[发明专利]一种车牌检测方法、装置、设备及介质

权利要求书

1.一种车牌检测方法，其特征在于，包括：

步骤S11：将训练样本图像输入至特征提取网络，得到对应的第一特征图；

步骤S12：生成所述第一特征图对应的Heatmap；

步骤S13：从所述Heatmap中确定出前景目标概率值大于预设概率阈值的像素点；

步骤S14：在确定出的所述像素点上生成大小和高宽比不同的anchor；

步骤S15：对所述anchor进行边框回归，得到目标候选框；

步骤S16：对所述目标候选框进行分类和回归，得到对应的预测结果；所述预测结果包括目标框类别和目标框位置；

步骤S17：将所述预测结果映射到初始的所述训练样本图像，利用非极大抑制方法得到对应的训练检测结果；

重复所述步骤S11至步骤S17对预先构建的检测模型进行训练，得到训练后模型；

步骤S18：当获取到待检测车牌图像，则利用所述训练后模型输出对应的检测结果。

2.根据权利要求1所述的车牌检测方法，其特征在于，所述利用所述第一特征图生成对应的Heatmap，包括：

对所述第一特征图进行卷积操作，以得到不同大小的所述第一特征图；

生成每个所述第一特征图对应的Heatmap。

3.根据权利要求2所述的车牌检测方法，其特征在于，所述对所述目标候选框进行分类和回归之前，还包括：

对所述第一特征图进行特征增强，得到对应的第二特征图；

相应的，所述对所述目标候选框进行分类和回归，包括：

利用所述第二特征图对所述目标候选框进行分类和回归。

4.根据权利要求3所述的车牌检测方法，其特征在于，所述对所述第一特征图进行特征增强，得到对应的第二特征图，包括：

对所述第一特征图中的浅层特征图进行特征提取，得到第三特征图；

对所述第一特征图中的深层特征图进行上采样处理，得到第四特征图；

对所述第三特征图和所述第四特征图进行特征融合，得到对应的所述第二特征图。

5.根据权利要求4所述的车牌检测方法，其特征在于，所述对所述第一特征图中的浅层特征图进行特征提取，得到第三特征图，包括：

对所述浅层特征图进行第一预设尺寸的卷积运算，然后进行非线性激活以及再进行一次所述第一预设尺寸的卷积运算，得到所述第三特征图。

6.根据权利要求4所述的车牌检测方法，其特征在于，所述对所述第一特征图中的深层特征图进行上采样处理，得到第四特征图，包括：

对所述深层特征图进行第二预设尺寸的卷积运算，得到所述第四特征图。

7.根据权利要求1至6任一项所述的车牌检测方法，其特征在于，还包括：

利用目标损失函数计算所述检测模型的训练损失；所述训练损失包括anchor优选损失以及对所述目标候选框进行分类和回归产生的损失；所述anchor优选损失包括Heatmap损失和对所述anchor进行边框回归产生的损失。

8.一种车牌检测装置，其特征在于，包括：

特征提取模块，用于将训练样本图像输入至特征提取网络，得到对应的第一特征图；

Heatmap生成模块，用于生成所述第一特征图对应的Heatmap；

像素点筛选模块，用于从所述Heatmap中确定出前景目标概率值大于预设概率阈值的像素点；

Anchor生成模块，用于在确定出的所述像素点上生成大小和高宽比不同的anchor；

边框回归模块，用于对所述anchor进行边框回归，得到目标候选框；

结果预测模块，用于对所述目标候选框进行分类和回归，得到对应的预测结果；所述预测结果包括目标框类别和目标框位置；

训练检测结果获取模块，用于将所述预测结果映射到初始的所述训练样本图像，利用非极大抑制方法得到对应的训练检测结果；

车牌图像检测模块，用于当获取到待检测车牌图像，则利用所述训练后模型输出对应的检测结果。