[发明专利]一种车位号检测方法、装置和设备

权利要求书

1.一种车位号检测方法，其特征在于，包括：

获取待检测停车场图像；

将所述待检测停车场图像输入到卷积神经网络模型进行车位号检测，得到所述待检测停车场图像对应的车位号检测结果。

2.根据权利要求1所述的车位号检测方法，其特征在于，所述卷积神经网络模型为第一网络模型；

将所述待检测停车场图像输入到第一网络模型进行车位号检测，得到所述待检测停车场图像对应的车位号检测结果，包括：

将所述待检测停车场图像输入到第一网络模型，使得所述第一网络模型对所述待检测停车场图像依次进行感兴趣区域提取、车位号区域角点检测、车位号区域旋转和车位号字符序列预测，输出所述待检测停车场图像对应的车位号检测结果。

3.根据权利要求2所述的车位号检测方法，其特征在于，所述第一网络模型包括依次连接的第一子模块、第二子模块、第三子模块和第四子模块；

所述第一网络模型对所述待检测停车场图像依次进行感兴趣区域提取、车位号区域角点检测、车位号区域旋转和车位号字符序列预测，输出所述待检测停车场图像对应的车位号检测结果，包括：

所述第一子模块对所述待检测停车场图像进行感兴趣区域提取，得到感兴趣区域特征图；

所述第二子模块对所述感兴趣区域特征图中车位号区域的若干个角点位置进行检测，得到车位号区域特征图；

所述第三子模块对所述车位号区域特征图进行旋转，得到标准车位号区域特征图；

所述第四子模块对所述标准车位号区域特征图进行车位号字符序列预测，输出所述待检测停车场图像对应的车位号检测结果。

4.根据权利要求3所述的车位号检测方法，其特征在于，所述第四子模块对所述标准车位号区域特征图进行车位号字符序列预测，输出所述待检测停车场图像对应的车位号检测结果，包括：

所述第四子模块对所述标准车位号区域特征图进行特征提取和特征融合，并基于融合后的特征进行车位号字符序列预测，输出所述待检测停车场图像对应的车位号检测结果。

5.根据权利要求2所述的车位号检测方法，其特征在于，所述第一网络模型的配置过程为：

获取第一训练图像，所述第一训练图像标注有车位号区域的若干个角点坐标和车位号字符串类别；

通过所述第一训练图像对第一网络进行训练，得到所述第一网络模型。

6.根据权利要求1所述的车位号检测方法，其特征在于，所述卷积神经网络模型为第二网络模型；

将所述待检测停车场图像输入到第二网络模型进行车位号检测，得到所述待检测停车场图像对应的车位号检测结果，包括：

将所述待检测停车场图像输入到第二网络模型，使得所述第二网络模型对所述待检测停车场图像并行进行车位号框检测、字符框检测和字符识别，输出所述待检测停车场图像对应的车位号检测结果。

7.根据权利要求6所述的车位号检测方法，其特征在于，所述第二网络模型对所述待检测停车场图像并行进行车位号框检测、字符框检测和字符识别，输出所述待检测停车场图像对应的车位号检测结果，包括：

所述第二网络模型对所述待检测停车场图像进行特征提取和多尺度特征融合，输出若干尺度特征图；

所述第二网络模型分别对各个所述尺度特征图并行进行车位号框检测、字符框检测和字符识别，输出各个所述尺度特征图对应的车位号框检测结果、字符框检测结果和字符识别检测结果；

所述第二网络模型基于所有所述尺度特征图对应的车位号框检测结果、字符框检测结果和字符识别检测结果得到所述待检测停车场图像对应的车位号检测结果。

8.根据权利要求6所述的车位号检测方法，其特征在于，所述第二网络模型的配置过程为：

获取第二训练图像，所述第二训练图像标注有车位号位置、车位号中各字符的位置和类别；

通过所述第二训练图像对第二网络进行训练，得到所述第二网络模型。