车载环境下基于深度学习的车辆与车牌检测方法技术

本发明专利技术使用SSD作为基础网络进行改进，并提出了一个端到端的网络，用于在给定的图像中同时检测车辆和车牌。该网络具有两个独立的分支，分别设计有不同的卷积层来用于车辆和车牌的检测。最后，我们基于SSD的策略重新改进并设计我们的网络，并使用从真实场景中收集到的视频验证其有效性。同时，我们提出了一种不侵犯隐私的车牌数据增强方法，这对进一步的研究是很有意义的。此外，我们使用注意力机制来提高检测系统的召回率，实验证明它可以提高目标检测的性能。而且，我们针对车辆和车牌的检测采用了若干特定于任务的策略，以实现视频中的实时和高效检测。

【技术实现步骤摘要】
车载环境下基于深度学习的车辆与车牌检测方法
本专利技术涉及计算机视觉领域的目标检测方法，主要是提出了一种端到端的深度神经网络，以SSD为基础网络进行改进，用于同时检测给定图像中的车辆和车牌。
技术介绍
自动车辆和车牌检测是智能交通系统的重要组成部分。它可以应用于许多应用，例如交通监控和管理。到目前为止，它已经引起了相当多的研究关注，并提出了许多方法。由于近些年以来机器学习（如CNN等深度神经网络）迅速发展，通过在很多领域进行的尝试和改进，这种方法都表现出了良好的性能。然而，由于自然场景道路图像中有许多不同的目标，仍然会受到很大的干扰，还需要采取一定的措施来减少误检，提升我们的检测性能。而实时车辆和车牌检测在智能交通系统中是发挥着重要作用的，所以在实际应用中，解决这项具有挑战性的任务面临的很多问题是非常必要的。本专利技术就是研究如何解决复杂自然场景下具有挑战性的车辆与车牌检测问题。对于检测框架来说，在过去的几十年中一直使用的是传统目标检测方法，这一般分为三个阶段：首先在给定的图像上选择一些候选的区域，然后对这些区域提取特征，最后使用训练的分类器进行分类。但是传统方法存在两个非常重要的问本文档来自技高网...

【技术保护点】
1.一个端到端的检测网络，其特征在于可以同时检测给定图像中的车辆和车牌，其中为车辆检测和车牌检测分别设计具有不同卷积层的两个独立分支，同时为提高检测系统的召回率，添加Attention注意力机制来对每个检测分支进行加强，除此之外，针对视频中的实时和有效的目标检测任务，应用几种特定于任务的策略。

【技术特征摘要】
1.一个端到端的检测网络，其特征在于可以同时检测给定图像中的车辆和车牌，其中为车辆检测和车牌检测分别设计具有不同卷积层的两个独立分支，同时为提高检测系统的召回率，添加Attention注意力机制来对每个检测分支进行加强，除此之外，针对视频中的实时和有效的目标检测任务，应用几种特定于任务的策略。2.根据权利要求1中所述的方法，其特征在于，在设计不同的检测分支时，通过低层特征进行车牌的检测，同时使用高层的特征来定位车辆的位置，使用SSD作为基础网络，车辆检测模型和车牌检测模型都是独立进行训练的，都利用了两个检测分支的所有多尺度特征，网络可以在给定的图像上同时检测...

【专利技术属性】
技术研发人员：殷绪成，任红萍，陈松路，杨春，
申请(专利权)人：珠海亿智电子科技有限公司，
类型：发明
国别省市：广东,44