车牌识别方法、装置、电子设备、智能交通设备.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN114998883A(43)申请公布日2022.09.02(21)申请号202210602925.8(22)申请日2022.05.30(71)申请人阿波罗智联（北京）科技有限公司地址102600北京市大兴区北京市北京经济技术开发区瑞合西二路7号院1号楼1层101(72)发明人杨书杰董子超王烁(74)专利代理机构北京市通商律师事务所11951专利代理师姜莹丽(51)Int.Cl.G06V20/62(2022.01)G06V10/26(2022.01)G06V10/40(2022.01)G06V10/764(2022.01)权利要求书2页说明书11页附图5页(54)发明名称车牌识别方法、装置、电子设备、智能交通设备(57)摘要本公开提供了车牌识别方法、装置、电子设备、智能交通设备，涉及人工智能技术领域，尤其涉及自动驾驶、智能交通、计算机视觉等领域。具体实现方案为：获取目标图像的第一特征图；将第一特征图分割成与多个车牌字符一一对应的多个区域特征块；将每个区域特征块与相邻的区域特征块进行特征提取及融合得到每个区域特征块对应的第二特征图；基于每个区域特征块对应的第二特征图进行分类得到每个车牌字符的识别结果。从而实现一种端到端的车牌识别方法，提升车牌识别精度，并且降低模型时延。CN114998883ACN114998883A权利要求书1/2页1.一种车牌识别方法，包括：获取目标图像的第一特征图；将所述第一特征图分割成与多个车牌字符一一对应的多个区域特征块；将每个所述区域特征块与相邻的所述区域特征块进行特征提取及融合得到每个所述区域特征块对应的第二特征图；基于每个所述区域特征块对应的所述第二特征图进行分类得到每个所述车牌字符的识别结果。2.根据权利要求1所述的车牌识别方法，其中，所述获取目标图像的第一特征图包括：获取所述目标图像；对所述目标图像进行浅层特征提取得到所述第一特征图。3.根据权利要求1所述的车牌识别方法，其中，所述将所述第一特征图分割成与多个车牌字符一一对应的多个区域特征块包括：将所述第一特征图等分成多个尺寸相同的所述区域特征块。4.根据权利要求1‑3中任一项所述的车牌识别方法，其中，所述将每个所述区域特征块与相邻的所述区域特征块进行特征提取及融合得到每个所述区域特征块对应的第二特征图包括：对每个所述区域特征块进行归一化处理；对归一化处理后的所述区域特征块进行卷积特征提取得到每个所述区域特征块对应的邻域特征；将每个所述区域特征块与相邻的所述区域特征块对应的所述邻域特征进行特征融合得到每个所述区域特征块对应的融合信息；对每个所述区域特征块对应的所述融合信息进行归一化处理；对归一化处理后的所述融合信息进行卷积特征提取，并通过激活函数得到每个所述区域特征块对应的单个字符特征；将每个所述区域特征块对应的所述融合信息与对应的所述单个字符特征进行特征融合得到对应的所述第二特征图。5.根据权利要求1所述的车牌识别方法，其中，所述基于每个所述区域特征块对应的所述第二特征图进行分类得到每个所述车牌字符的识别结果包括：将每个所述区域特征块对应的所述第二特征图进行降维处理转换为一维向量；对每个所述区域特征块对应的所述一维向量进行分类得到每个所述车牌字符的识别结果。6.一种车牌识别装置，包括：图像获取模块，被配置为获取目标图像的第一特征图；特征分割模块，被配置为将所述第一特征图分割成与多个车牌字符一一对应的多个区域特征块；特征提取及融合模块，被配置为将每个所述区域特征块与相邻的所述区域特征块进行特征提取及融合得到每个所述区域特征块对应的第二特征图；分类模块，被配置为基于每个所述区域特征块对应的所述第二特征图进行分类得到每个所述车牌字符的识别结果。2CN114998883A权利要求书2/2页7.根据权利要求6所述的车牌识别装置，其中，所述图像获取模块包括：获取单元，被配置为获取所述目标图像；浅层特征提取单元，被配置为对所述目标图像进行浅层特征提取得到所述第一特征图。8.根据权利要求6所述的车牌识别装置，其中，所述特征分割模块将所述第一特征图分割成与多个车牌字符一一对应的多个区域特征块包括：将所述第一特征图等分成多个尺寸相同的所述区域特征块。9.根据权利要求6‑8中任一项所述的车牌识别装置，其中，所述特征提取及融合模块包括：第一归一化单元，被配置为对每个所述区域特征块进行归一化处理；第一特征提取单元，被配置为对归一化处理后的所述区域特征块进行卷积特征提取得到每个所述区域特征块对应的邻域特征；第一融合单元，被配置为将每个所述区域特征块与相邻的所述区域特征块对应的所述邻域特征进行特征融合得到每个所述区域特征块对应的融合信息；第二归一化单元，被配置为对每个所述区域特征块对应的所述融合信息进行归一化处