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！

龙图腾网获悉广东工业大学申请的专利一种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：CN116168382B 。

龙图腾网通过国家知识产权局官网在2025-08-15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：202310304283.8，技术领域涉及：G06V20/62；该发明授权一种车牌识别方法是由黄旭民;杨锐彬;李培春;钟伟锋;谢胜利设计研发完成，并于2023-03-24向国家知识产权局提交的专利申请。

本一种车牌识别方法在说明书摘要公布了：本发明公开一种车牌识别方法，包括：构造车牌识别系统，中央服务器初始化车牌识别模型；客户端据本地车牌识别模型的本地车牌数据集进行本地训练，得到本地车牌识别模型的权重更新值；客户端对权重更新值进行压缩，将压缩后数据上传至中央服务器；中央服务器接收客户端上传的压缩后数据，重构第t轮权重更新值；中央服务器根据各客户端的第t轮权重更新值更新全局车牌识别模型，将更新后的全局车牌识别模型下发至各客户端；客户端更新当前本地车牌识别模型，第t轮通信完成；重复以上步骤，直至模型收敛；将待识别的车牌输入至收敛后的当前车牌识别模型，得到车牌识别结果。通过本发明可以减小客户端与中央服务器之间的传输数据量，减少通信开销。

本发明授权一种车牌识别方法在权利要求书中公布了：1.一种车牌识别方法，应用于车牌识别联邦学习系统，其特征在于，包括以下步骤： 步骤1：中央服务器初始化全局车牌识别模型并将全局车牌识别模型下发给各客户端，客户端接受中央服务器下发的全局车牌识别模型来更新客户端的本地车牌识别模型； 步骤2：客户端根据本地车牌模型的本地数据集进行本地训练，得到本地车牌识别模型的权重更新值； 步骤3：客户端对权重更新值进行压缩，包括： 步骤3.1，根据服务器指定的压缩倍数，确定卷积层的权重参数剪枝率ρ； 步骤3.2，计算权重更新值的L2范数，将具有最小L2范数的个卷积核置零，得到稀疏矩阵，其中为权重更新值经过剪枝的稀疏矩阵，完成权重更新值的稀疏；其中为二进制掩码矩阵，大小为，令为稀疏矩阵中的非零矩阵； 步骤3.3，保存非零矩阵的正负值状况以及绝对值，记非零矩阵的绝对值的最大值、最小值分别为,； 步骤3.4，对非零矩阵的绝对值按元素进行量化处理，量化区间为，量化等级为，量化区间间隔为，，量化区间可细分为，其中；对所有,若，则令，得到量化的索引矩阵，其中量化的索引矩阵大小与非零稀疏矩阵的绝对值相同，表示某个位置上的值被量化为量化值的某一个；利用、,恢复出经过量化的非零权重更新值的绝对值，利用恢复出非零权重更新值的绝对值的正负值状况即得到非零权重更新值；则经过量化后的非零权重更新值可以用、、、表示，利用二进制掩码矩阵和恢复出经过量化后的稀疏矩阵权重更新值； 步骤3.5，对索引矩阵压缩，得到索引矩阵的编码数据，此时经过量化后的稀疏矩阵权重更新值可由压缩元组表示； 步骤3.6，对本地车牌识别模型所有卷积层重复步骤3.2~步骤3.5,将所有压缩元组以及本地车牌识别模型权重更新值之外的参数打包，打包后的数据作为第t轮通信客户端的权重更新值，上传至中央服务器； 步骤4：中央服务器接收客户端上传的压缩后数据，重构第t轮权重更新值； 步骤5：中央服务器根据各客户端的第t轮权重更新值更新全局车牌识别模型，将更新后的全局车牌识别模型下发至各客户端； 步骤6：客户端根据更新后的全局车牌识别模型更新当前本地车牌识别模型，第t轮通信完成；重复步骤2至步骤6，直至当前本地车牌识别模型收敛；将待识别的车牌输入至收敛后的当前本地车牌识别模型，得到车牌识别结果。

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广东工业大学，其通讯地址为：510080 广东省广州市越秀区东风东路729号；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”。