【技术实现步骤摘要】
一种整体与部件目标检测相结合的非约束车牌精准定位方法
[0001]本专利技术涉及图像处理
,具体涉及一种整体与部件目标检测相结合的非约束车 牌精准定位方法。
技术介绍
[0002]近年来,在高速收费站、停车场、小区出入口等固定场景下的车牌识别系统已经实现 了成熟的商业应用,但在手机等各种移动设备拍摄的复杂车牌图像上的效果还有待提升。 精准的车牌检测方法是正确识别车牌的前提,现有车牌检测方法采用矩形框对车牌进行标 注,如图1(a)所示,常会引入大量背景冗余区域,对车牌号识别造成困难。如图1(b) 所示,对非理想环境下的车牌进行精准选取,能够有效提高后续车牌号识别的准确率,在 非理想环境下的车牌识别问题中是最为关键的一步。现有的车牌检测方法主要分为两类, 一类是基于图像处理的传统方法,一类是基于深度学习的方法。
[0003]基于图像处理的传统方法通常利用人工设定的图像边缘、颜色、纹理等信息对车牌进 行检测。文献[1]但斌斌,梅文浩,伍世虔等.畸变车牌定位与矫正方法研究[J].制造业自动 化,2019,41(3):7
‑
11记载的霍夫变换方法,通过检测图像中的直线,找到车牌的四条边,然 后利用四边交点获取车牌顶点实现车牌精准定位。但该方法在图片较小和边缘模糊的情况 下,检测效果较差。
[0004]文献[2]陈宏照,谢正光,卢海伦.颜色与边缘纹理相结合的车牌定位方法[J].电脑硬件:现 代电子技术,2018,41(21):67
‑
70.记载的颜色特征方法,利用车牌大多 ...
【技术保护点】
【技术特征摘要】
1.一种整体与部件目标检测相结合的非约束车牌精准定位方法,其特征在于:通过YOLOv3目标检测算法,同步检测以车牌顶点为中心的目标区域和整体车牌区域;通过定位车牌顶点区域间接实现对车牌顶点位置的预测;然后结合忽略类别的非极大值抑制算法CF_NMS、车牌顶点区域归类以及单一缺失顶点预测等后处理操作,实现车牌区域精准定位;对于无法精准定位的车牌,直接保留其外接矩形区域。2.一种整体与部件目标检测相结合的非约束车牌精准定位方法,其特征在于包括以下步骤:步骤1:利用YOLOv3目标检测算法模型,对车牌顶点区域及整体车牌区域进行同步检测;步骤2:使用CF_NMS、车牌顶点区域归类及单一缺失顶点预测,对模型检测结果进行处理,从而得到精准的车牌区域。3.根据权利要求2所述一种整体与部件目标检测相结合的非约束车牌精准定位方法,其特征在于:该方法还包括融入多模型定位结果的融合策略,具体步骤如下:步骤1):将两种具有不同输入尺寸的YOLOv3目标检测模型所检测到的车牌顶点区域目标边界框信息保留到集合D中,所有的目标边界框只包含矩形框的中心点、宽高和类别信息,在进行模型输出结果融合时,将所有车牌顶点区域视为同一类目标进行处理;步骤2):建立空集合B,由于此时不存在置信度信息,因此随机取出集合D中的一个车牌顶点区域边界框将其放入集合B,将集合D中其余顶点区域边界框与其求IoU,如公式(1),将IoU>0.45的顶点区域边界框信息从集合D中删除;步骤3):重复步骤2),直至集合D中包含的顶点区域个数为零,则最终得到的集合B中所有的顶点区域边界框,即为顶点区域融合的结果;步骤4)按照相同的方式,对两种具有不同输入尺寸的YOLOv3目标检测模型所检测到的车牌区域检测框进行融合,保留最终得到的车牌顶点区域及车牌区域融合结果。4.根据权利要求2所述一种整体与部件目标检测相结合的非约束车牌精准定位方法,其特征在于:所述步骤1中,采用自适应方式设定车牌4个顶点目标区域尺寸:A、B、C、D分别为车牌右下顶点、左下顶点、左上顶点、右上顶点,4个正方形框分别为4个顶点对应的车牌顶点目标区域;车牌顶点目标区域的边长与车牌大小相关,左上顶点C与左下顶点B对应的正方形区域边长相同,长度为2h
left
,右上顶点D与右下顶点A对应的区域边长相同,长度为2h
right
,其中:h
left
、h
right
分别为BC、AD的高度之差,使用上述方式将4张车牌的4个顶点区域截取出来,车牌的每一类顶点区域具有相似性,其包含车牌的区域皆位于同一直角方位,其余方位均为背景信息;最后将车牌外接矩形区域也作为一类,和车牌顶点区域共同作为模型训练的目标区域。5.根据权利要求2所述一种整体与部件目标检测相结合的非约束车牌精准定位方法,其特征在于:所述步骤2中,忽略类别的非极...
【专利技术属性】
技术研发人员:徐光柱,刘高飞,匡婉,万秋波,刘鸣,雷帮军,石勇涛,
申请(专利权)人:三峡大学,
类型:发明
国别省市:
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。