一种基于动态时序卷积神经网络的车牌识别方法

摘要

本发明提出一种基于动态时序卷积神经网络的车牌识别方法，读取原始车牌图像；进行车牌角度矫正，获得待确定识别的车牌图像；输入到预先设计和训练的卷积神经网络，获得具备车牌所有特征的特征图像和时序信息；进行字符识别，基于上一层的时序信息，将特征图像输入到长短期记忆神经网络层的卷积神经网络中，得到分类结果，利用CTC算法解码得到最后的车牌字符结果。本发明通过使用卷积神经网络直接从原图识别视觉模式，自我学习与纠正，一次训练，多次使用，且单次识别时间在毫秒级别，能够应用在需要实时识别车牌的场景。动态时序的长短期记忆神经网络层与CTC算法解码相结合，有效规避漏检，多检等识别错误问题，提高算法鲁棒性。