本发明涉及数据处理，特别是涉及一种特殊车牌识别方法、系统、介质及电子设备。
背景技术：
1、对于工矿企业来说，进出场的工程车辆与社会车辆不同，车牌识别无法基于现有市面的识别系统进行识别，其中，在工程车进入生产现场时，需要对每辆车进行登记，即准确且快速地确定车辆车牌，实时显示在工作人员监控端，完成车辆的智能管理。为此，需要研发一种准确、高效的车牌识别系统，实现对不同类型以及不同环境下的车辆车牌实时识别与管理。
2、而目前，市场上的车牌识别系统仅仅能识别普通号牌和新能源汽车专用号牌，而对于例如“宝钢b 1234”这类专有车牌无法识别，为了配合厂区内智能门禁，需要研发一种可以识别特殊车牌识别方法。
技术实现思路
1、本发明的目的在于提供一种特殊车牌识别方法、系统、介质及电子设备，用于解决特殊车牌识别的问题。
2、第一方面，本申请提供了一种特殊车牌识别方法，所述方法包括：
3、采集出入场工程车辆的车牌数据，其中，所述车牌数据至少包括车牌图像；
4、将所述车牌数据输入到训练好的车牌识别模型中进行识别，其中，
5、对车牌数据进行识别时具体包括车牌目标框检测以及车牌内容识别；以及加载所述车牌识别模型时利用预设的单例模式进行模型调用；
6、基于所述车牌识别模型的识别结果输出当前所述工程车辆对应的车牌信息。
7、在本申请一个可能的实现方式中，所述方法还包括生成所述车牌识别模型：
8、采集预设工程车辆的车牌图像信息并进行标注得到车牌数据集；
9、初始化深度学习神经网络模型；
10、将所述车牌数据集输入到所述深度学习神经网络模型中进行训练直到模型训练结束得到所述车牌识别模型。
11、在本申请一个可能的实现方式中，所述采集预设工程车辆的车牌图像信息并进行标注得到车牌数据集，具体包括：
12、采集所述车牌图像信息，其中，所述车牌图像信息包括不同角度、不同光照条件以及不同类型的工程车辆图像；
13、基于所述车牌图像信息利用预设文字识别模型进行识别，并结合人工标注数据对识别结果进行校正，从而得到所述车牌数据集。
14、在本申请一个可能的实现方式中，在对所述深度学习神经网络模型训练时，具体包括：
15、基于所述车牌数据集获取训练集和测试集；
16、基于所述训练集输入到所述深度学习神经网络模型进行训练，并利用测试集进行测试以筛选出精度最高的模型作为所述车牌识别模型，其中，
17、训练过程中，加入预设特殊字符进行训练；以及
18、采用单个视觉模型的场景文字识别方法对车牌信息进行识别。
19、在本申请一个可能的实现方式中，所述加载所述车牌识别模型时利用预设的单例模式进行模型调用，具体包括：
20、将训练好的车牌识别模型通过预设程序框架包装为服务接口；
21、在对工程车辆进行图像识别前，利用所述服务接口完成所述车牌识别模型的加载；
22、在对工程车辆进行图像识别时，利用加载好的所述车牌识别模型进行图像识别。
23、在本申请一个可能的实现方式中，所述对车牌数据进行识别时具体包括车牌目标框检测以及车牌内容识别，具体包括：
24、基于预设的微分二值化算法对所述车牌数据中的车牌图像进行处理以分离图像中的背景部分和车牌部分；
25、利用预设的db-ma算法添加通道和空间注意力使得所述车牌目标框检测聚焦于所述车牌部分；
26、基于预设的文本识别算法对车牌目标框检测得到的数据内容进行文本识别。
27、在本申请一个可能的实现方式中，基于微分二值化算法将二值化操作插入到分割网络中进行组合优化，采用动态阈值区分所述背景部分和所述车牌部分。
28、第二方面，本申请提供了一种特殊车牌识别系统，所述系统包括：
29、采集模块，用于采集出入场工程车辆的车牌数据，其中，所述车牌数据至少包括车牌图像；
30、输入模块，用于将所述车牌数据输入到训练好的车牌识别模型中进行识别，其中，
31、识别模块，用于对车牌数据进行识别时具体包括车牌目标框检测以及车牌内容识别；以及加载所述车牌识别模型时利用预设的单例模式进行模型调用；
32、输出模块，用于基于所述车牌识别模型的识别结果输出当前所述工程车辆对应的车牌信息。
33、第三方面，本申请提供了一种上述的计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现所述特殊车牌识别方法。
34、第四方面，本申请提供了一种上述的电子设备，所述电子设备包括：处理器及存储器；其中，所述存储器用于存储计算机程序，所述处理器用于加载执行所述计算机程序，以使所述电子设备执行所述的特殊车牌识别方法。
35、如上所述，本发明的特殊车牌识别方法、系统、介质及电子设备，能够完成特殊车牌的识别，采用单例模式进行车牌识别模型的部署，在应用时，车牌识别模型直接对图像进行识别并输出，避免每次模型加载造成的时间耗费，并且识别速度快、效率高、准确率高。
1.一种特殊车牌识别方法，其特征在于，包括：
2.根据权利要求1所述的特殊车牌识别方法，其特征在于，所述方法还包括生成所述车牌识别模型：
3.根据权利要求2所述的特殊车牌识别方法，其特征在于，所述采集预设工程车辆的车牌图像信息并进行标注得到车牌数据集，具体包括：
4.根据权利要求3所述的特殊车牌识别方法，其特征在于，在对所述深度学习神经网络模型训练时，具体包括：
5.根据权利要求1所述的特殊车牌识别方法，其特征在于，所述加载所述车牌识别模型时利用预设的单例模式进行模型调用，具体包括：
6.根据权利要求1所述的特殊车牌识别方法，其特征在于，所述对车牌数据进行识别时具体包括车牌目标框检测以及车牌内容识别，具体包括：
7.根据权利要求6所述的特殊车牌识别方法，其特征在于，基于微分二值化算法将二值化操作插入到分割网络中进行组合优化，采用动态阈值区分所述背景部分和所述车牌部分。
8.一种特殊车牌识别系统，其特征在于，包括：
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1至7任一项所述特殊车牌识别方法。
10.一种电子设备，其特征在于，所述电子设备包括：处理器及存储器；其中，所述存储器用于存储计算机程序，所述处理器用于执行所述存储器存储的计算机程序，以使所述电子设备执行如权利要求1至7中任一项所述特殊车牌识别方法。
