[发明专利]一种车牌的检测方法、装置、计算机设备和存储介质在审

专利信息
申请号: 202010785611.7 申请日: 2020-08-06
公开(公告)号: CN111950547A 公开(公告)日: 2020-11-17
发明(设计)人: 刘榆厚;杨威;刘湘明;丘仕旺;吴丹 申请(专利权)人: 广东飞翔云计算有限公司
主分类号: G06K9/32 分类号: G06K9/32;G06K9/46;G06K9/62;G06N3/04;G06N3/08
代理公司: 北京品源专利代理有限公司 11332 代理人: 孟金喆
地址: 514000 广东省梅州市梅江区三*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 车牌 检测 方法 装置 计算机 设备 存储 介质
【权利要求书】:

1.一种车牌的检测方法,其特征在于,包括:

当车辆到达停车场的入口时,对所述车辆采集原始图像数据;

将所述原始图像数据输入预置的关键点检测模型中检测所述车辆的关键点;

根据所述关键点识别所述车辆的朝向与车牌的类型;

查找为所述车辆的朝向训练的校正模型、为所述车牌的类型训练的字符识别模型;

将所述原始图像数据输入所述校正模型中、校正所述关键点所在的区域,获得车辆图像数据;

在所述车辆图像数据中识别所述车牌所在的区域,作为目标车牌图像数据;

将所述目标车牌图像数据输入所述字符识别模型中识别所述车牌中的字符。

2.根据权利要求1所述的方法,其特征在于,所述根据所述关键点识别所述车辆的朝向与车牌的类型,包括:

采用所述关键点计算所述车辆的姿态角;

基于所述姿态角确定所述车辆的朝向;

在所述原始图像数据中,基于所述关键点定位车牌所在的区域,作为原始车牌图像数据;

在所述原始车牌图像数据中检测所述车牌的底色;

基于所述底色识别车牌的类型。

3.根据权利要求2所述的方法,其特征在于,所述在所述原始车牌图像数据中检测所述车牌的底色,包括:

对所述原始车牌图像数据进行下采样,作为候选车牌图像数据;

在候选车牌图像数据中,查询各个像素点的所在的色度范围;

统计各个所述色度范围包含的像素点的数量;

以所述数量最高的所述色度范围对应的颜色,作为所述车牌的底色。

4.根据权利要求2所述的方法,其特征在于,所述基于所述底色识别车牌的类型,包括:

若所述底色为第一颜色,则将所述第一颜色对应的类型设置为车牌的类型;

若所述底色为第二颜色,则计算所述原始车牌图像数据中长边与宽边之间的比例;

将所述第二颜色与所述比例均对应的类型设置为车牌的类型。

5.根据权利要求1所述的方法,其特征在于,所述将所述原始图像数据输入所述校正模型中、校正所述关键点所在的区域,获得车辆图像数据,包括:

查找实际位置相对的所述关键点,作为关键点对;

在维持所述关键点在所述原始图像数据中相对位置的条件下,对所述所述关键点所在的区域进行校正,以使所述关键点对在水平方向对称。

6.根据权利要求5所述的方法,其特征在于,所述查找实际位置相对的所述关键点,作为关键点对,包括:

查找表示挡风玻璃左上角的关键点、表示挡风玻璃右上角的关键点,作为关键点对;

查找表示挡风玻璃左下角的关键点、表示挡风玻璃右下角的关键点,作为关键点对。

7.根据权利要求1-6任一项所述的方法,其特征在于,所述将所述目标车牌图像数据输入所述字符识别模型中识别所述车牌中的字符,包括:

在所述字符识别模型中的第一卷积层中对所述目标车牌图像数据进行卷积处理,以输出第一车牌特征;

在所述字符识别模型中的第二卷积层中对所述第一车牌特征进行卷积处理,以输出第二车牌特征;

在所述字符识别模型中的池化层中对所述第二车牌特征进行池化处理,以输出第三车牌特征;

在所述字符识别模型中的全连接层中对所述第三车牌特征进行映射,以输出所述车牌中的字符。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于广东飞翔云计算有限公司,未经广东飞翔云计算有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010785611.7/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top