CN112116687A - 一种基于虚拟车牌的面向移动端部署的车牌识别方法 - Google Patents
一种基于虚拟车牌的面向移动端部署的车牌识别方法 Download PDFInfo
- Publication number
- CN112116687A CN112116687A CN202011062691.XA CN202011062691A CN112116687A CN 112116687 A CN112116687 A CN 112116687A CN 202011062691 A CN202011062691 A CN 202011062691A CN 112116687 A CN112116687 A CN 112116687A
- Authority
- CN
- China
- Prior art keywords
- license plate
- module
- picture
- generated
- training
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 18
- 238000012549 training Methods 0.000 claims abstract description 26
- 238000001514 detection method Methods 0.000 claims abstract description 12
- 238000009795 derivation Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 claims description 3
- 230000000877 morphologic effect Effects 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 230000000717 retained effect Effects 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/60—Editing figures and text; Combining figures or text
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/14—Image acquisition
- G06V30/148—Segmentation of character regions
- G06V30/153—Segmentation of character regions using recognition of characters or words
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30248—Vehicle exterior or interior
- G06T2207/30252—Vehicle exterior; Vicinity of vehicle
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2210/00—Indexing scheme for image generation or computer graphics
- G06T2210/61—Scene description
Abstract
本发明公开了一种基于虚拟车牌的面向移动端部署的车牌识别方法,包括:数据生成模块、与所述数据生成模块信号连接的数据增强模块、与所述数据增强模块信号连接的训练模块、与所述训练模块信号连接有检测模块与识别模块;所述数据生成模块用于将车牌相应的信息生成;所述数据增强模块用于模拟实际场景将生成的车牌与原有的车牌更接近的图片用于模型训练;所述训练模块用于对生成数据进行训练车牌检测;所述识别模块对生成的车牌进行识别。根据本发明,方便快捷实惠的方法获取高质量车牌图片及对应的标签数据。
Description
技术领域
本发明涉及车牌识别的技术领域,特别涉及一种基于虚拟车牌的面向移动端部署的车牌识别方法。
背景技术
近年来,人工智能技术取得了迅速的发展,在很多学科领域都得到了广泛应用,AI其中的一个重要分支-计算机视觉,与自然语言处理及语音识别并列为机器学习方向的三大热点方向。车牌识别作为计算机视觉中的重要应用,在小区出入口、停车场收费、违章处罚等方面都有应用。现在的车牌识别技术依赖真实的车牌数据,采集标注成本高,且涉及车主隐私等问题,限制了车牌识别的精度。且识别算法存在模型大、算力需要高的问题,需要电脑或者云端的支持,在低内存、低算力的移动端设备上不能有效部署运行。
发明内容
针对现有技术中存在的不足之处,本发明的目的是提供一种基于虚拟车牌的面向移动端部署的车牌识别方法,方便快捷实惠的方法获取高质量车牌图片及对应的标签数据。为了实现根据本发明的上述目的和其他优点,提供了一种基于虚拟车牌的面向移动端部署的车牌识别系统,包括:
