[發(fā)明專利]一種車牌檢測方法、裝置、介質(zhì)有效
| 申請?zhí)枺?/td> | 202110983760.9 | 申請日： | 2021-08-25 |
| 公開（公告）號： | CN113628206B | 公開（公告）日： | 2022-08-12 |
| 發(fā)明（設(shè)計）人： | 唐健;祝嚴(yán)剛;黃海波 | 申請（專利權(quán)）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;G06V10/774;G06V10/82;G06N3/04;G06N3/08 |
| 代理公司： | 深圳市深佳知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 44285 | 代理人： | 陳彥如 |
| 地址： | 518000 廣東省深圳市龍華*** | 國省代碼： | 廣東;44 |
| 權(quán)利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關(guān)鍵詞： | 一種 車牌 檢測 方法 裝置 介質(zhì) | ||
本申請?zhí)峁┝艘环N車牌檢測方法、裝置、介質(zhì)，該車牌檢測方法包括：當(dāng)檢測到車輛通過時，從攝像機(jī)處獲得用于檢測車牌的待檢測圖片，調(diào)用車牌檢測模型對待檢測圖片進(jìn)行處理，以獲取車牌檢測框，從而實現(xiàn)車牌的檢測。其中，車牌檢測模型是基于OneNet目標(biāo)檢測模型中用于目標(biāo)檢測的網(wǎng)絡(luò)和具有倒置殘差結(jié)構(gòu)的可分離卷積網(wǎng)絡(luò)中用于特征提取的網(wǎng)絡(luò)得到，車牌檢測模型的主干是具有倒置殘差結(jié)構(gòu)的可分離卷積網(wǎng)絡(luò)，是一種輕量級的網(wǎng)絡(luò)，具有較高的實時性，可以部署在嵌入式平臺或其他資源有限的平臺中。通過采用本申請?zhí)峁┑能嚺茩z測方法，可以實現(xiàn)利用車牌檢測模型檢測車牌的目的，且檢測過程簡單高效，減少人力物力的浪費，提高電動車監(jiān)管效率。
技術(shù)領(lǐng)域
本申請涉及機(jī)器學(xué)習(xí)領(lǐng)域，特別是涉及一種車牌檢測方法、裝置、介質(zhì)。
背景技術(shù)
電動車具有極高的出行效率，根據(jù)中國自行車協(xié)會公布的數(shù)據(jù)，2019年中國電動車社會保有量已經(jīng)接近3億輛，位居世界第一。由于電動車的數(shù)量越來越多，闖紅燈、隨意停放、逆行、盜竊、肇事逃逸等現(xiàn)象也隨之而來，造成了交通混亂。為了維護(hù)交通秩序，避免交通事故的發(fā)生，需要對電動車進(jìn)行監(jiān)管，記錄違章電動車的牌照。目前主要依靠人工對電動車進(jìn)行監(jiān)管，需要人工記錄牌照，效率低下，浪費大量人力物力。
由此可見，如何提高電動車監(jiān)管效率，是研究人員亟需解決的問題。
發(fā)明內(nèi)容
本申請的目的是提供一種車牌檢測方法，用于提高電動車監(jiān)管效率。
為解決上述技術(shù)問題，本申請?zhí)峁┮环N車牌檢測方法，包括：
獲取車輛通過時的待檢測圖片；
調(diào)用車牌檢測模型對所述待檢測圖片進(jìn)行處理，以輸出車牌區(qū)域的檢測框；其中，所述車牌檢測模型基于OneNet目標(biāo)檢測模型中用于目標(biāo)檢測的網(wǎng)絡(luò)和具有倒置殘差結(jié)構(gòu)的可分離卷積網(wǎng)絡(luò)中用于特征提取的網(wǎng)絡(luò)得到，并基于訓(xùn)練數(shù)據(jù)集進(jìn)行訓(xùn)練；
獲取所述檢測框，以實現(xiàn)車牌的檢測。
優(yōu)選的，所述車輛檢測模型獲取所述車牌區(qū)域的所述檢測框，包括：
獲取所述車牌的檢測特征和所述車牌的特征點的檢測特征；
結(jié)合所述車牌的檢測特征和分類損失函數(shù)，匹配類別置信度和位置置信度最高的樣本；
獲取所述車牌區(qū)域的預(yù)測框；
通過所述車牌的檢測特征和所述特征點的檢測特征計算多任務(wù)損失函數(shù)，利用所述多任務(wù)損失函數(shù)對所述預(yù)測框進(jìn)行回歸運算，獲得所述檢測框；
所述多任務(wù)損失函數(shù)的計算公式為Lall＝λclsLcls+λl1Ll1+λgiouLgiou+λlanLlan，其中Lcls為目標(biāo)分類損失函數(shù)，Ll1為目標(biāo)位置回歸損失函數(shù)，Lgiou為目標(biāo)定位損失函數(shù)，Llan為特征點定位損失函數(shù)，λcls為所述目標(biāo)分類損失函數(shù)的權(quán)重，λl1為所述目標(biāo)位置回歸損失函數(shù)的權(quán)重，λgiou為所述目標(biāo)定位損失函數(shù)的權(quán)重，λlan為所述特征點定位損失函數(shù)的權(quán)重。
優(yōu)選的，所述獲得所述檢測框的步驟后，還包括：
通過所述特征點的檢測特征對所述車牌區(qū)域進(jìn)行仿射變換，對所述車牌區(qū)域進(jìn)行矯正。
優(yōu)選的，所述并基于訓(xùn)練數(shù)據(jù)集進(jìn)行訓(xùn)練，包括：
使用隨機(jī)梯度下降法對所述車牌檢測模型的參數(shù)進(jìn)行迭代更新。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息，商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于深圳市捷順科技實業(yè)股份有限公司，未經(jīng)深圳市捷順科技實業(yè)股份有限公司許可，擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作，請聯(lián)系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202110983760.9/2.html，轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
