[发明专利]一种基于全卷积网络的车牌定位方法及装置

权利要求书

1.一种基于全卷积网络的车牌定位方法，其特征在于，包括：

采用预先基于第一全卷积神经网络结构训练得到的车牌定位模型，确定待检测车辆图片中包含的至少一个车牌图片初分区域；

对包含所述至少一个车牌图片初分区域的待检测车辆图片进行处理，得到所述待检测车辆图片中包含的候选车牌区域；

采用预先基于第二全卷积神经网络结构训练得到的车牌首字识别模型，确定所述候选车牌区域的首字符是否为车牌首字符；

若所述候选车牌区域的首字符为车牌首字符，则确定所述候选车牌区域是车牌，并在所述待检测车辆图片中绘制车牌所在位置；

其中，所述若所述候选车牌区域的首字符为车牌首字符，则确定所述候选车牌区域是车牌，并在所述待检测车辆图片中绘制车牌所在位置，包括：

若所述候选车牌区域的首字符为车牌首字符，则确定所述首字符的特征点坐标以及所述候选车牌区域的宽度和高度；

依据所述候选车牌区域的宽度和高度以及所述首字符的特征点坐标，确定所述首字符是否位于所述候选车牌区域内部；

若是，则确定所述候选车牌区域是车牌，并在所述待检测车辆图片中绘制车牌所在位置；否则，滤除所述候选车牌区域。

2.根据权利要求1所述的方法，其特征在于，对包含所述至少一个车牌图片初分区域的待检测车辆图片进行处理，得到所述待检测车辆图片中包含的候选车牌区域，包括：

采用形态学变换技术滤除所述待检测车辆图片中除所述至少一个车牌图片初分区域外的噪声区域；

采用轮廓算法，对包含所述至少一个车牌图片初分区域的待检测车辆图片进行边框查找，得到多个边框区域；

滤除像素数量小于预设像素阈值的边框区域，并滤除长宽比不属于预设的车牌长宽比范围的边框区域，得到所述候选车牌区域。

3.根据权利要求1所述的方法，其特征在于，基于第一全卷积神经网络结构训练得到车牌定位模型，包括：

收集包含车牌的样本车辆图片，并标注所述样本车辆图片中包含的车牌区域，作为所述车牌定位模型的训练样本集；

采用所述训练样本集对第一全卷积神经网络结构进行训练，得到所述车牌定位模型。

4.根据权利要求1-3任一项所述的方法，其特征在于，所述第一全卷积神经网络结构为：

第一卷积层包括1个卷积层、1个ReLU层、1个Pool层和1个LRN层；

第二卷积层包括1个卷积层、1个ReLU层、1个Pool层和1个LRN层；

第三卷积层包括1个卷积层和1个ReLU层；

第四卷积层包括1个卷积层和1个ReLU；

第五卷积层包括1个卷积层、1个ReLU层和1个Pool层；

第六卷积层的滤波器尺寸为7，输出数据形体为[1x 1x 4096]；

第七卷积层的滤波器尺寸为1x 1，输出数据形体为[1x 1x 4096]；

第八卷积层的滤波器尺寸为1x 1，输出数据形体为[1x 1x 2]；

第九反卷积放大层用于将所述第八卷积层的输出结果放大到第一卷积层的输入图片的尺寸。