一种基于分块的车牌区域回归技术的车牌检测方法技术

本发明专利技术提供了一种基于分块的车牌区域回归技术的车牌检测方法，包括：步骤a：进行车辆检测，获得目标车辆，由目标车辆确定整个车牌检测区域；步骤b：将所述车牌检测区域划分成n个小块，各小块之间部分重叠；步骤c：使用第一深度神经网络学习模型拟合得到大致的车牌区域，同时获得该区域是真车牌的可信度；以及步骤d：根据所述车牌区域的位置与可信度的关系，融合得到最终的车牌区域。本发明专利技术采用分块的车牌区域回归技术，降低了车牌检测的时间；通过引入深度学习模型，提高了车牌检测的精确度。

License plate area regression based vehicle license plate detection method

The present invention provides a method for license plate detection, license plate block regression based on the technology comprises the following steps: A: vehicle detection, vehicle license plate detection target, the target vehicle is determined by region; step B: the license plate detection area is divided into n pieces, part of the small overlap between the steps of C;: get the license plate area roughly using the first depth neural network learning model, at the same time to receive the license plate area is really the credibility; and step D: according to the relationship between the position and the credibility of the license plate, license plate area and the final fusion. The invention adopts a block plate area regression technique to reduce the time of vehicle license plate detection, and improves the accuracy of the license plate detection by introducing a depth learning model.

【技术实现步骤摘要】
一种基于分块的车牌区域回归技术的车牌检测方法
本专利技术涉及智能交通系统和数字安防领域，具体涉及一种基于分块的车牌区域回归技术的车牌检测方法。
技术介绍
车牌识别是智能交通系统(ITS)领域的基础部分和重要环节，对智能交通系统的其他部分如车标识别、车身颜色分析、车型分析、卡口检测、电子警察，及其他交通事件相关模块的处理好坏有着重要的影响。传统的车牌识别系统，大致分为车牌检测、车牌定位、字符分割及字符识别等几个子模块。其车牌检测环节使用检测器在全图或感兴趣区域(ROI)进行扫描分类，要考虑到尺度和横纵比等问题，计算量比较大；车牌定位如上下边确定由于受到光线、图像质量、车牌大小等因素影响难以精确，对后续字符分割和识别影响很大。并且，传统的车牌检测系统存在需要遍历滑动窗，比较耗时的问题。
技术实现思路
本专利技术针对现有技术存在的问题，提出一种基于分块的车牌区域回归技术的车牌检测方法。本专利技术的一种基于分块的车票区域回归技术的车牌检测方法，包括如下步骤：步骤a：进行车辆检测，获得目标车辆，由目标车辆确定整个车牌检测区域；步骤b：将所述车牌检测区域划分成n个小块，各小块之间部分重叠；步骤c：使本文档来自技高网...

【技术保护点】
一种基于分块的车牌区域回归技术的车牌检测方法，其特征在于，包括如下步骤：步骤a：进行车辆检测，获得目标车辆，由目标车辆确定整个车牌检测区域；步骤b：将所述车牌检测区域划分成n个小块，各小块之间部分重叠；步骤c：使用深度神经网络模型拟合得到大致的车牌区域，同时获得该区域是真车牌的可信度；以及步骤d：根据所述车牌区域的位置与可信度的关系，融合得到最终的车牌区域。

【技术特征摘要】
1.一种基于分块的车牌区域回归技术的车牌检测方法，其特征在于，包括如下步骤：步骤a：进行车辆检测，获得目标车辆，由目标车辆确定整个车牌检测区域；步骤b：将所述车牌检测区域划分成n个小块，各小块之间部分重叠；步骤c：使用深度神经网络模型拟合得到大致的车牌区域，同时获得该区域是真车牌的可信度；以及步骤d：根据所述车牌区域的位置与可信度的关系，融合得到最终的车牌区域。2.根据权利要求1所述的一种基于分块的车牌区域回归技术的车牌检测方法，其特征在于，步骤b中，n＝5或9。3.根据权利要求1所述的一种基于分块的车牌区域回归技术的车牌检测方法，其特征在于，步骤c中，所述可信度的数值范围为0～1，0表示真车牌的可信度为0，1表示真车牌的可信度为100％。4.根据权利要求1所述的一种基于分块的车牌区域回归技术的车牌检测方法，其特征在于，所述深度神经网络模型包括依次连接的3个卷积层和3个全连接层，最后一个全连接层包含两个分支，一个分支为预测的车牌区域...

【专利技术属性】
技术研发人员：王运节，许震，张如高，
申请(专利权)人：新智认知数据服务有限公司，
类型：发明
国别省市：上海,31