[发明专利]一种无限制安防场景下的车牌检测识别系统及其方法

权利要求书

1.一种无限制安防场景下的车牌检测识别系统，其特征在于，包括车牌检测、车牌矫正、车牌识别三个模块；

所述的车牌检测模块，根据获取的无限制安防场景图像，提取出车牌图像，将车牌图像以矩阵形式传入车牌矫正模块；

所述的车牌矫正模块，将所获得的车牌图像进行变换，变为正视角的车牌图像；

所述的车牌识别模块，利用车牌识别网络对获取的正视角车牌图像进行识别。

2.根据权利要求1所述的一种无限制安防场景下的车牌检测识别系统，其特征在于，所述的车牌检测模块，在获取无限制安防场景图像后，利用YOLOv5车辆检测算法对图像中的车辆进行目标检测，输出车辆在图像上的四个角点坐标，根据坐标裁剪出车辆图像；利用YOLOv5车牌检测算法对车辆图像进行目标检测，输出车牌在图像上的四个角点坐标，根据坐标裁剪出车牌图像，将车牌图像以矩阵的形式传入车牌矫正网络。

3.根据权利要求1所述的一种无限制安防场景下的车牌检测识别系统，其特征在于，所述的车牌矫正模块，利用STN空间变换网络对车牌图像进行在线变换，使输入的车牌图像具有空间不变性，即原本失真变形的车牌图像变为正视角的车牌图像。

4.根据权利要求1所述的一种无限制安防场景下的车牌检测识别系统，其特征在于，所述的车牌识别模块首先经过LPRnet宽卷积神经网络对车牌图像进行特征提取，获得局部字符的上下文信息，然后对字符的概率进行解码，通过集束搜索找到的前N个最可能序列，返回与预定义模板集合最匹配的第一个序列，即为车牌识别结果。

5.根据权利要求2所述的一种无限制安防场景下的车牌检测识别方法，其特征在于，所述YOLOv5车辆检测算法具体步骤为：

S101、获取安防摄像机拍摄的视频，对视频抽帧处理，获得安防场景下的车辆图像；

S102、将S101中获得的车辆图像利用CVAT数据标注工具进行标注，获得车辆检测数据集；

S103、对S102中获得的数据集标签进行聚类，根据聚类结果确定YOLOv5检测算法的先验框的宽高和数量；

S104、利用S102中获得的数据集以及S103中得到的先验框配置，对YOLOv5检测算法进行训练，当网络损失收敛时停止训练，获得模型权重；

S105、将安防视频流输入YOLOv5检测算法，设置合适的置信度阈值和IOU阈值，经过网络计算得到一系列的检测框，再经过非极大值抑制算法过滤掉低质量检测框和重复检测框，获得最终的车辆检测框。

6.根据权利要求2所述的一种无限制安防场景下的车牌检测识别方法，其特征在于，所述YOLOv5车牌检测算法具体步骤为：

S201、利用CVAT数据标注工具对上述车辆检测算法中得到的车辆数据集进行车牌区域标注，获得车牌检测数据集；

S202、对S201中获得的车牌检测数据集标签进行聚类，根据聚类结果确定YOLOv5车牌检测算法的先验框的宽高和数量；

S203、利用S201中获得的车牌检测数据集和2中得到的先验框配置，对YOLOv5检测算法进行训练，当网络损失收敛时停止训练，获得模型权重；

S204、将上述YOLOv5车辆检测算法输出的车辆图像输入YOLOv5车牌检测算法，设置合适的置信度阈值和IOU阈值，经过网络计算得到一系列的检测框，再经过非极大值抑制算法过滤掉低质量检测框和重复检测框，获得最终的车牌检测框。

7.根据权利要求1所述的一种无限制安防场景下的车牌检测识别方法，其特征在于，所述空间变换具体实现方式为：

S301、输入的车牌图像首先两个全连接层进行特征提取，然后接一个回归层，输出变换参数；

S302、利用S301中输出的变换参数，计算输出特征图上每个坐标位置对应输入特征图上的坐标位置；

S303、根据S302中得到空间位置映射关系，在输入特征图上进行双线性插值采样得到输出特征图的像素。