电动自行车车牌识别方法、装置及存储介质与流程

1.本发明涉及图像识别领域，尤其是一种电动自行车车牌识别方法、装置及存储介质。


背景技术：

2.相关技术中，常用的识别方法无法对不同类型的电动自行车车牌进行准确的识别。因此，如何提供一种适用于多种电动自行车车牌的电动自行车车牌识别方法成为了一个亟待解决的问题。


技术实现要素：

3.本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明提出一种电动自行车车牌识别方法，能够实现对不同的电动自行车车牌进行自动识别。
4.本发明还提出一种具有上述电动自行车车牌识别方法的电动自行车车牌识别装置。
5.本发明还提出一种计算机可读存储介质。
6.根据本发明的第一方面实施例的电动自行车车牌识别方法，包括：
7.根据预设的车牌训练信息，生成训练集数据；
8.识别数据生成步骤：根据预设的模型参数或者更新参数更新预设的训练模型，得到更新模型；
9.将所述训练集数据输入更新模型，得到识别数据；
10.根据所述识别数据得到标准参数，或者得到更新参数以返回所述识别数据生成步骤；
11.根据所述训练模型和所述标准参数得到车牌识别模型；
12.将获取到的待识别图片输入至所述车牌识别模型，得到车牌号数据。
13.根据本发明实施例的电动车车牌检测方法，至少具有如下有益效果：本发明可以将预设的车牌训练信息进行初步筛选和归一化处理，得到便于识别的训练集数据，并通过执行识别数据生成步骤获取预设的模型参数或者更新参数，从而根据模型参数或者更新参数更新预设的训练模型，以得到适配于训练集数据的更新模型，并通过将训练集数据输入至更新模型得到用于检测当前生成的更新模型的准确度的识别数据；通过处理识别数据，本方法可以得到表征当前的更新模型识别差异程度的更新参数，并根据更新参数重新执行识别数据生成步骤，从而进一步检验根据更新参数更新后的更新模型的车牌识别准确度；或者得到可以准确识别电动自行车车牌的模型对应的标准参数，并根据预设的训练模型和标准参数得到可以准确的识别电动自行车车牌的车牌识别模型；本方法还可以将需要识别的待识别图片输入至车牌识别模型以得到车牌号数据，从而实现对不同类型的电动自行车车牌的自动识别。
14.根据本发明的一些实施例，所述根据预设的车牌训练信息，生成训练集数据，包
括：
15.获取电动车车牌集合，其中电动车车牌集合包括全部号牌图片；
16.根据所述电动车车牌集合得到每一号牌图片中车牌的图像信息；
17.根据预设的深度卷积神经网络对每一所述图像信息进行匹配处理，生成所述训练集数据。
18.根据本发明的一些实施例，所述根据所述电动车车牌集合得到每一号牌图片中车牌的图像信息，包括：
19.识别所述电动车车牌集合中每一所述号牌图片，得到每一所述号牌图片的面积比信息、水平倾斜度信息、垂直倾斜度信息、定位点坐标信息和号码位数信息；
20.根据每一所述号牌图片的面积比信息、所述水平倾斜度信息、所述垂直倾斜度信息、所述定位点坐标信息和所述号码位数信息得到每一所述号牌图片中车牌的所述图像信息。
21.根据本发明的一些实施例，所述识别数据生成步骤：根据预设的模型参数或者更新参数更新预设的训练模型，包括：
22.根据所述更新参数的获取状态，执行以下步骤之一：
23.若没有获取到所述更新参数，则根据预设的模型参数更新预设的训练模型并生成更新模型；
24.或者，
25.若获取到所述更新参数，则根据更新参数更新预设的训练模型并生成更新模型。
26.根据本发明的一些实施例，所述根据所述识别数据得到标准参数，或者得到更新参数以返回所述识别数据生成步骤，包括：
27.将所述识别数据与所述训练集数据进行比对，得到偏差数据；
28.根据预设的偏差阈值和偏差数据的比对结果，生成标准参数；
29.或者，
30.根据预设的偏差阈值和偏差数据的比对结果生成更新参数，并返回所述识别数据生成步骤。
31.根据本发明的一些实施例，所述根据预设的偏差阈值和偏差数据的比对结果，生成标准参数；或者，根据预设的偏差阈值和偏差数据的比对结果生成更新参数，并返回所述识别数据生成步骤，包括：
