本技术涉及人工智能及图像处理技术领域，提供一种基于人工智能的车牌识别方法、装置、设备及介质，其方法包括：通过特征提取模型提取目标图像的至少一个特征；利用位置信息提取模型识别每个特征的位置信息，输出与每个特征对应的掩板，其中，位置信息提取模型由Mask网络结合Attention机制训练而得到；将每个掩板反馈至特征提取模型，输出每个特征的字符信息；拼接字符信息作为识别结果并 保存至区块链中。利用本技术能够加入位置信息提取模型识别每个特征的位置信息，且只保留掩板中的有效信息，使提取出的字符信息更加专注于识别到的位置上的特征，实现了对车牌的自动识别，不仅高效，且准确。本技术还可应用于智慧交通场景中，从而推动智慧城市的建设。
技术要求
1.一种基于人工智能的车牌识别方法，其特征在于，所述基于人工智能的车牌识别方法包括：
响应于接收到的待识别车牌图像，对所述待识别车牌图像进行预处理，得到目标图像；
通过预先训练的特征提取模型提取所述目标图像的至少一个特征；
利用预先训练的位置信息提取模型识别每个特征的位置信息，输出与每个特征对应的掩板，其中，所述位置信息提取模型由Mask网络结合Attention机制训练而得到；
甲基化引物设计将每个掩板反馈至所述特征提取模型，输出每个特征的字符信息；
拼接所述字符信息作为所述待识别车牌图像的识别结果，并保存所述识别结果至区块链中。
2.如权利要求1所述的基于人工智能的车牌识别方法，其特征在于，所述对所述待识别车牌图像进行预处理，得到目标图像包括：
对所述待识别车牌图像进行二值化处理，得到第一图像；
对所述第一图像进行归一化处理，得到第二图像；
对所述第二图像进行resize处理，得到所述目标图像。
3.如权利要求1所述的基于人工智能的车牌识别方法，其特征在于，所述基于人工智能的车牌识别方法还包括：
采用Attention机制训练Mask网络，所述Mask网络包括全连接层、卷积层及池化层；
利用清洗机制优化训练的Mask网络，直至所述Mask网络的准确度小于或者等于预设准确度，停止训练，得到所述位置信息提取模型。
4.如权利要求1所述的基于人工智能的车牌识别方法，其特征在于，所述利用预先训练的位置信息提取模型识别每个特征的位置信息，输出与每个特征对应的掩板包括：
利用基于Attention机制训练的Mask网络识别每个特征的位置信息，输出每个特征的预测位置；
婴儿印泥确定所述位置信息提取模型的清洗机制中腐蚀机制及膨胀机制的组合方式；
根据所述组合方式，以所述腐蚀机制删除每个特征的预测位置中的噪点，并以所述膨胀机制填充每个特征的预测位置中的特征点，输出与每个特征对应的掩板。
5.如权利要求4所述的基于人工智能的车牌识别方法，其特征在于，所述以所述腐蚀机制删除每个特征的预测位置中的噪点包括：
获取所述腐蚀机制对应的腐蚀次数，及每次腐蚀对应的第一阈值；
对于每次腐蚀，以第一滑动窗口遍历所述目标图像的每个特征，当遍历到的点的占比低于所述第一阈值时，将遍历到的点确定为噪点，启动所述腐蚀机制，并删除所述噪点。
6.如权利要求4所述的基于人工智能的车牌识别方法，其特征在于，所述以所述膨胀机制填充每个特征的预测位置中的特征点包括：
获取所述膨胀机制对应的膨胀次数，及每次膨胀对应的第二阈值；
对于每次膨胀，以第二滑动窗口遍历所述目标图像的每个特征，当遍历到的点的占比高于所述第二阈值时，将遍历到的点确定为特征点，启动所述膨胀机制，并填充所述特征点。
7.如权利要求1所述的基于人工智能的车牌识别方法，其特征在于，所述将每个掩板反馈至所述特征提取模型，输出每个特征的字符信息包括：
当将每个掩板反馈至所述特征提取模型时，确定每个掩板中的True值及False值；
保留每个掩板中的True值对应的特征，并删除每个掩板中的False值对应的特征，得到与每个掩板对应的特征的字符信息。
