CN105096604A - 一种车牌识别的方法和装置 - Google Patents
一种车牌识别的方法和装置 Download PDFInfo
- Publication number
- CN105096604A CN105096604A CN201510443499.8A CN201510443499A CN105096604A CN 105096604 A CN105096604 A CN 105096604A CN 201510443499 A CN201510443499 A CN 201510443499A CN 105096604 A CN105096604 A CN 105096604A
- Authority
- CN
- China
- Prior art keywords
- car plate
- white list
- plate
- car
- time
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Abstract
本发明提供一种车牌识别的方法,该方法包括:利用车牌识别核心算法识别车牌,输出识别出的车牌和对应的置信度;如果该置信度大于预设值Match_Thres,则将该识别出的车牌匹配车牌白名单中的车牌;按照预设策略确定是否将车牌白名单中的车牌作为最终的车牌输出。本发明在不改变车牌识别核心算法的基础上,利用车牌白名单提升了车牌识别准确率,提高了区车辆管理的高效性和准确性。
Description
技术领域
本发明涉及视频监控技术领域,尤其涉及车牌识别的方法和装置。
背景技术
随着经济技术的发展,机动车辆的数量与日俱增,致使传统的人工管理方式越来越无法满足实际的需要。智能交通系统ITS(IntelligentTransportationSystem)的诞生大大解决了这种低效率的工作管理模式。
车牌识别技术是实现各种智能方案的关键技术之一,车牌识别的精度直接影响整体智能方案的效果。当前车牌识别技术主要应用于停车场及园区出入口、高速公路收费站、公路电警卡口相机中。
在园区出入口的智能方案应用中,车辆的车牌号码、车牌颜色、出入时间都将被记录下来,以便于实现车辆的自动管理,节省人力、提高效率。现有车牌识别算法在园区出入口应用场景中的识别率大多在90%以上;但是对于车牌部分遮挡,掉漆断裂等车牌的识别,现有的车牌识别算法并不是很理想,从而使得对园区车辆的管理会出错,需要人工进行辅助管理。所以在上述园区的应用场景中,如何进一步提升车牌的识别率是需要考虑的问题。
现有的一种方法是通过车上携带的移动通讯设备绑定车牌号,并通过wifi热点接入的方式生成等待进入园区的车牌列表,然后将车牌识别结果与车牌列表进行匹配。但是wifi接入受环境影响较大,可能会造成车牌列表生成不全。另外,车牌识别的置信度再高,只要在车牌列表中匹配不到就做丢弃处理,即只能保证车牌列表中已有的车牌的正确性,无法保证识别率。
发明内容
有鉴于此,本发明提供一种车牌识别的方法和装置。
该车牌识别的方法,包括:利用车牌识别核心算法识别车牌,输出识别出的车牌和对应的置信度;如果该置信度大于预设值Match_Thres,则将该识别出的车牌匹配车牌白名单中的车牌;按照预设策略确定是否将车牌白名单中的车牌作为最终的车牌识别结果输出。
优选地,该预设策略为:A)如果置信度大于预设值Match_Thres的车牌的后六个字符中仅有一个字符和白名单中一车牌的对应字符不一样,且该不一样的两个字符属于预设的相似字符表中的一对字符,则将白名单中的该车牌作为最终的车牌识别结果;或者,B)如果置信度大于预设值Match_Thres的车牌的后六个字符中仅有一个字符和白名单中一车牌的对应字符不一样,且该不一样的两个字符均为字母或者一个为字母、一个为数字,则将白名单中的该车牌作为最终的车牌识别结果;或者,C)如果置信度大于预设值Match_Thres的车牌的后六个字符中仅有一个字符和白名单中一车牌的对应字符不一样,则将白名单中的该车牌作为最终的车牌识别结果。
优选地,所述车牌白名单动态生成,该生成方法包括:利用车牌识别核心算法识别车牌,输出车牌识别结果和对应的置信度;当识别出的车牌的置信度大于预设值Plate_Thres时,执行如下步骤:S1、判断该车牌是否已经存在于生成过程中的车牌白名单中,如果是,更新白名单中该车牌的最新时间为其抓拍时间;否则,执行步骤S2;S2、判断是否存在该车牌的队列或栈,如果是,将该车牌队列或栈中记录的该车牌出现的次数加1,并更新队列或栈中该车牌的最新时间为其抓拍时间;否则,执行步骤S3;S3、建立该车牌的队列或栈,并在该队列或栈中该车牌出现的次数加1,并记录抓拍时间,该抓拍时间为该车牌的首次抓拍时间;如果在所述首次抓拍时间开始后的预设时间内,所述车牌队列或栈中记录的该车牌出现次数大于预设次数,则将该车牌添加到车牌白名单中,并记录该车牌的最新时间。
