[发明专利]基于深度学习的车牌检测方法在审
| 申请号： | 201610312822.2 | 申请日： | 2016-05-12 |
| 公开（公告）号： | CN106022232A | 公开（公告）日： | 2016-10-12 |
| 发明（设计）人： | 邹刚;蒋涛;李鸿升 | 申请（专利权）人： | 成都新舟锐视科技有限公司 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62;G06N3/02 |
| 代理公司： | 北京天奇智新知识产权代理有限公司 11340 | 代理人： | 杨春 |
| 地址： | 635200 四川省成都市高新区*** | 国省代码： | 四川;51 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于深度学习的车牌检测方法，采用faster‑rcnn算法，分别训练一个RPN卷积神经网络和一个fast‑rcnn卷积神经网络，通过构建带有标注和标签的图片库作为样本集，并采用训练好的RPN卷积神经网络处理样本集中的图片，得到车牌粗选区域，然后将车牌粗选框送入训练好的fast‑rcnn卷积神经网络做判别，根据fast‑rcnn卷积神经网络的输出向量判断车牌粗选区域是否为最佳车牌区域，如果是最佳车牌区域，则得到车牌最终区域。本发明在RPN卷积神经网络训练时，采用了多个尺度和多个比例基准框，能够有效提升非常规尺度和比例的车牌的检测，RPN卷积神经网络和fast‑rcnn卷积神经网络通过共享卷积层参数，使整个系统更加简单，计算量较小，而且漏检率较低，能满足系统实时性要求。 | ||
| 搜索关键词： | 基于 深度 学习 车牌 检测 方法 | ||
【主权项】：
一种基于深度学习的车牌检测方法，其特征在于：通过构建带有标注和标签的图片库作为训练样本集，采用faster‑rcnn算法，分别训练一个基于多个基准框的RPN卷积神经网络和一个fast‑rcnn卷积神经网络，其中RPN卷积神经网络和fast‑rcnn卷积神经网络前五个卷积层共享参数，采用训练好的RPN卷积神经网络处理训练样本集中的图片，得到车牌粗选区域，然后将车牌粗选框送入训练好的fast‑rcnn卷积神经网络做判别，根据fast‑rcnn卷积神经网络的输出向量判断车牌粗选区域是否为最佳车牌区域，如果是最佳车牌区域，则得到车牌最终区域。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于成都新舟锐视科技有限公司，未经成都新舟锐视科技有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201610312822.2/，转载请声明来源钻瓜专利网。
