【技術實現步驟摘要】
本專利技術涉及圖像處理，尤其涉及一種車牌識別方法、裝置、電子設備和存儲介質。
技術介紹
1、車牌識別技術作為智慧城市交通發展的重要組成部分，為交通管理和安全提供了極大的便利。對隨著車輛數量的不斷增加，交通安全問題也日益受到關注，對車牌識別技術的要求也愈發嚴格，即，在保證識別準確率的前提下，對識別效率的要求也愈發嚴格。
2、現有技術中，車牌識別技術一般基于多階段識別，識別階段主要包括：車牌檢測、車牌矯正和車牌識別，通過多個模型級聯，從而得到車牌識別結果。然而，現有的車牌識別技術往往是流水線式的串行處理，圖像數據在各級聯的模型之間進行數據傳輸時，經過gpu(graphics?processing?unit，圖形處理器)到cpu(central?processing?unit，中央處理器)的數據傳輸結構復雜且計算開銷大，大大降低對圖像數據的處理速度，進而導致車牌識別效率低下。
技術實現思路
1、本專利技術提供一種車牌識別方法、裝置、電子設備和存儲介質，用以解決現有技術中車牌識別效率低下的缺陷，使用統一的網絡結構，提高車牌識別效率。
2、本專利技術提供一種車牌識別方法，包括：
3、獲取待識別車牌圖像；
4、將所述待識別車牌圖像輸入端到端車牌識別模型中的共享特征層模塊，得到所述共享特征層模塊輸出的所述待識別車牌圖像對應的共享特征圖；
5、將所述共享特征圖輸入所述端到端車牌識別模型中的車牌檢測模塊，得到所述車牌檢測模塊輸出的用于定位車
6、基于所述位置信息，將所述共享特征圖中的車牌區域進行分割，得到所述車牌區域對應的特征區域矩陣；
7、將所述特征區域矩陣輸入所述端到端車牌識別模型中的車牌識別模塊，得到所述車牌識別模塊輸出的車牌識別預測結果。
8、根據本專利技術提供的車牌識別方法，所述將所述共享特征圖輸入所述端到端車牌識別模型中的車牌檢測模塊，得到所述車牌檢測模塊輸出的車牌區域的位置信息，包括：
9、將所述共享特征圖輸入所述車牌檢測模塊，對所述共享特征圖進行卷積操作，得到所述車牌檢測模塊輸出的用于定位車牌區域的至少四個坐標點的位置信息，所述至少四個坐標點構成所述車牌區域對應的矩形框。
10、根據本專利技術提供的車牌識別方法，所述車牌檢測模塊是基于以下步驟訓練得到：
11、將樣本特征圖輸入初始車牌檢測模塊，對所述樣本特征圖進行第一次卷積操作，確定第一次卷積操作對應的置信度損失函數；
12、將所述樣本特征圖進行第二次卷積操作，確定第二次卷積操作對應的旋轉框幾何損失函數；
13、將所述樣本特征圖進行第三次卷積操作，確定第三次卷積操作對應的旋轉框角度損失函數；
14、將所述樣本特征圖進行第四次卷積操作，確定第四次卷積操作對應的關鍵點回歸損失函數；
15、基于所述置信度損失函數、所述旋轉框幾何損失函數、所述旋轉框角度損失函數和關鍵點回歸損失函數，確定車牌檢測損失函數；
16、基于所述車牌檢測損失函數，對所述初始車牌檢測模塊進行訓練，直至所述初始車牌檢測模塊收斂，得到訓練好的車牌檢測模塊。
17、根據本專利技術提供的車牌識別方法，所述基于所述位置信息，將所述共享特征圖中的車牌區域進行分割，得到所述車牌區域對應的特征區域矩陣，包括：
18、s1、將所述至少四個坐標點中的任意坐標點作為起點；
19、s2、確定與所述起點相鄰的沿水平方向分布的第一坐標點和沿垂直方向分布的第二坐標點，所述起點、所述第一坐標點和所述第二坐標點構成的夾角為直角；
20、s3、基于所述第一坐標點和所述第二坐標點各自對應的位置信息，對所述共享特征圖中相同位置信息的區域進行分割，確定所述起點對應的特征區域；
21、s4、將所述第一坐標點作為新的起點，重復執行步驟s2至步驟s4，直至不存在所述第一坐標點和所述第二坐標點時停止迭代，得到所述車牌區域對應的至少兩個特征區域；
22、s5、基于所述車牌區域對應的至少兩個特征區域，確定所述車牌區域對應的特征區域矩陣。
23、根據本專利技術提供的車牌識別方法，所述將所述待識別車牌圖像輸入端到端車牌識別模型中的共享特征層模塊，得到所述共享特征層模塊輸出的所述待識別車牌圖像對應的共享特征圖，包括：
24、將所述待識別車牌圖像輸入所述共享特征層模塊，對所述待識別車牌進行至少兩次壓縮，確定所述待識別車牌對應的與壓縮次數相同數量的至少兩個第一語義特征圖；
25、將所述至少兩個第一語義特征圖進行上采樣，確定所述待識別車牌對應的至少兩個第二語義特征圖；
26、將最小第一語義特征圖和所述至少兩個第二語義特征圖進行融合，得到所述共享特征層模塊輸出的待識別車牌圖像對應的共享特征圖。
