图像预处理方法、装置、计算机设备和可读存储介质制造方法及图纸

本申请涉及一种图像预处理方法、装置、计算机设备和可读存储介质，其中，该图像预处理方法包括：获取待检测图像，其中，待检测图像中具有车牌图像；使用经过训练的人工神经网络检测车牌图像的亮度级别，其中，经过训练的人工神经网络被训练为检测车辆图像中车牌图像的亮度级别；获取与亮度级别对应的曝光参数，并根据曝光参数调整待检测图像的亮度，得到预处理图像。通过本申请，解决了相关技术中车牌图像识别率的误差大的问题，提高了车牌图像的识别率。

【技术实现步骤摘要】
图像预处理方法、装置、计算机设备和可读存储介质
本申请涉及图像处理领域，特别是涉及图像预处理方法、装置、计算机设备和计算机可读存储介质。
技术介绍
目前在道路口的红绿灯附近，大部分都会安装卡口、电警等监控设备，用于对违法违规车辆进行抓拍。随着全天候太阳东升西落的过程，车辆抓拍点不可避免的会处于强顺光或强逆光环境中，其中，顺光环境下车牌光照过于充足，极易发生车牌过曝而泛白现象，而逆光环境下，车牌受到的光照过于微弱，极易发生车牌欠曝，导致车牌字体辨识度过低。车牌识别率与抓拍图像的车牌效果密切相关，一张曝光适宜车牌的识别率会明显优于过曝或欠曝车牌的识别率。为了克服上述车牌识别率的低的问题，在相关技术中，通过检测是否能够从车辆图片信息中确定出目标车辆的车牌区域；在不能够从车辆图片信息中确定出目标车辆的车牌区域的情况下，获取车辆图片信息中预置区域的亮度参数，最后将预置区域的亮度参数确定为目标车辆的车牌区域内图片的亮度参数，进而来调节车牌区域内的图片的亮度，以使得车辆图像中车牌图像能够被识别。然而专利技术人在研究过程中发现，该预置区域是人工设定的，而通过采用人工设定的预置区域对应的亮度参数来实现对车牌区域内图片的亮度调节，会导致车牌区域对应的车牌图像识别率的误差大。目前针对相关技术中车牌图像识别率的误差大的问题，尚未提出有效的解决方案。
技术实现思路
本申请实施例提供了一种图像预处理方法、装置、计算机设备和计算机可读存储介质，以至少解决相关技术中车牌图像识别率的误差大的问题。第一方面，本申请实施例提供了一种图像预处理方法，包括：获取待检测图像，其中，所述待检测图像中具有车牌图像；使用经过训练的人工神经网络检测所述车牌图像的亮度级别，其中，所述经过训练的人工神经网络被训练为检测车辆图像中车牌图像的亮度级别；获取与所述亮度级别对应的曝光参数，并根据所述曝光参数调整所述待检测图像的亮度，得到预处理图像。在其中一些实施例中，获取与所述亮度级别对应的曝光参数，并根据所述曝光参数调整所述待检测图像的亮度，得到预处理图像包括：判断所述亮度级别是否为预设亮度级别；在判断到所述亮度级别不为所述预设亮度级别的情况下，获取与所述亮度级别对应的曝光参数，并根据所述曝光参数调整所述待检测图像的亮度，得到所述预处理图像。在其中一些实施例中，所述方法还包括：在判断到所述亮度级别为所述预设亮度级别的情况下，确定所述待检测图像的亮度不变。在其中一些实施例中，在根据所述曝光参数调整所述待检测图像的亮度，得到预处理图像之后，所述方法还包括：从所述预处理图像中检测并提取目标车牌图像。在其中一些实施例中，在获取所述待检测图像之后，所述方法还包括：提取所述待检测图像中的感兴趣区域图像的坐标信息，其中，所述感兴趣区域图像包括车辆图像；在根据所述曝光参数调整所述待检测图像的亮度，得到预处理图像之后，所述方法还包括：根据所述感兴趣区域图像的坐标信息，从所述预处理图像中提取所述感兴趣区域图像；从所述感兴趣区域图像中检测并提取目标车牌图像。在其中一些实施例中，在检测并提取到所述目标车牌图像之后，所述方法还包括：调整所述目标车牌图像的曝光参数。在其中一些实施例中，经过训练的人工神经网络的训练过程包括：获取训练样本和初始的人工神经网络，其中，所述训练样本包括：训练图像和与所述训练图像对应的标签；所述训练图像中具有包含车牌图像和车辆图像，所述标签用于表示所述训练图像中的车牌图像的亮度级别；使用所述训练样本以监督学习的方式训练所述初始的人工神经网络，直至参数收敛，得到所述经过训练的人工神经网络。第二方面，本申请实施例还提供了一种图像预处理装置，所述装置包括：第一获取模块，用于获取待检测图像，其中，所述待检测图像中具有车牌图像；检测模块，用于使用经过训练的人工神经网络检测所述车牌图像的亮度级别，其中，所述经过训练的人工神经网络被训练为检测车辆图像中车牌图像的亮度级别；第二获取模块，用于获取与所述亮度级别对应的曝光参数，并根据所述曝光参数调整所述待检测图像的亮度，得到预处理图像。第三方面，本申请实施例提供了一种计算机设备，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述第一方面所述的图像预处理方法。第四方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述第一方面所述的图像预处理方法。相比于相关技术，本申请实施例提供的图像预处理方法、装置、计算机设备和计算机可读存储介质，通过获取待检测图像，其中，待检测图像中具有车牌图像；使用经过训练的人工神经网络检测车牌图像的亮度级别，其中，经过训练的人工神经网络被训练为检测车辆图像中车牌图像的亮度级别；获取与亮度级别对应的曝光参数，并根据曝光参数调整待检测图像的亮度，得到预处理图像的方式，解决了相关技术中车牌图像识别率的误差大的问题，提高了车牌图像的识别率。本申请的一个或多个实施例的细节在以下附图和描述中提出，以使本申请的其他特征、目的和优点更加简明易懂。附图说明此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：图1是根据本申请实施例的图像预处理方法的流程图；图2是根据本申请优选实施例的图像预处理方法的流程图；图3是根据本申请实施例的图像预处理装置的结构框图；图4是根据本申请实施例的计算机设备的硬件结构示意图。具体实施方式为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行描述和说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。基于本申请提供的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。显而易见地，下面描述中的附图仅仅是本申请的一些示例或实施例，对于本领域的普通技术人员而言，在不付出创造性劳动的前提下，还可以根据这些附图将本申请应用于其他类似情景。此外，还可以理解的是，虽然这种开发过程中所作出的努力可能是复杂并且冗长的，然而对于与本申请公开的内容相关的本领域的普通技术人员而言，在本申请揭露的
技术实现思路
的基础上进行的一些设计，制造或者生产等变更只是常规的技术手段，不应当理解为本申请公开的内容不充分。在本申请中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域普通技术人员显式地和隐式地理解的是，本申请所描述的实施例在不冲突的情况下，可以与其它实施例相结合。除非另作定义，本申请所涉及的本文档来自技高网...