数据生成模块、与所述数据生成模块信号连接的数据增强模块、与所述数据增强模块信号连接的训练模块、与所述训练模块信号连接有检测模块与识别模块;
所述数据生成模块用于将车牌相应的信息生成;
所述数据增强模块用于模拟实际场景将生成的车牌与原有的车牌更接近的图片用于模型训练;
所述训练模块用于对生成数据进行训练车牌检测;
所述识别模块对生成的车牌进行识别。
优选的,一种基于虚拟车牌的面向移动端部署的车牌识别方法,包括以下步骤:
S1、根据《中华人民共和国机动车号牌》相关规定,生成符合规则的车牌图片,并对图片进行形态学操作;
S2、根据已有的真实场景图片,对车牌号码进行数据增强,使其生成与实际场景图片更近接近的图片,用于模型训练;
S3、使用生成的数据训练车牌检测和识别模型;
S4、将模型处理为只包含前向推导的更轻量更快速的模型。
优选的,所述步骤S1中,根据《中华人民共和国机动车号牌》相关规定,随机生成符合规定的车牌号码,使用常见车牌标准底板,按照规定在底板上安置车牌号码,生成的车牌完全符合国家规定。
优选的,所述步骤S1还包括根据车牌识别应用场景,使生成的车牌与日常拍摄出的车牌效果一致,且生成时自带车牌号码的标签信息。
优选的,所述步骤S2中,根据已有的自然场景的图片或者已有的带有标签的车牌场景的图片进行数据增强,模拟实际场景,在不包含车牌的自然场景中,将车牌随机贴到场景图片中,在人工合成图片时,保留图片位置信息作为位置标签。
本发明与现有技术相比,其有益效果是:
(1)本发明通过数据生成模块以及数据增强模块,可以快速生成大量接近真实的车牌图片,且解决了侵权的问题,该方法系统成本低,方便易用,功能齐全,不会涉及侵犯隐私权等法律问题;
(2)本发明生成的数据自带数据标签,更加方便快捷,节省了大量时间和人力。
(3)本发明应用于终端设备,不需要配套云端计算和PC机,使用时更加方便,且成本更低。
附图说明
图1为根据本发明的基于虚拟车牌的面向移动端部署的车牌识别方法的流程框图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明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发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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,都属于本发明保护的范围。
参照图1,一种基于虚拟车牌的面向移动端部署的车牌识别系统,包括:数据生成模块、与所述数据生成模块信号连接的数据增强模块、与所述数据增强模块信号连接的训练模块、与所述训练模块信号连接有检测模块与识别模块;
所述数据生成模块用于将车牌相应的信息生成;
所述数据增强模块用于模拟实际场景将生成的车牌与原有的车牌更接近的图片用于模型训练;
所述训练模块用于对生成数据进行训练车牌检测;
所述识别模块对生成的车牌进行识别。
实施例1
基于L2的车牌识别系统。L2为海商米科技集团股份有限公司研发成产的手持非金融机,可应用于工业、商超、农贸、执法等场景。利用生成的车牌训练的车牌检测和识别模型,使用NCNN将模型处理为推理模型,将L2作为模型部署环境,不需要联网,即可实现实时的车牌识别。
进一步的,一种基于虚拟车牌的面向移动端部署的车牌识别方法,包括以下步骤:
S1、根据《中华人民共和国机动车号牌》相关规定,生成符合规则的车牌图片,并对图片进行形态学操作;
S2、根据已有的真实场景图片,对车牌号码进行数据增强,使其生成与实际场景图片更近接近的图片,用于模型训练;
S3、使用生成的数据训练车牌检测和识别模型;
S4、将模型处理为只包含前向推导的更轻量更快速的模型。
将模型部署到L2中,使用L2自带的相机采集图片,实时检测出车牌号码,供其他对象应用。
进一步的,所述步骤S1中,根据《中华人民共和国机动车号牌》相关规定,随机生成符合规定的车牌号码,使用常见车牌标准底板,按照规定在底板上安置车牌号码,生成的车牌完全符合国家规定。
进一步的,所述步骤S1还包括根据车牌识别应用场景,对标准车牌进行如:投影透视、映射畸变、添加饱和光噪声、自然噪声等操作,使生成的车牌与日常拍摄出的车牌效果一致,更加真实,该方法可以生成任意多的车牌图片,且生成时自带车牌号码的标签信息,大大节省了时间成本和经济成本。
进一步的,所述步骤S2中,根据已有的自然场景的图片或者已有的带有标签的车牌场景的图片进行数据增强,模拟实际场景,在不包含车牌的自然场景中,将车牌随机贴到场景图片中,在人工合成图片时,保留图片位置信息作为位置标签。
在包含车牌且有标注信息的场景中,可以将生成的车牌替换原有的车牌,合成图片时可能会产生生成车牌与原有车牌不完全一致的情况,这种情况可以使用opencv的inpaint修复图片。
这里说明的设备数量和处理规模是用来简化本发明的说明的,对本发明的应用、修改和变化对本领域的技术人员来说是显而易见的。
