双层车牌图像处理方法、装置、电子设备及存储介质制造方法及图纸

本申请提供一种双层车牌图像处理方法、装置、电子设备及存储介质，方法包括：获取原始车牌图像，生成图像训练样本；将图像训练样本投入卷积神经网络，获取标准特征点；根据预设边界特征点和标准特征点进行倾斜矫正，生成仿射变换参数；根据仿射变换参数，切割原始车牌图像，生成目标图像。解决现有技术中车牌数据来源单一、计算结果可靠性低、适用范围窄以及精度低的问题。

【技术实现步骤摘要】
双层车牌图像处理方法、装置、电子设备及存储介质
本申请涉及计算机数据存储领域，具体而言，涉及一种双层车牌图像处理方法、装置、电子设备及存储介质。
技术介绍
现有的车牌切割方法一般采用以下流程：1、通过一定的方法对车牌进行大致的定位获得车牌的初始位置；2、然后逐个对初始车牌区域使用Radon(拉冬)变换或者区域的水平垂直投影；3、通过计算出来的特征信息计算出车牌大致的水平和垂直倾斜角度；4、通过计算出的水平和垂直倾斜角度对初始车牌区域进行倾斜矫正；5、对倾斜矫正后的车牌获取水平和垂直投影图；6、通过投影逐个进行车牌切割。现有方法有以下几点不足：1、对车牌定位的依赖性很大，定位的准确度直接影响后续的倾斜角度计算；2、倾斜角度计算法依赖固定的算子，在车牌有污损，遮挡等情况时计算的结果不可靠；3、倾斜角度计算方法计算量和内存需求很大，而且是逐个区域进行的，对多车牌的情况(卡口，违停抓拍等)不适用；4、倾斜角度计算方法针对单层车牌设计，对双层车牌效果比较差；5、倾斜矫正只是粗略角度矫正，不能进行无效区域的去除工作，对后续的车牌切割工作带来了很大的干扰。
技术实现思路
本申请实施例的目的在于提供一种双层车牌图像处理方法、装置、电子设备及存储介质，用以解决现有技术中存在的技术问题。第一方面，本申请实施例提供了一种双层车牌图像处理方法，包括：获取原始车牌图像，生成图像训练样本；将图像训练样本投入卷积神经网络，获取标准特征点；根据预设边界特征点和标准特征点进行倾斜矫正，生成仿射变换参数；根据仿射变换参数，切割原始车牌图像，生成目标图像。于一实施例中，将图像训练样本投入卷积神经网络，获取标准特征点，包括：根据图像训练样本，随机生成多个初始特征点信息；根据初始特征点信息，统计预设数量的初始特征点的位置信息，生成标准特征点。于一实施例中，根据预设边界特征点和标准特征点进行倾斜矫正，生成仿射变换参数，包括：根据预设边界特征点，将原始车牌图像分成第一层矫正区域和第二层矫正区域；根据图像训练样本和预设边界特征点，计算预设边界特征点的偏移量信息；根据第一层矫正区域、第二层矫正区域以及偏移量信息，生成第一层矫正区域的第一仿射变换参数和第二层矫正区域的第二仿射变换参数。于一实施例中，根据仿射变换参数，切割原始车牌图像，生成目标图像，包括：将第一仿射变换参数进行仿射变换逆运算，生成第一矫正图像；将第二仿射变换参数进行仿射变换逆运算，生成第二矫正图像。第二方面，本申请实施例还提供了一种双层车牌图像处理装置，包括：样本生成模块，用于获取原始车牌图像，生成图像训练样本；特征获取模块，用于将图像训练样本投入卷积神经网络，获取标准特征点；仿射变换模块，用于根据预设边界特征点和标准特征点进行倾斜矫正，生成仿射变换参数；图像生成模块，用于根据仿射变换参数，切割原始车牌图像，生成目标图像。于一实施例中，特征获取模块还用于：根据图像训练样本，随机生成多个初始特征点信息；根据初始特征点信息，统计预设数量的初始特征点的位置信息，生成标准特征点。于一实施例中，仿射变换模块还用于：根据预设边界特征点，将原始车牌图像分成第一层矫正区域和第二层矫正区域；根据图像训练样本和预设边界特征点，计算预设边界特征点的偏移量信息；根据第一层矫正区域、第二层矫正区域以及偏移量信息，生成第一层矫正区域的第一仿射变换参数和第二层矫正区域的第二仿射变换参数。于一实施例中，图像生成模块还用于：将第一仿射变换参数进行仿射变换逆运算，生成第一矫正图像；将第二仿射变换参数进行仿射变换逆运算，生成第二矫正图像。第三方面，本申请实施例还提供了一种电子设备，包括：存储器，用以存储计算机程序；处理器，用以执行如前述任一实施例中的方法。第四方面，本申请实施例还提供了一种非暂态电子设备可读存储介质，包括：程序，当其藉由电子设备运行时，使得电子设备执行前述任一实施例中的方法。本申请提供的双层车牌图像处理方法、装置、电子设备及存储介质通过算法优化规避以往方法的不足，提高车牌倾斜矫正算法的鲁棒性同时降低耗时和内存的需求，同时完整的支持双层车牌的倾斜矫正。具体来说有以下几个方面：1、通过车牌特征点定位的方式获得车牌的倾斜信息。2、针对双层车牌定位不准的问题，可以将特征点增加到6个。3、通过不同分布的特征点，直接将双层车牌解耦成两个独立的单层车牌。4、将车牌特征点定位功能和车牌检测合并到同一个全卷机网络中避免单独的特征点计算流程带来的计算量和内存消耗。附图说明为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。图1为本申请实施例提供的一种电子设备的结构示意图；图2为本申请实施例提供的一种双层车牌图像处理方法应用场景示意图；图3为本申请实施例提供的一种双层车牌图像处理方法的流程图；图4为本申请实施例提供的另一种双层车牌图像处理方法的流程图；图5为本申请实施例提供的一种双层车牌图像处理装置的结构示意图。图标：电子设备1，总线10，处理器11，存储器12，用户终端100，服务端200，双层车牌图像处理装置500，图像获取模块501，目标检测模块502，特征获取模块503，特征匹配模块504。具体实施方式下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行描述。如图1所示，本实施例提供一种电子设备1，包括：至少一个处理器11和存储器12，图1中以一个处理器为例。处理器11和存储器12通过总线10连接，存储器12存储有可被处理器11执行的指令，指令被处理器11执行。于一实施例中，电子设备1可以将车牌定位和车牌特征点定位联合到同一个全卷积的网络中，通过偏移量计算出特征点在图片中的具体位置，将获得的特征点信息和标准特征点信息输入倾斜矫正算法中计算出两组仿射变换参数，通过两组矫正参数，进行仿射变换逆操作，即可获得两组独立的图像信息。图2为本实施例提供的一种双层车牌图像处理方法的应用场景示意图。如图2所示，该应用场景可以包括用户终端100，用户终端100可以是具有拍照功能的智能手机、平板电脑或无人机。用户终端100可以执行本申请提供的双层车牌图像处理方法，加速双层车牌图像处理的计算效率。根据需要，该应用场景还可以包括服务端200，服务端200可以是服务器、服务器集群或者云计算中心。服务端200可以接收用户终端100上传的图像，执行本申请提供的图像处理方法，根据所拍摄图像的进行切割分类。请参阅图3，其为本申请实施例提供的一种双层车牌图像处理方法，该方法可由图1所示的电子设备1来执行，并用于图2所示的交互场景中。该方法包括如下步骤：步骤301：获取原始车牌图像，生成图像训练样本。...