32.当所述偏差数据小于或者等于所述偏差阈值时，获取所述偏差数据对应的更新模型；
33.根据所述更新模型得到标准参数；
34.或者；
35.当所述偏差数据大于所述偏差阈值时，根据所述偏差数据与所述偏差阈值得到比对误差；
36.对所述比对误差做梯度计算，得到更新权值；
37.根据所述更新权值生成更新参数，并返回所述识别数据生成步骤。
38.根据本发明的第二方面实施例的电动自行车车牌识别装置，包括：
39.预生成模块，用于根据预设的车牌训练信息，生成训练集数据；
40.模型初始化模块，用于执行识别数据生成步骤：根据预设的模型参数或者更新参数更新预设的训练模型，得到更新模型；
41.数据生成模块，用于将所述训练集数据输入更新模型，得到识别数据，
42.更新模块，用于根据所述识别数据得到标准参数，或者得到更新参数以返回所述模型初始化模块以执行识别数据生成步骤；
43.模型生成模块，用于根据所述训练模型和所述标准参数得到车牌识别模型；
44.识别模块，用于将获取到的待识别图片输入至所述车牌识别模型，得到车牌号数据。
45.根据本发明实施例的电动自行车车牌识别装置，至少具有如下有益效果：
46.本发明所提供的电动自行车车牌识别装置可以通过预生成模块将预设的车牌训练信息进行筛选与匹配处理，得到用于训练模型使用的训练集数据；通过模型初始化模块可以执行识别数据生成步骤，即根据预设的模型参数或者更新参数更新预设的训练模型，从而更新训练模型或者提供可以准确识别电动自行车车牌的更新模型；通过数据生成模块可以将训练集数据输入至更新模型，以检验当前的更新模型的检测准确性，得到更新模型根据训练集数据进行识别输出的识别数据；通过更新模块可以对识别数据进行处理，以得到标准数据或者生成对应的更新参数，从而返回模型初始化模块以执行识别数据生成步骤，以更新当前的识别模型；通过模型生成模块可以根据得到的标准参数对训练模型进行固定，从而实现根据标准参数和训练模型得到车牌识别模型；通过识别模块可以将获取到的待识别图片输入至车牌识别模型实现自动识别，从而得到待识别图片所对应的车牌号数据。这一装置可以调用预设的训练集数据，得到可以识别不同类型电动自行车车牌的车牌识别模型，进而对需要检测的待识别图片进行自动检测，以实现对待识别图片中包含的车牌号数据的自动提取。
47.根据本发明的一些实施例，所述更新模块包括：
48.比对单元，用于将所述识别数据与所述训练集数据进行比对，得到偏差数据；
49.判断单元，用于根据预设的偏差阈值和偏差数据的比对结果，生成标准参数；
50.或者，
51.根据预设的偏差阈值和偏差数据的比对结果生成更新参数，并返回所述识别数据生成步骤。
52.根据本发明的第三方面实施例的电动自行车车牌识别设备，包括：
53.存储器，以及
54.与所述存储器通信连接的至少一个处理器，其中
55.所述存储器存储有指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器执行所述指令时，实现如本发明第一方面实施例所述的电动自行车车牌识别方法。
56.根据本发明实施例的电动自行车车牌识别设备，至少具有如下有益效果：
57.本发明提供的电动自行车车牌识别设备中的存储器中存储有指令，与存储器通信连接的至少一个处理器可以调用并执行指令。通过执行这一指令，本发明所提供的电动自行车车牌识别设备可以针对多种电动车车牌自动识别。具体地，本发明可以将预设的车牌训练信息进行初步筛选和归一化处理，得到便于识别的训练集数据，并通过执行识别数据
生成步骤获取预设的模型参数或者更新参数，从而根据模型参数或者更新参数更新预设的训练模型，以得到适配于训练集数据的更新模型，并通过将训练集数据输入至更新模型得到用于检测当前生成的更新模型的准确度的识别数据；通过处理识别数据，本发明可以得到表征当前的更新模型识别差异程度的更新参数，并根据更新参数重新执行识别数据生成步骤，从而进一步检验根据更新参数更新后的更新模型的车牌识别准确度；或者得到可以准确识别电动自行车车牌的模型对应的标准参数，并根据预设的训练模型和标准参数得到可以准确的识别电动自行车车牌的车牌识别模型；本发明还可以将需要识别的待识别图片输入至车牌识别模型以得到车牌号数据，从而实现对不同类型的电动自行车车牌的自动识别。
