[发明专利]一种基于R-FCN的车牌字符检测及分割方法

权利要求书

1.一种基于R-FCN的车牌字符检测及分割方法，其特征在于，包括：

S1.制作样本并训练基于区域的卷积神经网络R-FCN；

S2.输入一张待检测分割的彩色车牌图像；

S3.将图像输入到基于区域的检测网络进行车牌字符检测并输出字符区域得分图和字符关联区域得分图；

S4.处理检测神经网络输出的结果以得到车牌字符分割结果。

2.如权利要求1所述的基于R-FCN的车牌字符检测及分割方法，其特征在于，步骤S1的具体流程为：

S1-1.制作车牌字符图像样本；

S1-2.使用样本训练检测网络。

3.如权利要求1所述的基于R-FCN的车牌字符检测及分割方法，其特征在于，步骤S1-1通过将二维各向同性的高斯图像透视变换至字符区域及字符关联区域最小外接矩形边界以制作基于区域的车牌字符图像样本。

4.如权利要求1所述的基于R-FCN的车牌字符检测及分割方法，其特征在于，步骤S1-2用于训练的代价函数L为：

其中p表示字符及其关联区域内的任意一个像素，S_r(p)、S_a(p)分别表示样本标签中在p像素点的字符区域得分和字符关联区域得分，分别表示网络预测在p像素点的字符区域得分和字符关联区域得分。

5.如权利要求1所述的基于R-FCN的车牌字符检测及分割方法，其特征在于，其中步骤S3的具体流程为：

S3-1.通过基于区域的卷积神经网络R-FCN中六层卷积层来提取图像中的车牌字符特征信息；

S3-2.通过四层反卷积层对具有相同分辨率的特征信息进行特征融合和上采样；

S3-3.通过四层全连接卷积层对最后一层反卷积层输出的特征信息进行分类判断输出字符区域得分图和字符关联区域得分图。

6.如权利要求1所述的基于R-FCN的车牌字符检测及分割方法，其特征在于，步骤S3-2通过反卷积层将深层语义信息进行上采样使其与浅层语义信息拥有相同的分辨率，从而实现不同深度的特征的信息融合，在融合后的特征信息上进行分类可以提升检测神经网络的准确率。

7.如权利要求1所述的基于R-FCN的车牌字符检测及分割方法，其特征在于，步骤S3-3对最后融合后的尺寸大小相同的特征信息进行融合和分类，起到分类器的作用。

8.如权利要求1所述的基于R-FCN的车牌字符检测及分割方法，其特征在于，其中步骤S4的具体流程为：

S4-1.设置阈值，对得分图进行阈值分割获得字符区域和字符关联区域二值图；

S4-2.通过连通域标记方法将得到的二值图中的连通域标记并按连通域像素个数进行排序；

S4-3.对连通域像素个数设定阈值，并按阈值过滤像素个数不达阈值的连通域；

S4-4.计算各个连通域的面积最小外接旋转矩阵；

S4-5.使用字符关联区域的外接矩形来分割字符并用字符区域的外接矩形来精确定位车牌字符。