优选地,该方法还包括:如果当前时间和白名单中该车牌的最新时间之差大于等于预设时间差,则将该车牌从白名单中删除;车牌时间的更新方法还包括:在置信度大于预设值Match_Thres,将识别出的车牌匹配车牌白名单后,如果匹配结果为完全匹配,则用识别出车牌的本次抓拍时间更新白名单中该车牌的最新时间;如果匹配结果为按照预设策略确定将白名单中的车牌作为最终的车牌输出时,也用识别出车牌的本次抓拍时间更新白名单中该车牌的最新时间。
优选地,所述预设策略的确定方法为:初始阶段,先使用策略A确定是否将白名单中的车牌作为最终的车牌识别结果,如果是,则策略A对应的匹配次数Num1加1;如果否,则使用策略B确定是否将白名单中的车牌作为最终的车牌识别结果,如果使用策略B后将白名单中的车牌作为最终的车牌识别结果,则策略B对应的匹配次数Num2加1;如果使用策略B后不能将白名单中的车牌作为最终的车牌识别结果,再使用策略C,如果使用策略C后将白名单中的车牌作为最终的车牌识别结果,则策略C对应的匹配次数Num3加1;当Num1+Num2+Num3的和等于过渡匹配次数Match_Times时,如果Num1>>Num2,则选取策略A为所述预设策略,如果Num1<<Num2,则选取策略B为所述预设策略,如果Num1≈Num2,则选取策略C为所述预设策略。
该车牌识别的装置,其特征在于,该装置包括:车牌识别核心算法模块,用于识别车牌,输出识别出的车牌和对应的置信度;白名单车牌匹配模块,用于在所述置信度大于预设值Match_Thres时,将该识别出的车牌匹配车牌白名单中的车牌;车牌输出确定模块,用于按照预设策略确定是否将车牌白名单中的车牌作为最终的车牌识别结果输出。
优选地,该装置还包括车牌白名单生成模块,该模块将车牌识别核心算法模块识别出的置信度大于预设值Plate_Thres的车牌执行是否加入车牌白名单的判断,包括:S1、判断该车牌是否已经存在于生成过程中的车牌白名单中,如果是,更新白名单中该车牌的最新时间为其抓拍时间;否则,执行步骤S2;S2、判断是否存在该车牌的队列或栈,如果是,将该车牌队列或栈中记录的该车牌出现的次数加1,并更新队列或栈中该车牌的最新时间为其抓拍时间;否则,执行步骤S3;S3、建立该车牌的队列或栈,并在该队列或栈中该车牌出现的次数加1,并记录抓拍时间,该抓拍时间为该车牌的首次抓拍时间;如果在所述首次抓拍时间开始后的预设时间内,所述车牌队列或栈中记录的该车牌出现次数大于预设次数,则将该车牌添加到车牌白名单中,并记录该车牌的最新时间。
优选地,该装置还包括车牌白名单更新模块,该白名单更新模块在当前时间和白名单该车牌的最新时间之差大于等于预设时间差,则将该车牌从白名单中删除。
优选地,所述车牌输出确定模块还用于更新白名单中车牌的最新时间,包括:在车牌置信度大于预设值Match_Thres,且识别出的车牌完全匹配车牌白名单中一车牌后,用识别出车牌的本次抓拍时间更新白名单中该车牌的最新时间;在车牌置信度大于预设值Match_Thres,且识别出的车牌按照预设策略确定将白名单中的车牌作为最终的车牌输出时,用识别出车牌的本次抓拍时间更新白名单中该车牌的最新时间。
优选地,该装置还包括,预设策略确定模块,该模块用于:初始阶段,先使用策略A确定是否将白名单中的车牌作为最终的车牌识别结果,如果是,则策略A对应的匹配次数Num1加1;如果否,则使用策略B确定是否将白名单中的车牌作为最终的车牌识别结果,如果使用策略B后将白名单中的车牌作为最终的车牌识别结果,则策略B对应的匹配次数Num2加1;如果使用策略B后不能将白名单中的车牌作为最终的车牌识别结果,再使用策略C,如果使用策略C后将白名单中的车牌作为最终的车牌识别结果,则策略C对应的匹配次数Num3加1;当Num1+Num2+Num3的和等于过渡匹配次数Match_Times时,如果Num1>>Num2,则选取策略A为所述预设策略,如果Num1<<Num2,则选取策略B为所述预设策略,如果Num1≈Num2,则选取策略C为所述预设策略。
相较于现有技术,本发明方案在不改变车牌识别核心算法的基础上,提出一种使用白名单车牌校正识别出的车牌的方案,以提高车牌识别的准确率,提升车辆管理的高效性和准确性。
附图说明
图1是本发明实施例流程图。
