[发明专利]一种车牌检测方法、装置、介质

权利要求书

1.一种车牌检测方法，其特征在于，包括：

获取车辆通过时的待检测图片；

调用车牌检测模型获取所述车牌的检测特征和所述车牌的特征点的检测特征；

结合所述车牌的检测特征和分类损失函数，匹配类别置信度和位置置信度最高的样本；

获取所述车牌区域的预测框；

通过所述车牌的检测特征和所述特征点的检测特征计算多任务损失函数，利用所述多任务损失函数对所述预测框进行回归运算，获得所述检测框；

所述多任务损失函数的计算公式为L_all＝λ_clsL_cls+λ_l1L_l1+λ_giouL_giou+λ_lanL_lan，其中L_cls为目标分类损失函数，L_l1为目标位置回归损失函数，L_giou为目标定位损失函数，L_lan为特征点定位损失函数，λ_cls为所述目标分类损失函数的权重，λ_l1为所述目标位置回归损失函数的权重，λ_giou为所述目标定位损失函数的权重，λ_lan为所述特征点定位损失函数的权重；其中，所述车牌检测模型基于OneNet目标检测模型中用于目标检测的网络和具有倒置残差结构的可分离卷积网络中用于特征提取的网络得到，并基于训练数据集进行训练；获取所述检测框，以实现车牌的检测；

检测所述待检测图片中是否存在车身和头盔，以判断所述车辆是否违规。

2.根据权利要求1所述的车牌检测方法，其特征在于，所述获得所述检测框的步骤后，还包括：

通过所述特征点的检测特征对所述车牌区域进行仿射变换，对所述车牌区域进行矫正。

3.根据权利要求1或2所述的车牌检测方法，其特征在于，所述并基于训练数据集进行训练，包括：

使用随机梯度下降法对所述车牌检测模型的参数进行迭代更新。

4.根据权利要求3所述的车牌检测方法，其特征在于，所述车牌检测模型的训练过程包括：

选取包含车牌信息的图片作为训练样本，对所述训练样本中的所述车牌区域和所述特征点进行人工标注，获得初始训练数据集；

对所述初始训练数据集进行预处理，得到所述训练数据集。

5.根据权利要求4所述的车牌检测方法，其特征在于，包括：

所述车牌检测模型应用于嵌入式平台。