买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜中国公路工程咨询集团有限公司;北京工业大学申请的专利一种非可控环境下的鲁棒中文车牌识别方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114639090B 。

龙图腾网通过国家知识产权局官网在2025-05-13发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202111262855.8，技术领域涉及：G06V20/62；该发明授权一种非可控环境下的鲁棒中文车牌识别方法是由许永存;孙昊;安鑫;李红芳;梁昭伟;白雪峰;范栋男;安泽萍;单铮;卓力设计研发完成，并于2021-10-28向国家知识产权局提交的专利申请。

本一种非可控环境下的鲁棒中文车牌识别方法在说明书摘要公布了：一种非可控环境下的鲁棒中文车牌识别方法属于图像处理领域，针对非可控环境下车牌识别存在的鲁棒性差、性能不高等问题。该方法基于CRNN框架实现，包括三个步骤：建立数据集、输入图像预处理和网络结构设计。由于中文车牌字符的长度不一，本发明采用了CTC算法，用于解决不定长车牌字符的对齐问题。CTC可以把从序列识别层获取的一系列字符序列转换成最终的字符序列。本发明效果：1、识别速度快、准确率高；2、可以实现任意定长车牌字符序列的识别，适应各种不同长度车牌的识别需求；3、泛化性较强，鲁棒性好，能够应用于各种复杂的非可控场景。

本发明授权一种非可控环境下的鲁棒中文车牌识别方法在权利要求书中公布了：1.一种非可控环境下的鲁棒中文车牌识别方法，其特征在于：由输入预处理、深度特征提取、字符序列识别以及CTC四部分构成；每个步骤的实现细节如下：步骤1：建立训练数据集步骤2：输入预处理步骤2.1：输入图像尺寸调整步骤2.2：输入图像归一化步骤3：整体网络架构整体网络架构分为三部分，分别是深度特征提取、字符序列识别以及CTC；其中深度特征提取部分由VGG16、PSA以及DropBlock构成；字符序列识别部分由Bi-LSTM、FC层构成；输入图像经过特征提取层变为特征序列，序列识别层将特征序列识别为字符串，CTC将字符串转化为最终输出；步骤3.1：深度特征提取层特征提取层的车牌图像输入尺寸为b，3，48，w，其中b为送入网络的样本数，3为通道数，48为车牌图像的高，w为车牌图像的宽，值为144；输出尺寸为b，512，1，36，经过特征提取层，输出的特征通道数为512，特征图大小为36,1；1骨干网络骨干网络由7个卷积层和4个池化层构成；2金字塔分裂注意力机制将PSA添加到骨干网络的第一个卷积层之后，PSA将输入张量从通道上分成S组，每一组以不同大小的卷积核进行卷积，从而获取不同尺度的感受野，提取不同尺度的信息；再通过通道注意力机制计算每组通道的加权值，最后对S组的加权值进行Softmax归一化并加权；这里S设置为4，考虑到输入特征图尺寸为144，48，所以卷积核大小设置为1，3，5，7；通过这样的操作，PSA融合不同尺度的上下文信息，提升特征的表达能力；通道注意力结构输出为每组通道的加权值，通道注意力机制引导网络关注对识别有用的特征，抑制无用特征，从而提升识别性能；3DropBlock层DropBlock层位于注意力层之后，它是一种针对卷积层的正则化方法，即将输入特征图以方块为单位以一定概率置零；DropBlock模块有2个参数，分别是Block_size和γ；Block_size表示置零的方块大小，而γ表示置零的概率；将Block_size设为3，γ则设置为0.1；通过将一部分相邻的区域置零，网络就会去注重学习字符其他位置的特征，来实现正确的字符识别，从而表现出更好的泛化性；步骤3.2：字符序列识别字符序列识别网络的第1层为双向LSTM层，节点数为256；第2层为线性层，节点数为512；第3层为Dropout层；第4层为双向LSTM层，节点数为256；第5层为线性层，节点数为车牌字符类别数，即68；应用Dropout只需要指定参数p，p表示节点置零的概率，p设置为0.3；步骤3.3：采用CTC算法把从序列识别层获取的一系列字符序列转化为最终的字符序列。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中国公路工程咨询集团有限公司;北京工业大学，其通讯地址为：100048 北京市海淀区昌运宫17号北京市政大厦；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。