[發(fā)明專利]車牌矯正方法、裝置以及可讀存儲介質

有效

• 申請?zhí)枺?/td>: 201911054241.3
• 申請日: 2019-10-31
• 公開（公告）號: CN110807459B
• 公開（公告）日: 2022-06-17
• 發(fā)明（設計）人: 唐健;張彥彬;王浩
• 申請（專利權）人: 深圳市捷順科技實業(yè)股份有限公司
• 主分類號: G06V20/62
• 分類號: G06V20/62;G06V10/20;G06V10/24
• 代理公司: 深圳市深佳知識產(chǎn)權代理事務所(普通合伙) 44285
• 代理人: 王兆林

1.一種車牌矯正方法，其特征在于，包括：

獲取源圖像，所述源圖像中標記有第一檢測區(qū)域，所述第一檢測區(qū)域至少包括部分車牌輪廓；

擴大所述第一檢測區(qū)域得到第二檢測區(qū)域；

使用第一回歸模型對所述第二檢測區(qū)域內(nèi)的圖像進行計算得到四角點偏移量，所述第一回歸模型由深度學習框架以四角點偏移量為學習標簽對第一訓練樣本集進行學習后生成，所述第一訓練樣本集包括多個采集于真實環(huán)境中的第一類車牌樣本圖像,每一個所述第一類車牌樣本圖像中標注有第一學習框和車牌的四角點坐標；

根據(jù)所述四角點偏移量調(diào)整所述第二檢測區(qū)域得到第三檢測區(qū)域；

使用第二回歸模型對所述第三檢測區(qū)域進行計算得到四邊偏移量，其中所述四邊偏移量為所述第三檢測區(qū)域的四邊和所述第三檢測區(qū)域內(nèi)的車牌圖像的四邊誤差，所述第二回歸模型通過由所述深度學習框架以車牌的四邊偏移量為學習標簽對第二訓練樣本集進行學習后生成，所述第二訓練樣本集包括多個采集于真實環(huán)境中的第二類車牌樣本圖像,每一個所述第二類車牌樣本圖像中標注有第二學習框和車牌的四邊；

根據(jù)所述四邊偏移量調(diào)整所述第三檢測區(qū)域得到第四檢測區(qū)域；

對所述第四檢測區(qū)域內(nèi)的圖像進行傾斜矯正。

2.根據(jù)權利要求1所述的車牌矯正方法，其特征在于，所述擴大第一檢測區(qū)域得到第二檢測區(qū)域包括：

對第一檢測區(qū)域上下邊界分別擴大第一比例、左右邊界分別擴大第二比例得到第二檢測區(qū)域。

3.根據(jù)權利要求1所述的車牌矯正方法，其特征在于，

所述第一訓練樣本集和第二樣本訓練集都包括完全重疊樣本、部分重疊樣本和覆蓋樣本，其中：

所述第一訓練樣本集的完全重疊樣本中，所述第一學習框內(nèi)包括完整的車牌輪廓；

所述第一訓練樣本集的部分重疊樣本中，所述第一學習框內(nèi)包括不完整的車牌輪廓；

所述第一訓練樣本集的覆蓋樣本中，所述第一學習框在車牌輪廓內(nèi)；

所述第二訓練樣本集的完全重疊樣本中，所述第二學習框內(nèi)包括完整車牌輪廓；

所述第二訓練樣本集的部分重疊樣本中，所述第二學習框內(nèi)包括不完整的車牌輪廓；

所述第二訓練樣本集的覆蓋樣本中，所述第二學習框在車牌輪廓內(nèi)。

4.根據(jù)權利要求1至3中任一項所述的車牌矯正方法，其特征在于，所述根據(jù)所述四角點偏移量調(diào)整所述第二檢測區(qū)域得到第三檢測區(qū)域包括：

按照所述四角點偏移量調(diào)整所述第三檢測區(qū)域的四角點得到四個過渡坐標點；

作出所述四個過渡坐標點的最小外接矩形，將所述最小外接矩形作為第三檢測區(qū)域。

5.根據(jù)權利要求1至3中任一項所述的車牌矯正方法，其特征在于，所述深度學習框架采用快速特征嵌入的卷積結構，所述第一回歸模型訓練深度為3層，所述第二回歸模型訓練深度為4層。

6.根據(jù)權利要求1至3中任一項所述的車牌矯正方法，其特征在于，所述第二類車牌樣本圖像的車牌輪廓由所述第一類車牌樣本圖像的四角點坐標經(jīng)過插值處理得到。

7.根據(jù)權利要求1至3中任一項所述的車牌矯正方法，其特征在于，所述對所述第四檢測區(qū)域內(nèi)的圖像進行傾斜矯正包括：使用透視矯正函數(shù)對所述第四檢測區(qū)域的圖像進行傾斜矯正。