[發(fā)明專利]車牌檢測(cè)方法、裝置及設(shè)備

在審

• 申請(qǐng)?zhí)枺?/td>: 201910735132.1
• 申請(qǐng)日: 2019-08-09
• 公開(kāi)（公告）號(hào): CN112348044A
• 公開(kāi)（公告）日: 2021-02-09
• 發(fā)明（設(shè)計(jì)）人: 涂叢歡
• 申請(qǐng)（專利權(quán)）人: 上海高德威智能交通系統(tǒng)有限公司
• 主分類號(hào): G06K9/62
• 分類號(hào): G06K9/62;G06K9/46;G06N3/04;G06N3/08
• 代理公司: 北京博思佳知識(shí)產(chǎn)權(quán)代理有限公司 11415
• 代理人: 王葉娟

1.一種車牌檢測(cè)方法，其特征在于，包括：

獲取采集的車輛圖像；

將所述車輛圖像輸入至已訓(xùn)練的車牌檢測(cè)模型，以利用所述車牌檢測(cè)模型檢測(cè)所述車輛圖像中車牌的位置信息和車牌所屬的車牌類別信息；

其中，所述車牌的位置信息和車牌類別信息用于所述車輛圖像的車牌識(shí)別；所述車牌類別信息至少包括車牌顏色信息、及表征車牌上字符分布結(jié)構(gòu)的結(jié)構(gòu)信息。

2.如權(quán)利要求1所述的車牌檢測(cè)方法，其特征在于，利用所述車牌檢測(cè)模型檢測(cè)所述車輛圖像中車牌的位置信息和所屬的車牌類別信息，包括：

利用所述車牌檢測(cè)模型的特征提取層對(duì)所述車輛圖像進(jìn)行特征提取得到特征數(shù)據(jù)，并將所述特征數(shù)據(jù)輸入至所述車牌檢測(cè)模型的分類層及回歸層；所述特征提取層至少包括級(jí)聯(lián)的用于執(zhí)行特征提取的第一卷積子層和用于執(zhí)行全連接的第二卷積子層；

利用所述回歸層依據(jù)所述特征數(shù)據(jù)定位所述車輛圖像中的車牌，得到所述車牌的位置信息；

利用所述分類層依據(jù)所述特征數(shù)據(jù)計(jì)算所述車牌所屬的車牌類別信息。

3.如權(quán)利要求1所述的車牌檢測(cè)方法，其特征在于，所述車牌檢測(cè)模型通過(guò)以下步驟訓(xùn)練得到：

獲取樣本圖像集，所述樣本圖像集包括多個(gè)包含車牌的樣本圖像，每個(gè)樣本圖像中帶有標(biāo)簽，所述標(biāo)簽包括：圖像樣本中車牌的位置信息及車牌類別信息；

從所述樣本圖像集中選擇樣本圖像進(jìn)行復(fù)制并將復(fù)制所得樣本圖像加入至所述樣本圖像集中，以使所述樣本圖像集中各車牌類別信息的樣本圖像數(shù)量在樣本圖像集包含的樣本圖像總數(shù)量中的占比分別達(dá)到各設(shè)定占比；

利用所述樣本圖像集訓(xùn)練出所述車牌檢測(cè)模型。

4.如權(quán)利要求3所述的車牌檢測(cè)方法，其特征在于，從所述樣本圖像集中選擇樣本圖像進(jìn)行復(fù)制并將復(fù)制所得樣本圖像加入至所述樣本圖像集中，包括：

計(jì)算樣本圖像集中每種車牌類別信息的樣本圖像數(shù)量在樣本圖像集包含的樣本圖像總數(shù)量中的占比；

選擇第一車牌類別信息的樣本圖像進(jìn)行復(fù)制，其中，所述第一車牌類別信息的樣本圖像數(shù)量的占比未達(dá)到相應(yīng)設(shè)定占比；

將復(fù)制所得樣本圖像加入至樣本圖像集中，返回所述計(jì)算樣本圖像集中每種車牌類別信息的樣本圖像數(shù)量在樣本圖像集中的占比的操作。

5.如權(quán)利要求3所述的車牌檢測(cè)方法，其特征在于，利用所述樣本圖像集訓(xùn)練出所述車牌檢測(cè)模型，包括：

利用所述樣本圖像集訓(xùn)練第一模型；

檢查本次訓(xùn)練是否滿足指定要求，若是，將所述第一模型確定為車牌檢測(cè)模型，若否，對(duì)所述樣本圖像集中的樣本圖像進(jìn)行變換處理，返回利用所述樣本圖像集訓(xùn)練第一模型的操作。

6.如權(quán)利要求5所述的車牌檢測(cè)方法，其特征在于，對(duì)所述樣本圖像集中的樣本圖像進(jìn)行變換處理，包括：

針對(duì)所述樣本圖像集中每一樣本圖像，確定該樣本圖像的旋轉(zhuǎn)角度和縮放比例，按照所述旋轉(zhuǎn)角度對(duì)該樣本圖像進(jìn)行旋轉(zhuǎn)，并按照所述縮放比例對(duì)該樣本圖像進(jìn)行縮放。

7.一種車牌檢測(cè)裝置，其特征在于，包括：

圖像獲取模塊，用于獲取采集的車輛圖像；

車牌檢測(cè)模塊，用于將所述車輛圖像輸入至已訓(xùn)練的車牌檢測(cè)模型，以利用所述車牌檢測(cè)模型檢測(cè)所述車輛圖像中車牌的位置信息和車牌所屬的車牌類別信息；

其中，所述車牌的位置信息和車牌類別信息用于所述車輛圖像的車牌識(shí)別；所述車牌類別信息至少包括車牌顏色信息、及表征車牌上字符分布結(jié)構(gòu)的結(jié)構(gòu)信息。

8.如權(quán)利要求7所述的車牌檢測(cè)裝置，其特征在于，車牌檢測(cè)模塊利用所述車牌檢測(cè)模型檢測(cè)所述車輛圖像中車牌的位置信息和所屬的車牌類別信息時(shí)，具體用于：

利用所述車牌檢測(cè)模型的特征提取層對(duì)所述車輛圖像進(jìn)行特征提取得到特征數(shù)據(jù)，并將所述特征數(shù)據(jù)輸入至所述車牌檢測(cè)模型的分類層及回歸層；所述特征提取層至少包括級(jí)聯(lián)的用于執(zhí)行特征提取的第一卷積子層和用于執(zhí)行全連接的第二卷積子層；

利用所述回歸層依據(jù)所述特征數(shù)據(jù)定位所述車輛圖像中的車牌，得到所述車牌的位置信息；

利用所述分類層依據(jù)所述特征數(shù)據(jù)計(jì)算所述車牌所屬的車牌類別信息。