[发明专利]一种基于分块的车牌区域回归技术的车牌检测方法

权利要求书

1.一种基于分块的车牌区域回归技术的车牌检测方法，其特征在于，包括如下步骤：

步骤a：进行车辆检测，获得目标车辆，由目标车辆确定整个车牌检测区域；

步骤b：将所述车牌检测区域划分成n个小块，各小块之间部分重叠；

步骤c：使用深度神经网络模型拟合得到大致的车牌区域，同时获得该区域是真车牌的可信度；以及

步骤d：根据所述车牌区域的位置与可信度的关系，融合得到最终的车牌区域。

2.根据权利要求1所述的一种基于分块的车牌区域回归技术的车牌检测方法，其特征在于，步骤b中，n＝5或9。

3.根据权利要求1所述的一种基于分块的车牌区域回归技术的车牌检测方法，其特征在于，步骤c中，所述可信度的数值范围为0～1，0表示真车牌的可信度为0，1表示真车牌的可信度为100％。

4.根据权利要求1所述的一种基于分块的车牌区域回归技术的车牌检测方法，其特征在于，所述深度神经网络模型包括依次连接的3个卷积层和3个全连接层，最后一个全连接层包含两个分支，一个分支为预测的车牌区域矩形的左上角和右下角坐标，另一个分支为真假车牌的分类。

5.根据权利要求1所述的一种基于分块的车牌区域回归技术的车牌检测方法，其特征在于，步骤d中，融合的方法进一步包括：

步骤d1：对结果按真车牌的可信度从大到小进行排序；

步骤d2：对排序结果做二值化操作，即可信度与选定的阈值进行比较，若高于阈值则认为是真车牌，否则认为是假车牌；

步骤d3：在真车牌集合中获得车牌候选区域，如果真车牌集合为空则该目标车辆区域判定为无车牌。

6.根据权利要求5所述的一种基于分块的车牌区域回归技术的车牌检测方法，其特征在于，步骤d3中，通过Max策略在真车牌集合中，选择可信度最高的检测结果为车牌候选区域；或者通过Avg策略在真车牌集合的车牌检测位置根据其可信度进行加权平均获得车牌候选区域。

7.根据权利要求1所述的一种基于分块的车牌区域回归技术的车牌检测方法，其特征在于，步骤d之后还包括车牌位置优化步骤d’，采用深度学习模型对车牌区域进行优化，获得优化后的车牌区域。