【技术保护点】
1.一种图像预处理方法，其特征在于，包括：/n获取待检测图像，其中，所述待检测图像中具有车牌图像；/n使用经过训练的人工神经网络检测所述车牌图像的亮度级别，其中，所述经过训练的人工神经网络被训练为检测车辆图像中车牌图像的亮度级别；/n获取与所述亮度级别对应的曝光参数，并根据所述曝光参数调整所述待检测图像的亮度，得到预处理图像。/n

【技术特征摘要】
1.一种图像预处理方法，其特征在于，包括：
获取待检测图像，其中，所述待检测图像中具有车牌图像；
使用经过训练的人工神经网络检测所述车牌图像的亮度级别，其中，所述经过训练的人工神经网络被训练为检测车辆图像中车牌图像的亮度级别；
获取与所述亮度级别对应的曝光参数，并根据所述曝光参数调整所述待检测图像的亮度，得到预处理图像。


2.根据权利要求1所述的图像预处理方法，其特征在于，获取与所述亮度级别对应的曝光参数，并根据所述曝光参数调整所述待检测图像的亮度，得到预处理图像包括：
判断所述亮度级别是否为预设亮度级别；
在判断到所述亮度级别不为所述预设亮度级别的情况下，获取与所述亮度级别对应的曝光参数，并根据所述曝光参数调整所述待检测图像的亮度，得到所述预处理图像。


3.根据权利要求2所述的图像预处理方法，其特征在于，所述方法还包括：
在判断到所述亮度级别为所述预设亮度级别的情况下，确定所述待检测图像的亮度不变。


4.根据权利要求1至3中任一项所述的图像预处理方法，其特征在于，在根据所述曝光参数调整所述待检测图像的亮度，得到预处理图像之后，所述方法还包括：
从所述预处理图像中检测并提取目标车牌图像。


5.根据权利要求1至3中任一项所述的图像预处理方法，其特征在于，
在获取所述待检测图像之后，所述方法还包括：提取所述待检测图像中的感兴趣区域图像的坐标信息，其中，所述感兴趣区域图像包括车辆图像；
在根据所述曝光参数调整所述待检测图像的亮度，得到预处理图像之后，所述方法还包括：根据所述感兴趣区域图像的坐标信息，从所述预处...

【专利技术属性】
技术研发人员：朱嘉祺，陈梁，
申请(专利权)人：浙江大华技术股份有限公司，
类型：发明
国别省市：浙江;33