58.根据本发明的第四方面实施例的计算机可读存储介质，所述计算机可读存储介质存储有计算机可执行指令，执行所述计算机可执行指令，计算机可以实现如本发明第一方面实施例所述的电动自行车车牌识别方法。
59.根据本发明实施例的计算机可读存储介质，至少具有如下有益效果：
60.本发明所提供的计算机可读存储介质中存储有计算机可执行指令，通过控制计算机执行计算计算机可执行指令，本发明可以针对多种电动车车牌自动识别。具体地，本发明可以将预设的车牌训练信息进行初步筛选和归一化处理，得到便于识别的训练集数据，并通过执行识别数据生成步骤获取预设的模型参数或者更新参数，从而根据模型参数或者更新参数更新预设的训练模型，以得到适配于训练集数据的更新模型，并通过将训练集数据输入至更新模型得到用于检测当前生成的更新模型的准确度的识别数据；通过处理识别数据，本发明可以得到表征当前的更新模型识别差异程度的更新参数，并根据更新参数重新执行识别数据生成步骤，从而进一步检验根据更新参数更新后的更新模型的车牌识别准确度；或者得到可以准确识别电动自行车车牌的模型对应的标准参数，并根据预设的训练模型和标准参数得到可以准确的识别电动自行车车牌的车牌识别模型；本发明还可以将需要识别的待识别图片输入至车牌识别模型以得到车牌号数据，从而实现对不同类型的电动自行车车牌的自动识别。
61.本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
62.下面结合附图和实施例对本发明做进一步的说明，其中：
63.图1为本发明电动自行车车牌识别方法的流程图。
64.图2为图1中步骤s100的具体流程图。
65.图3为图2中步骤s130的具体流程图。
66.图4为图1中步骤s200的具体流程图。
67.图5为图1中步骤s400的具体流程图。
68.图6为图5中步骤s420的具体流程图。
69.图7为图5中步骤s430的具体流程图。
具体实施方式
70.下面详细描述本发明的实施例，实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。
71.在本发明的描述中，需要理解的是，涉及到方位描述，例如上、下、前、后、左、右等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
72.在本发明的描述中，若干的含义是一个以上，多个的含义是两个以上，大于、小于、超过等理解为不包括本数，以上、以下、以内等理解为包括本数。如果有描述到第一、第二只是用于区分技术特征为目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量或者隐含指明所指示的技术特征的先后关系。
73.本发明的描述中，除非另有明确的限定，设置、安装、连接等词语应做广义理解，所属技术领域技术人员可以结合技术方案的具体内容合理确定上述词语在本发明中的具体含义。
74.本发明的描述中，参考术语“一个实施例”、“一些实施例”、“示意性实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
75.第一方面，参照图1，本发明提供了一种电动自行车车牌识别方法，包括：
76.s100，根据预设的车牌训练信息，生成训练集数据；
77.s200，识别数据生成步骤：根据预设的模型参数或者更新参数更新预设的训练模型，得到更新模型；
78.s300，将训练集数据输入更新模型，得到识别数据；
79.s400，根据识别数据得到标准参数，或者得到更新参数以返回识别数据生成步骤；
80.s500，根据训练模型和标准参数得到车牌识别模型；
81.s600，将获取到的待识别图片输入至车牌识别模型，得到车牌号数据。