尽管本发明的实施方案已公开如上,但其并不仅限于说明书和实施方式中所列运用,它完全可以被适用于各种适合本发明的领域,对于熟悉本领域的人员而言,可容易地实现另外的修改,因此在不背离权利要求及等同范围所限定的一般概念下,本发明并不限于特定的细节和这里示出与描述的图例。
Claims (5)
1.一种基于虚拟车牌的面向移动端部署的车牌识别系统,其特征在于,包括:
数据生成模块、与所述数据生成模块信号连接的数据增强模块、与所述数据增强模块信号连接的训练模块、与所述训练模块信号连接有检测模块与识别模块;
所述数据生成模块用于将车牌相应的信息生成;
所述数据增强模块用于模拟实际场景将生成的车牌与原有的车牌更接近的图片用于模型训练;
所述训练模块用于对生成数据进行训练车牌检测;
所述识别模块对生成的车牌进行识别。
2.如权利要求1所述的一种基于虚拟车牌的面向移动端部署的车牌识别方法,其特征在于,包括以下步骤:
S1、根据《中华人民共和国机动车号牌》相关规定,生成符合规则的车牌图片,并对图片进行形态学操作;
S2、根据已有的真实场景图片,对车牌号码进行数据增强,使其生成与实际场景图片更近接近的图片,用于模型训练;
S3、使用生成的数据训练车牌检测和识别模型;
S4、将模型处理为只包含前向推导的更轻量更快速的模型。
3.如权利要求2所述的一种基于虚拟车牌的面向移动端部署的车牌识别方法,其特征在于,所述步骤S1中,根据《中华人民共和国机动车号牌》相关规定,随机生成符合规定的车牌号码,使用常见车牌标准底板,按照规定在底板上安置车牌号码,生成的车牌完全符合国家规定。
4.如权利要求2所述的一种基于虚拟车牌的面向移动端部署的车牌识别方法,其特征在于,所述步骤S1还包括根据车牌识别应用场景,使生成的车牌与日常拍摄出的车牌效果一致,且生成时自带车牌号码的标签信息。
5.如权利要求1所述的一种基于虚拟车牌的面向移动端部署的车牌识别方法,其特征在于,所述步骤S2中,根据已有的自然场景的图片或者已有的带有标签的车牌场景的图片进行数据增强,模拟实际场景,在不包含车牌的自然场景中,将车牌随机贴到场景图片中,在人工合成图片时,保留图片位置信息作为位置标签。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011062691.XA CN112116687A (zh) | 2020-09-30 | 2020-09-30 | 一种基于虚拟车牌的面向移动端部署的车牌识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011062691.XA CN112116687A (zh) | 2020-09-30 | 2020-09-30 | 一种基于虚拟车牌的面向移动端部署的车牌识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112116687A true CN112116687A (zh) | 2020-12-22 |
Family
ID=73796815
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011062691.XA Pending CN112116687A (zh) | 2020-09-30 | 2020-09-30 | 一种基于虚拟车牌的面向移动端部署的车牌识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112116687A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160299897A1 (en) * | 2015-04-09 | 2016-10-13 | Veritoll, Llc | License plate matching systems and methods |
CN106709486A (zh) * | 2016-11-11 | 2017-05-24 | 南京理工大学 | 基于深度卷积神经网络的自动车牌识别方法 |
US20170243074A1 (en) * | 2014-10-16 | 2017-08-24 | Rexgen | License plate number input device and method therefor |
CN111209783A (zh) * | 2018-11-22 | 2020-05-29 | 台达电子工业股份有限公司 | 使用模拟物件影像的物件识别系统及其方法 |
CN111382743A (zh) * | 2018-12-28 | 2020-07-07 | 上海大学 | 基于数据增强和数据生成的车牌字符识别方法 |
CN111612058A (zh) * | 2020-05-19 | 2020-09-01 | 江苏建筑职业技术学院 | 一种基于深度学习的人工智能学习方法 |
-
2020
