复杂场景下基于热图的车牌检测

摘要：

随着车牌识别的应用场景不断扩展,处理的图像复杂性也随之提高,车牌检测面临车牌定位困难、检测速度慢和精度低等挑战.为提高光照不均衡、透视变形、雨雾天气、低分辨率等复杂场景下车牌检测的准确率,提出一种基于车牌角点热图的检测网络LPHD-Net.不同于传统模板匹配和目标检测中矩形先验框的方式,该网络通过车牌角点热图和车牌边界向量场的方法对车牌进行检测.在中国城市停车数据集中进行训练和测试,使用目标检测任务中常用的平均精度和召回率对模型的整体性能进行评价.实验结果表明,LPHD-Net模型对多种复杂场境下的车牌检测精确率和速度分别达到99.2％和78 frame/s,较LMAFLPD模型提升1.15个百分点和14 frame/so同时,其对场景中的多车牌检测也具有较好的检测效果.

关键词：目标检测、热图、复杂场景、车牌检测定位、深度学习

所属期刊栏目：48

分类号：TP18(自动化基础理论)

资助基金：国家自然科学基金61401269

在线出版日期：2022-09-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：315-320