公开(公告)号：CN110991444B

公开(公告)日：2023-08-29

申请号：CN201911133792.9

申请日：2019-11-19

Applicant: 复旦大学

Inventor： 吕礼 ,  杜姗姗 ,  冯瑞

IPC: G06V20/62 ,  G06V30/19 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明提供一种面向复杂场景的车牌识别方法，用于对复杂场景下的待测图像进行车牌识别从而识别出车牌的字符识别结果，其特征在于，包括：步骤S1，对待测图像进行预处理得到预处理图像集；步骤S2，搭建YOLOv3车牌检测模型；步骤S3，训练车牌检测训练集对YOLOv3车牌检测模型；步骤S4，搭建端到端的车牌识别卷积神经模型；步骤S5，训练端到端的车牌识别卷积神经模型；步骤S6，将预处理图像集输入训练完成的YOLOv3目标检测模型进行车牌目标检测从而得到车牌位置；步骤S7，依次根据车牌位置对相应的待测图像进行处理从而得到车牌图像集；步骤S8，将车牌图像集输入训练完成的端到端的车牌识别卷积神经模型得到车牌的字符识别结果。

公开(公告)号：CN110991444A

公开(公告)日：2020-04-10

申请号：CN201911133792.9

申请日：2019-11-19

Applicant: 复旦大学

Inventor： 吕礼 ,  杜姗姗 ,  冯瑞

IPC: G06K9/32 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供一种面向复杂场景的车牌识别方法，用于对复杂场景下的待测图像进行车牌识别从而识别出车牌的字符识别结果，其特征在于，包括：步骤S1，对待测图像进行预处理得到预处理图像集；步骤S2，搭建YOLOv3车牌检测模型；步骤S3，训练车牌检测训练集对YOLOv3车牌检测模型；步骤S4，搭建端到端的车牌识别卷积神经模型；步骤S5，训练端到端的车牌识别卷积神经模型；步骤S6，将预处理图像集输入训练完成的YOLOv3目标检测模型进行车牌目标检测从而得到车牌位置；步骤S7，依次根据车牌位置对相应的待测图像进行处理从而得到车牌图像集；步骤S8，将车牌图像集输入训练完成的端到端的车牌识别卷积神经模型得到车牌的字符识别结果。