基于级联CNNs的非约束车牌精确定位

来源：计算机工程与科学杂志2022年第9期北京时间：

作者：徐光柱, 匡婉, 万秋波, 雷帮军, 吴正平, 马国亮

单位：1.湖北省水电工程智能视觉监测重点实验室三峡大学，湖北 宜昌 443002；2.三峡大学计算机与信息学院，湖北 宜昌 443002；3.宜昌市公安局交通警察支队，湖北 宜昌 443002

摘要：为解决单一深层卷积神经网络用于非约束场景下车牌定位时，所输出的矩形检测框对非正面车牌定位效果不佳的问题，提出将目标检测与目标分类CNN网络级联，通过检测网络得到感兴趣区域，接着利用轻量级分类网络，将车牌顶点检测问题转化为回归问题。首先，利用YOLOv3网络进行粗定位，获取图像中所有车牌的候选区域；然后，使用基于MobileNetV3改进的轻量级神经网络定位候选区域中的车牌顶点，实现车牌区域精定位；最后，通过透视变换将车牌区域投影到矩形框内实现车牌校正。实验结果表明，所提出的级联CNNs能够有效解决单一CNN目标检测网络仅能输出矩形检测框，而不适用于非约束车牌定位的问题，具有较好的应用价值。

关键词：非约束车牌定位,卷积神经网络,YOLOv3,MobileNetV3,

基金资助：湖北省中央引导地方科技发展专项(2019ZYYD007)