[发明专利]一种基于全卷积网络的车牌定位方法及装置

说明书

本发明实施例公开了一种基于全卷积网络的车牌定位方法及装置。该方法包括：采用预先基于第一全卷积神经网络结构训练得到的车牌定位模型，确定待检测车辆图片中包含的至少一个车牌图片初分区域；对包含至少一个车牌图片初分区域的待检测车辆图片进行处理，得到待检测车辆图片中包含的候选车牌区域；采用预先基于第二全卷积神经网络结构训练得到的车牌首字识别模型，确定候选车牌区域的首字符是否为车牌首字符；若候选车牌区域的首字符为车牌首字符，则确定候选车牌区域是车牌，并在待检测车辆图片中绘制车牌所在位置。本发明实施例可以从自然场景的待检测车辆图片中定位出车牌区域，提高了车牌区域的定位效率和精度。

技术领域

本发明实施例涉及计算机视觉和机器学习技术领域，尤其涉及一种基于全卷积网络的车牌定位方法及装置。

背景技术

目前，在智能交通领域，车牌定位具有较高的研究和应用价值，如停车场自动收费，交通监控中自动搜索车牌信息等。尽管近些年来该研究取得了很大的进展，但仍无法很好地解决如自然场景下，低亮度、低分辨率和多车辆，车辆倾斜等环境下的车牌定位问题。因此，如何能从自然场景的车辆视频图像中定位出车牌区域，是车牌识别系统及交通监控、车辆门禁等应用中的重要课题。

发明内容

本发明实施例提供一种基于全卷积网络的车牌定位方法及装置，可以提高车牌区域的定位效率和精度。

一方面，本发明实施例提供了一种基于全卷积网络的车牌定位方法，包括：

采用预先基于第一全卷积神经网络结构训练得到的车牌定位模型，确定待检测车辆图片中包含的至少一个车牌图片初分区域；

对包含所述至少一个车牌图片初分区域的待检测车辆图片进行处理，得到所述待检测车辆图片中包含的候选车牌区域；

采用预先基于第二全卷积神经网络结构训练得到的车牌首字识别模型，确定所述候选车牌区域的首字符是否为车牌首字符；

若所述候选车牌区域的首字符为车牌首字符，则确定所述候选车牌区域是车牌，并在所述待检测车辆图片中绘制车牌所在位置。

另一方面，本发明实施例还提供了一种基于全卷积网络的车牌定位装置，包括：

车牌初分模块，用于采用预先基于第一全卷积神经网络结构训练得到的车牌定位模型，确定待检测车辆图片中包含的至少一个车牌图片初分区域；

候选车牌模块，用于对包含所述至少一个车牌图片初分区域的待检测车辆图片进行处理，得到所述待检测车辆图片中包含的候选车牌区域；

车牌首字符模块，用于采用预先基于第二全卷积神经网络结构训练得到的车牌首字识别模型，确定所述候选车牌区域的首字符是否为车牌首字符；

车牌定位模块，用于若所述候选车牌区域的首字符为车牌首字符，则确定所述候选车牌区域是车牌，并在所述待检测车辆图片中绘制车牌所在位置。

本发明实施例提供的技术方案，预先基于全卷积神经网络结构训练得到车牌定位模型和车牌首字识别模块，将待检测车辆图片作为车牌定位模型的输入得到待检测车辆图片中包含的至少一个车牌图片初分区域，对车牌图片初分区域进行筛选得到待检测车辆图片中包含的候选车牌区域，随后采用车牌首字识别模型确定候选车牌区域的首字符是否为车牌首字符，若是，则确定候选车牌区域是车牌，并在待检测车辆图片中绘制车牌所在位置。该方案可以从自然场景的待检测车辆图片中定位出车牌区域，提高了车牌区域的定位效率和精度。

附图说明

图1为本发明实施例一中提供的一种基于全卷积网络的车牌定位方法的流程图；

图2为本发明实施例二中提供的一种基于全卷积网络的车牌定位方法的流程图；

图3为本发明实施例三中提供的一种基于全卷积网络的车牌定位装置的结构图。