[发明专利]一种无约束场景下的小目标车牌识别方法

权利要求书

1.一种无约束场景下的小目标车牌识别方法，其特征在于：包括执行如下步骤i1至步骤i2，获得车牌区域图像检测模型，以及执行如下步骤ii1至步骤ii3，获得车牌内容识别模型；然后基于车牌区域图像检测模型、车牌内容识别模型，执行如下步骤A至步骤C，实现对目标场景中目标车牌内容的识别；

步骤i1.收集各幅包含指定各类型车牌的场景样本图像，并获得各场景样本图像中分别对应包含的车牌区域图像，以及获得车牌区域图像的四个角点坐标，然后进入步骤i2；

步骤i2.以各幅场景样本图像为输入，各幅场景样本图像中车牌区域图像、以及车牌区域图像四个角点坐标为输出，针对第一指定神经网络进行训练，获得车牌区域图像检测模型；步骤ii1.依次连接深度卷积神经网络模型构成的卷积层、双向循环神经网路构成的循环层、连接时序分类模型构成的转录层，构建车牌内容识别初始模型，然后进入步骤ii2；

步骤ii2.收集各幅车牌区域样本图像，并获得各车牌区域样本图像中的车牌号码，然后进入步骤ii3；

步骤ii3.以各幅车牌区域样本图像为输入，各幅车牌区域样本图像中的车牌号码为输出，针对车牌内容识别初始模型进行训练，获得车牌内容识别模型；

步骤A.获取目标场景图像，并应用车牌区域图像检测模型，检测获得目标场景图像中的目标车牌区域图像、以及目标车牌区域图像四个角点坐标，然后进入步骤B；

步骤B.根据目标车牌区域图像四个角点坐标，将目标车牌区域图像矫正至矩形形状，更新目标车牌区域图像，然后进入步骤C；

步骤C.应用车牌内容识别模型，针对目标车牌区域图像进行识别，获得目标车牌区域图像所对应的车牌号码。

2.根据权利要求1所述一种无约束场景下的小目标车牌识别方法，其特征在于：所述步骤i1包括如下步骤i1-1至步骤i1-2；

步骤i1-1.收集各幅包含指定各类型车牌的场景样本图像，并获得各场景样本图像中分别对应包含的车牌区域图像，以及获得车牌区域图像的四个角点坐标，然后进入步骤i1-2；

步骤i1-2.分别针对各幅场景样本图像，采用指定各图像变形方法，获得场景样本图像所对应的各幅变换场景样本图像，并建立该各幅变换场景样本图像分别与该场景样本图像中车牌区域图像、车牌区域图像四个角点坐标的对应关系，再将该各幅变换场景样本图像作为各幅场景样本图像；然后进入步骤i2。

3.根据权利要求2所述一种无约束场景下的小目标车牌识别方法，其特征在于：所述各指定图像变形方法包括执行亮度变化、对比度变化、饱和度变化、噪声变化的光照畸变方法，执行随机缩放、裁剪、旋转的几何畸变方法，以及执行光照畸变与几何畸变的联合方法。

4.根据权利要求1所述一种无约束场景下的小目标车牌识别方法，其特征在于：所述步骤i2中，针对包含车牌区域图像的最小矩形框，根据最小矩形框中包含车牌区域图像的置信度损失函数、以及如下该最小矩形框的回归损失函数、车牌区域图像四个角点坐标的检测损失函数，结合各损失函数的预设溢出条件，以各幅场景样本图像为输入，各幅场景样本图像中车牌区域图像、以及车牌区域图像四个角点坐标为输出，针对作为第一指定神经网络的深度卷积网络YoloV5进行训练，获得车牌区域图像检测模型；

包含车牌区域图像最小矩形框的回归损失函数：

式中，CIoU_Loss表示包含车牌区域图像的最小矩形框的检测损失，IoU表示检测最小矩形框与真实最小矩形框的交并比，v表示检测最小矩形框与真实最小矩形框长宽比的距离，α表示权重系数，ρ表示检测最小矩形框与真实最小矩形框中心点之间的欧几里得距离，b和b^gt分别表示检测最小矩形框、真实最小矩形框的中心点，c表示检测最小矩形框与真实最小矩形框的外接矩形的对角线的长度；

式中，w表示检测最小矩形框的宽度，h表示检测最小矩形框的高度，w^gt表示真实最小矩形框的宽度，h^gt表示真实最小矩形框的高度；

车牌区域图像四个角点坐标的检测损失函数：

式中，x表示检测所获四个角点坐标所构四边形的对角线相交点与真实四个角点坐标所构四边形的对角线相交点之间的距离，表示x对应的检测损失函数。