[发明专利]一种车牌检测方法、装置、介质

说明书

本申请提供了一种车牌检测方法、装置、介质，该车牌检测方法包括：当检测到车辆通过时，从摄像机处获得用于检测车牌的待检测图片，调用车牌检测模型对待检测图片进行处理，以获取车牌检测框，从而实现车牌的检测。其中，车牌检测模型是基于OneNet目标检测模型中用于目标检测的网络和具有倒置残差结构的可分离卷积网络中用于特征提取的网络得到，车牌检测模型的主干是具有倒置残差结构的可分离卷积网络，是一种轻量级的网络，具有较高的实时性，可以部署在嵌入式平台或其他资源有限的平台中。通过采用本申请提供的车牌检测方法，可以实现利用车牌检测模型检测车牌的目的，且检测过程简单高效，减少人力物力的浪费，提高电动车监管效率。

技术领域

本申请涉及机器学习领域，特别是涉及一种车牌检测方法、装置、介质。

背景技术

电动车具有极高的出行效率，根据中国自行车协会公布的数据，2019年中国电动车社会保有量已经接近3亿辆，位居世界第一。由于电动车的数量越来越多，闯红灯、随意停放、逆行、盗窃、肇事逃逸等现象也随之而来，造成了交通混乱。为了维护交通秩序，避免交通事故的发生，需要对电动车进行监管，记录违章电动车的牌照。目前主要依靠人工对电动车进行监管，需要人工记录牌照，效率低下，浪费大量人力物力。

由此可见，如何提高电动车监管效率，是研究人员亟需解决的问题。

发明内容

本申请的目的是提供一种车牌检测方法，用于提高电动车监管效率。

为解决上述技术问题，本申请提供一种车牌检测方法，包括：

获取车辆通过时的待检测图片；

调用车牌检测模型对所述待检测图片进行处理，以输出车牌区域的检测框；其中，所述车牌检测模型基于OneNet目标检测模型中用于目标检测的网络和具有倒置残差结构的可分离卷积网络中用于特征提取的网络得到，并基于训练数据集进行训练；

获取所述检测框，以实现车牌的检测。

优选的，所述车辆检测模型获取所述车牌区域的所述检测框，包括：

获取所述车牌的检测特征和所述车牌的特征点的检测特征；

结合所述车牌的检测特征和分类损失函数，匹配类别置信度和位置置信度最高的样本；

获取所述车牌区域的预测框；

通过所述车牌的检测特征和所述特征点的检测特征计算多任务损失函数，利用所述多任务损失函数对所述预测框进行回归运算，获得所述检测框；

所述多任务损失函数的计算公式为L_all＝λ_clsL_cls+λ_l1L_l1+λ_giouL_giou+λ_lanL_lan，其中L_cls为目标分类损失函数，L_l1为目标位置回归损失函数，L_giou为目标定位损失函数，L_lan为特征点定位损失函数，λ_cls为所述目标分类损失函数的权重，λ_l1为所述目标位置回归损失函数的权重，λ_giou为所述目标定位损失函数的权重，λ_lan为所述特征点定位损失函数的权重。

优选的，所述获得所述检测框的步骤后，还包括：

通过所述特征点的检测特征对所述车牌区域进行仿射变换，对所述车牌区域进行矫正。

优选的，所述并基于训练数据集进行训练，包括：

使用随机梯度下降法对所述车牌检测模型的参数进行迭代更新。