【技术保护点】
1.一种双层车牌图像处理方法，其特征在于，包括：/n获取原始车牌图像，生成图像训练样本；/n将所述图像训练样本投入卷积神经网络，获取标准特征点；/n根据预设边界特征点和所述标准特征点进行倾斜矫正，生成仿射变换参数；/n根据所述仿射变换参数，切割所述原始车牌图像，生成目标图像。/n

【技术特征摘要】
1.一种双层车牌图像处理方法，其特征在于，包括：
获取原始车牌图像，生成图像训练样本；
将所述图像训练样本投入卷积神经网络，获取标准特征点；
根据预设边界特征点和所述标准特征点进行倾斜矫正，生成仿射变换参数；
根据所述仿射变换参数，切割所述原始车牌图像，生成目标图像。


2.根据权利要求1所述的方法，其特征在于，所述将所述图像训练样本投入卷积神经网络，获取标准特征点，包括：
根据所述图像训练样本，随机生成多个初始特征点信息；
根据所述初始特征点信息，统计预设数量的所述初始特征点的位置信息，生成所述标准特征点。


3.根据权利要求2所述的方法，其特征在于，所述根据预设边界特征点和所述标准特征点进行倾斜矫正，生成仿射变换参数，包括：
根据所述预设边界特征点，将所述原始车牌图像分成第一层矫正区域和第二层矫正区域；
根据所述图像训练样本和所述预设边界特征点，计算所述预设边界特征点的偏移量信息；
根据所述第一层矫正区域、所述第二层矫正区域以及所述偏移量信息，生成所述第一层矫正区域的第一仿射变换参数和所述第二层矫正区域的第二仿射变换参数。


4.根据权利要求3所述的方法，其特征在于，所述根据所述仿射变换参数，切割所述原始车牌图像，生成目标图像，包括：
将所述第一仿射变换参数进行仿射变换逆运算，生成第一矫正图像；
将所述第二仿射变换参数进行仿射变换逆运算，生成第二矫正图像。


5.一种双层车牌图像处理装置，其特征在于，包括：
样本生成模块，用于获取原始车牌图像，生成图像训练样本；

【专利技术属性】
技术研发人员：胡建兵，
申请(专利权)人：湖南国科微电子股份有限公司，
类型：发明
国别省市：湖南;43