[发明专利]一种基于深度学习的车辆底盘检测方法

权利要求书

1.一种基于深度学习的车辆底盘检测方法，其特征在于，包括如下步骤：

S1、获取待检测车辆底盘图像；

S2、采用基于深度学习的车辆目标检测模型检测所述车辆底盘图像，判断所述车辆底盘图像中是否存在车辆，若存在则记录此条标志为1，并提取车辆区域图像；若不存在则记录此条标志为0，并保存相关图片；

S3、采用基于深度学习的车牌目标检测模型检测所述车辆区域图像，判断其中是否有车牌，若存在记录此条标志为1，并提取车牌区域图像；若不存在则记录此条标记为0，保存相关图片；

S4、采用基于深度学习的字符分割识别模型检测所述车牌号码区域识别车牌号，并将识别结果与档案车牌号码匹对，若一致则记录此条标志为1，若不一致，车牌号码与档案号码不符合，记录标志为0并保存图片；

S5、采用基于深度学习的工作人员目标检测模型检测所述车辆底盘图像，并判断车辆底盘工位中是否存在工作人员，若存在记录此条标志为1，若不存在，则记录此条标志为0；

S6、对整个过程的动作结果进行统计分析，若记录标志全部为1，则车辆底盘检测通过；若存在标志0，则车辆底盘检测不通过；同时，根据标志0出现的位置获取校验不通过的原因及问题图片。

2.如权利要求1所述的车辆底盘检测方法，其特征在于，所述车辆目标检测模型的获取步骤如下：

S21、获取不同角度、光照、种类和图像质量的车辆底盘图像；

S22、采用矩形框标记车辆区域所在位置；

S23、使用区域图像训练目标检测深度学习网络模型，获得车辆目标检测模型。

3.如权利要求1所述的车辆底盘检测方法，其特征在于，所述车牌目标检测模型的获取步骤如下：

S31、获取不同角度、光照、种类和图像质量的车牌图像；

S32、采用矩形框标记车牌位置；

S33、使用区域图像训练目标检测深度学习网络模型，获得车牌目标检测模型。

4.如权利要求1所述的车辆底盘检测方法，其特征在于，所述字符分割识别模型的获取步骤如下：

S41、基于步骤S32用矩形标注的车牌位置，得到车牌图像，作为标注样本；

S42、采用矩形框在所述车牌图像上标记车牌的所有字符的位置和类别；

S43、根据标注字符的位置和类别，计算出水印日期图像上每个像素点所属的类别，生成一幅和水印日期图像尺寸相同的标签图像；

S44、使用所述车牌图像和所述标签图像构成的数据集，训练场景分割深度神经网络模型，获得字符分割识别模型。

5.如权利要求1所述的车辆底盘检测方法，其特征在于，所述工作人员目标检测模型的获取步骤如下：

S51、获取不同角度、光照、种类和图像质量的在车辆底盘图像；

S52、采用矩形框标记工作人员所在位置；

S53、使用区域图像训练目标检测深度学习网络模型，获得工作人员目标检测模型。