[發明專利]一種多方向車牌的檢測方法和裝置

在審

• 申請號: 202210126559.3
• 申請日: 2022-02-10
• 公開（公告）號: CN114581898A
• 公開（公告）日: 2022-06-03
• 發明（設計）人: 李振嘉;殷緒成;陳松路
• 申請（專利權）人: 北京科技大學
• 主分類號: G06V20/62
• 分類號: G06V20/62;G06V10/26;G06V10/32;G06V10/44;G06V10/764;G06K9/62;G06T7/66;G06T7/73
• 代理公司: 北京金智普華知識產權代理有限公司 11401
• 代理人: 岳野

本發明涉及一種多方向車牌的檢測方法和裝置，方法包括如下步驟：S1.對采集處理后的圖片進行特征提取得到第一特征；對所述第一特征進行檢測得到車牌的預測位置；S2.對車牌的預測位置進行擴張得到擴張區域；S3.以所述擴張區域作為參照，對所述第一特征進行處理得到第二特征；S4.對所述第二特征進行修正和再次檢測得到多方向車牌的位置。本發明提供了從粗到精的車牌檢測方法提升不同尺寸的車牌的檢測性能。本發明利用無錨框機制以及粗檢測方式來對圖像中的車牌的特征進行提取和處理，利用位置修正模塊提升車牌檢測的準確率，在位置修正模塊采用了基于關鍵點回歸四個頂點的計算方法來定位多方向車牌，大量實驗表明本發明方法的有效性及可拓展性。

技術領域

本發明屬于計算機視覺領域，具體涉及一種多方向車牌的檢測方法和裝置。

背景技術

智能交通系統是未來交通系統的重要發展方向，智能車牌識別系統則是智能交通系統的重要組成部分，作為車牌識別系統的前置模塊，自動化車牌檢測也格外重要。傳統的車牌檢測方法通過設計特征檢測車牌的邊緣來實現車牌檢測，但這種方法有非常大的局限性，只能適應非常小的場景，而且速度比較慢。隨著近年來算力和數據的空前增加，深度學習被用來應用在各個領域。

目前基于深度學習的車牌檢測方法都忽視了小尺寸車牌帶來的前景-背景類別不平衡問題，這是由于小尺寸車牌往往只占據圖像的一小部分引起的，這也導致了他們的小尺寸車牌檢測性能不佳。現有一些方法中直接對整張圖片進行分析檢測車牌位置，忽視了小尺寸車牌帶來的前景-背景類別不平衡問題，往往會產生很多漏檢；還有一些方法先檢測車輛位置再在車輛區域定位車牌，依賴車輛檢測器的效果，如果發生車輛被部分遮擋情況，就可能會檢測不到車輛從而檢測不到車牌；而且如果遇到大卡車，公共汽車等大型車輛，車牌將仍然只占據車輛的一小部分區域，這將需要復雜的后處理，且仍然沒有解決大型車輛的車牌檢測漏檢問題。

發明內容

本發明的目的是為了解決現有技術中針對道路交通場景，小尺寸車牌導致的檢測任務中前景-背景的類別不平衡問題，從而導致的小尺寸車牌漏檢問題，本發明旨在提供一種多方向車牌的檢測方法和裝置，用于解決現有技術中存在的上述問題。

本發明的上述技術目的將通過以下所述的技術方案予以實現。

一種多方向車牌的檢測方法，所述方法包括如下步驟：

S1.對采集處理后的圖片進行特征提取得到第一特征；對所述第一特征進行檢測得到車牌的預測位置；

S2.對車牌的預測位置進行擴張得到擴張區域；

S3.以所述擴張區域作為參照，對所述第一特征進行處理得到第二特征；

S4.對所述第二特征進行修正和再次檢測得到多方向車牌的位置。

如上所述的方面和任一可能的實現方式，進一步提供一種實現方式，所述采集處理后的圖片通過對采集到的圖片按照預先規定的尺寸進行按比例縮放和歸一化得到。

如上所述的方面和任一可能的實現方式，進一步提供一種實現方式，所述S3具體包括：

S31.將車牌的預測位置向外擴張1～4倍得到一個擴張區域，然后從所述首層特征圖中裁剪出與該擴張區域相對應的裁剪區域，并將該裁剪區域進行縮放處理；

S32.重復步驟S31，從所述第一特征的首層特征圖中得到所有與車牌的預測位置相對應的縮放的裁剪區域，并將所有裁剪區域進行拼接得到所述第二特征。

如上所述的方面和任一可能的實現方式，進一步提供一種實現方式，所述S4具體包括：對所述第二特征進行提取得到第三特征，對所述第三特征進行處理得到一個2X2X9維的向量，對該向量計算得到所述多方向車牌的位置。

本發明還提供了一種多方向車牌的檢測裝置，所述裝置包括粗檢測模塊、區域擴展與特征選取模塊和位置修正模塊，