27、根據本專利技術提供的車牌識別方法，所述端到端車牌識別模型是基于以下步驟訓練得到的：
28、基于第一訓練數據集對初始共享特征層模塊進行預訓練；
29、基于深度學習優化器和第二訓練數據集，對初始車牌檢測模塊和預訓練的所述初始共享特征層模塊進行訓練，得到訓練好的共享特征層模塊和評價指標大于預設閾值的車牌檢測模塊；
30、凍結所述共享特征層模塊對應的模型參數，基于所述第二訓練數據集對初始車牌識別模塊進行訓練，并對所述車牌檢測模塊進行微調，得到訓練好的車牌識別模塊和車牌檢測模塊。
31、根據本專利技術提供的車牌識別方法，所述基于所述第二訓練數據集對初始車牌識別模塊進行訓練，并對所述車牌檢測模塊進行微調，得到訓練好的車牌識別模塊和車牌檢測模塊，包括：
32、利用聚合交叉熵算法，基于所述第二訓練數據集，確定車牌識別損失函數；
33、基于所述車牌識別損失函數和所述車牌檢測損失函數進行加權求和，確定車牌總損失函數；
34、基于所述車牌總損失函數，對初始車牌識別模塊進行訓練，并對所述車牌檢測模塊進行微調，得到訓練好的車牌識別模塊和車牌檢測模塊。
35、本專利技術還提供一種車牌識別裝置，包括：
36、獲取單元，用于獲取待識別車牌圖像；
37、共享單元，用于將所述待識別車牌圖像輸入端到端車牌識別模型中的共享特征層模塊，得到所述共享特征層模塊輸出的所述待識別車牌圖像對應的共享特征圖；
38、檢測單元，用于將所述共享特征圖輸入所述端到端車牌識別模型中的車牌檢測模塊，得到所述車牌檢測模塊輸出的用于定位車牌區域的位置信息；
39、分割單元，用于基于所述位置信息，將所述共享特征圖中的車牌區域進行分割，得到所述車牌區域對應的特征區域矩陣；
40、識別單元，用于將所述特征區域矩陣輸入所述端到端車牌識別模型中的車牌識別模塊，得到所述車牌識別模塊輸出的車牌識別預測結果。
41、本專利技術還提供一種電子設備，包括存儲器、處理器及存儲在存儲器上并可在處理器本文檔來自技高網...
【技術保護點】
1.一種車牌識別方法，其特征在于，包括：
2.根據權利要求1所述的車牌識別方法，其特征在于，所述將所述共享特征圖輸入所述端到端車牌識別模型中的車牌檢測模塊，得到所述車牌檢測模塊輸出的車牌區域的位置信息，包括：
3.根據權利要求2所述的車牌識別方法，其特征在于，所述車牌檢測模塊是基于以下步驟訓練得到：
4.根據權利要求3所述的車牌識別方法，其特征在于，所述基于所述位置信息，將所述共享特征圖中的車牌區域進行分割，得到所述車牌區域對應的特征區域矩陣，包括：
5.根據權利要求1-4任一項所述的車牌識別方法，其特征在于，所述將所述待識別車牌圖像輸入端到端車牌識別模型中的共享特征層模塊，得到所述共享特征層模塊輸出的所述待識別車牌圖像對應的共享特征圖，包括：
6.根據權利要求3或4所述的車牌識別方法，其特征在于，所述端到端車牌識別模型是基于以下步驟訓練得到的：
7.根據權利要求6所述的車牌識別方法，其特征在于，所述基于所述第二訓練數據集對初始車牌識別模塊進行訓練，并對所述車牌檢測模塊進行微調，得到訓練好的車牌識別模塊和車牌
8.一種車牌識別裝置，其特征在于，包括：
9.一種電子設備，包括存儲器、處理器及存儲在所述存儲器上并可在所述處理器上運行的計算機程序，其特征在于，所述處理器執行所述程序時實現如權利要求1-7任一項所述車牌識別方法。
10.一種非暫態計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時實現如權利要求1-7任一項所述車牌識別方法。
...【技術特征摘要】
1.一種車牌識別方法，其特征在于，包括：
2.根據權利要求1所述的車牌識別方法，其特征在于，所述將所述共享特征圖輸入所述端到端車牌識別模型中的車牌檢測模塊，得到所述車牌檢測模塊輸出的車牌區域的位置信息，包括：
3.根據權利要求2所述的車牌識別方法，其特征在于，所述車牌檢測模塊是基于以下步驟訓練得到：
4.根據權利要求3所述的車牌識別方法，其特征在于，所述基于所述位置信息，將所述共享特征圖中的車牌區域進行分割，得到所述車牌區域對應的特征區域矩陣，包括：
5.根據權利要求1-4任一項所述的車牌識別方法，其特征在于，所述將所述待識別車牌圖像輸入端到端車牌識別模型中的共享特征層模塊，得到所述共享特征層模塊輸出的所述待識別車牌圖像對應的共享特征圖，包括：
【專利技術屬性】
技術研發人員：白帆，向晉舉，王冉，
申請(專利權)人：云粒智慧科技有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。