[发明专利]车牌位置识别方法、装置及电子设备

权利要求书

1.一种车牌位置识别方法，其特征在于，所述方法包括：

获取原始图像，其中，所述原始图像包括待识别车牌；

将所述原始图像输入预先训练的卷积神经网络，利用所述卷积神经网络的第一网络提取出所述原始图像的第一特征图；

将所述第一特征图输入所述卷积神经网络的第二网络，利用所述第二网络中的贝叶斯后验概率模型对所述第一特征图进行特征处理，得到第二特征图；

依据所述第二特征图，识别出所述原始图像中所述待识别车牌的位置信息；

其中，所述第二网络包括特征提取子网络及图像还原子网络；

所述特征提取子网络包括多个相连的特征提取子节点，所述图像还原子网络包括与多个特征提取子节点一一对应的图像还原子节点，所述特征提取子网络的最后一个特征提取子节点与所述图像还原子网络的第一个图像还原子节点相连；

每个特征提取子节点用于将该特征提取子节点对应的特征提取图输出至下一连接的特征提取子节点及对应的图像还原子节点；

所述特征提取子网络的最后一个特征提取子节点用于将该特征提取子节点对应的特征提取图输出至所述图像还原子网络的第一个图像还原子节点；

第一个特征提取子节点包括依次相连的卷积层、下采样层和贝叶斯后验概率层，最后一个特征提取子节点包括依次相连的卷积层、下采样层和贝叶斯后验概率层，特征提取子网络包括至少两个卷积层、下采样层和贝叶斯后验概率层，其中，所述贝叶斯后验概率层用于模拟所述贝叶斯后验概率模型。

2.如权利要求1所述的方法，其特征在于，所述第一网络包括多个卷积层、以及与每个卷积层对应的多个下采样层。

3.如权利要求1所述的方法，其特征在于，所述图像还原子节点包括上采样层和反卷积层。

4.如权利要求1所述的方法，其特征在于，所述依据所述第二特征图，识别出所述原始图像中所述待识别车牌的位置信息的步骤，包括：

对所述第二特征图进行插值运算，识别出所述原始图像中所述待识别车牌的位置信息。

5.如权利要求1所述的方法，其特征在于，所述依据所述第二特征图，识别出所述原始图像中所述待识别车牌的位置信息的步骤，包括：

将所述第一特征图的卷积与所述第二特征图进行像素融合，得到第三特征图；

对所述第三特征图进行插值运算，识别出所述原始图像中所述待识别车牌的位置信息。

6.一种车牌位置识别装置，其特征在于，所述装置包括：

原始图像获取模块，用于获取原始图像，其中，所述原始图像包括待识别车牌；

第一特征图生成模块，用于将所述原始图像输入预先训练的卷积神经网络，利用所述卷积神经网络的第一网络提取出所述原始图像的第一特征图；

第二特征图生成模块，用于将所述第一特征图输入所述卷积神经网络的第二网络，利用第二网络中的贝叶斯后验概率模型对所述第一特征图进行特征处理，得到第二特征图；

位置信息生成模块，用于依据所述第二特征图，识别出所述原始图像中所述待识别车牌的位置信息；

其中，所述第二网络包括特征提取子网络及图像还原子网络；

所述特征提取子网络包括多个相连的特征提取子节点，所述图像还原子网络包括与多个特征提取子节点一一对应的图像还原子节点，所述特征提取子网络的最后一个特征提取子节点与所述图像还原子网络的第一个图像还原子节点相连；

每个特征提取子节点用于将该特征提取子节点对应的特征提取图输出至下一连接的特征提取子节点及对应的图像还原子节点；

所述特征提取子网络的最后一个特征提取子节点用于将该特征提取子节点对应的特征提取图输出至所述图像还原子网络的第一个图像还原子节点；

第一个特征提取子节点包括依次相连的卷积层、下采样层和贝叶斯后验概率层，最后一个特征提取子节点包括依次相连的卷积层、下采样层和贝叶斯后验概率层，特征提取子网络包括至少两个卷积层、下采样层和贝叶斯后验概率层，其中，所述贝叶斯后验概率层用于模拟所述贝叶斯后验概率模型。