车牌检测方法、系统、平台和存储介质技术方案

一种车牌检测方法，包括：接收待检测图像；采用车辆目标检测模型判断所述待检测图像中是否存在车辆，若存在，则提取所述车辆的图像，否则，输出用于表征所述待检测图像不存在所述车辆的第一信息；采用车牌检测模型判断所述车辆的图像中是否存在车牌，若存在车牌，则输出所述车牌在所述车辆的图像中的位置，否则，输出用于表征所述车辆的图像中不存在所述车牌的第二信息。

License plate detection method, system, platform and storage medium

【技术实现步骤摘要】
车牌检测方法、系统、平台和存储介质
本专利技术属于道路监控
，特别涉及一种车牌检测方法、系统、平台和存储介质，该车牌检测方法基于深度学习技术。
技术介绍
随着科技的不断发展，机动车成本降低的同时，人们的生活水平不断提高，城市机动车保有量迅猛增长。在给民众生活带来便利的同时，也为机动车的管理带来了巨大的挑战。车牌作为每个车辆独有的互不相同的明显特征，在车辆管理过程中的重要作用不言而喻。比如，我们可以通过车牌的识别判断车辆是否具有特定区域的通行权限，或者可以通过车牌的识别自动计算车辆的进出时间从而收取停车费等等。然而目前更多时候还是通过人工来识别车辆的车牌号码，这样的方式不仅费时费力，人工成本较高，而且还会因为人类的自身局限性导致一系列的问题，比如疲劳之后的易疏忽等。而如果想要准确快速的通过摄像头获取识别车辆的车牌号码，如何精确定位车牌位置就成为了首要解决的问题。目前已有的车牌检测大多局限于单一场景或者实时场景，而且容易错误定位到车身上的喷漆车牌或其他字符。这些都是想要精准定位车牌急需解决的问题。<br>
技术实现思路
<本文档来自技高网...

【技术保护点】
1.一种车牌检测方法，其特征在于，包括以下步骤：/n接收待检测图像；/n采用车辆目标检测模型判断所述待检测图像中是否存在车辆，/n若存在，则提取所述车辆的图像；否则，输出用于表征所述待检测图像不存在所述车辆的第一信息；/n采用车牌检测模型判断所述车辆的图像中是否存在车牌，/n若存在车牌，则输出所述车牌在所述车辆的图像中的位置；否则，输出用于表征所述车辆的图像中不存在所述车牌的第二信息。/n

【技术特征摘要】
1.一种车牌检测方法，其特征在于，包括以下步骤：
接收待检测图像；
采用车辆目标检测模型判断所述待检测图像中是否存在车辆，
若存在，则提取所述车辆的图像；否则，输出用于表征所述待检测图像不存在所述车辆的第一信息；
采用车牌检测模型判断所述车辆的图像中是否存在车牌，
若存在车牌，则输出所述车牌在所述车辆的图像中的位置；否则，输出用于表征所述车辆的图像中不存在所述车牌的第二信息。


2.如权利要求1所述的车牌检测方法，其特征在于，所述车辆目标检测模型的获取步骤如下：
获取不同型号的车辆在不同光照条件和/或不同拍摄角度下的车辆图像；
标记车辆在所述车辆图像中的位置；
根据标记过车辆位置的车辆图像样本集，训练得到所述车辆目标检测模型。


3.根据权利要求2所述的车牌检测方法，其特征在于，所述车辆目标检测模型，具体通过基于如下设置的SSD网络框架进行训练，包括：
基本学习率base_lr设置为0.001，权重衰减weight_decay设置为0.0005，显示器参数gamma设置为0.1，动量momentum设置为0.9，学习率策略设置为“multistep”方式，在迭代次数分别为80000、100000、120000时进行调整，总的迭代次数设置为130000次。


4.如权利要求1所述的车牌检测方法，其特征在于，所述车牌检测模型的获取步骤如下：
获取不同车牌号的车辆在不同光照条件和/或不同拍摄角度下的车辆图像；
标记车牌在所述车辆图像中的位置；
根据标记过车牌位置的车辆图像样本集，训练目标检测深度神经网络模型，得到所述车牌检测模型。


5.如权利要求1所述的车牌检测方法，其特征在于，所述车牌，具体为：喷漆车牌；
所述车牌检测模型的获取步骤如下：
获取不同的喷漆车牌在不同光照条件和/或不同拍摄角度下的车辆图像；
标记所述喷漆车牌在所述车辆图像中的位置；
根据所述标记过车牌位置的车辆图像样本集，训练目标检测深度神经网络模型，训练得到所述车牌检测模型。


6.如权利要求4或5所述的车牌检测方法，其特征在于，所述目标检测深度神经网络模型，具体通过如下方式获取：
采用三个不改变特征图大小的卷积层conv1、conv2和conv3连接，每层卷积层都添加批归一化BatchNorm层，每层的卷积核个数分别为64、128和256个，同时每层卷积...

【专利技术属性】
技术研发人员：周康明，吴昊，
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