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！

龙图腾网获悉河北工业大学申请的专利基于空间注意力特征的非受限场景下的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：CN115690770B 。

龙图腾网通过国家知识产权局官网在2025-08-05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：202211413757.4，技术领域涉及：G06V20/62；该发明授权基于空间注意力特征的非受限场景下的车牌识别方法是由贾永娜;王国伟;顾军华;蔡雍;刘星;李紫娟设计研发完成，并于2022-11-11向国家知识产权局提交的专利申请。

本基于空间注意力特征的非受限场景下的车牌识别方法在说明书摘要公布了：本发明公开了一种基于空间注意力特征的非受限场景下的车牌识别方法，通过YOLOv5目标检测网络提取出完整车牌图像中的车牌区域，然后将车牌区域送入空间变换网络对车牌字符进行矫正；再将矫正后的特征送入空间注意力特征提取模块提取该区域的空间注意力特征，得到最终特征；最后将最终特征输入到训练好的字符识别网络中进行字符识别，得到七个车牌的字符信息，进而识别出车牌字符。本发明通过计算车牌区域的空间注意力特征，使得网络更加专注于车牌区域的字符信息，避免了复杂的背景影响车牌识别的成功率。本发明在字符识别过程中采用了无分割方法，无需车牌字符区域的字符分割流程，从而避免了由于字符分割错误而导致的车牌字符识别错误。

本发明授权基于空间注意力特征的非受限场景下的车牌识别方法在权利要求书中公布了：1.一种基于空间注意力特征的非受限场景下的车牌识别方法，其特征在于，该方法包括以下步骤： 步骤1、对CCPD车牌数据集中的完整车牌图像进行处理，得到车牌区域的真实值、车牌字符的真实值和车牌区域图像；然后将完整车牌图像和车牌区域图像分别分为训练集、验证集和测试集； 步骤2、采用完整车牌图像训练集对YOLOv5目标检测网络进行训练，得到训练好的YOLOv5目标检测网络；再将完整车牌图像测试集输入到训练好的YOLOv5目标检测网络中，预测出完整车牌图像测试集中的图像的车牌区域四个顶点的坐标值作为车牌区域的预测值； 步骤2中，为了实现更准确地车牌区域预测，对YOLOv5目标检测网络进行改进，得到改进YOLOv5目标检测网络；具体改进方法是：为使得预设定锚框大小适合检测车牌，根据完整车牌图像训练集中的车牌进行kmeans聚类计算得到自适应锚框，进而得到改进YOLOv5目标检测网络； kmeans聚类的具体步骤如下： （2.1）从完整车牌图像训练集中随机选择k个车牌区域顶点坐标作为聚类中心，k也表示YOLOv5目标检测网络的初始锚框数量； （2.2）分别计算完整车牌图像训练集中的每个图像到k个聚类中心的距离，再将图像划分到距离最小的聚类中心所对应类别中；i表示完整车牌图像训练集中的第i张图像； （2.3）根据步骤（2.2）的重新划分类别后的图像，重新计算该类别的中心；最后计算k个聚类中心点作为k个预设锚框的大小；1≤j≤k，n为每个类别中的图像个数； 步骤3、将通过车牌区域的预测值裁剪出的车牌框送入空间变换网络对车牌字符进行矫正，得到矫正后的特征； 步骤4、采用车牌区域图像训练集对空间注意力特征提取模块进行训练，得到训练好的空间注意力特征提取模块；再将步骤3得到的矫正后的特征输入到训练好的空间注意力特征提取模块中，首先经过三个相同的卷积层处理，得到基本特征图F；再对基本特征图F分别进行全局最大值池化和全局平均值池化，得到两个特征图；再将两个特征图基于通道维度叠加，然后通过一个卷积层将特征图降维成一维，再经过sigmoid激活函数得到空间注意力特征；然后将空间注意力特征与基本特征图F做矩阵哈达玛积，得到最终特征； 步骤5、采用车牌区域图像训练集对字符识别网络进行训练，得到训练好的字符识别网络；再将步骤4得到的最终特征输入到训练好的字符识别网络中进行字符识别，得到七个车牌的字符信息，进而识别出车牌字符。

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河北工业大学，其通讯地址为：300130 天津市红桥区丁字沽光荣道8号河北工业大学东院330#；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”。