发明内容
有鉴于此,本发明提供了一种电子警察系统以及应用于电子警察系统的信息识别方法,能够识别出与真实违规驾驶员相关的信息。
本发明提供的一种电子警察系统,包括:
事件信息单元,用于在有车辆违章时,生成包含有违章时间的违章事件信息;
图像获取单元,用于在有车辆违章时,通过拍摄获取到违章车辆的图像组并记录对应的拍摄时间,所述图像组包括全景图像、车牌图像、以及驾驶员图像;
事件匹配单元,用于将所有违章事件信息的违章时间,分别与所有图像组的拍摄时间进行匹配,得到对应各违章事件信息的图像组;
驾驶员识别单元,其内部存储若干驾驶员的驾驶员图像和驾照信息,且所述驾驶员识别单元用于利用人脸检测和识别技术,从内部存储的若干驾驶员图像中识别各图像组中的驾驶员图像,并获取对应该驾驶员图像的驾照信息;
车牌识别单元,用于利用车牌识别技术,识别各图像组中的车牌图像所表示的车牌号码。
所述图像获取单元包括三个摄像头,分别用于拍摄违章车辆的全景图像、车牌图像、以及驾驶员图像,拍摄时间最为接近的全景图像、车牌图像、以及驾驶员图像构成一个图像组。
该系统进一步包括:
图像匹配单元,用于基于尺度不变特征变换SIFT算法,分别将对应各违章事件信息的图像组中的全景图像,与该全景图像所属图像组中的车牌图像和驾驶员图像进行图像匹配;
且,所述驾驶员识别单元仅识别满足所述图像匹配的图像组中的驾驶员图像;所述车牌识别单元仅识别满足所述图像匹配的图像组中的车牌图像所表示的车牌号码。
所述图像匹配单元进一步用于在有全景图像与该全景图像所属图像组中的车牌图像和驾驶员图像不匹配时,输出表示摄像头需调整的提示信息。
所述图像获取单元包括一个摄像头和图像提取子单元;
所述一个摄像头,用于拍摄违章车辆的全景图像;
所述图像提取子单元,用于从所述一个摄像头拍摄到的全景图像中,提取车牌图像和驾驶员图像,每个全景图像与提取自该全景图像的车牌图像和驾驶员图像构成一个图像组。
本发明提供的一种应用于电子警察系统的信息识别方法,包括:
在有车辆违章时,生成包含有违章时间的违章事件信息,并通过拍摄获取到违章车辆的图像组、记录对应的拍摄时间,所述图像组包括全景图像、车牌图像、以及驾驶员图像;
将所有违章事件信息的违章时间,分别与所有图像组的拍摄时间进行匹配,得到对应各违章事件信息的图像组;
利用人脸检测和识别技术,从预先存储的若干驾驶员图像中分别识别各图像组中的驾驶员图像,并获取预先存储的对应该驾驶员图像的驾照信息;
利用车牌识别技术,分别识别各图像组中的车牌图像所表示的车牌号码。
所述通过拍摄获取到违章车辆的图像组包括:利用三个摄像头分别拍摄违章车辆的全景图像、车牌图像、以及驾驶员图像,拍摄时间最为接近的全景图像、车牌图像、以及驾驶员图像构成一个图像组。
在得到对应各违章事件信息的图像组之后,该方法进一步包括:基于尺度不变特征变换SIFT算法,分别将对应各违章事件信息的图像组中的全景图像,与该全景图像所属图像组中的车牌图像和驾驶员图像进行图像匹配,保留全景图像与车牌图像和驾驶员图像相互匹配的图像组;
且,该方法在识别各图像组中的驾驶员图像时,仅识别满足所述图像匹配的图像组中的驾驶员图像;在识别各图像组中的车牌图像所表示的车牌号码时,仅识别满足所述图像匹配的图像组中的车牌图像所表示的车牌号码。
该方法在有全景图像与该全景图像所属图像组中的车牌图像和驾驶员图像不匹配时,进一步输出表示摄像头需调整的提示信息。
所述通过拍摄获取到违章车辆的图像组包括:利用一个摄像头拍摄违章车辆的全景图像,并从所述一个摄像头拍摄到的全景图像中提取车牌图像和驾驶员图像,每个全景图像与提取自该全景图像的车牌图像和驾驶员图像构成一个图像组。
由上述技术方案可见,本发明在有车辆违章时,能够生成违章事件信息、并获取与对应的图像组,该图像组中不但包括全景图像和车牌图像,还包括驾驶员图像,因而在同一图像组中的全景图像与车牌图像和驾驶员图像匹配时,即可根据实际违章驾驶员的驾驶员图像获取实际违章驾驶员的驾照信息,从而保证了能够对真正的违章驾驶员予以惩戒。
具体实施方式
为使本发明的目的、技术方案及优点更加清楚明白,以下参照附图并举实施例,对本发明进一步详细说明。
