一种同时实现图像去雾与车牌检测的方法技术

本发明专利技术属于车牌检测技术领域，涉及一种同时实现图像去雾与车牌检测的方法，将图像去雾和车牌检测两个任务结合同时训练，通过使用相同的主干网络提取特征，分别用于提取图像去雾的图像结构信息和车牌检测的车牌语义信息，然后使用不同的分支来对图像进行去雾和对车牌进行检测，训练时以不同的损失函数作为监督，一方面通过提取图像去雾网络的底层纹理结构特征，增强车牌检测任务的特征判别性，另一方面提取车牌检测网络的语义特征为图像去雾任务提供区域自适应能力，实现任务与特征层面的双重融合促进，不仅可以用来进行雾天场景的车牌检测，还可以用于雨、霾等其他恶劣天气的目标检测任务，检测精度高。检测精度高。检测精度高。

【技术实现步骤摘要】
一种同时实现图像去雾与车牌检测的方法


[0001]本专利技术属于车牌检测
，涉及一种同时实现图像去雾与车牌检测的方法。

技术介绍

[0002]随着大数据、深度学习技术的发展，新一轮的人工智能浪潮席全球。交通行业作为整个国家经济的命脉近几年也迅速发展，与日俱增的车辆在给人民生活带来便捷的同时也带来了隐患，为了解决车辆的有效管理已经开始研究车牌检测问题，而雾天等极端天气导致能见度急剧下降、车牌与背景的反差大幅降低，严重影响了车牌检测算法，现有解决方法已经远远不能满足应用要求。
[0003]大雾天气下，城市交通受到严重影响，车牌检测极易出现错检和漏检情况，这是由于雾天情况下整体图案模糊，细节特征丢失严重，车牌特征等信息不易被提取。现有的雾天场景下车牌检测方法将车牌检测分为图像去雾和车牌检测两个阶段，即先对图像进行去雾复原，在对复原增强后图像进行车牌检测，该方法两个阶段需要分别对图像特征进行提取，因此不能实现端到端，并且增加了计算的复杂度。
[0004]另外，传统的去雾算法存在去雾效果不彻底、恢复后的无雾图普遍发暗等缺陷，并且传统本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种同时实现图像去雾与车牌检测的方法，其特征在于，包括如下步骤：（1）收集车牌数据集并进行加雾处理用以模拟雾天场景，将数据集划分为训练集、验证集和测试集；（2）对步骤（1）数据集中的图片的尺寸和数值范围进行初始化处理，然后将处理后的图像输入到主干网络中进行深度卷积特征提取，输出包含多尺度场景纹理信息和车牌信息的卷积特征图；（3）将步骤（2）得到的卷积特征图分别输入图像去雾重建分支和车牌检测分支，其中图像去雾重建分支用于恢复清晰图像，车牌检测分支实现车牌的类别分类和位置回归；（4）使用数据集中训练集的图像，图片尺寸为5125123，将图像依次输入到网络中得到整个网络的输入，目标检测分支使用IOU阈值作为样本分配策略的衡量标准，输出车牌的分类置信度和回归坐标位置，其中B为一次训练所选取的样本数，Class为2，即是否是车牌，N是输出预测车牌目标的数量，5为车牌朝向框的中心点坐标、框的长宽和角度，并采用Focal损失算预测类别和真实类别，得到误差，采用Smooth L1损失来计算预测车牌位置与真实车牌位置的误差；图像去雾分支使用L2损失函数来计算生成的去雾图像与真实的清晰图像之间的误差，两个分支最终使用反向传播更新参数，经过设定次数的完整训练集训练迭代后，保存验证集上结果最好的模型参数，作为最终模型训练好的参数，得到训练好的雾天场景车牌检测模型；（6）加载步骤（5）训练好的模型参数，保持图片长短边比例不变的情况下将图像长边缩放到512，并对图片的短边进行填充，使得图像尺寸为512512后作为网络的输入，最终输出车牌的分类置信度和车牌的坐标位置，设置阈值过滤掉低置信度的车牌，最后使用非极大抑制删除冗余的框，得到准确的车牌检测框，实现图像去雾与车牌检测联合的雾天场景高精度检测与矫正。2.根据权利要求1所述同时实现图像去雾与车牌检测的方法，其特征在于，步骤（1）收集车牌数据集并进行加雾处理的过程为：先收集交通监控、侧方位停车场中含有常规以及倾斜、形变车牌的干净无雾图像，构建无雾的车牌数据集...

【专利技术属性】
技术研发人员：刘寒松，王国强，王永，翟贵乾，刘瑞，焦安健，
申请(专利权)人：松立控股集团股份有限公司，
类型：发明
国别省市：