[發明專利]車牌關鍵信息的檢測方法和裝置

在審

• 申請號: 202010360895.5
• 申請日: 2020-04-30
• 公開（公告）號: CN113591835A
• 公開（公告）日: 2021-11-02
• 發明（設計）人: 熊兵;徐紹君;李燮;佟學儉
• 申請（專利權）人: 成都鼎橋通信技術有限公司
• 主分類號: G06K9/32
• 分類號: G06K9/32;G06N3/04
• 代理公司: 北京德琦知識產權代理有限公司 11018
• 代理人: 孫清然;王琦

本申請公開了一種車牌關鍵信息的檢測方法和裝置，其中方法包括：利用第一卷積神經網絡，確定待檢測車牌圖像的矩形框；根據所述矩形框，確定用于信息檢測的圖像；將用于信息檢測的圖像，調整為預設尺寸規格的圖像；將經過所述調整的圖像，輸入到第二卷積神經網絡中進行信息檢測，得到相應車牌信息的預測值；其中，第二卷積神經網絡包括L個卷積層、M個全連接層和N個池化層；L≥4；M≥2；N≥3；且所述第二卷積神經網絡在寬度方向的卷積步長大于在高度方向的卷積步長；所述預測值包括車牌置信度預測值和車牌關鍵點位置預測值，以及車牌分類預測值和/或車牌底色預測值。采用本申請，可以有效降低車牌關鍵信息檢測的運算開銷小、且易于實現。

技術領域

本發明涉及人工智能技術，特別是涉及一種車牌關鍵信息的檢測方法和裝置。

背景技術

隨著人工智能技術的廣泛應用，基于深度學習的卷積神經網絡(ConvolutionalNeural Network，CNN)在計算機視覺中應用越來越廣。對于車牌檢測和識別，其中比較重要的一個環節是車牌關鍵點檢測和車牌類型識別。

針對車牌關鍵點檢測和車牌類型識別，目前通常采用兩個過程分別執行關鍵點和類型的檢測。發明人在實現本發明的過程中發現：上述方案需要引入兩個獨立的CNN，分別應用于關鍵點檢測和類型的識別過程，如此，會使得整個方案的實現過程復雜，運算量大，尤其是在車牌類型識別時甚至會用原始圖片來進行CNN處理，從而會導致車牌類型識別運算量極大。

發明內容

有鑒于此，本發明的主要目的在于提供一種車牌關鍵信息的檢測方法和裝置，運算開銷小、易于實現。

為了達到上述目的，本發明提出的技術方案為：

一種車牌關鍵信息的檢測方法，包括：

利用預先訓練的第一卷積神經網絡，確定待檢測車牌圖像的矩形框；根據所述矩形框，確定用于信息檢測的圖像；

將所述用于信息檢測的圖像，調整為預設尺寸規格的圖像；

將經過所述調整的圖像，輸入到預先訓練的第二卷積神經網絡中進行信息檢測，得到相應車牌信息的預測值；其中，所述第二卷積神經網絡包括L個卷積層、M個全連接層和N個池化層；L≥4；M≥2；N≥3；且所述第二卷積神經網絡在寬度方向的卷積步長大于在高度方向的卷積步長；所述預測值包括車牌置信度預測值和車牌關鍵點位置預測值，以及車牌分類預測值和/或車牌底色預測值。

較佳地，所述車牌分類預測值包括：單行車牌預測值和雙行車牌預測值。

較佳地，所述車牌底色預測值包括：

藍色預測值、綠色預測值、黃色預測值、黑色預測值和/或白色預測值。

較佳地，所述車牌關鍵點位置預測值包括：

車牌四個角點的幾何位置對應的八個坐標值的預測值。

較佳地，所述方法進一步包括：

在預先對所述第二卷積神經網絡進行訓練的過程中，對sigmoid函數輸出的車牌關鍵點位置坐標值進行偏置補償，得到相應車牌關鍵點位置的真實坐標值；所述sigmoid函數用于將所述第二卷積神經網絡輸出的預測值限定在0至1范圍內。

一種車牌關鍵信息的檢測裝置，包括：處理器，所述處理器用于：

利用預先訓練的第一卷積神經網絡，確定待檢測車牌圖像的矩形框；根據所述矩形框，確定用于信息檢測的圖像；

將所述用于信息檢測的圖像，調整為預設尺寸規格的圖像；