图1为本发明实施例中电子警察系统的示例性结构图。如图1所示,本实施例中的电子警察系统包括:事件信息单元101、图像获取单元102、事件匹配单元103、图像匹配单元104、驾驶员识别单元105、车牌识别单元106。
事件信息单元101,用于在有车辆违章时,生成包含有违章时间的违章事件信息。可选地,违章事件信息还可以包括例如闯红灯、超速等违章类型,以及违章事件发生的违章地点。
实际应用中,事件信息单元101中可以包括埋设在红绿灯路口的压感装置,当红绿灯的红灯亮时,该压感装置启动;启动后,如果该压感装置感应到有车辆自其上方压过,则产生违章事件信息,该违章事件信息中所包括的违章时间为压感装置感应到有汽车压过的时间,可以精确至秒级;该违章事件信息中所包括的违章类型则为表示闯红灯的代码;该违章事件信息中所包括的违章地点则可以为该压感装置对应其埋设地点的编号。
实际应用中,事件信息单元101中还可以包括设置在道路旁的超速雷达测试仪,如果该超速雷达测试仪检测到有车辆超速行驶,则产生违章事件信息,该违章事件信息中所包括的违章时间为检测到有车辆超速行驶的时间,可以精确至秒级;该违章事件信息中所包括的违章类型则为表示超速的代码;该违章事件信息中所包括的违章地点则可以为该超速雷达测试仪对应其放置地点的编号。
当然,事件信息单元101中还可以包括其他类型的传感器、以实现对其他类型的违章事件进行检测并生成对应的违章事件信息,在此不再一一列举。
图像获取单元102,用于在有车辆违章时,通过拍摄获取到违章车辆的图像组并记录对应的拍摄时间。其中,图像组包括全景图像、车牌图像、以及驾驶员图像;可选地,图像获取单元102可以根据事件信息单元101产生的违章事件信息获知有车辆违章(如图1中的虚线箭头所示),当然,图像获取单元102也可以通过其他方式获知有车辆违章。
可选地,图像获取单元102可以包括三个摄像头,分别用于拍摄违章车辆的全景图像、车牌图像、以及驾驶员图像,且三个摄像头根据分别对应的全景图像、车牌图像、以及驾驶员图像的要求预先固定位置、调整焦距。在有车辆违章时,三个摄像头同时进行拍摄、并记录拍摄时间,那么对于拍摄时间最为接近甚至一致的一个全景图像、一个车牌图像、以及一个驾驶员图像,当然是对应的同一违章事件,因此,由拍摄时间最为接近的一个全景图像、一个车牌图像、以及一个驾驶员图像构成一个图像组。
可选地,对于全景图像的分辨率能够满足人脸检测、车牌识别等特定要求时,图像获取单元102也可以只包含一个用于拍摄违章车辆全景图像的摄像头,且图像获取单元102中还需要包括一图像提取子单元,用于利用现有的目标检测和图像分割技术,从一个摄像头拍摄到的全景图像中,提取车牌图像和驾驶员图像。这样,每个全景图像与提取自该全景图像的车牌图像和驾驶员图像构成一个图像组。
事件匹配单元103与事件信息单元101和图像获取单元102分别相连,用于将事件信息单元101生成的所有违章事件信息中的违章时间,分别与图像获取单元102获取的所有图像组的拍摄时间进行匹配,得到对应各违章事件信息的图像组。
其中,事件匹配单元103的主要作用是确认提供的图像组和违章事件信息是否属于同一个违章事件。假设由违章事件的发生到图像获取单元102执行拍摄的时间间隔为t1,则事件匹配单元103收到的违章时间和拍摄时间的时间间隔t2约等于t1,如果时间间隔t2与t1差别很大,则认为对应的图像组与违章事件信息不是针对同一个违章事件的,认为两者的匹配发生了错误,并可以进一步输出报警信息。
图像匹配单元104与事件匹配单元103相连,用于分别将对应各违章事件信息的图像组中的全景图像,与该全景图像所属图像组中的车牌图像和驾驶员图像进行图像匹配,保留全景图像与车牌图像和驾驶员图像相互匹配的图像组。
其中,图像匹配单元104的主要作用是为了核对图像获取单元102中的摄像头是否需要调整,以保证同一图像组中的全景图像、车牌图像、以及驾驶员图像的正确性。如前所述,每一图像组中的全景图像、车牌图像、以及驾驶员图像应当是基于对同一部车辆的拍摄而获得的,因而应当是能够相互匹配的。如果不能匹配,则认为摄像头的位置和/或焦距出现了偏差,并进一步输出表示摄像头需要调整的提示信息。
