[发明专利]车架号图像生成方法、装置、计算机设备和存储介质

权利要求书

1.一种车架号图像生成方法，所述方法包括：

获取车架号原始图像，所述车架号原始图像中包括多个参考标识组，各所述参考标识组包括多个参考标识；

对所述车架号原始图像进行参考标识的识别以及车架号区域的识别，分别得到各参考标识组中各参考标识的标识定位框以及所述车架号区域的车架号定位框；

获取各所述参考标识的实际位置关系，得到对应所述实际位置关系的参考坐标，并基于所述参考坐标以及各所述参考标识的标识定位框，得到对应多个所述参考标识组的目标透视变换矩阵；

根据所述车架号区域的车架号定位框，通过所述目标透视变换矩阵对所述车架号区域进行透视变换处理，以得到车架号图像。

2.根据权利要求1所述的方法，其特征在于，所述基于所述参考坐标以及各所述参考标识的标识定位框，得到对应多个所述参考标识组的目标透视变换矩阵，包括：

基于所述参考坐标以及各所述参考标识的标识定位框的位置坐标，得到多个初始透视变换矩阵，所述初始透视变换矩阵分别与所述参考标识组一一对应；

计算所述多个初始透视变换矩阵的平均值，得到目标透视变换矩阵。

3.根据权利要求2所述的方法，其特征在于，所述基于所述参考坐标以及各所述参考标识的标识定位框的位置坐标，得到多个初始透视变换矩阵，包括：

根据各所述标识定位框的位置坐标，得到各所述标识定位框的中心点坐标；

根据各所述中心点坐标，确定对应各所述定位标识组的定位框组，所述定位框组中定位标识框的数量与所述参考标识组中参考标识的数量相等；

根据各所述定位框组的中心点坐标以及所述参考坐标，得到对应所述多个参考标识组的多个初始透视变换矩阵。

4.根据权利要求3所述的方法，其特征在于，所述根据各所述中心点坐标，确定对应各所述参考标识组的定位框组，包括：

分别将与各所述中心点坐标相邻的多个参考标识框确定为一组，得到对应所述多个参考标识组的多个定位框组。

5.根据权利要求1所述的方法，其特征在于，所述根据所述车架号区域的车架号定位框，通过所述目标透视变换矩阵对所述车架号区域进行透视变换处理，以得到车架号图像，包括：

根据所述车架号区域的车架号定位框的坐标位置，通过所述目标透视变换矩阵对所述车架号区域进行透视变换处理，得到所述车架号区域的各原始像素点透视变换后的目标像素点；

获取所述车架号原始图像中各所述原始像素点的像素值；

基于各所述原始像素点的像素值对各所述目标像素点进行填充，得到车架号图像。

6.根据权利要求1所述的方法，其特征在于，所述对所述车架号原始图像进行参考标识的识别以及车架号区域的识别之前，还包括：

对所述车架号原始图像进行车架号文本对象的识别，确定所述车架号原始图像中车架号文本对象的文本倾斜角度；

根据所述文本倾斜角度，对所述车架号原始图像进行旋转处理，得到旋转后文本倾斜角度为零的车架号原始图像。

7.根据权利要求1所述的方法，其特征在于，所述对所述车架号原始图像进行参考标识的识别以及车架号区域的识别是通过预先训练的神经网络模型进行的，所述神经网络模型的训练方式包括：

获取训练集图像；

通过标注框对所述训练集图像中的参考标识以及车架号区域分别进行标注，分别得到所述训练集图像中参考标识以及车架号区域的位置信息和类别信息；

对标注后的所述训练集图像进行归一化处理，得到与预设尺寸一致的训练集图像；

将所述训练集图像输入构建的初始神经网络模型，对所述训练集图像进行特征提取，得到多个尺度的特征图像；

对各尺度的特征图像进行特征融合，得到对应各尺度的特征图像的预测框；

基于所述标注框，确定对应各尺度的预测框的损失值，并通过所述损失值更新模型参数；

对所述初始神经网络模型进行迭代处理，得到训练后的神经网络模型。