[发明专利]一种车牌矫正方法、装置和一种视频采集装置

权利要求书

1.一种车牌矫正方法，其特征在于，包括：

获取样本角点、角点类别及配置信息；所述配置信息包括：样本角点尺度；根据所述角点类别及配置信息，确定至少一个尺度的所述样本角点的角点框坐标位置；根据所述确定的角点框坐标位置，获取带标注的训练样本，以便获取基于卷积神经网络的目标检测识别模型；

获取待检测图像及所述基于卷积神经网络的目标检测识别模型；

通过所述基于卷积神经网络的目标检测识别模型检测所述待检测图像中目标车牌的四个角点信息；所述角点信息包括：正方形区域、角点类别和该角点的置信度；

根据所述目标车牌的四个角点信息，对所述待检测图像中的目标车牌进行车牌矫正。

2.根据权利要求1所述的方法，其特征在于，该方法还包括：

获取所述带标注的训练样本、待训练样本图像及配置参数；所述带标注的训练样本包括：车牌四个角点框坐标位置，角点类别；

根据配置参数，生成所述待训练样本图像的候选推荐区域，并确定所述待训练样本图像的候选推荐区域中角点框的坐标位置；

根据所述带标注的训练样本与所述待训练样本图像的候选推荐区域中角点框的坐标位置，确定所述待训练样本图像的候选推荐区域的样本类型；所述样本类型包括：正样本或负样本；

根据所述带标注的训练样本、所述待训练样本图像的候选推荐区域的样本类型、所述待训练样本图像的候选推荐区域中角点框的坐标位置和角点类别，获取所述基于卷积神经网络的目标检测识别模型。

3.根据权利要求2所述的方法，其特征在于，所述配置参数包括：车牌角点样本的尺度和车牌角点样本位置搜索步长；所述根据配置参数，生成所述待训练样本图像的候选推荐区域步骤，具体包括：

根据所述车牌角点样本的尺度和车牌角点样本位置搜索步长，生成所述待训练样本图像的候选推荐区域。

4.根据权利要求3所述的方法，其特征在于，所述通过所述基于卷积神经网络的目标检测识别模型检测所述待检测图像中目标车牌的四个角点信息的步骤，具体包括：

获取相同类别角点区域合并阈值；

通过所述基于卷积神经网络的目标检测识别模型确定所述待检测图像中目标车牌的四个角点候选推荐区域；

根据所述待检测图像中目标车牌的四个角点候选推荐区域，检测所述待检测图像中候选推荐区域内角点信息；

根据所述相同类别角点区域合并阈值，将所述角点类别相同的角点信息进行合并处理，获取合并后的角点信息；所述合并后的角点信息中的置信度为合并前至少两个角点信息中的置信度之和；

根据所述合并后的角点信息，获取所述角点的置信度最高的目标车牌的四个角点信息。

5.根据权利要求4所述的方法，其特征在于，所述根据所述目标车牌的四个角点信息，对所述待检测图像中的目标车牌进行车牌矫正的步骤，具体包括：

获取车牌的四个角点的标准角点信息；

根据所述角点的置信度最高的目标车牌的四个角点信息和所述车牌的四个角点的标准角点信息，获取矫正参数；

根据所述矫正参数和待检测图像，获取矫正后的车牌图像。

6.一种车牌矫正装置，其特征在于，包括：

信息接收单元，用于获取样本角点、角点类别及配置信息；所述配置信息包括：样本角点尺度；

信息确定单元，用于根据所述角点类别及配置信息，确定至少一个尺度的所述样本角点的角点框坐标位置；

样本获取单元，用于根据所述确定的角点框坐标位置，获取带标注的训练样本，以便获取基于卷积神经网络的目标检测识别模型；

信息获取单元，用于获取待检测图像及所述基于卷积神经网络的目标检测识别模型；

检测单元，用于通过所述基于卷积神经网络的目标检测识别模型检测所述待检测图像中目标车牌的四个角点信息；所述角点信息包括：正方形区域、角点类别和该角点的置信度；

矫正单元，用于根据所述目标车牌的四个角点信息，对所述待检测图像中的目标车牌进行车牌矫正。