(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211494713.9 (22)申请日 2022.11.26 (71)申请人 成都运荔枝科技有限公司 地址 610000 四川省成 都市武侯区晋阳路 184号4楼6A号 (72)发明人 孙晓宇　黄博　江培荣　麻亮　 李攀　何永霞　吴农中　甄克　 王帅　杨营　贺定雄　 (74)专利代理 机构 四川域策汇智知识产权代理 有限公司 513 51 专利代理师 幸伟山 (51)Int.Cl. G06V 20/62(2022.01) G06V 10/40(2022.01) G06V 10/764(2022.01)G06V 10/80(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种物流货车 车牌识别方法及设备 (57)摘要 本发明公开了一种物流货车车牌识别方法 及设备， 属于图像识别技术领域。 识别方法包括 获取无人地磅系统中采集的货运车辆车牌图像， 获取预先经过训练的图像识别卷积网络， 将货运 车辆车牌图像输入图像识别卷积网络， 货运车辆 车牌图像顺次经过各个特征提取模块， 利用主体 池化层对初步特征图的各个图层进行全局池化 操作， 初步特征向量顺次经过前馈层和主体分类 器， 生成得到货运车辆车牌图像的识别结果等步 骤。 本发明的特征提取模块中采用并行的多卷积 结构， 在每个分支上均设有调制模块， 能够更有 针对性地、 更有效地抑制不同类型的噪音， 模型 对有效信息利用率高， 抗干 扰能力强。 权利要求书3页 说明书6页 附图8页 CN 115546779 A 2022.12.30 CN 115546779 A 1.一种物流货车 车牌识别方法， 其特 征是： 包括以下步骤： S100、 获取无人地磅系统中采集的货运车辆车牌图像， 获取预先经过训练的图像识别 卷积网络； 所述图像识别卷积网络中设有主体池化层、 前馈层、 主体分类器和多个特征提取 模块， 所述特 征提取模块用于提取 所述货运车辆车牌图像的特 征信息； S200、 将所述货运车辆车牌 图像输入所述图像识别卷积网络， 所述货运车辆车牌图像 顺次经过各个所述特 征提取模块后， 生成得到初步特 征图； S300、 利用所述主体池化层对所述初步特征图的各个图层进行全局池化操作， 生成得 到初步特 征向量； S400、 所述初步特征向量顺次经过所述前馈层和所述主体分类器后， 生成得到所述货 运车辆车牌图像的识别结果； 其中， 所述特 征提取模块 提取图像特 征信息的过程表示 为如下数学模型： 其中， XL‑1表示输入所述特征提取模块的特征图， XL表示所述特征提取模块经过特征提 取操作后输出的特征图， f1、 f2、 f3、 f4和f5均表示普通卷积操作， f1、 f2和f3的卷积核大小 各不相同， fR1、 fR2、 fR3、 fR4、 fR5和fR6均表示ReLU激活函数， ∣ •∣ 表示对其中的特征图做拼接 操作， SP1表 示第一调制模块， SP2表 示第二调制模块， SP 3表示第三调制模块， ×表示元素对 应乘积运算， YW表 示旁路融合模块， CP表 示旁路调制模块， fK表 示跨步卷积操作， S CP表示跨 维度调制 模块， sv1表示从所述第一调制 模块输出的第一调制信息， sv2表示从所述第二调 制模块输出的第二调制 信息， sv3表示 从所述第三调制模块输出的第三调制 信息， cv表 示从 所述旁路调制模块输出的旁路调制信息， PL表 示内部池化操作， M1、 M2、 M3、 M5和M7分别表示 函数fR1、 fR2、 fR3、 fR4和fR5激活后生成的特征图， M4表示将特征图M1、 特征图M2和特征图M3 调制后拼接起来生成的特征图， M6表示所述旁路融合模块输出的特征图， M8表示内部池化 操作后生成的特 征图与M7 特征图相加后生成的特 征图。 2.根据权利要求1所述的物流货车车牌识别方法， 其特征是： f1表示步长为1、 且卷积核 尺寸为1*1的卷积操作， f2、 f4和f5均表示步长为1、 且 卷积核尺 寸为3*3的卷积操作， f3表示 步长为1、 且卷积核尺寸 为5*5的卷积操作。权　利　要　求　书 1/3 页 2 CN 115546779 A 23.根据权利要求1所述的物流货车车牌识别方法， 其特征是： 所述跨步卷积操作的步长 为2、 卷积核尺寸 为3*3。 4.根据权利要求1所述的物流货车车牌识别方法， 其特征是： 所述第一调制模块、 所述 第二调制模块和所述第三调制模块内部操作过程相同， 所述第一调制模块、 所述第二调制 模块和所述第三调制模块内部均设有顺次连接的调制全局池化层和调制激活函数， 所述调 制全局池化层用于对特征图在通道方向做全局最大池化操作， 所述调制激活函数为 sigmoid函数； 所述第一调制信息、 所述第二调制信息和所述第三调制信息分别为所述第一调制模 块、 所述第二调制模块和所述第三调制模块内部的调制全局池化层操作后输出的矩阵。 5.根据权利要求4所述的物流货车车牌识别方法， 其特征是： 所述旁路融合模块内部运 算过程表示 为如下数学模型： 其中， 特征图M1、 M2和M3作 为所述旁路融合模块的输入， 特征图M6作 为旁路融合模块的 输出，×表示元素对应乘积运算， ∣ •∣表示对其中的特征图做拼接操作， fP表示步长为1、 且 卷积核尺寸为1* 1的普通卷积操作， fRP表示ReLU激活函数， Y 1表示将特征图M1、 M2和M3相加 后生成的特 征图， Y2表示将特 征图M1、 M2和M 3做元素对应乘积后生成的特 征图。 6.根据权利要求5所述的物流货车车牌识别方法， 其特征是： 所述旁路调制模块内部设 有顺次连接的旁路全局池化层、 第一全连接层、 第一旁路激活函数、 第二全连接层和 第二旁 路激活函数； 所述旁路全局池化层用于对特征图在空间方向做全局 最大池化操作， 所述第 一旁路激活函数为ReLU函数， 所述第二旁路激活函数为sigmo id函数； 所述旁路调制信息为所述旁路调制模块内部的所述旁路全局池化层操作后输出的向 量。 7.根据权利要求6所述的物流货车车牌识别方法， 其特征是： 所述跨维度调制模块内部 运算过程的数 学模型为； 其中， sv1表示所述第一调制信息， sv2表示所述第二调制信息， sv3表示所述第三调制 信息， cv表示所述旁路调制信息， sv1、 sv2、 sv3和cv共同作为所述跨维度调制模块的输入， ×表示元素对应乘积运算， ∣ •∣表示对其中的特征图做拼接操作， GFc表示第三全连接层， Gpl表示跨维度全局池化层， 所述跨维度全局池化层用于对特征图在通道方向做全局 最大 池化操作， δG1和 δG2均表示sigmoid激活函数， SC1表示将sv1、 sv2和sv3拼接起来生成的特征权　利　要　求　书 2/3 页 3 CN 115546779 A 3