申请/专利权人：南京行者易智能交通科技有限公司

申请日：2023-12-20

公开（公告）日：2024-04-16

公开（公告）号：CN117894003A

主分类号：G06V20/62

分类号：G06V20/62;G06V10/774;G06V10/40;G06V10/74;G06V10/44;G06V10/32;G06N3/0455;G06N3/0895;G06N3/043;G06N3/042

优先权：

专利状态码：在审-公开

法律状态：2024.04.16#公开

摘要：本发明公开了一种基于对比学习的车牌识别方法，包括训练阶段和推理阶段，训练阶段包括：根据车牌的制定规则随机生成车牌文本和图像；使用车牌文本提取模型和图像提取模型提取文本特征和图像特征；计算对比损失，使用随机梯度下降算法训练模型。推理阶段包括：录入车牌文本底库和图像底库，并提取对应特征，提取待匹配车牌图像特征，计算待匹配车牌图像与车牌文本底库与图像底库的相似度，展示相似度大于阈值的对应底库文本和图像。本发明采用自监督方式避免数据标注，采用对比学习的方法来计算车牌识别相似度来达到模糊搜索效果，降低了使用成本，更有益于推广使用。

主权项：1.一种基于对比学习的车牌识别方法，其特征在于，包括训练阶段和推理阶段，训练阶段包括以下步骤：步骤1.1，根据车牌的制定规则，随机生成NN为批大小个车牌文本，得到Ti，i＝1,2,…,N；步骤1.2，根据车牌的制定规则，绘制出车牌文本Tii＝1,2,…,N对应的车牌图像Ii；绘制步骤为：根据车牌类型蓝牌、绿牌、黄牌从网络中找到对应的车牌背景，接着按照规定的字体、大小、颜色等属性在背景中绘制车牌字符，接着应用随机图像增强方法给图像加变化得到最终的车牌图像；步骤1.3，使用车牌文本提取模型提取车牌文本特征FTi；步骤1.4，使用车牌图像提取模型提取车牌图像特征FIi；步骤1.5，计算对比损失L；步骤1.6，使用随机梯度下降算法训练模型；推理阶段包括以下步骤：步骤2.1，录入车牌文本底库GTk，其中k＝1,2,…,MT，MT为车牌文本底库数量；步骤2.2，使用车牌文本提取模型提取车牌文本底库特征FGTk，其中k＝1,2,…,MT；步骤2.3，录入车牌图像底库GIm，其中m＝1,2,…,MI，MI为车牌图像底库数量；步骤2.4，使用车牌图像提取模型提取车牌图像底库特征FGIm，其中m＝1,2,…,MI；步骤2.5，输入待匹配车牌图像Qq，其中q＝1,2,…,MQ，MQ为待匹配车牌图像数量；步骤2.6，使用车牌图像提取模型提取待匹配车牌图像特征FQq，其中q＝1,2,…,MQ；步骤2.7，计算待匹配车牌图像与车牌文本底库相似度Sq,k，其中q＝1,2,…,MQ，k＝1,2,…,MT，步骤2.8，计算待匹配车牌图像与车牌图像底库相似度Sq,m，其中q＝1,2,…,MQ，m＝1,2,…,MI，步骤2.9，对于每个待匹配车牌Qq，将Sq,k和Sq,m中大于预先设定好的相似度阈值的k和m取出来，展示对应的底库GTk，GIm。

全文数据：

权利要求：

百度查询： 南京行者易智能交通科技有限公司 一种基于对比学习的车牌识别方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD