在于，所述装置还包括：
第二确定模块，用于基于所述多个特征序列确定所述车牌所属的车牌种类；
相应地，所述第一确定模块包括：
确定子模块，用于基于所述字符识别结果和所述车牌种类确定所述车牌的车牌号码。
根据权利要求11所述的装置，其特征在于，所述第二确定模块具体用于：
基于所述多个特征序列，利用所述CNN模型确定所述车牌属于每个预设车牌种类的概 率值；
将最大概率值对应的预设车牌种类确定为所述车牌所属的车牌种类。
根据权利要求11所述的装置，其特征在于，所述确定子模块具体用于：
获取所述车牌种类对应的车牌号样本；
基于所述车牌种类判断属于所述车牌种类的车牌号码中是否包含有子段和主段，所述 子段和所述主段均指车牌号中连续的字符串，所述主段包含的字符数大于所述子段包含的 字符数，或者，所述主段包含的字符所占区域的尺寸大于所述子段包含的字符所占区域的 尺寸；
若属于所述车牌种类的车牌号码中包含有子段和主段，则将所述字符识别结果按照所 述车牌号样本划分子段和主段，并将划分后的字符识别结果确定为所述车牌的车牌号码。
根据权利要求11-13任一所述的装置，其特征在于，所述装置还用于：
获取所述车牌种类对应的车牌颜色信息和所属区域信息；
输出所述车牌的车牌号码、所述车牌颜色信息和所述区域信息。
一种车牌识别装置，其特征在于，所述装置包括
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为执行权利要求1-7所述的任一项方法。
一种计算机可读存储介质，其特征在于，所述存储介质内存储有计算机程序，所述 计算机程序被处理器执行时实现权利要求1一7所述的任一项的方法。
车牌识别方法、装置及存储介质
技术领域
[0001] 本发明涉及智能交通技术领域，特别涉及一种车牌识别方法、装置及计算机可读
存储介质。
背景技术
[0002] 车牌是车辆的“身份证”，是区别于其他车辆的重要标识信息。在当前的智能交通
领域，可以在卡口、停车场或街道等诸多场景中设置监控设备，通过监控设备获取场景内包 含有车辆的车牌的图像，进而对该图像中的车牌进行识别。
[0003] 相关技术中车牌识别主要可以总结为三个步骤，分别为车牌区域检测、车牌区域
分割以及字符识别。当通过上述三个步骤进行车牌识别时，由于受到场景因素的影响，例如 天气、光照、监控设备倾斜、车牌倾斜等，因此，字符分割的准确性难以保证，从而导致车牌 识别准确性较低。
发明内容
[0004] 本发明实施例提供了一种车牌识别方法、装置及计算机可读存储介质，可以用于
解决相关技术中车牌识别准确性较低的问题。所述技术方案如下： [0005] 第一方面，提供了一种车牌识别方法，所述方法包括：
[0006] 获取图像中包含有车牌的车牌区域，并利用卷积神经网络CNN模型提取所述车牌
区域内的特征信息，所述特征信息包括多个特征序列；
[0007] 基于所述多个特征序列对所述车牌区域内的字符进行识别；
[0008] 基于字符识别结果确定车牌号码。
[0009] 可选地，所述基于所述多个特征序列对所述车牌区域内的字符进行识别，包括：
[0010] 通过注意力Attention模型对所述多个特征序列中的每个特征序列进行处理，得
到所述车牌区域内每个特征序列对应的字符。
[0011] 可选地，所述通过注意力Attention模型对