[发明专利]基于卷积网络的车牌检测方法、存储介质和检测设备在审

专利信息
申请号: 201910210152.7 申请日: 2019-03-19
公开(公告)号: CN109948612A 公开(公告)日: 2019-06-28
发明(设计)人: 孔令军;王锐;李华康 申请(专利权)人: 苏州怡林城信息科技有限公司
主分类号: G06K9/32 分类号: G06K9/32;G06K9/34;G06K9/46;G06K9/62;G06N3/04
代理公司: 南京北辰联和知识产权代理有限公司 32350 代理人: 张芳
地址: 215011 江苏省苏州*** 国省代码: 江苏;32
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 卷积 车牌检测 车头车尾 存储介质 检测设备 坐标位置 车牌 网络 车牌检测模块 车牌识别系统 嵌入式设备 定位车牌 分类结果 检测模块 局部特征 天气环境 图片特征 网络特征 不变性 鲁棒性 特征图 准确率 光照 移植
【权利要求书】:

1.基于卷积网络的车牌检测方法,其特征在于,包括以下步骤,

S1、获取图片;

S2、将所述图片重构为固定大小的特征图,送入卷积网络进行特征提取,得到若干尺寸不同的初步特征图;

S3、将所述初步特征图作为车头车尾检测模块的输入,得到车头车尾坐标位置;

S4、根据所述车头车尾坐标位置,从所述初步特征图中获取包含车头车尾特征区域的局部特征图;

S5、将所述局部特征图作为车牌检测模块的输入,得到车牌坐标位置;

S6、根据所述车头车尾坐标位置和所述车牌坐标位置,得到车牌相对于S1中所述图片的坐标。

2.根据权利要求1所述的车牌检测方法,其特征在于,S2中所述卷积网络进行特征提取,所述卷积网络包括卷积层和池化层,所述卷积层用于进行卷积运算,不改变所述特征图的尺寸,所述池化层用于进行二倍下采样,使得到的所述初步特征图的尺寸为作为输入的所述特征图的一半。

3.根据权利要求2所述的车牌检测方法,其特征在于,所述初步特征图的长宽相等,为2n,其中1≤n≤8。

4.根据权利要求1所述的车牌检测方法,其特征在于,所述车头车尾检测模块和所述车牌检测模块均需经过模型训练。

5.根据权利要求4所述的车牌检测方法,其特征在于,所述模型训练包括数据增强步骤,所述数据增强方式包括随机图片亮度、对比度、将RGB颜色空间转换成HSV空间并分别随机设定H、S、V颜色空间、裁剪图片以及填充图片。

6.一种存储介质,其特征在于:包括存储在该存储介质中的程序,在所述程序运行时控制所述存储介质所在的设备执行权利要求1~6任一项所述的车牌检测方法。

7.一种车牌检测设备,其特征在于,包括处理器,所述处理器用于运行程序,所述程序运行时执行权利要求1~6任一项所述的车牌检测方法。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于苏州怡林城信息科技有限公司,未经苏州怡林城信息科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910210152.7/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top