- 2020-09-30 CN CN202011062691.XA patent/CN112116687A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170243074A1 (en) * | 2014-10-16 | 2017-08-24 | Rexgen | License plate number input device and method therefor |
US20160299897A1 (en) * | 2015-04-09 | 2016-10-13 | Veritoll, Llc | License plate matching systems and methods |
CN106709486A (zh) * | 2016-11-11 | 2017-05-24 | 南京理工大学 | 基于深度卷积神经网络的自动车牌识别方法 |
CN111209783A (zh) * | 2018-11-22 | 2020-05-29 | 台达电子工业股份有限公司 | 使用模拟物件影像的物件识别系统及其方法 |
CN111382743A (zh) * | 2018-12-28 | 2020-07-07 | 上海大学 | 基于数据增强和数据生成的车牌字符识别方法 |
CN111612058A (zh) * | 2020-05-19 | 2020-09-01 | 江苏建筑职业技术学院 | 一种基于深度学习的人工智能学习方法 |
Non-Patent Citations (1)
Title |
---|
杨玉晨: "基于深度学习的车牌识别技术的研究与FPGA实现", 《中国优秀硕士学位论文全文数据库》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3564854B1 (en) | Facial expression recognition method, apparatus, electronic device, and storage medium | |
CN110751037A (zh) | 车身颜色识别的方法及终端设备 | |
CN110321761B (zh) | 一种行为识别方法、终端设备及计算机可读存储介质 | |
CN110532925B (zh) | 基于时空图卷积网络的驾驶员疲劳检测方法 | |
CN109002820A (zh) | 一种车牌识别方法、装置及相关设备 | |
Chandran et al. | Missing child identification system using deep learning and multiclass SVM | |
CN110838119A (zh) | 人脸图像质量评估方法、计算机装置及计算机可读存储介质 | |
CN108323209A (zh) | 信息处理方法、系统、云处理设备以及计算机程序产品 | |
CN112750147A (zh) | 一种行人多目标跟踪方法、装置、智能终端及存储介质 | |
CN110956082A (zh) | 基于深度学习的人脸关键点检测方法和检测系统 | |
CN111582073A (zh) | 一种基于ResNet101特征金字塔的变电站违规行为识别方法 | |
CN108319916A (zh) | 人脸识别方法、装置、机器人及存储介质 | |
CN114639152A (zh) | 基于人脸识别的多模态语音交互方法、装置、设备及介质 | |
CN112116687A (zh) | 一种基于虚拟车牌的面向移动端部署的车牌识别方法 | |
CN115690615B (zh) | 一种面向视频流的深度学习目标识别方法及系统 | |
CN111191027A (zh) | 一种基于高斯混合分布vae的广义零样本识别方法 | |
US20040111434A1 (en) | Method for the identification of stored information | |
CN115984968A (zh) | 一种学生时空动作识别方法、装置、终端设备及介质 | |
CN115131725A (zh) | 交通流统计方法、装置、设备及存储介质 | |
CN110458171B (zh) | 一种车牌识别的方法以及相关装置 | |
CN113378653A (zh) | 一种驾驶员车内行为检测方法及装置 | |
CN112115737B (zh) | 一种车辆朝向的确定方法、装置及车载终端 | |
CN113724176A (zh) | 一种多摄像头动作捕捉无缝衔接方法、装置、终端及介质 | |
Backes et al. | Texture classification using fractal dimension improved by local binary patterns | |
CN111967406A (zh) | 人体关键点检测模型生成方法、系统、设备和存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20201222 |