[发明专利]定位方法、装置、存储介质及电子设备

权利要求书

1.一种定位方法，其特征在于，所述方法包括：

获取待定位图像；

将所述待定位图像输入预设深度学习模型以得到所述待定位图像中每个像素点属于目标定位区域的概率，其中，用于训练所述预设深度学习模型的训练图像数据中的像素点包括目标定位区域的像素点和非目标定位区域的像素点，其中，所述非目标定位区域的像素点包括背景像素点和模糊像素点，所述背景像素点为属于背景区域的像素点，所述模糊像素点为既不属于所述目标定位区域、也不属于背景区域的像素点，将所述模糊像素点对应的惩罚力度设置为0，或者降低所述模糊像素点的惩罚力度；

将所述概率大于预设阈值的像素点确定为属于所述目标定位区域的目标像素点；

将所述目标像素点所在的区域确定为所述待定位图像中的目标定位区域。

2.根据权利要求1所述的方法，其特征在于，用于训练所述预设深度学习模型的训练图像数据中的像素点包括目标定位区域的像素点和非目标定位区域的像素点，所述目标定位区域的像素点对应的权重大于所述非目标定位区域的像素点对应的权重；

所述预设深度学习模型按照以下方式进行训练：

根据所述训练图像数据中各个像素点对应的权重确定各个像素点对应的惩罚力度。

3.根据权利要求2所述的方法，其特征在于，所述各个像素点对应的惩罚力度与所述训练图像数据中各个像素点对应的权重之间呈正相关关系。

4.根据权利要求1所述的方法，其特征在于，所述将所述待定位图像输入预设深度学习模型以得到所述待定位图像中每个像素点属于目标定位区域的概率包括：

若检测到所述待定位图像中存在所述目标定位区域，则将所述待定位图像输入预设深度学习模型以得到所述待定位图像中每个像素点属于目标定位区域的概率。

5.根据权利要求1-4中任一权利要求所述方法，其特征在于，所述目标定位区域为车辆车牌。

6.一种定位装置，其特征在于，所述装置包括：

获取模块，用于获取待定位图像；

概率计算模块，用于将所述待定位图像输入预设深度学习模型以得到所述待定位图像中每个像素点属于目标定位区域的概率，其中，用于训练所述预设深度学习模型的训练图像数据中的像素点包括目标定位区域的像素点和非目标定位区域的像素点，其中，所述非目标定位区域的像素点包括背景像素点和模糊像素点，所述背景像素点为属于背景区域的像素点，所述模糊像素点为既不属于所述目标定位区域、也不属于背景区域的像素点，将所述模糊像素点对应的惩罚力度设置为0，或者降低所述模糊像素点的惩罚力度；

目标像素点确定模块，用于将所述概率大于预设阈值的像素点确定为属于所述目标定位区域的目标像素点；

目标定位区域确定模块，用于将所述目标像素点所在的区域确定为所述待定位图像中的目标定位区域。

7.根据权利要求6所述的装置，其特征在于，用于训练所述预设深度学习模型的训练图像数据中的像素点包括目标定位区域的像素点和非目标定位区域的像素点，所述目标定位区域的像素点对应的权重大于所述非目标定位区域的像素点对应的权重；

所述预设深度学习模型按照以下方式进行训练：

根据所述训练图像数据中各个像素点对应的权重确定各个像素点对应的惩罚力度。

8.根据权利要求7所述的装置，其特征在于，所述各个像素点对应的惩罚力度与所述训练图像数据中各个像素点对应的权重之间呈正相关关系。

9.根据权利要求6所述的装置，其特征在于，所述概率计算模块还用于：

若检测到所述待定位图像中存在所述目标定位区域，则将所述待定位图像输入预设深度学习模型以得到所述待定位图像中每个像素点属于目标定位区域的概率。

10.根据权利要求6-9中任一权利要求所述装置，其特征在于，所述目标定位区域为车辆车牌。