[发明专利]一种车位号检测方法、装置和设备

说明书

本申请公开了一种车位号检测方法、装置和设备，方法包括：获取待检测停车场图像；将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，得到待检测停车场图像对应的车位号检测结果。本申请改善了现有的车位号检测方法采用传统的图像处理方法进行车位号检测，存在的检测速度慢和准确率低的技术问题。

技术领域

本申请涉及图像处理技术领域，尤其涉及一种车位号检测方法、装置和设备。

背景技术

目前，停车场的停车位通常配置有对应的车位号，以便于进行车位管理。通常车位号由一串字符构成，例如A001。在无人驾驶领域，无人驾驶车辆在停车场需要通过识别停车位的车位号等信息来进行定位或导航。而现有技术通常先对采集的图像进行手工特征提取，然后将提取的特征输入到分类器中进行字符识别，这种传统的图像处理方法存在的检测速度慢和准确率低的技术问题。

发明内容

本申请提供了一种车位号检测方法、装置和设备，用于改善现有的车位号检测方法采用传统的图像处理方法进行车位号检测，存在的检测速度慢和准确率低的技术问题。

有鉴于此，本申请第一方面提供了一种车位号检测方法，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。

可选的，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。

可选的，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。

可选的，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。

可选的，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。

可选的，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：