【技术实现步骤摘要】
车牌螺丝检测方法、装置和计算机设备
本申请涉及车辆检测
，特别是涉及一种车牌螺丝检测方法、装置和计算机设备。
技术介绍
随着社会经济的不断发展和人民生活水平的持续提高，机动车保有量迅猛增长，从而使得机动车车辆年检的工作量也随之迅速增大。根据相关规定，机动车车牌螺丝需要使用专用的螺丝，且需由两个或者四个螺丝固定。如果安装有两个螺丝，则必须同时安装在车牌上方的两个螺丝孔中；如果安装四个螺丝，则车牌的上方和下方各安装两个。在对机动车进行车辆年检时，需要对车牌螺丝的安装情况进行检测。而传统的车牌螺丝检测方法，是通过检测人员目视辨认，存在效率和准确率低的问题。
技术实现思路
基于此，有必要针对上述技术问题，提供一种能够提高车辆年检中检验车牌螺丝效率和准确率的车牌螺丝检测方法、装置、计算机设备和存储介质。为了实现上述目的，一方面，本申请实施例提供了一种车牌螺丝检测方法，所述方法包括：获取待检测图像；采用第一深度学习模型检测待检测图像中的车牌区域图像，当检测存在车牌区域图像时，则获
【技术保护点】
1.一种车牌螺丝检测方法，其特征在于，所述方法包括：/n获取待检测图像；/n采用第一模型检测所述待检测图像中的车牌，当检测存在所述车牌时，则获取所述车牌区域图像；/n采用第二模型检测所述车牌区域图像，得到所述车牌区域图像中每个车牌螺丝的位置信息和得分，获取得分大于阈值的车牌螺丝的位置信息和数量；/n根据所述车牌螺丝的位置信息和数量，生成所述待检测图像中所述车牌螺丝的检测结果。/n
【技术特征摘要】
1.一种车牌螺丝检测方法，其特征在于，所述方法包括：
获取待检测图像；
采用第一模型检测所述待检测图像中的车牌，当检测存在所述车牌时，则获取所述车牌区域图像；
采用第二模型检测所述车牌区域图像，得到所述车牌区域图像中每个车牌螺丝的位置信息和得分，获取得分大于阈值的车牌螺丝的位置信息和数量；
根据所述车牌螺丝的位置信息和数量，生成所述待检测图像中所述车牌螺丝的检测结果。
2.根据权利要求1所述的车牌螺丝检测方法，其特征在于，所述采用第二深度学习模型检测所述车牌区域图像，得到所述车牌区域图像中每个车牌螺丝的位置信息和得分，包括：
通过所述第二深度学习模型中的特征提取网络，对所述车牌区域图像进行特征提取，得到不同尺寸的多个原始特征图；
分别对所述不同尺寸的原始特征图进行锚点分类和锚点回归，得到对应的不同尺寸的多个候选建议区域；
分别将所述不同尺寸的候选建议区域进行参数设置，生成对应的不同尺寸的多个优化特征图；
对所述不同尺寸的多个优化特征图进行预测分类和预测位置，得到所述车牌螺丝的位置信息和得分。
3.根据权利要求2所述的车牌螺丝检测方法，其特征在于，所述分别将所述不同尺寸的候选建议区域进行参数设置，生成对应的不同尺寸的多个优化特征图之后，还包括：
对所述不同尺寸的多个优化特征图进行反卷积和融合处理，生成融合后的不同尺寸的多个优化特征图；
所述对所述不同尺寸的多个优化特征图进行预测分类和预测位置，得到所述车牌螺丝的位置信息和得分，包括：
对所述融合后的不同尺寸的多个优化特征图进行预测分类和预测位置，得到所述车牌螺丝的位置信息和得分。
4.根据权利要求3所述的车牌螺丝检测方法，其特征在于，所述反卷积和融合处理以自顶向下的方式进行；所述对所述不同尺寸的多个优化特征图进行反卷积和融合处理，生成融合后的不同尺寸的多个优化特征图，包括：
将融合后的顶层优化特征图进行反卷积，得到反卷积后的顶层优化特征图；
将所述反卷积后的顶层优化特征图与次顶层优化特征图进行融合，生成融合后的次顶层优化特征图，并基于所述融合后的次顶层优化特征图进行循环处理，生成融合后的不同尺寸的多个优化特征图。
5.根据权利要求2所述的车牌螺丝检测方法，其特征在于，所述第二深度学习模型的训练生成过程包括：
获取多张不同拍摄条件的车牌区域图像样本；
对所述车牌区域图像样本中的车牌螺丝区域进行标注，得到训练样本集和测试样本集；
使用所述训练本集对待训练第二深度学习模型进行训练，得到分类损失和回归损失；
根据所述分类损...
【专利技术属性】
技术研发人员：周康明，高凯珺，
申请(专利权)人：上海眼控科技股份有限公司，
类型：发明
国别省市：上海;31
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。