基于多维特征和语境信息融合的车牌检测方法

摘要：

为了提高交通监控视频中不同拍摄距离和拍摄角度下车牌检测的性能,提出了一种基于深度卷积神经网络,利用多维特征信息增强和语境信息融合优化车牌检测性能的算法.首先,在标注一块区域称为车牌上下文区域,结合车辆在图中的位置作为辅助车牌检测的语境信息.接着,为了提取出车牌区域和语境区域,对两阶段检测网络Faster R-CNN做出调整:选取VGG16中不同的卷积层输出分别融合成针对车辆区域,车牌上下文区域,车牌区域的多尺度融合特征图,使低层位置信息和高层语义信息得以互补,增强特征的表征能力,减小尺寸因素的影响.随后对检测到的车牌区域特征和语境区域特征进行融合,实现车牌检测的修正.最后,在RPN阶段,用旋转anchor替换矩形anchor来生成更加合适的预测框,解决真实场景中由观测角度引起的车牌旋转问题.基于多个基准车牌数据库的实验结果表明,文中提出的算法与现有算法相比,针对不同尺寸和不同角度的车牌具有更好的检测效果.

关键词：车牌检测;卷积神经网络;多维特征;语境信息融合;改进Faster R-CNN;旋转检测框

所属期刊栏目：31

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金;校企合作项目

在线出版日期：2021-09-29（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：137-142