[發明專利]一種無限制安防場景下的車牌檢測識別系統及其方法

在審

• 申請號: 202110293871.7
• 申請日: 2021-03-19
• 公開（公告）號: CN112966631A
• 公開（公告）日: 2021-06-15
• 發明（設計）人: 劉治財;尹元韜;李晗
• 申請（專利權）人: 浪潮云信息技術股份公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/04;G06N3/08
• 代理公司: 濟南信達專利事務所有限公司 37100
• 代理人: 姜明

1.一種無限制安防場景下的車牌檢測識別系統，其特征在于，包括車牌檢測、車牌矯正、車牌識別三個模塊；

所述的車牌檢測模塊，根據獲取的無限制安防場景圖像，提取出車牌圖像，將車牌圖像以矩陣形式傳入車牌矯正模塊；

所述的車牌矯正模塊，將所獲得的車牌圖像進行變換，變為正視角的車牌圖像；

所述的車牌識別模塊，利用車牌識別網絡對獲取的正視角車牌圖像進行識別。

2.根據權利要求1所述的一種無限制安防場景下的車牌檢測識別系統，其特征在于，所述的車牌檢測模塊，在獲取無限制安防場景圖像后，利用YOLOv5車輛檢測算法對圖像中的車輛進行目標檢測，輸出車輛在圖像上的四個角點坐標，根據坐標裁剪出車輛圖像；利用YOLOv5車牌檢測算法對車輛圖像進行目標檢測，輸出車牌在圖像上的四個角點坐標，根據坐標裁剪出車牌圖像，將車牌圖像以矩陣的形式傳入車牌矯正網絡。

3.根據權利要求1所述的一種無限制安防場景下的車牌檢測識別系統，其特征在于，所述的車牌矯正模塊，利用STN空間變換網絡對車牌圖像進行在線變換，使輸入的車牌圖像具有空間不變性，即原本失真變形的車牌圖像變為正視角的車牌圖像。

4.根據權利要求1所述的一種無限制安防場景下的車牌檢測識別系統，其特征在于，所述的車牌識別模塊首先經過LPRnet寬卷積神經網絡對車牌圖像進行特征提取，獲得局部字符的上下文信息，然后對字符的概率進行解碼，通過集束搜索找到的前N個最可能序列，返回與預定義模板集合最匹配的第一個序列，即為車牌識別結果。

5.根據權利要求2所述的一種無限制安防場景下的車牌檢測識別方法，其特征在于，所述YOLOv5車輛檢測算法具體步驟為：

S101、獲取安防攝像機拍攝的視頻，對視頻抽幀處理，獲得安防場景下的車輛圖像；

S102、將S101中獲得的車輛圖像利用CVAT數據標注工具進行標注，獲得車輛檢測數據集；

S103、對S102中獲得的數據集標簽進行聚類，根據聚類結果確定YOLOv5檢測算法的先驗框的寬高和數量；

S104、利用S102中獲得的數據集以及S103中得到的先驗框配置，對YOLOv5檢測算法進行訓練，當網絡損失收斂時停止訓練，獲得模型權重；

S105、將安防視頻流輸入YOLOv5檢測算法，設置合適的置信度閾值和IOU閾值，經過網絡計算得到一系列的檢測框，再經過非極大值抑制算法過濾掉低質量檢測框和重復檢測框，獲得最終的車輛檢測框。

6.根據權利要求2所述的一種無限制安防場景下的車牌檢測識別方法，其特征在于，所述YOLOv5車牌檢測算法具體步驟為：

S201、利用CVAT數據標注工具對上述車輛檢測算法中得到的車輛數據集進行車牌區域標注，獲得車牌檢測數據集；

S202、對S201中獲得的車牌檢測數據集標簽進行聚類，根據聚類結果確定YOLOv5車牌檢測算法的先驗框的寬高和數量；

S203、利用S201中獲得的車牌檢測數據集和2中得到的先驗框配置，對YOLOv5檢測算法進行訓練，當網絡損失收斂時停止訓練，獲得模型權重；

S204、將上述YOLOv5車輛檢測算法輸出的車輛圖像輸入YOLOv5車牌檢測算法，設置合適的置信度閾值和IOU閾值，經過網絡計算得到一系列的檢測框，再經過非極大值抑制算法過濾掉低質量檢測框和重復檢測框，獲得最終的車牌檢測框。

7.根據權利要求1所述的一種無限制安防場景下的車牌檢測識別方法，其特征在于，所述空間變換具體實現方式為：

S301、輸入的車牌圖像首先兩個全連接層進行特征提取，然后接一個回歸層，輸出變換參數；

S302、利用S301中輸出的變換參數，計算輸出特征圖上每個坐標位置對應輸入特征圖上的坐標位置；

S303、根據S302中得到空間位置映射關系，在輸入特征圖上進行雙線性插值采樣得到輸出特征圖的像素。