[发明专利]一种车牌检测方法和装置

说明书

本申请实施例提供了一种车牌检测与识别的方法和装置。该方法包括：对包含有车辆的目标图像进行车牌检测；在未检测到车牌的情况下，在指定区域中确定疑似车牌区域；确定所述疑似车牌区域是否包含所述车牌；在疑似车牌区域包含所述车牌的情况下，输出所述车牌的位置信息。由此，对漏检的车牌进行二次检测与分类，减少了漏检率。该方法还包括：基于该车牌的位置信息获取车牌图像；对车牌图像进行卷积操作得到特征矩阵，在该特征矩阵在高度方向的维度大于1的情况下，将该特征矩阵进行维度转换，使之成为高度方向的维度为1的特征矩阵，进而进行车牌识别。从而可通过一个模型实现单、双层车牌的识别，缓解了模型加载时间长、占用计算机资源的问题。

技术领域

本申请涉及智能交通管理领域，并且更具体地，涉及一种车牌检测方法和装置。

背景技术

车牌的检测与识别作为智能化管理的重要组成部分，近年来发展迅速。在现有的车牌智能检测技术中，一种常见的应用场景是，采用目标检测算法进行车牌的检测。比如，收集大量的含有车辆的图像，将其输入目标检测算法，实现车牌的检测。现实应用中，收集来的含有车辆的图像受拍摄的天气环境、车牌被淋溅污泥和自身老化等多方面因素的影响，图像质量不高，因此可能存在车牌漏检的问题。这对后续的车牌识别带来影响。

发明内容

本申请实施例提供了一种车牌检测方法和装置，以解决车牌漏检问题。

第一方面，本申请提供了一种车牌检测方法，该方法包括：对目标图像进行车牌检测，所述目标图像是包含有车辆的图像；在未检测到车牌的情况下，在指定区域中确定疑似车牌区域；确定所述疑似车牌区域是否包含所述车牌；在所述疑似车牌区域包含所述车牌的情况下，输出所述车牌的位置信息。

基于上述方案，在首次检测未检测到车牌的情况下，对指定区域二次检测得到疑似车牌区域，并对疑似车牌区域进行分类。一方面可以减少车牌的漏检，另一方面，由于二次检测可以是在指定区域内的检测，可以提供缩小检测的范围，减小计算量，缩短计算时间。

可选地，所述在指定区域中确定疑似车牌区域，包括：采用预先训练好的目标检测模型对所述目标图像进行卷积操作，以得到至少一层特征图；在所述至少一层特征图的最后一层特征图的指定区域确定每个元素点对应的区域包含所述车牌的置信度；将所述置信度最大的元素点对应的区域确定为所述疑似车牌区域。

可选地，所述确定所述疑似车牌区域是否包含所述车牌，包括：采用预先训练好的分类模型来对所述疑似车牌区域进行分类，以确定是否包含所述车牌。

可选地，所述对所述车牌图像进行车牌识别，包括：对所述车牌图像进行卷积操作，以得到维度为C×H×N的特征矩阵，其中，C为通道数，H为宽度方向的维数，N为长度方向的维数，C、H和N均为正整数；在H大于1的情况下，将所述特征矩阵分解成维度为C×1×N的H个特征矩阵；按预设的顺序对所述H个特征矩阵进行拼接，得到维度为C×1×(H×N)的特征矩阵；基于所述维度为C×1×(H×N)的特征矩阵进行车牌识别。可选地，所述方法还可以包括：根据预定义的尺寸规格，对所述车牌图像进行归一化处理，以得到满足所述尺寸规格的车牌图像。

可选地，所述方法还可以包括：获取包含有车辆的原始图像；对所述原始图像进行图像处理，得到所述目标图像。

可选地，对所述原始图像进行图像处理，可以为去雾，夜晚增强处理。

第二方面，本申请提供了一种车牌识别方法，该方法包括：获取车牌图像，所述车牌图像是包含有车牌的图像；对所述车牌图像进行卷积操作，得到维度为C×H×N的特征矩阵，其中，C为通道数，H为宽度方向的维数，N为长度方向的维数，C、H和N均为正整数；在H大于1的情况下，按预设的顺序对所述C×H×N的特征矩阵中的H个特征矩阵进行拼接，得到维度为C×1×(H×N)的特征矩阵；基于所述维度为C×1×(H×N)的特征矩阵进行车牌识别。