[发明专利]一种车牌图像定位方法及设备

权利要求书

1.一种车牌图像定位方法，其特征在于，包括：

获得第一图像；所述第一图像为针对车牌拍摄的图像，所述第一图像中包括所述车牌的影像；

通过机器学习模型学习所述第一图像，以得到所述车牌的影像的至少一个顶点的信息；

根据所述至少一个顶点的信息对所述第一图像中的所述车牌的影像进行定位；

所述机器学习模型为人工神经网络ANN模型；

通过机器学习模型学习所述第一图像，以得到所述车牌的影像的至少一个顶点的信息，包括：

将所述第一图像的信息输入所述ANN模型；其中，所述ANN模型中的输入层的神经元的数量为根据所述第一图像的尺寸设置的，所述ANN模型的输出层的神经元的数量为根据所述车牌影像的顶点的数量设置的；

获得所述ANN模型输出的所述至少一个顶点的信息；

在将所述第一图像的信息输入所述ANN模型之前，还包括：

提取所述第一图像的特征信息；

将所述第一图像的信息输入所述ANN模型，包括：

将所述第一图像的特征信息输入所述ANN模型；

获得所述ANN模型输出的所述至少一个顶点的信息，包括：

获得所述ANN模型输出的8个坐标信息；其中每个坐标信息为所述车牌的影像的一个顶点的横坐标信息或纵坐标信息；

根据所述8个坐标信息得到所述车牌的影像的4个顶点的坐标信息；

在通过机器学习模型学习所述第一图像，以得到所述车牌影像的至少一个顶点的信息之前，还包括：

以至少一张图像作为训练样本，对所述ANN模型进行训练；所述至少一张图像中的每张图像的尺寸均与所述第一图像的尺寸相同；

所述方法还包括：

在所述ANN模型的训练过程中，采用反向传播梯度下降法对所述ANN模型的参数进行调整。

2.一种车牌图像定位设备，其特征在于，包括：

获取模块，用于获得第一图像；所述第一图像为针对车牌拍摄的图像，所述第一图像中包括所述车牌的影像；

学习模块，用于通过机器学习模型学习所述第一图像，以得到所述车牌的影像的至少一个顶点的信息；

定位模块，用于根据所述至少一个顶点的信息对所述第一图像中的所述车牌的影像进行定位；

所述机器学习模型为人工神经网络ANN模型；

所述学习模块用于：

将所述第一图像的信息输入所述ANN模型；其中，所述ANN模型中的输入层的神经元的数量为根据所述第一图像的尺寸设置的，所述ANN模型的输出层的神经元的数量为根据所述车牌影像的顶点的数量设置的；

获得所述ANN模型输出的所述至少一个顶点的信息；

所述设备还包括提取模块；

所述提取模块用于：在所述学习模块将所述第一图像的信息输入所述ANN模型之前，提取所述第一图像的特征信息；

所述学习模块用于将所述第一图像的信息输入所述ANN模型，包括：将所述第一图像的特征信息输入所述ANN模型；

所述学习模块用于获得所述ANN模型输出的所述至少一个顶点的信息，包括：

获得所述ANN模型输出的8个坐标信息；其中每个坐标信息为所述车牌的影像的一个顶点的横坐标信息或纵坐标信息；

根据所述8个坐标信息得到所述车牌的影像的4个顶点的坐标信息；

所述设备还包括训练模块，用于：

在所述学习模块通过机器学习模型学习所述第一图像，以得到所述车牌影像的至少一个顶点的信息之前，以至少一张图像作为训练样本，对所述ANN模型进行训练；所述至少一张图像中的每张图像的尺寸均与所述第一图像的尺寸相同；

所述训练模块还用于：

在所述ANN模型的训练过程中，采用反向传播梯度下降法对所述ANN模型的参数进行调整。