基于车牌关系挖掘的端到端可训练退化车牌检测网络
计算机视觉与模式识别
2020-10-28 v1
摘要
车牌检测是车牌识别系统的首要且关键步骤，在实际应用中（例如道路场景）仍然具有挑战性。特别是，由远距离和移动摄像头引起的小尺寸和倾斜车牌难以检测。在本工作中，我们提出一种新颖且实用的方法，通过车牌关系挖掘进行退化车牌检测，以由粗到精的方案定位车牌。首先，我们提出利用车辆与车牌之间的关系来估计车牌周围的局部区域，这可以大幅减少搜索区域并精确检测极小尺寸的车牌。其次，我们提出通过回归车牌的四个角点在局部区域中预测四边形边界框，以鲁棒地检测倾斜车牌。此外，整个网络可以以端到端方式训练。大量实验验证了我们所提方法对于小尺寸和倾斜车牌的有效性。代码可在 https://github.com/chensonglu/LPD-end-to-end 获取。
引用
@article{arxiv.2010.14266,
title = {End-to-end trainable network for degraded license plate detection via vehicle-plate relation mining},
author = {Song-Lu Chen and Shu Tian and Jia-Wei Ma and Qi Liu and Chun Yang and Feng Chen and Xu-Cheng Yin},
journal= {arXiv preprint arXiv:2010.14266},
year = {2020}
}