[发明专利]一种车牌检测方法、装置、设备及介质

说明书

本申请公开了一种车牌检测方法、装置、设备及介质，包括：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；生成所述第一特征图对应的Heatmap；从Heatmap中确定出前景目标概率值大于预设概率阈值的像素点；在确定出的像素点上生成大小和高宽比不同的anchor；对所述anchor进行边框回归，得到目标候选框；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；将预测结果映射到初始的训练样本图像，利用非极大抑制方法得到对应的训练检测结果；重复前述步骤对预先构建的检测模型进行训练，得到训练后模型；当获取到待检测车牌图像，则利用训练后模型输出对应的检测结果。能够提升车牌检测的速度以及精度。

技术领域

本申请涉及目标检测技术领域，特别涉及一种车牌检测方法、装置、设备及介质。

背景技术

机动车车牌作为全国交通管理部门进行机动车管理的唯一标识符号，车牌的检测与识别是智能交通系统中至关重要的一步。传统的基于颜色、纹理、边缘等特征对车牌位置检测的方法，在复杂的背景和外部因素影响下，检出率和精度都仍较低。以faster RCNN(即Region Convolutional Neural Networks)为代表的二阶段方法，相较于以SSD(即SingleShot MultiBox Detector)为代表的一阶段的检测方法，增加了通过RPN(即RegionProposalNetwork，区域候选网络)层生成目标候选框的步骤，因此获得了更高的检测精度，但同时速度也较慢。在实际应用中，由于单阶段检测器SSD是基于回归的，直接对图像中目标的类别和位置信息进行预测，再通过非极大值抑制得到最终检测结果，相对于二阶段方法速度较快，因此具有更强的实用性。

目前，采用单阶段检测网络进行检测的方案，生成的anchor数量较多，计算量较大。并且，由于现实场景中目标大小和尺度变化较大，对默认的anchor直接分类和回归，检测精度较低。

发明内容

有鉴于此，本申请的目的在于提供一种车牌检测方法、装置、设备及介质，能够提升车牌检测的速度以及精度。其具体方案如下：

第一方面，本申请公开了一种车牌检测方法，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。

可选的，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。

可选的，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；