82.本发明所提供的电动自行车车牌识别方法可以针对多种电动车车牌自动识别。具体地，本发明可以将预设的车牌训练信息进行初步筛选和归一化处理，得到便于识别的训练集数据，并通过执行识别数据生成步骤获取预设的模型参数或者更新参数，从而根据模型参数或者更新参数更新预设的训练模型，以得到适配于训练集数据的更新模型，并通过将训练集数据输入至更新模型得到用于检测当前生成的更新模型的准确度的识别数据；通过处理识别数据，本方法可以得到表征当前的更新模型识别差异程度的更新参数，并根据更新参数重新执行识别数据生成步骤，从而进一步检验根据更新参数更新后的更新模型的车牌识别准确度；或者得到可以准确识别电动自行车车牌的模型对应的标准参数，并根据预设的训练模型和标准参数得到可以准确的识别电动自行车车牌的车牌识别模型；本方法还可以将需要识别的待识别图片输入至车牌识别模型以得到车牌号数据，从而实现对不同类型的电动自行车车牌的自动识别。
83.参照图2，在一些实施例中，步骤s100包括：
84.s110，获取电动车车牌集合，其中电动车车牌集合包括全部号牌图片
85.s120，根据电动车车牌集合得到每一号牌图片中车牌的图像信息
86.s130，根据预设的深度卷积神经网络对每一图像信息进行匹配处理，生成训练集数据
87.本方法首先获取预设的电动车车牌集合，其中电动车车牌集合中包括未经处理的全部号牌图片，并对电动车车牌集合中的每一号牌图片进行识别与筛选，得到包含完整号牌信息的号牌图片对应的图像信息；本方法还可以将获取到的每一图像信息输入至预设的深度卷积网络以实现自动匹配，从而得到训练集数据。本发明所提供的电动自行车车牌识别方法可以将电动车车牌集合中的全部号牌图片进行匹配处理，从而提供包括全部类型的电动车车牌信息的训练集数据，以实现对不同类型的电动自行车车牌的自动识别。
88.在一些具体的实施例中，本方法所获取的电动车车牌集合包括5位号牌、6位号牌、7位号牌和8位号牌。
89.参照图3，在一些实施例中，步骤s130包括：
90.s131，识别电动车车牌集合中每一号牌图片，得到每一号牌图片的面积比信息、水平倾斜度信息、垂直倾斜度信息、定位点坐标信息和号码位数信息；
91.s132，根据每一号牌图片的面积比信息、水平倾斜度信息、垂直倾斜度信息、定位点坐标信息和号码位数信息得到每一号牌图片中车牌的图像信息。
92.本发明所提供的电动自行车车牌检测方法通过识别电动车车牌集合中的每一号牌图片，可以对每一号牌图片的具体图像内容进行标注。具体地，通过识别每一号牌图片，本方法可以读取每一号牌图片中号牌面积与图片面积之间的面积比信息、号牌图片与水平方向之间的水平倾斜度信息、号牌图片与垂直方向之间的垂直倾斜度信息、号牌识别点对应位置的定位点坐标信息和每一号牌图片中电动自行车车牌号的号码位数信息；本方法通过整合每一号牌图片的面积比信息、水平倾斜度信息、垂直倾斜度信息、定位点坐标信息和号码位数信息，并将其与对应的号牌图片进行绑定处理，可以得到包含每一号牌图片上具体车牌信息的图像信息，从而采用对应的识别模型对每一图像信息进行识别与匹配处理，进而实现对不同类型的电动自行车车牌的自动识别。
93.在一些具体的实施例中，本方法将每一号牌图片文件的文件名按照预设的命名格式进行限定，以实现将每一号牌图片对应的详细信息与对应的号牌图片进行绑定，从而生成每一号牌图片中的车牌的图像信息。
94.参照图4，在一些实施例中，步骤s200包括：
95.s210，根据更新参数的获取状态，执行以下步骤之一：
96.s211，若没有获取到更新参数，则根据预设的模型参数更新预设的训练模型并生成更新模型；
97.或者，
98.s212，若获取到更新参数，则根据更新参数更新预设的训练模型并生成更新模型。
99.本发明所提供的电动自行车车牌识别方法可以对更新参数的获取状态进行实时获取，并在没有获取到更新参数时，调用预设的模型参数，并采用模型参数更新预设的更新模型，从而得到可以识别电动自行车车牌的更新模型；或者在获取到更新参数后，将更新参
数输入至预设的训练模型以实现对模型的更新，从而得到较更新前的训练模型识别效果更好的更新模型。通过这一方法，本发明可以得到用于识别电动自行车车牌的更新模型，并通过获取包含识别偏差程序信息的更新参数对现有的模型进行更新，从而实现对不同类型的电动自行车车牌的识别。
