(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211363371.7 (22)申请日 2022.11.02 (71)申请人 平安银行股份有限公司 地址 518000 广东省深圳市罗湖区深南 东 路5047号 (72)发明人 苏沁宁　苏志锋　 (74)专利代理 机构 深圳市威世博知识产权代理 事务所(普通 合伙) 44280 专利代理师 李申 (51)Int.Cl. G06V 20/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06T 7/66(2017.01) G06T 7/73(2017.01)G06V 10/44(2022.01) G06V 10/75(2022.01) G06V 10/764(2022.01) G06V 10/82(2022.01) (54)发明名称 车牌图像角点检测模 型训练方法、 车牌脱 敏 方法及其设备 (57)摘要 本申请公开了一种车牌图像角 点检测模型 训练方法、 车牌脱敏方法及其设备， 车牌图像角 点检测模型训练方法包括： 获取待训练车牌图像 集， 其中待训练车牌图像集包括若干待训练车牌 图像及其车牌角点的真实值； 将待训练车牌图像 集输入待训练的检测模型， 以获取待训练的检测 模型输出的待训练车牌图像的车牌角点的预测 值； 获取待训练车牌图像的车牌角点的真实值和 预测值的第一对应 关系； 基于第一对应 关系建立 损失函数， 并按照损失函数对待训练的检测模型 进行训练， 以得到最终的检测模型。 通过上述方 式， 本申请提供的基于车牌角点的检测模型训练 方法可以得到车牌图像角点检测模 型， 进而可以 利用该检测模 型进行检测， 得到车牌图像的角点 信息。 权利要求书2页 说明书8页 附图4页 CN 115410190 A 2022.11.29 CN 115410190 A 1.一种基于车牌图像角点的检测模型训练方法， 其特征在于， 所述检测模型训练方法 包括： 获取待训练车牌图像集， 其中， 所述待训练车牌图像集包括若干待训练车牌图像及其 车牌角点的真实值； 将所述待训练车牌图像集输入待训练 的检测模型， 以获取所述待训练 的检测模型输出 的所述待训练车牌图像的车牌角点的预测值； 获取所述待训练车牌图像的车牌角点的真实值和预测值的第一对应关系； 基于所述第 一对应关系建立损失函数， 并按照所述损失函数对所述待训练的检测模型 进行训练， 以得到最终的检测模型。 2.根据权利要求1所述的方法， 其特 征在于， 所述获取 所述待训练车牌图像的车牌角点的真实值和预测值的第一对应关系， 包括： 获取所述真实值的第 一维度信 息和第二维度信 息， 以及所述预测值的第 三维度信 息和 第四维度信息， 其中所述第一维度信息和所述第三维度信息分别为与所述待训练车牌图像 对应的目标框的中心 点坐标、 高度、 宽度和置信度， 所述第二维度信息和 第四维度信息 分别 为与所述待训练车牌图像对应的目标框的左上角坐标、 右上角坐标、 左下角坐标和右下角 坐标； 基于所述真实值的第一维度信息和第二维度信息以及所述预测值的第三维度信息和 第四维度信息， 确定各 所述待训练车牌图像的所述真实值和所述预测值的第一对应关系。 3.根据权利要求2所述的方法， 其特 征在于， 所述损失函数为交并比损失函数、 分类损失函数和关键点损失函数中的一种或多种的 组合。 4.根据权利要求2或3所述的方法， 其特 征在于， 所述按照所述损 失函数对所述待训练的检测模型进行训练， 以得到最终的检测模型， 包括： 固定所述待训练 的检测模型中的一个或多个第 一模型参数， 按照所述损失函数对剩余 的第二模型参数进行训练， 得到第一检测模型； 固定所述第 一检测模型中的一个或多个第 二模型参数， 按照所述损失函数对所述第 二 模型参数进行训练， 得到最终的检测模型。 5.根据权利要求 4所述的方法， 其特 征在于， 所述按照所述损失函数对所述第二模型参数进行训练， 得到最终的检测模型， 包括： 按照所述损失函数对所述第二模型参数进行训练， 得到第二检测模型； 将所述真实值和所述预测值的第 一对应关系中的第 一维度信 息和第三维度信 息剔除， 得到所述真实值和所述预测值的第二对应关系； 利用所述第二对应关系， 按照所述损失函数对所述第二检测模型的模型参数进行训 练， 得到最终的检测模型。 6.根据权利要求1所述的方法， 其特 征在于， 所述检测模型包括依次连接的骨干层、 瓶颈层以及预测层； 所述按照所述损 失函数对所述待训练的检测模型进行训练， 以得到最终的检测模型， 包括：权　利　要　求　书 1/2 页 2 CN 115410190 A 2固定所述骨干层以及所述 瓶颈层的模型参数； 按照所述损失函数对所述待训练的检测模型中预测层的模型参数进行训练， 以得到最 终的检测模型。 7.一种车牌脱敏 方法， 其特 征在于， 所述车牌脱敏 方法包括： 将待脱敏的车牌图像输入预 先训练的检测模型； 获取所述检测模型输出的车牌角点， 并基于所述车牌角点计算透 视变换关系； 基于所述透 视变换关系对所述车牌图像进行脱敏处 理； 其中， 所述检测模型通过权利要求1 ‑6任一项所述的检测模型训练方法训练所 得。 8.根据权利要求7 所述的方法， 其特 征在于， 所述基于所述车牌角点计算透 视变换关系， 包括： 获取线性变换矩阵、 透 视变换矩阵和图像平 移矩阵； 将所述线性变换矩阵、 所述透视变换矩阵和所述图像平移矩阵， 进行组合得到最终透 视变换矩阵； 利用所述最终透视变换矩阵对所述车牌角点进行计算， 得到所述车牌角点透视变换后 的透视变换关系， 所述透 视变换关系包括透 视变换后的车牌角点。 9.根据权利要求8所述的方法， 其特 征在于， 所述基于所述透 视变换关系对所述车牌图像进行脱敏处 理， 包括： 基于所述透视变换后的车牌角点， 将掩码图像覆盖到所述车牌图像上的相应位置， 达 到脱敏效果。 10.一种车牌脱敏设备， 其特征在于， 所述车牌脱敏设备包括存储器和 处理器， 所述存 储器存储有程序数据， 所述处理器用于执行所述程序数据以实现如权利要求1 ‑6任一项所 述基于车牌图像角点的检测模型训练的方法或权利要求7 ‑9任一项所述的车牌脱敏 方法。 11.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质存储有程序数 据， 所述程序数据在被处理器执行时用于实现如权利要求1 ‑6任一项所述基于车牌图像角 点的检测模型训练的方法或权利要求7 ‑9任一项所述的车牌脱敏 方法。权　利　要　求　书 2/2 页 3 CN 115410190 A 3