8.一种基于人工智能的车牌识别装置，其特征在于，所述基于人工智能的车牌识别装置包括：
预处理单元，用于响应于接收到的待识别车牌图像，对所述待识别车牌图像进行预处理，得到目标图像；
提取单元，用于通过预先训练的特征提取模型提取所述目标图像的至少一个特征；
识别单元，用于利用预先训练的位置信息提取模型识别每个特征的位置信息，输出与每个特征对应的掩板，其中，所述位置信息提取模型由Mask网络结合Attention机制训练而得到；
反馈单元，用于将每个掩板反馈至所述特征提取模型，输出每个特征的字符信息；
拼接单元，用于拼接所述字符信息作为所述待识别车牌图像的识别结果，并保存所述识别结果至区块链中。lvds屏线
9.一种电子设备，其特征在于，所述电子设备包括：
存储器，存储至少一个指令；及
处理器，执行所述存储器中存储的指令以实现如权利要求1至7中任意一项所述的基于人工智能的车牌识别方法。
10.一种计算机可读存储介质，其特征在于：所述计算机可读存储介质中存储有至少一个指令，所述至少一个指令被电子设备中的处理器执行以实现如权利要求1至7中任意一项所述的基于人工智能的车牌识别方法。
技术说明书
基于人工智能的车牌识别方法、装置、设备及介质
技术领域异频
本技术涉及人工智能、图像处理及智慧交通技术领域，尤其涉及一种基于人工智能的车牌识别方法、装置、设备及介质。
背景技术
随着现代科技的进步，道路交通、停车场所等相关车辆管理系统都朝着智能化和数字化的方向发展，作为这些系统智能化的一个重要核心，车牌自动识别系统起着至关重要的作用。
按符号分布来看，机动车号牌主要有两种形式，包括：单行车牌、双行车牌。双行车牌涉及到上下两行，其识别算法相比难度更大。针对双行字符这一特性，目前主要使用的技术方案如下：
（1）字符分割法。将双行车牌中各个字符分割出来，逐个识别，再拼接起来。这种方式过程复杂，分割错误将向后传递。
（2）将两行字符切割，再拼在同一行。即人为将其转换成单行车牌，再通过单行车牌识别方式进行识别。这种方式虽然比方式（1）简单，但仍需分割，分割错误也将继续向后传递。
（3）直接忽略双行字符特性，将双行车牌视为单行车牌。通过特征提取网络自动提取两行各自的特征进行识别，但是，随着算法、算力的发展，由于该方案不对双行字符进行分割，而是直接通过模型识别提取，既需要庞大的数据进行训练，又非常容易造成过拟合，导致模型鲁棒性不好。给皂器
技术内容
鉴于以上内容，有必要提供一种基于人工智能的车牌识别方法、装置、设备及介质，能够基于人工智能，加入位置信息提取模型来识别每个特征的位置信息，且只保留了掩板中的有效信息，使提取出的
字符信息更加专注于识别到的位置上的特征，进一步保证了车牌识别的准确度，实现了对车牌的自动识别，不仅高效，且准确。
一种基于人工智能的车牌识别方法，所述基于人工智能的车牌识别方法包括：
响应于接收到的待识别车牌图像，对所述待识别车牌图像进行预处理，得到目标图像；
通过预先训练的特征提取模型提取所述目标图像的至少一个特征；阻燃双面胶
利用预先训练的位置信息提取模型识别每个特征的位置信息，输出与每个特征对应的掩板，其中，所述位置信息提取模型由Mask网络结合Attention机制训练而得到；
将每个掩板反馈至所述特征提取模型，输出每个特征的字符信息；
拼接所述字符信息作为所述待识别车牌图像的识别结果，并保存所述识别结果至区块链中。
根据本技术优选实施例，所述对所述待识别车牌图像进行预处理，得到目标图像包括：
对所述待识别车牌图像进行二值化处理，得到第一图像；
对所述第一图像进行归一化处理，得到第二图像；
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议