[发明专利]一种车牌的检测方法及装置

说明书

本发明实施例提供了一种车牌的检测方法及装置，该方法和装置能够解决现有技术中目标检测模型在极端天气下车牌检测效果较差的问题。其中，车牌的检测方法包括：获取与各种极端天气类型对应的包含有不同类型环境噪声的多张第一车辆图像以及非极端天气类型所对应的多张第二车辆图像；基于第一车辆图像以及随机噪声对预先构建的生成对抗网络进行训练，并利用训练后的对抗网络模型对随机噪声进行处理生成目标噪声；将目标噪声与第二车辆图像进行融合，获得第三车辆图像；基于第一车辆图像、第二车辆图像以及第三车辆图像对预先构建的目标检测网络进行训练，获得车牌检测模型；基于车牌检测模型对新的车辆图像进行检测，确定第一车牌的实际位置。

技术领域

本发明涉及目标检测技术领域，尤其涉及一种车牌的检测方法及装置。

背景技术

目前，对于行驶在公路或者停靠在路边的机动车而言，若机动车出现超速或者出现违规停放的问题，往往通过对该机动车的车牌进行检测，并在检测到车牌的基础上，对车牌号进行识别，以作为后续罚款的依据。但是车牌检测的效果受天气因素影响较大，例如，在天气晴朗时，目标检测模型对机动车车牌具有较好的检测性能；当天气较恶劣时，例如，下大雨，下雪或者起雾，目标检测模型无法较为准确的检测出机动车车牌，进而导致也无法准确的对车牌号进行识别。

现有技术中，通常在非极端天气下所采集的车辆图像上随机添加噪声来模拟极端天气下的车辆图像，即利用添加了随机噪声的车辆图像对目标检测模型进行训练，但是由于随机噪声是基于预设规则生成的，那么与极端天气下的真实噪声差异较大，从而导致训练后的目标检测模型在应用时检测的准确性仍然较差。

可见，现有技术中基于人为设定规则所生成的随机噪声与非极端天气对应的车辆图像进行融合来模拟生成极端天气下车辆图像样本，从而对目标检测模型进行训练，使得训练后的目标检测模型在真实的极端天气下对于车牌的检测准确性仍然较差。

发明内容

本发明实施例提供了一种车牌的检测方法及装置，该方法和装置能够解决现有技术中目标检测模型在极端天气下车牌检测效果较差的问题。

第一方面，本发明实施例提供了一种车牌的检测方法，所述方法包括：

获取与各种极端天气类型对应的包含有不同类型环境噪声的多张第一车辆图像以及非极端天气类型所对应的多张第二车辆图像；

基于每种类型的环境噪声所对应的第一车辆图像以及随机噪声对预先构建的生成对抗网络进行训练，并利用训练后的对抗网络模型对所述随机噪声进行处理生成目标噪声；其中，所述目标噪声与用于训练所述生成对抗网络的车辆图像所包含的环境噪声具有相同的概率密度分布，所述概率密度分布用于指示环境噪声在车辆图像中出现在各个像素点处的概率；

将所述目标噪声与所述第二车辆图像进行融合，获得第三车辆图像；

基于所述第一车辆图像、所述第二车辆图像以及所述第三车辆图像对预先构建的目标检测网络进行训练，获得车牌检测模型；

当接收到新的车辆图像时，基于所述车牌检测模型对所述新的车辆图像进行检测，以确定第一车牌的实际位置。

本发明实施例中，在极端天气下所采集的第一车辆图像可以认为具有环境噪声，且不同类型的极端天气所对应的环境噪声的类型不相同。非极端天气下所采集的第二车辆图像可以认为不具有环境噪声。通过学习各种极端天气下获取的第一车辆图像中所包含的环境噪声，并将学习到的环境噪声与非极端天气下所获取的第二车辆图像相融合，从而可以生成大量与极端天气相关的车辆图像，那么经由极端天气类型所对应的车辆图像(包括原始的第一车辆图像以及人为生成的第三车辆图像)以及非极端天气所对应的车辆图像(第二车辆图像)共同训练得到的车牌检测模型，可以认为在极端天气与非极端天气下都具有较高的检测性能。与现有技术中基于人为设定的规则生成随机噪声相比，本申请通过从包含有环境噪声的车辆图像中学习环境噪声的概率密度分布，从而生成目标噪声，更加符合真实场景，从而有利于提高车牌检测的准确性。