[发明专利]车牌检测方法、应用其的车型识别方法及相关装置

说明书

本发明的实施例公开一种车牌检测方法、应用其的车型识别方法及相关装置，先基于边缘检测来粗略确定待检测图像中的车牌候选区域，然后基于车牌检测模型在该车牌候选区域内精确检测出车牌区域，再根据该车牌区域确定对应的车身候选区域，最后通过车型识别模型在该车身候选区域内进行车型识别；其中，基于车牌区域确定车身候选区域并仅在该车身候选区域内进行车型识别的方式，可以减小车型识别的范围，从而提高车型识别效率；而基于边缘检测来粗略确定车牌候选区域，并仅在该车牌候选区域内进行车牌检测，以确定所述车牌区域的方式，可以减小车牌检测的范围，提高车牌检测效率，并进一步提高车型识别效率。

技术领域

本发明涉及智能交通技术领域，尤其涉及一种车牌检测方法、应用其的车型识别方法及相关装置。

背景技术

车型识别是现代智能交通系统的一项重要功能，有着广泛的应用需求。例如，为缓解道路拥堵状况，需要在一些路段对特殊车型采取禁行措施(如，在上下班高峰期间，禁止大型货车在市区内行驶)，这样就需要智能交通系统能够及时并准确地识别经过禁行路段的各个路口或卡口的每辆车的车型，当发现禁行车型时要进行抓拍等处理。

现有一类车型识别技术，直接在原始图像的全图范围内进行车辆区域定位，即遍历全图进行特征提取以确定车身所在区域、排除背景环境区域，然后通过一定的学习算法(如深度学习算法)在所定位的车辆区域内进行训练及识别。现有另一类车型识别技术是基于车牌定位实现的，即先在待识别图像中确定车牌的位置，再基于车牌位置确定进行车辆区域定位，进而在所确定的车身所在区域内通过一定的学习算法进行各种车型的车身特征训练及识别。由于车牌具有相对统一的尺寸及位置，故相对于上述第一类车型识别技术，第二类车型识别技术根据车牌位置进行车辆区域定位，不仅可以减少车辆区域定位过程的工作量，还可以提高车型识别准确度，减少自然环境的影响。

对于上述第二类车型识别技术，其核心之一在于如何实现车牌定位；现有的车牌定位技术也大致包括两类：一类是通过直接分析图像的颜色和纹理等特征，将车牌区域与车身、自然环境区域区分开来，但由于颜色、纹理等特征易受环境光照等因素干扰，在复杂自然环境下车牌定位精度低；另一类是通过基于Haar特征(即矩形特征)的自适应增强算法(Adaboost)训练模型进行全图搜索，虽然车牌定位精度高，但是特征数据计算量大，导致车牌定位速度慢，进而在应用于车型识别过程中时，也会影响车型识别速度，难以保证对预设车型的及时识别。

发明内容

有鉴于此，本发明实施例提供一种车牌检测方法、应用其的车型识别方法及相关装置，以提升车牌定位效率及准确率，进而提高车型识别效率及准确率。

为达到上述目的，本发明的实施例采用如下技术方案：

第一方面，本发明实施例提供一种车牌检测方法，包括：

获取待检测图像和基于自适应增强算法的车牌检测模型；

对所述待检测图像进行边缘检测，得到所述待检测图像中的车牌候选区域；

通过所述车牌检测模型在所述待检测图像中的所述车牌候选区域内进行车牌检测，得到所述待检测图像中的车牌信息；所述车牌信息包括车牌位置和/或车牌颜色。

第二方面，本发明实施例提供一种车型识别方法，包括：

获取待检测图像和基于自适应增强算法的车牌检测模型；

对所述待检测图像进行边缘检测，得到所述待检测图像中的车牌候选区域；

通过所述车牌检测模型在所述待检测图像中的所述车牌候选区域内进行车牌检测，得到所述待检测图像中的车牌信息；所述车牌信息包括车牌位置和/或车牌颜色；

根据所述车牌信息获取所述待检测图像中的车身候选区域；