一种由粗到精的两阶段非约束车牌区域精准提取方法技术

一种由粗到精的两阶段非约束车牌区域精准提取方法，首先利用YOLOv3网络对车牌图像中的车牌区域进行粗定位，然后使用基于MobileNetV3改进的网络在粗定位区域中定位车牌顶点位置，最后利用透视变换将精定位的车牌区域校正到矩形区域内。本发明专利技术使用两阶段的车牌定位方法，相比于直接进行车牌定位的一阶段网络，在车牌定位的精度上有着更加明显的优势，同时也保持了车牌定位的实时性。

【技术实现步骤摘要】
一种由粗到精的两阶段非约束车牌区域精准提取方法
本专利技术涉及车牌信息识别
，具体涉及一种由粗到精的两阶段非约束车牌区域精准提取方法。
技术介绍
车牌识别系统是智能交通系统中至关重要的一部分，其应用场景广泛，如高速收费站、停车场出入口、交通违规监测、交通执法等。在道路交通管理中，车牌是获取车辆拥有者信息的唯一依据，因此在车辆行驶过程中，准确有效的识别车牌信息具有重要意义。车牌检测作为自动车牌识别系统中的关键部分，一直是一个备受关注的研究课题。已有的车牌检测技术大致可分为两种，即传统方法和基于深度学习的方法。传统车牌检测算法可分为两种：1)基于图像灰度特征的算法，这类算法主要将图像进行灰度化处理后，利用车牌的纹理、边缘等特征提取车牌区域。文献[1]Lalimi,M.A.,Ghofrani,S.,&McLernon,D.(2013).Avehiclelicenseplatedetectionmethodusingregionandedgebasedmethods.Computers&ElectricalEngineer本文档来自技高网...

【技术保护点】
1.一种由粗到精的两阶段非约束车牌区域精准提取方法，其特征在于，首先利用YOLOv3网络对车牌图像中的车牌区域进行粗定位，然后使用基于MobileNetV3改进的网络在粗定位区域中定位车牌顶点位置，最后利用透视变换将精定位的车牌区域校正到矩形区域内。/n

【技术特征摘要】
1.一种由粗到精的两阶段非约束车牌区域精准提取方法，其特征在于，首先利用YOLOv3网络对车牌图像中的车牌区域进行粗定位，然后使用基于MobileNetV3改进的网络在粗定位区域中定位车牌顶点位置，最后利用透视变换将精定位的车牌区域校正到矩形区域内。


2.一种由粗到精的两阶段非约束车牌区域精准提取方法，其特征在于包括以下步骤：
步骤一、基于YOLOv3的车牌区域粗定位：
使用YOLOv3训练车牌检测模型，将外接矩形框向四周延伸得到新的矩形框作为目标标签，外接矩形框延伸策略如公式(1)～公式(4)：












其中：(xtl,ytl)、(xdr,ydr)为最小外接矩形框的左上顶点和右下顶点坐标，(nxtl,nytl)、(nxdr,nydr)为延伸后边界框的左上顶点和右下顶点坐标，w0、h0分别为车牌最小外接矩形的宽和高，W、H为图像的宽和高；
步骤二、基于轻量级网络MobileNetV3的车牌顶点精定位：
以轻量级网络MobileNetV3-Small为基础，在该网络尾部的最后一个卷积层使用“sigmoid”作为激活函数；同时使用卷积层Conv替代全连接层，改进得到AL-MobileNetV3网络；
AL-MobileNetV3网络对输入图像进行一系列特征提取后，最终输出8个0～1之间的实数px0、py0、px1、py1、px2、py2、px3、py3，即四个顶点在图像中的相对位置，最后，将输出做进一步转换得到车牌顶点具体坐标：右下(x0,y0)、左下(x1,y1)、左上(x2,y2)、右上(x3,y3)；AL-MobileNetV3使用均方误差(MSE)作为网络的损失函数，见公式(5)：

【专利技术属性】
技术研发人员：徐光柱，匡婉，雷帮军，万秋波，吴正平，石勇涛，
申请(专利权)人：湖北九感科技有限公司，三峡大学，
类型：发明
国别省市：湖北;42