申请/专利权人：松立控股集团股份有限公司

申请日：2022-08-18

公开（公告）日：2022-09-16

公开（公告）号：CN115063786A

主分类号：G06V20/62

分类号：G06V20/62;G06V10/82;G06V10/40;G06V30/14;G06V30/18;G06N3/04;G06N3/08

优先权：

专利状态码：失效-发明专利申请公布后的驳回

法律状态：2023.10.27#发明专利申请公布后的驳回;2022.10.04#实质审查的生效;2022.09.16#公开

摘要：本发明属于车牌检测技术领域，涉及一种高位远景模糊车牌检测方法，针对高位远景中产生模糊车牌，通过使用可插拔的车牌增强模块，从特征层面实现对模糊车牌的增强，在增强车牌可视化效果的同时提高整体特征质量，以促进后续车牌识别任务；另外使用基于检测字符的方法对车牌进行识别，通过显式地建模车牌字符位置信息，能高效获取字符的位置信息进而利用位置信息进行字符识别，而无需按车牌类型分别处理，解决了同时识别多类别车牌的问题，不仅可以用来进行高位远景模糊车牌检测识别，还可以用于场景文本检测、人脸检测等多种退化场景的目标检测任务，精度高达98.5%，极大的提升了检测和分类效果。

主权项：1.一种高位远景模糊车牌检测方法，其特征在于，具体包括如下步骤：（1）数据集构建：先收集高位远距离成像的交通监控、高位侧方位停车场中含有常规以及倾斜、畸变车牌的图像，并对车牌的位置和每一张车牌中的字符进行标注后构建数据集，再将数据集中的图像进行不同模糊核的模糊处理和下采样处理，得到原始图像和退化后的图像对，最后将数据集划分为训练集、验证集和测试集；（2）共享主干网络特征提取：先对图像的尺寸和数值范围行初始化处理，再将处理后的图像输入到主干网络中进行卷积特征提取，然后将提取的卷积特征通过特征金字塔网络进行强化利用得到多尺度车牌卷积特征图集合；（3）车牌位置定位：根据步骤（2）得到的多尺度车牌卷积特征图集合，在不同的多尺度卷积层后连接两层卷积核为3*3的卷积层以及一层平均池化层，在特征图的每一个特征点设置一个锚框，再分别使用两个结构相同的但是不共享参数的全连接层子网络学习分类和位置偏差信息，位置偏差信息是车牌的紧致目标框与特征点对应的锚框的偏差，完成目标框类别分类和位置回归的任务，其中类别分类为是否是车牌，位置信息为车牌的最小外接矩即朝向框；（4）车牌增强：将步骤（3）得到的车牌位置对应的特征图区域输入车牌增强模块，先使用两个深度残差卷积进行深度特征提取，再使用最近邻上采样方法对特征图进行上采样，通过增加特征图的尺寸实现对图像的超分辨率，最后使用一个卷积层对图像进行重建，输出去模糊以及超分辨率的车牌图像；（5）车牌识别：根据步骤（3）得到的车牌的位置对应的卷积特征，车牌识别模块在卷积特征后使用两个级联的卷积层，对车牌特征进行进一步提取，然后对车牌中字符位置进行定位，并使用Softmax函数对字符类别进行分类，字符类别主要包含省份、字母、数字以及特殊字符，最后将识别出的字符按照位置关系输出，得到最终的车牌号；（6）训练网络结构，得到训练好的模型参数；（7）测试网络输出车牌位置和类别：保持图片长短边比例不变的情况下将图像长边尺寸缩放到1280，并对图片的短边进行填充，使得图像尺寸为1280×1080，作为车牌检测网络的输入，即可输出车牌的分类置信度和车牌的坐标位置，并设置阈值过滤低置信度的车牌，使用非极大抑制（NMS）删除网络输出的冗余的框，将车牌检测框对应的车牌特征输入到车牌识别模块，得到车牌号。

全文数据：

权利要求：

百度查询： 松立控股集团股份有限公司 一种高位远景模糊车牌检测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD