[发明专利]基于LSTM-CNN组合模型的车牌定位方法及装置在审
| 申请号： | 201810783343.8 | 申请日： | 2018-07-17 |
| 公开（公告）号： | CN109034152A | 公开（公告）日： | 2018-12-18 |
| 发明（设计）人： | 程良伦;陈仿雄 | 申请（专利权）人： | 广东工业大学 |
| 主分类号： | G06K9/32 | 分类号： | G06K9/32;G06K9/46;G06N3/04 |
| 代理公司： | 北京集佳知识产权代理有限公司 11227 | 代理人： | 罗满 |
| 地址： | 510006 广东省*** | 国省代码： | 广东;44 |
| 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LSTM‑CNN组合模型的车牌定位方法及装置，该方法包括：利用卷积神经网络模型，对待处理图像进行特征提取，获取最后一层卷积层的卷积层特征；利用锚点机制将卷积层特征映射到待处理图像，获取每个候选提议框各自对应的预设数量的垂直锚点的区域分数和预测垂直坐标；利用双向长短期记忆网络更新卷积层特征的内部状态；根据区域分数、预测垂直坐标和更新后的卷积层特征的内部状态，利用多任务损失函数确定车辆图像的车牌定位结果；本发明实现了卷积神经网络与双向长短期记忆网络的无缝连接，从而形成了端对端的车牌定位模型，利用双向长短期记忆网络探索丰富的图像上下文信息的优势，更好的定位出复杂环境下车牌的位置。 | ||
| 搜索关键词： | 卷积 车牌定位 记忆网络 卷积神经网络 垂直坐标 内部状态 组合模型 锚点 待处理图像 上下文信息 车辆图像 处理图像 复杂环境 损失函数 特征提取 无缝连接 映射 预测 更新 预设 垂直 下车 图像 提议 探索 | ||
【主权项】：
1.一种基于LSTM‑CNN组合模型的车牌定位方法，其特征在于，包括：将获取的车辆图像转化为预设大小的待处理图像；利用卷积神经网络模型，对所述待处理图像进行特征提取，获取最后一层卷积层的卷积层特征；利用锚点机制将所述卷积层特征映射到所述待处理图像，获取每个候选提议框各自对应的预设数量的垂直锚点的区域分数和预测垂直坐标；其中，所述区域分数为车牌区域分数或非车牌区域分数，所述候选提议框的宽度为预设像素值；利用双向长短期记忆网络更新所述卷积层特征的内部状态；根据所述区域分数、所述预测垂直坐标和更新后的卷积层特征的内部状态，利用多任务损失函数确定所述车辆图像的车牌定位结果。
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广东工业大学，未经广东工业大学许可，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/201810783343.8/，转载请声明来源钻瓜专利网。
