1.一種車牌信息識(shí)別方法，其特征在于，包括：
獲取待識(shí)別圖像；
利用卷積神經(jīng)網(wǎng)絡(luò)模型以所述待識(shí)別圖像作為所述卷積神經(jīng)網(wǎng)絡(luò)模型的輸入層數(shù)據(jù)，確定所述待識(shí)別圖像的車牌信息，其中所述卷積神經(jīng)網(wǎng)絡(luò)模型是利用多個(gè)車牌圖像樣本和所述車牌圖像樣本中的車牌信息作為訓(xùn)練數(shù)據(jù)訓(xùn)練得到的。
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述獲取待識(shí)別圖像之前，還包括：
獲取多個(gè)車輛的車牌圖像；
將所述車牌圖像擴(kuò)大到預(yù)設(shè)尺寸，得到車牌圖像樣本；
將所述多個(gè)車牌圖像樣本和所述車牌圖像樣本中的車牌信息作為訓(xùn)練數(shù)據(jù)，對(duì)卷積神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，直至所述卷積神經(jīng)網(wǎng)絡(luò)模型對(duì)所述車牌圖像樣本車牌信息的識(shí)別率大于預(yù)設(shè)閾值或者卷積神經(jīng)網(wǎng)絡(luò)模型的損失函數(shù)的損失值收斂于預(yù)設(shè)值。
3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述將所述車牌圖像擴(kuò)大到預(yù)設(shè)尺寸，得到車牌圖像樣本，包括：
獲取所述車牌圖像的坐標(biāo)與尺寸大??；
根據(jù)所述車牌圖像的坐標(biāo)與尺寸大小，確定所述車牌圖像的圖像中心點(diǎn)；
以所述圖像中心點(diǎn)為中心，按照所述預(yù)設(shè)尺寸進(jìn)行所述車牌圖像擴(kuò)展，得到所述車牌圖像樣本。
4.根據(jù)權(quán)利要求1-3中任一項(xiàng)所述的方法，其特征在于，所述卷積神經(jīng)網(wǎng)絡(luò)模型設(shè)置有多個(gè)字符結(jié)果輸出層，所述多個(gè)字符結(jié)果輸出層分別對(duì)應(yīng)輸出所述車牌圖像樣本中多個(gè)字符的識(shí)別結(jié)果。
5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述卷積神經(jīng)網(wǎng)絡(luò)模型還設(shè)置有長(zhǎng)度結(jié)果輸出層，用于輸出所述車牌圖像樣本中字符長(zhǎng)度識(shí)別結(jié)果。
6.根據(jù)權(quán)利要求4所述的方法，其特征在于，在所述確定所述待識(shí)別圖像的車牌信息的步驟之后，還包括：
將所述多個(gè)字符結(jié)果輸出層的輸出結(jié)果與第二預(yù)設(shè)閾值進(jìn)行比較，當(dāng)所述字符結(jié)果輸出層的輸出結(jié)果小于所述第二預(yù)設(shè)閾值時(shí)，判定所述待識(shí)別圖像的車牌信息識(shí)別錯(cuò)誤。
7.根據(jù)權(quán)利要求5所述的方法，其特征在于，在所述確定所述待識(shí)別圖像的車牌信息的步驟之后，還包括：
當(dāng)所述多個(gè)字符結(jié)果輸出層輸出的字符識(shí)別結(jié)果為預(yù)設(shè)非真實(shí)車牌圖像信息值或者所述長(zhǎng)度結(jié)果輸出層輸出的車牌長(zhǎng)度為預(yù)設(shè)長(zhǎng)度值或者所述多個(gè)字符結(jié)果輸出層的識(shí)別結(jié)果中輸出的數(shù)字0的數(shù)量大于預(yù)設(shè)數(shù)量時(shí)，判定所述待識(shí)別圖像不是真實(shí)車牌圖像。
8.一種車牌信息識(shí)別裝置，其特征在于，包括：
