欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 202110686678X
申请人: 华侨大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种自然场景下的车牌识别方法,其特征在于,预先构建改进的Retinanet网络,并进行训练,得到车牌检测模型,以及预先对CRNN模型进行训练得到训练好的CRNN模型;所述改进的Retinanet网络采用mobilnetV2作为主干特征提取网络,构建特征金字塔网络,利用mobilenetV2网络对车牌图片进行下采样8,16,32倍,从而提取到3种感受野的特征图C3,C4,C5,分别将3种不同尺度的特征图输入Retinanet网络的FPN部分,进行上采样和特征融合后分别得到不同尺寸和感受野的P3,P4,P5层,在P3,P4,P5层的每一个head层增加一个车牌的角点分支;

识别方法包括如下步骤:

S1将车牌图片输入车牌检测模型进行检测,得到车牌的角点:

S1‑1对于输入的车牌图片,车牌检测模型输出每一个anchor的类别分数,相对于anchor中心的偏移量,宽高比例以及相对与anchor中心车牌角点的8个偏移量;

S1‑2首先将置信度低于0.02的anchor消除,然后得到的anchor再做NMS分析,最后选出得分最大的anchor对它的中心点进行回归,得到车牌的四个角点;

S2 根据车牌的角点,结合opencv的透视变换对车牌区域进行矫正得到矫正好的图片,首先设置拉伸后图片的宽高,将已经定位好的点通过cv2.getperspectiveTansform函数计算得到转换矩阵,然后通过cv2.warpPerspective实现透视变换转换;

S3将矫正好的图片输入训练好的CRNN模型中进行预测,得到最终的识别结果:S3‑1首先将车牌含有的字符进行编码;

S3‑2然后将图片送入到CNN中提取特征,再利用BiLstm识别得到的特征向量序列,获取上下文信息,从而得到每列特征的概率分布;

S3‑3最后利用CTC计算出所有的标签序列概率,基于词典和查找候选目标的模式选取最大的标签序列概率所对应的标签序列作为图像最终的预测结果。

2.如权利要求1所述的一种自然场景下的车牌识别方法,其特征在于,收集来自不同的场景的车牌图片作为训练数据集,并对训练数据集的车牌进行标注,将数据集按照8:1:1划分成训练集,验证集和测试集,通过训练集训练改进的Retinanet网络和CRNN模型,再通过验证集和测试集分别进行验证和测试得到车牌检测模型和训练好的CRNN模型。

3.如权利要求2所述的一种自然场景下的车牌识别方法,其特征在于,在车牌图片中随机裁剪获得负样本。

4.如权利要求1所述的一种自然场景下的车牌识别方法,其特征在于,所述角点分支包含一个输出通道数为8的3*3卷积和一个sigmod层。

5.如权利要求1所述的一种自然场景下的车牌识别方法,其特征在于,对改进的Retinanet的网络进行训练包括如下:对训练数据集中的每张车牌图片进行‑5°‑ 5°的随机旋转,对车牌图片进行数据加强;

将输入后的车牌图片进行8,16,32倍的下采样,作为不同尺度的特征信号;

将anchor的数量调整到2,将anchor的宽高比例调整为3:1。

6.一种自然场景下的车牌识别装置,其特征在于,采用权利要求1至5中任一所述的一种自然场景下的车牌识别方法实现车牌识别,包括车牌检测模型,用于对输入的车牌图片进行检测,得到车牌的角点;

透视变化模块,用于根据车牌的角点,结合opencv的透视变换对车牌区域进行矫正得到矫正好的图片;

CRNN模型,用于对输入的矫正好的图片进行预测,得到最终的识别结果。