[发明专利]一种车牌分类方法、系统、终端设备及计算机程序

权利要求书

1.一种车牌分类方法，其特征在于，包括：

获取车辆图像；

对所述车辆图像进行检测，以检测出所述车辆图像中是否包含有车牌位置区域；

当检测出所述车辆图像中包含有车牌位置区域时，则对所述车牌位置区域的车牌位置和分类信息做出预分类，以预分类出所述车牌位置区域是否悬挂有车牌；

当所述车牌位置区域悬挂有车牌时，则采用车牌分类器训练模型来根据所述车牌位置区域中的字符数量来判断出所述车牌位置区域中所悬挂车牌是否被遮挡。

2.如权利要求1所述的车牌分类方法，其特征在于，通过采用卷积神经网络VGG16的卷积层的底层特征来对所述所述车辆图像进行检测。

3.如权利要求2所述的车牌分类方法，其特征在于，所述卷积神经网络VGG16的卷积层包括有conv1_1到conv5_3且删掉了conv10_2和conv11_2并去除了1：2，1：3的anchor，保留了2：1，1：1，以及3：1的anchor。

4.如权利要求1所述的车牌分类方法，其特征在于，所述采用车牌分类器训练模型来根据所述车牌位置区域中的字符数量来判断出所述车牌位置区域中所悬挂车牌是否被遮挡包括：

采用车牌分类器训练模型对所述车牌位置区域中的字符进行切割；

若车牌位置区域中的字符数量等于设定的第一字符数量，则输出车牌位置区域中所悬挂车牌是正常车牌；

若车牌位置区域中的字符数量在设定的第一字符数量和第二字符数量的范围之间，则输出车牌位置区域中所悬挂车牌是半遮挡车牌；

若车牌位置区域中的字符数量小于设定的第二字符数量，则输出车牌位置区域中所悬挂车牌是全遮挡车牌。

5.如权利要求1所述的车牌分类方法，其特征在于，车牌分类器训练模型的目标函数由定位损失函数和类别损失函数两部分组成:

设x_ij为匹配第i个默认框和第j个真实框的指标；x_ij＝1表示匹配，否则x_ij＝0；设c为置信度，l为预测框，g为真实框，N为匹配默认框的数量；α是平衡这些项的加权参数，损失函数定义如下：

定位损失函数定义如下

类别损失函数中p代表目标类别，p＝0则代表为背景，p>0则为前景；

相应的，类别损失函数定义如下：

6.一种车牌分类系统，其特征在于，包括：

获取模块，用于获取车辆图像；

检测模块，用于对所述车辆图像进行检测，以检测出所述车辆图像中是否包含有车牌位置区域；

预分类模块，当所述检测模块检测出所述车辆图像中包含有车牌位置区域时，所述预分类模块则对所述车牌位置区域的车牌位置和分类信息做出预分类，以预分类出所述车牌位置区域是否悬挂有车牌；

车牌分类模块，用于当所述车牌位置区域悬挂有车牌时，则采用车牌分类器训练模型来根据所述车牌位置区域中的字符数量来判断出所述车牌位置区域中所悬挂车牌是否被遮挡。

7.如权利要求6所述的车牌分类系统，其特征在于，所述预分类模块包括卷积神经网络VGG16单元，所述卷积神经网络VGG16单元包括有conv1_1到conv5_3且删掉了conv10_2和conv11_2并去除了1：2，1：3的anchor，保留了2：1，1：1，以及3：1的anchor。