獲取單元，用于獲取待識(shí)別圖像；
確定單元，用于利用卷積神經(jīng)網(wǎng)絡(luò)模型以所述待識(shí)別圖像作為所述卷積神經(jīng)網(wǎng)絡(luò)模型的輸入層數(shù)據(jù)，確定所述待識(shí)別圖像的車牌信息，其中所述卷積神經(jīng)網(wǎng)絡(luò)模型是利用多個(gè)車牌圖像樣本和所述車牌圖像樣本中的車牌信息作為訓(xùn)練數(shù)據(jù)訓(xùn)練得到的。
9.根據(jù)權(quán)利要求8所述的裝置，其特征在于，所述獲取單元獲取待識(shí)別圖像之前，還包括：
車牌圖像獲取單元，用于獲取多個(gè)車輛的車牌圖像；
車牌圖像樣本獲取單元，用于將所述車牌圖像擴(kuò)大到預(yù)設(shè)尺寸，得到車牌圖像樣本；
訓(xùn)練單元，用于將所述多個(gè)車牌圖像樣本和所述車牌圖像樣本中的車牌信息作為訓(xùn)練數(shù)據(jù)，對(duì)卷積神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，直至所述卷積神經(jīng)網(wǎng)絡(luò)模型對(duì)所述車牌圖像樣本車牌信息的識(shí)別率大于預(yù)設(shè)閾值或者卷積神經(jīng)網(wǎng)絡(luò)模型的損失函數(shù)的損失值收斂于預(yù)設(shè)值。
10.根據(jù)權(quán)利要求9所述的裝置，其特征在于，所述車牌圖像樣本獲取單元包括：
獲取子單元，用于獲取所述車牌圖像的坐標(biāo)與尺寸大?。?/p>
圖像中心點(diǎn)確定子單元，用于根據(jù)所述車牌圖像的坐標(biāo)與尺寸大小，確定所述車牌圖像的圖像中心點(diǎn)；
車牌圖像樣本獲取子單元，用于以所述圖像中心點(diǎn)為中心，按照所述預(yù)設(shè)尺寸進(jìn)行所述車牌圖像擴(kuò)展，得到所述車牌圖像樣本。
11.根據(jù)權(quán)利要求8-10中任一項(xiàng)所述的裝置，其特征在于，所述卷積神經(jīng)網(wǎng)絡(luò)模型設(shè)置有多個(gè)字符結(jié)果輸出層，所述多個(gè)字符結(jié)果輸出層分別對(duì)應(yīng)輸出所述車牌圖像樣本中多個(gè)字符的識(shí)別結(jié)果。
12.根據(jù)權(quán)利要求11所述的裝置，其特征在于，
所述卷積神經(jīng)網(wǎng)絡(luò)模型設(shè)置有多個(gè)字符結(jié)果輸出層，所述多個(gè)字符結(jié)果輸出層分別對(duì)應(yīng)輸出所述車牌圖像樣本中多個(gè)字符的識(shí)別結(jié)果。
13.根據(jù)權(quán)利要求12所述的裝置，其特征在于，在所述確定單元確定所述待識(shí)別圖像的車牌信息的步驟之后，還包括：
第一判定單元，用于將所述多個(gè)字符結(jié)果輸出層的輸出結(jié)果與第二預(yù)設(shè)閾值進(jìn)行比較，當(dāng)所述字符結(jié)果輸出層的輸出結(jié)果小于所述第二預(yù)設(shè)閾值時(shí)，判定所述待識(shí)別圖像的車牌信息識(shí)別錯(cuò)誤。
14.根據(jù)權(quán)利要求12所述的裝置，其特征在于，在所述確定單元確定所述待識(shí)別圖像的車牌信息的步驟之后，還包括：
第二判定單元，用于當(dāng)所述多個(gè)字符結(jié)果輸出層輸出的字符識(shí)別結(jié)果為預(yù)設(shè)非真實(shí)車牌圖像信息值或者所述長(zhǎng)度結(jié)果輸出層輸出的車牌長(zhǎng)度為預(yù)設(shè)長(zhǎng)度值或者所述多個(gè)字符結(jié)果輸出層的識(shí)別結(jié)果中輸出的數(shù)字0的數(shù)量大于預(yù)設(shè)數(shù)量時(shí)，判定所述待識(shí)別圖像不是真實(shí)車牌圖像。