针对光照、车辆密集和低分辨率等复杂场景下车牌定位困难、检测速度慢和准确率低等问题,提出了一种基于注意力机制的车牌快速检测方法。首先,综合车牌的特征,设计了轻量级网络单元LeanNet,并使用该单元构建一种计算量低且精准的骨干网络。其次,设计了MLA(muti-scale light attention)模块,用于引导网络关注不同尺度的车牌,生成基于车牌的局部显著图,抑制背景噪声。最后,设计了一个四尺度预测网络,其中的FSPF(four scale pyramid fusion)模块能够生成四尺度特征金字塔,有利于实现不同尺度车牌的检测。实验结果表明,本文方法在CCPD(Chinese city parking dataset)数据集中的准确识别率为99.12%,与最新的YOLOv4(you only look once v4)检测方法相比,准确率提高了1.9%,运行速度提高了6倍,能够在嵌入式设备中实现复杂场景下的车牌检测。
