[发明专利]基于多尺度YOLOv5嵌套的车辆车牌检测定位方法

权利要求书

1.一种基于多尺度YOLOv5嵌套的车辆车牌检测定位方法，其特征是步骤包括：

1)通过视频流，截取单帧图片；

2)对图像进行HSV增强，增强后的图片与原始图片的比例一致；

3)训练大尺度YOLOv5网络作为车辆检测网络；

3)训练小尺度YOLOv5网络作为车牌检测网络；

4)使用大尺度YOLOv5车辆检测网络检测车辆，对步骤2)输入图像进行检测，得到车辆检测ROI；

6)用车辆检测ROI对原始输入图像进行裁剪，得到图像中的车辆部分，再采用步骤2)的图像处理方法对车辆图片逐个处理；

7)使用小尺度YOLOv5车辆检测网络检测车牌，对步骤6)得到的车辆图片逐个检测，得到每个车辆的车牌检测坐标。

2.根据权利要求1所述的基于多尺度YOLOv5嵌套的车辆车牌检测定位方法，其特征是所述步骤1)中，通过opencv读取视频流，截取单帧图片。

3.根据权利要求1所述的基于多尺度YOLOv5嵌套的车辆车牌检测定位方法，其特征是所述步骤2)中，H通道增强参数为0.014，S通道增强参数为0.68，V通道增强参数为0.36，将输入图像处理为416×416×3，先将图片以最长边与416的比值进行缩放，然后在短边方向补0像素。

4.根据权利要求1所述的基于多尺度YOLOv5嵌套的车辆车牌检测定位方法，其特征是所述步骤3)中，使用DETRAC数据集训练大尺度YOLOv5车辆检测网络设置参数：

网络深度参数为0.33，网络宽度参数为0.5，学习率learning_rate为0.01，随机梯度下降动量参数momentum为0.937，权重衰减为0.0005；设置大尺度YOLOv5车辆检测损失函数为：

L＝L_{car_conf}+L_{car_loc}

其中，L_{car_conf}为车辆目标置信度损失，L_{car_loc}为车辆目标定位损失。

5.根据权利要求1所述的基于多尺度YOLOv5嵌套的车辆车牌检测定位方法，其特征是所述步骤4)中，使用CCPD2020数据集训练小尺度YOLOv5车牌检测网络设置参数：

网络深度参数为0.2，网络宽度参数为0.25，学习率learning_rate为0.01，随机梯度下降动量参数momentum为0.937，权重衰减为0.0005；设置小尺度YOLOv5车牌检测损失函数为：

L＝L_{LP_conf}+L_{LP_loc}

其中，L_{LP_conf}为车牌目标置信度损失，L_{LP_loc}为车牌目标定位损失。