实际应用中,可以认为全景图像中的一部分是车牌照图像,另一部分是驾驶员图像,则对应部分的图像之间主要存在的是尺度的差异,为此,图像匹配单元104可基于尺度不变特征变换(Scale-invariant feature transform,SIFT)算法,通过将对应各违章事件信息的图像组中的全景图像,分别与该全景图像所属图像组中的车牌图像和驾驶员图像进行匹配,以实现所述图像匹配,关于SIFT特征的提取和匹配过程属于已有技术,在此不再赘述。当然,除了SIFT特征之外,也可以采用现有的其他具有尺度变化不变性的特征。
需要说明的是,对于图像获取单元102仅包含一个摄像头的情况,由于同一图像组中的车牌图像和驾驶员图像是从该图像组中的全景图像提取得到的,通常不会出现不匹配的情况,因而在图像获取单元102仅包含一个摄像头时,不需要图像匹配单元104。
驾驶员识别单元105与图像匹配单元104相连,其内部存储若干驾驶员的驾照信息和驾驶员图像,且驾驶员识别单元105用于利用现有的人脸检测和识别技术,从存储的若干驾驶员图像中,分别识别出所述保留的各图像组中的驾驶员图像,并获取对应该驾驶员图像的驾照信息。
车牌识别单元106与图像匹配单元104相连,用于利用现有的车牌识别技术,分别识别出所述保留的各图像组中的车牌图像所表示的车牌号码。
由上述系统可见,本实施例在有车辆违章时,能够生成违章事件信息、并获取与对应的图像组,该图像组中不但包括全景图像和车牌图像,还包括驾驶员图像,因而在同一图像组中的全景图像与车牌图像和驾驶员图像匹配时,即可根据驾驶员图像获取实际违章的驾驶员所持有的驾照信息,从而保证了能够对真正的违章驾驶员予以惩戒。
图2为本发明实施例中应用于电子警察系统的信息识别方法的示例性流程图。如图2所示,本实施例中的上述信息识别方法包括:
步骤201,在有车辆违章时,生成包含有违章时间的违章事件信息。可选地,违章事件信息还可以包括例如闯红灯、超速等违章类型,以及违章事件发生的违章地点。
在本步骤之前,可以在红绿灯路口埋设压感装置,当红绿灯的红灯亮时,该压感装置启动;该压感装置启动后,如果该压感装置感应到有车辆自其上方压过,则通过本步骤产生违章事件信息,该违章事件信息中所包括的违章时间为压感装置感应到有汽车压过的时间,可以精确至秒级;该违章事件信息中所包括的违章类型则为表示闯红灯的代码;该违章事件信息中所包括的违章地点则可以为该压感装置对应其埋设地点的编号。
在本步骤之前,还可以在道路旁设置超速雷达测试仪,如果该超速雷达测试仪检测到有车辆超速行驶,则通过本步骤产生违章事件信息,该违章事件信息中所包括的违章时间为检测到有车辆超速行驶的时间,可以精确至秒级;该违章事件信息中所包括的违章类型则为表示超速的代码;该违章事件信息中所包括的违章地点则可以为该超速雷达测试仪对应其放置地点的编号。
当然,还可以包括其他类型的传感器、以实现对其他类型的违章事件进行检测并生成对应的违章事件信息,在此不再一一列举。
步骤202,在有车辆违章时,通过拍摄获取到违章车辆的图像组并记录对应的拍摄时间。其中,图像组包括全景图像、车牌图像、以及驾驶员图像;本步骤可以根据步骤201产生的违章事件信息获知有车辆违章。
可选地,在本步骤中,可以利用三个摄像头分别拍摄违章车辆的全景图像、车牌图像、以及驾驶员图像,且三个摄像头根据分别对应的全景图像、车牌图像、以及驾驶员图像的要求预先固定位置、调整焦距。在有车辆违章时,三个摄像头同时进行拍摄、并记录拍摄时间,那么对于拍摄时间最为接近甚至一致的一个全景图像、一个车牌图像、以及一个驾驶员图像,当然是对应的同一违章事件,因此,由拍摄时间最为接近的一个全景图像、一个车牌图像、以及一个驾驶员图像构成一个图像组。
可选地,在本步骤中,对于全景图像的分辨率能够满足人脸检测、车牌识别等特定要求时,也可以只利用一个摄像头拍摄违章车辆的全景图像,并利用现有的目标检测和图像分割技术,从一个摄像头拍摄到的全景图像中,提取车牌图像和驾驶员图像。这样,每个全景图像与提取自该全景图像的车牌图像和驾驶员图像构成一个图像组。
