[发明专利]一种车牌图像定位方法及设备

说明书

本发明涉及一种车牌图像定位方法及设备，用于解决目前对于车牌图像中车牌的定位的结果不够准确的技术问题。其中车牌图像定位方法包括：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。

技术领域

本发明涉及图像处理技术领域，特别涉及一种车牌图像定位方法及设备。

背景技术

目前，在拍摄车牌图像后，因为所拍摄的图像中除了车牌本身之外可能还有一些别的背景信息，因此需要从图像中将车牌进行定位。

传统的车牌定位，一般是通过人工观察分析收集得到的样本图像，总结经验，再通过图像处理的方法设计对应的车牌定位策略，从而对车牌图像中的车牌进行定位。但通过人工分析的方式来观察分析，显然工作量较大，而且人工处理，一般为了节省时间，所采集的样本图像比较少，可能收集的样本图像无法涵盖各种情况，这也就导致对车牌的定位结果不是很准确。

发明内容

本发明实施例提供一种车牌图像定位方法及设备，用于解决目前对于车牌图像中车牌的定位的结果不够准确的技术问题。

第一方面，提供一种车牌图像定位方法，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。

可选的，所述机器学习模型为ANN模型。

可选的，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得到的，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得到的；

获得所述ANN模型输出的所述至少一个顶点的信息。

可选的，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。

可选的，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。

可选的，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。

第二方面，提供一种车牌图像定位设备，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。

可选的，所述机器学习模型为ANN模型。

可选的，所述学习模块用于：