CN112464934B 一种车位号检测方法、装置和设备 （广州小鹏自动驾驶科技有限公司）

测停车场图像输入到卷积神经网络模型进行车2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当需要用于训练模型的训练数据的标注信息较少，以及解决倾斜的车位号识别问题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、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，3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、车位检测单元，用于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，当需要用于训练模型的训练数据的标注信息较少，以及解决倾斜的车位号识别问题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4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、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所述处理器用于根据所述程序代码中的指令执行权利要求1-5任一项所述的车位号检5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[0013]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[0014]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6[0016]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7[0040]所述处理器用于根据所述程序代码中的指令执行第一方面任一种所述的车位号8[0068]通过第二子模块对感兴趣区域特征图中车位号区域的若9到完整的车位号区域特征图。其中，第二子模块可以为KeypointNet(关键点网络)模型，融合后的特征进行车位号字符序列预测，输出待检测停车场图像对应的车位号检测结果。后的特征输入到RNN模型进行车位号字符序列预测。本申请实施例中的第一网络模型的结位号区域的若干个角点坐标和车位号字符串类别；通过第一训练图像对第一网络进行训点坐标。用于训练第一网络的第一训练图像标注有车位号区域的4个角点坐标和车位号字申请实施例对第二网络模型进行改进，在第二网络模型中嵌入特征金字塔网络(Feature识别检测结果得到待检测停车场图像对应的车[0084]本申请实施例通过FPN对提取的特征图进行多尺度特征融合，得到不同大小的尺[0092]检测单元602，用于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[0099]检测单元602，用于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[0114]检测单元602，用于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[0130]所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式