步骤203,将步骤201生成的所有违章事件信息中的违章时间,分别与步骤202获取的所有图像组的拍摄时间进行匹配,得到对应各违章事件信息的图像组。
其中,本步骤的主要作用是确认提供的图像组和违章事件信息是否属于同一个违章事件。假设由步骤201中违章事件的发生到步骤202执行拍摄的时间间隔为t1,则违章时间和拍摄时间的时间间隔t2约等于t1,如果时间间隔t2与t1差别很大,则认为对应的图像组与违章事件信息不是针对同一个违章事件的,认为两者的匹配发生了错误,并可以进一步输出报警信息。
步骤204,分别将对应各违章事件信息的图像组中的全景图像,与该全景图像所属图像组中的车牌图像和驾驶员图像进行图像匹配,保留全景图像与车牌图像和驾驶员图像相互匹配的图像组。
其中,本步骤的主要作用是为了核对步骤202所利用的摄像头是否需要调整,以保证同一图像组中的全景图像、车牌图像、以及驾驶员图像的正确性。如前所述,每一图像组中的全景图像、车牌图像、以及驾驶员图像应当是基于对同一部车辆的拍摄而获得的,因而应当是能够相互匹配的。如果不能匹配,则认为摄像头的位置和/或焦距出现了偏差,并进一步输出表示摄像头需要调整的提示信息。
实际应用中,可以认为全景图像中的一部分是车牌照图像,另一部分是驾驶员图像,则对应部分的图像之间主要存在的是尺度的差异,为此,本步骤可通过将对应各违章事件信息的图像组中的全景图像,分别与该全景图像所属图像组中的车牌图像和驾驶员图像进行SIFT特征的匹配,以实现所述图像匹配,关于SIFT特征的提取和匹配过程属于已有技术,在此不再赘述。当然,除了SIFT特征之外,也可以采用现有的其他具有尺度变化不变性的特征。
以利用SIFT特征进行匹配为例,将每一图像组依次作为当前图像组执行本步骤,则本步骤对于当前图像组的具体处理过程可以如图3所示:
204a、分别提取当前图像组中全景图像、车牌图像、以及驾驶员图像的SIFT特征;
204b、将全景图像的SIFT特征与车牌图像的SIFT特征进行匹配,将全景图像的SIFT特征与驾驶员图像的SIFT特征进行匹配;
204c、判断全景图像的SIFT特征与车牌图像的SIFT特征是否匹配、且全景图像的SIFT特征与驾驶员图像的SIFT特征是否匹配,如果均匹配则执行204d,如果全景图像的SIFT特征与车牌图像的SIFT特征不匹配则执行204e,如果全景图像的SIFT特征与驾驶员图像的SIFT特征不匹配则执行204f;
204d、保留全景图像与车牌图像和驾驶员图像相互匹配的该图像组,并结束步骤204对当前图像组的处理;
204e、输出全景图像的SIFT特征与车牌图像的SIFT特征不匹配的提示信息,并结束步骤204对当前图像组的处理;
204f、输出全景图像的SIFT特征与驾驶员图像的SIFT特征不匹配的提示信息,并结束步骤204对当前图像组的处理。
需要说明的是,如果步骤202仅利用一个摄像头获取全景图像,则由于同一图像组中的车牌图像和驾驶员图像是从该图像组中的全景图像提取得到的、通常不会出现不匹配的情况,因而在这种情况下可在步骤203之后直接执行步骤205而不执行本步骤。
步骤205,利用现有的人脸检测和识别技术,从预先存储的若干驾驶员图像中,分别识别出所述保留的各图像组中的驾驶员图像,并获取预先存储的对应该驾驶员图像的驾照信息。
步骤206,利用现有的车牌识别技术,分别识别出所述保留的各图像组中的车牌图像所表示的车牌号码。
本步骤可以在步骤205之前执行、也可以与步骤205同时执行。
至此,本流程结束。
由上述流程可见,本实施例在有车辆违章时,能够生成违章事件信息、并获取与对应的图像组,该图像组中不但包括全景图像和车牌图像,还包括驾驶员图像,因而在同一图像组中的全景图像与车牌图像和驾驶员图像匹配时,即可根据驾驶员图像获取实际违章的驾驶员的驾照信息,从而保证了能够对真正的违章驾驶员予以惩戒。
以上所述仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内,所作的任何修改、等同替换以及改进等,均应包含在本发明的保护范围之内。