[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

说明书

本发明公开一种基于卷积网络的车牌检测方法、存储介质和检测设备，其中车牌检测方法包括：利用卷积网络进行图片特征提取，再由车头车尾检测模块获取车头车尾坐标位置，从中提取车头车尾区域的局部特征图，再经过车牌检测模块，得到车牌的坐标位置。本发明提出了将卷积网络特征图的空间不变性特点运用于车牌检测，能够精确的通过特征图的分类结果定位车牌位置。本发明识别效果突出，准确率高，能够实时的运用于车牌识别系统以及嵌入式设备的移植；利用卷积网络对光照的鲁棒性，在各种天气环境条件下，能够较好的识别并定位出车牌。

技术领域

本发明涉及图像处理技术领域，具体涉及一种基于卷积网络的车牌检测方法、存储介质和检测设备。

背景技术

我国经济的快速发展使得人们的生活水平日益提高，而人们生活中的出行方式逐渐从自行车转向机动汽车。较为明显的是各个地区由于人口基数庞大使得汽车的保有量快速增长。随着汽车的保有量的增多，车辆管理的工作量随之增大，特别是对乱停乱放、违反交通规则、等行为的查处以及追踪逃犯等需要通过人工重复性进行监视摄像机，这种情况存在着人为因素的影响不能够快速的实时的定位目标车辆，并且造成了大量的人力成本的浪费。对于机动车辆能够通过车牌确定车辆的身份，最常用的方法自动获取车辆信息的方式是通过车牌识别技术。

车牌识别中最重要的一环是车牌检测，车牌检测的结果影响到最终的识别结果。通常的检测方法使用传统的车牌识别方法，比如：LBP(Local Binary Pattern,局部二值模式)级联分类网络、支持向量机等。此类方法主要的缺点是在各种特殊环境下的车牌检测率较低，如光线黑暗、光线太强、存在反光等，车牌的放置角度也影响着算法的精确度；训练困难(需要人为设置一些训练参数)。

发明内容

为了解决背景技术中存在的缺陷，本发明提供一种基于卷积网络的车牌检测方法、存储介质和检测设备，运用深度卷积网络进行图像特征提取，识别准确率高，适合各种光照条件，降低天气环境以及人为干扰情况下的错误率。

本发明一方面提供一种基于卷积网络的车牌检测方法，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。

优选的，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。

优选的，所述初步特征图的长宽相等，为2ⁿ，其中1≤n≤8。

优选的，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。

优选的，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。

本发明第二方面提供一种存储介质，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上述任一技术方案所述的车牌检测方法。

本发明第三方面提供一种车牌检测设备，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上述任一技术方案所述的车牌检测方法。