车牌检测识别方法、装置、设备及存储介质.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN112560856A(43)申请公布日2021.03.26(21)申请号202011508949.4G06N3/08(2006.01)(22)申请日2020.12.18(71)申请人深圳赛安特技术服务有限公司地址518000广东省深圳市前海深港合作区前湾一路1号A栋201室（入驻深圳市前海商务秘书有限公司）(72)发明人陈庆伟(74)专利代理机构深圳国新南方知识产权代理有限公司44374代理人李小东(51)Int.Cl.G06K9/32(2006.01)G06K9/34(2006.01)G06K9/62(2006.01)G06N3/04(2006.01)权利要求书2页说明书8页附图6页(54)发明名称车牌检测识别方法、装置、设备及存储介质(57)摘要本发明公开了一种车牌检测识别方法、装置、设备及存储介质，该方法包括：获取预训练的深度学习卷积神经网络输出的多个包含车牌区域的目标候选框；计算每个目标候选框与预设标注框的重合度；采用修正因子对重合度进行修正，获得修正结果；将修正结果与预设阈值进行比对，当修正结果大于或等于预设阈值时，保留并输出目标候选框，当修正结果小于预设阈值时，删除目标候选框。通过上述方式，本发明能够防止车牌字符的边缘信息丢失，有效提高车牌检测识别的准确率。CN112560856ACN112560856A权利要求书1/2页1.一种车牌检测识别方法，其特征在于，包括：获取预训练的深度学习卷积神经网络输出的多个包含车牌区域的目标候选框；计算每个所述目标候选框与预设标注框的重合度；采用修正因子对所述重合度进行修正，获得修正结果；将所述修正结果与预设阈值进行比对，当所述修正结果大于或等于所述预设阈值时，保留并输出所述目标候选框，当所述修正结果小于所述预设阈值时，删除所述目标候选框。2.根据权利要求1所述的方法，其特征在于，所述计算每个所述目标候选框与预设标注框的重合度的步骤包括：计算所述目标候选框与所述预设标注框的交集的面积以及并集的面积；计算所述交集的面积与所述并集的面积的比率，获得所述重合度。3.根据权利要求1所述的方法，其特征在于，所述采用修正因子对所述重合度进行修正，获得修正结果的步骤包括：构造所述目标候选框与所述预设标注框的最小包围框；计算所述目标候选框的面积与所述最小包围框的面积的比率，获得所述修正因子；采用修正因子对所述重合度进行修正，获得所述修正结果。4.根据权利要求1所述的方法，其特征在于，在所述获取预训练的深度学习卷积神经网络输出的多个包含车牌区域的目标候选框的步骤之前，还包括：采用图像识别方法对待检测图片进行识别，定位所述待检测图片中的车辆区域；将所述车辆区域输入预训练的深度学习卷积神经网络中，对所述车辆区域进行特征提取和计算，生成一系列候选框以及所述候选框可能含有车牌区域的概率；将所述概率与预设概率阈值进行比对，当所述概率大于或等于所述预设概率阈值时，将所述候选框确定为目标候选框并保留，当所述概率小于所述预设概率阈值时，删除所述候选框。5.根据权利要求4所述的方法，其特征在于，在所述采用图像识别方法对待检测图片进行识别，定位所述待检测图片中的车辆区域的步骤之前，还包括：从采集的视频数据中获取一系列待检测图片；对所述待检测图片进行降噪、锐化处理。6.根据权利要求1所述的方法，其特征在于，在所述将所述修正结果与预设阈值进行比对，当所述修正结果大于或等于所述预设阈值时，保留并输出所述目标候选框的步骤之后，还包括：对所述目标候选框中的车牌区域进行字符分割，获得单独的字体块；对所述字体块进行字符识别。7.一种车牌检测识别装置，其特征在于，包括：获取模块，用于获取预训练的深度学习卷积神经网络输出的多个包含车牌区域的目标候选框；计算模块，用于计算每个所述目标候选框与预设标注框的重合度；修正模块，用于采用修正因子对所述重合度进行修正，获得修正结果；比对模块，用于将所述修正结果与预设阈值进行比对，当所述修正结果大于或等于所述预设阈值时，保留并输出所述目标候选框，当所述修正结果小于所述预设阈值时，删除所2CN112560856A权利要求书2/2页述目标候选框。8.一种计算机设备，所述计算机设备包括存储器及与所述存储器连接的处理器，所述存储器中存储有可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1‑6任一项所述的车牌检测识别方法。9.一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1‑6中任一项所述的车牌检测识别方法的程序文件。3CN112560856A说明书1/8页车牌检测识别方法、装置、设备及存储介质技术领域[0001]本发明