100.参照图5，在一些实施例中，步骤s400包括：
101.s410，将识别数据与训练集数据进行比对，得到偏差数据；
102.s411，根据预设的偏差阈值和偏差数据的比对结果，生成标准参数；
103.或者，
104.s412，根据预设的偏差阈值和偏差数据的比对结果生成更新参数，并返回识别数据生成步骤。
105.本方法可以根据当前识别模型的识别结果与训练集数据进行比对，判断当前模型的识别能力。具体地，本方法将获取到的识别数据与训练集数据进行比对，得到当前的更新模型识别结果与真实数据之间的偏差，得到可以表征识别结果与训练集数据之间差异程度的偏差数据，并通过比对偏差数据与偏差阈值得到可以表征偏差数据对应的偏差范围的比对结果，从而根据比对结果判断当前的更新模型是否可以正确识别电动自行车车牌，以生成对应当前更新模型对应的标准参数，或者根据比对结果判断当前的更新模型无法正确识别电动车车牌，从而通过比对结果得到对应的更新参数，以重新执行识别数据生成步骤，对模型进行更新。通过这一方法，本方法可以对有效的识别模型进行固定，或者对识别准确率低的模型进行重新调整，以提升模型对电动自行车车牌的识别准确性。
106.参照图6和图7，在一些实施例中，步骤s410和步骤s420包括：
107.s421，当偏差数据小于或者等于偏差阈值时，获取偏差数据对应的更新模型；
108.s422，根据更新模型得到标准参数；
109.或者，
110.s431，当偏差数据大于偏差阈值时，根据偏差数据与偏差阈值得到比对误差；
111.s432，对比对误差做梯度计算，得到更新权值；
112.s433，根据更新权值生成更新参数，并返回识别数据生成步骤。
113.本方法可以将偏差数据与偏差阈值进行比对，并在偏差数据小于或者等于偏差阈值时，判断偏差数据对应的更新模型可以准确识别电动自行车车牌，并获取偏差数据对应的更新模型，从而根据更新模型得到更新模型中包含的标准参数；或者，当本方法检测到偏差数据大于偏差阈值时，本方法判断当前的更新模型无法准确的识别电动自行车车牌，并计算获得偏差数据与偏差阈值之间的比对误差，从而根据对比对误差进行梯度计算得到的更新权值生成用于更新无法准确识别电动自行车车牌的更新模型的更新参数，并返回识别数据生成步骤对当前的模型进行更新，从而提高本方法对电动自行车车牌识别的准确度。
114.第二方面，本发明提供了一种电动自行车车牌识别装置，包括：
115.预生成模块，用于根据预设的车牌训练信息，生成训练集数据；
116.模型初始化模，用于执行识别数据生成步骤：根据预设的模型参数或者更新参数更新预设的训练模型，得到更新模型；
117.数据生成模块，用于将训练集数据输入更新模型，得到识别数据，
118.更新模块，用于根据识别数据得到标准参数，或者得到更新参数以返回模型初始
化模块 200以执行识别数据生成步骤；
119.模型生成模块，用于根据训练模型和标准参数得到车牌识别模型；
120.识别模块，用于将获取到的待识别图片输入至车牌识别模型，得到车牌号数据。
121.本发明所提供的电动自行车车牌识别装置可以通过预生成模块将预设的车牌训练信息进行筛选与匹配处理，得到用于训练模型使用的训练集数据；通过模型初始化模块可以执行识别数据生成步骤，即根据预设的模型参数或者更新参数更新预设的训练模型，从而更新训练模型或者提供可以准确识别电动自行车车牌的更新模型；通过数据生成模块可以将训练集数据输入至更新模型，以检验当前的更新模型的检测准确性，得到更新模型根据训练集数据进行识别输出的识别数据；通过更新模块可以对识别数据进行处理，以得到标准数据或者生成对应的更新参数，从而返回模型初始化模块以执行识别数据生成步骤，以更新当前的识别模型；通过模型生成模块可以根据得到的标准参数对训练模型进行固定，从而实现根据标准参数和训练模型得到车牌识别模型；通过识别模块可以将获取到的待识别图片输入至车牌识别模型实现自动识别，从而得到待识别图片所对应的车牌号数据。这一装置可以调用预设的训练集数据，得到可以识别不同类型电动自行车车牌的车牌识别模型，进而对需要检测的待识别图片进行自动检测，以实现对待识别图片中包含的车牌号数据的自动提取。
