申请/专利权人：松立控股集团股份有限公司

申请日：2022-11-21

公开（公告）日：2023-01-13

公开（公告）号：CN115601742A

主分类号：G06V20/62

分类号：G06V20/62;G06V10/82;G06V10/80;G06V10/40

优先权：

专利状态码：有效-授权

法律状态：2023.03.10#授权;2023.02.07#实质审查的生效;2023.01.13#公开

摘要：本发明属于车牌检测技术领域，涉及一种基于图关系排名的尺度敏感车牌检测方法，先通过主干网络提取不同层侧输出特征作为多尺度特征，再通过将层建模为图网络节点，在图网络学习的过程中，逐渐学习层间特征的重要性，引入关系排名模块滤除层内特征中的噪声信息，并在此基础上将尺度信息建模为节点，尺度间关系建模为图网络的边，通过图网络学习尺度间的重要性，同时二次滤除尺度内的噪声信息，保证尺度间车牌特征一致性，通过尺度内和尺度间的双重关系建模，极大的增强车牌特征的辨别性，提升车牌检测的精度，不仅可以用来进行复杂场景下的车牌检测，还可用于复杂场景下的物体分割等复杂场景下的检测。

主权项：1.一种基于图关系排名的尺度敏感车牌检测方法，其特征在于，具体过程为：（1）收集复杂场景下的车牌图片构建车牌检测数据集，每张图片包含车牌顶点坐标以及车牌字符的标注信息，并将车牌检测数据集划分为训练集、验证集和测试集；（2）将训练集中的车牌图片输入到基础网络VggNet进行多尺度特征提取；（3）在步骤（2）得到的多尺度特征的基础上建模尺度内图网络，通过尺度内图网络，学习尺度内层间特征加权，得到多尺度内层间特征的关系；（4）基于步骤（3）得到的多尺度内层间特征的关系，引入层间关系排名，通过关系排名的方式将噪声信息去除，同时增强网络抗过拟合能力；（5）经过步骤（4）后得到多尺度内层间特征图网络，通过节点间关系传递，达到精细化尺度内层间特征一致性的目的，得到多尺度特征的精细化特征；（6）将多尺度特征精细化特征进行融合得到不同尺度间融合后增强的特征；（7）根据步骤（6）得到的不同尺度间融合后增强的特征，建模尺度间图网络，得到多尺度之间的关系；（8）在多尺度图网络构建的基础上，引入关系排名将尺度间特征进行二次精细化，得到尺度间关系矩阵；（9）将尺度间特征通过尺度间关系矩阵进行节点间的传递，通过节点间信息传递，将多尺度特征自适应加权融合，得到精细化的车牌特征；（10）将精细化后的车牌特征通过输出层输出，得到车牌分类信息和车牌坐标信息；（11）使用步骤（1）训练集中的车牌图片训练整个网络，并计算整个网络误差，通过反向传播训练网络，得到训练好的车辆检测模型；（12）加载训练好的车牌检测模型，并将测试集中的车牌图片输入到网络中，输出车牌类别置信度和回归坐标位置；（13）在车牌检测结果基础上，通过基于LSTM的车牌识别算法，识别车牌中的字符并输出。

全文数据：

权利要求：

百度查询： 松立控股集团股份有限公司 一种基于图关系排名的尺度敏感车牌检测方法

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