122.在一些实施例中，更新模块包括：
123.比对单元，用于将识别数据与训练集数据进行比对，得到偏差数据；
124.判断单元，用于根据预设的偏差阈值和偏差数据的比对结果，生成标准参数；
125.或者，
126.根据预设的偏差阈值和偏差数据的比对结果生成更新参数，并返回识别数据生成步骤。
127.本发明所提供的电动车车牌检测装置中的更新模块可以通过比对单元获取识别数据和训练集数据，并控制比对单元对识别数据与训练集数据进行比对，得到包含识别结果差异程度信息的偏差数据，并通过判断单元将偏差数据与预设的偏差阈值进行比对，判断当前的识别数据是否在可接受范围内，进而对应生成标准参数以固定当前的训练模型，或者根据偏差阈值和偏差数据的比对结果生成包含识别结果差异信息的更新参数，并根据更新参数返回值识别数据生成步骤以实现对训练模型的更新。通过比对单元和判断单元，本发明提供的电动车车牌检测的检测装置可以实现对不同类型电动自行车车牌的自动检测。
128.第三方面，本发明提供了一种电动自行车车牌识别设备，包括：
129.存储器，以及
130.与存储器通信连接的至少一个处理器，其中
131.存储器存储有指令，指令被至少一个处理器执行，以使至少一个处理器执行指令时，实现如本发明第一方面实施例的电动自行车车牌识别方法。
132.本发明提供的电动自行车车牌识别设备中的存储器中存储有指令，与存储器通信连接的至少一个处理器可以调用并执行指令。通过执行这一指令，本发明所提供的电动自行车车牌识别设备可以针对多种电动车车牌自动识别。具体地，本发明可以将预设的车牌训练信息进行初步筛选和归一化处理，得到便于识别的训练集数据，并通过执行识别数据
生成步骤获取预设的模型参数或者更新参数，从而根据模型参数或者更新参数更新预设的训练模型，以得到适配于训练集数据的更新模型，并通过将训练集数据输入至更新模型得到用于检测当前生成的更新模型的准确度的识别数据；通过处理识别数据，本发明可以得到表征当前的更新模型识别差异程度的更新参数，并根据更新参数重新执行识别数据生成步骤，从而进一步检验根据更新参数更新后的更新模型的车牌识别准确度；或者得到可以准确识别电动自行车车牌的模型对应的标准参数，并根据预设的训练模型和标准参数得到可以准确的识别电动自行车车牌的车牌识别模型；本发明还可以将需要识别的待识别图片输入至车牌识别模型以得到车牌号数据，从而实现对不同类型的电动自行车车牌的自动识别。
133.第四方面，本发明提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机可执行指令，执行计算机可执行指令，计算机可以实现如本发明第一方面实施例的电动自行车车牌识别方法。
134.本发明所提供的计算机可读存储介质中存储有计算机可执行指令，通过控制计算机执行计算计算机可执行指令，本发明可以针对多种电动车车牌自动识别。具体地，本发明可以将预设的车牌训练信息进行初步筛选和归一化处理，得到便于识别的训练集数据，并通过执行识别数据生成步骤获取预设的模型参数或者更新参数，从而根据模型参数或者更新参数更新预设的训练模型，以得到适配于训练集数据的更新模型，并通过将训练集数据输入至更新模型得到用于检测当前生成的更新模型的准确度的识别数据；通过处理识别数据，本发明可以得到表征当前的更新模型识别差异程度的更新参数，并根据更新参数重新执行识别数据生成步骤，从而进一步检验根据更新参数更新后的更新模型的车牌识别准确度；或者得到可以准确识别电动自行车车牌的模型对应的标准参数，并根据预设的训练模型和标准参数得到可以准确的识别电动自行车车牌的车牌识别模型；本发明还可以将需要识别的待识别图片输入至车牌识别模型以得到车牌号数据，从而实现对不同类型的电动自行车车牌的自动识别。
135.上面结合附图对本发明实施例作了详细说明，但是本发明不限于上述实施例，在所属技术领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下作出各种变化。此外，在不冲突的情况下，本发明的实施例及实施例中的特征可以相互组合。