图2是本发明装置逻辑结构图。
具体实施方式
园区的车辆智能管理系统,根据车牌号对园区车辆进行管理。为达到高效且正确的对车辆的管理,要求对车牌号有高精度的识别。现有车牌识别核心算法一般包括车牌定位、车牌矫正、车牌分割、字符分割和字符识别等模块。当前若要通过这几个模块来进一步提升车牌识别率,难度非常大。本发明另辟蹊径,结合园区车辆基本固定的特点,在不改变车牌识别核心算法的基础上,提出一种进一步提升园区场景下车牌识别率的辅助方法,以提高对园区车辆管理的高效性和准确性。
以下通过具体实施方式详细说明。请参图1所述的本发明实施例流程图。
S11、利用车牌识别核心算法识别车牌,输出识别出的车牌和对应的置信度。
S12、将置信度大于预设值Match_Thres的车牌匹配车牌白名单中的车牌。
S13、按照预设策略确定是否将车牌白名单中的车牌作为最终的车牌识别结果输出。
车牌识别核心算法是一类成熟的车牌识别的算法,其车牌识别是对每个字符进行识别;单个字符识别采用模板匹配进行识别,依据标准车牌字符宽高比为0.5,采用30x60大小的模板;同时由于中国大陆的车牌由汉字、字母和数字组成,所以分别设计三类模板,即汉字模板、字母模板和数字模板,模板的前景字为1,背景为0,进行模板匹配的单字符的置信度为
其中Confidence表示单个字符置信度;Img(m,n)为字符图像数据,已经进行过0,1二值化,大小也是30x60;Mod(m,n)为模板数据,那么整个车牌的置信度为
设定有效车牌置信度阀值Match_Thres,当Plate_Confidence≥Match_Thres时车牌有效,阀值Match_Thres可根据不同场景环境设置。
在存在Plate_Confidence≥Match_Thres时,将该Plate_Confidence对应的车牌匹配车牌白名单中的车牌。车牌白名单固定出入园区的车辆的车牌集合。比如说,某园区入驻了三个公司,每个公司有部分员工开车上下班,那么这些员工的车辆车牌就构成了车牌白名单。该车牌白名单可以静态设置,比如说预先由园区管理人员进行登记。当然,这种静态设置的方法比较麻烦,且不灵活,下文中将提供一种动态生成车牌白名单的方法。
在将置信度大于预设值Match_Thres的车牌匹配车牌白名单中的车牌时,可以根据一定的策略确定是否将车牌白名单中的车牌作为最终的车牌输出。这里的策略可以是以下任一种:
策略A:如果置信度大于预设值Match_Thres的车牌的后六个字符中仅有一个字符和白名单中一车牌的对应字符不一样,且该不一样的两个字符属于预设的相似字符表中的一对字符,则将白名单中的该车牌作为最终的车牌识别结果。
策略B:如果置信度大于预设值Match_Thres的车牌的后六个字符中仅有一个字符和白名单中一车牌的对应字符不一样,且该不一样的两个字符均为字母或者一个为字母、一个为数字,则将白名单中的该车牌作为最终的车牌识别结果。
策略C:如果置信度大于预设值Match_Thres的车牌的后六个字符中仅有一个字符和白名单中一车牌的对应字符不一样,则将白名单中的该车牌作为最终的车牌识别结果。
表1给出了一个相似字符表的示例。实际上相似字符表可能还包括其他的字符。
‘0’<>‘D’ | ‘0’<>‘U’ |
‘L’<>‘1’ | ‘U’<>‘D’ |
‘B’<>‘8’ | ‘R’<>‘P’ |
‘7’<>‘T’ | ‘6’<>‘G’ |
‘E’<>‘F’ | ‘4’<>‘A’ |
‘Z’<>‘7’ | ‘2’<>‘Z’ |
‘J’<>‘1’ | ‘S’<>‘5’ |
表1
下面举几个例子来说明上述策略。比如说,当前识别出的车牌为“浙A12345”,对应的置信度大于预设值Match_Thres,白名单中存在一个车牌“浙A1234S”。后六个字符“A12345”中仅有一个字符“5”和“浙A1234S”对应位字符不一致(该“浙A1234S”对应位为S);而在相似字符表中,‘S’<>‘5’属于一对相似字符。所以根据策略A,将白名单中的车牌“浙A1234S”作为车牌识别结果输出。
又比如说,当前识别出的车牌为“浙A749B4”,该车牌对应的置信度也大于预设值Match_Thres,车牌白名单存在一个车牌“浙A749P4”。这两个车牌后六个字符中仅一个字符不相同,不相同的字符为“B”和“P”。“B”和“P”不属于相似字符表(表1)中的一对字符,所以按照策略A,不能将白名单中的车牌“浙A749P4”作为最终的结果输出;但是这两个不相同的字符均为字母,所以按照策略B,则能将该白名单中的车牌“浙A749P4”作为最终结果输出。
再比如,当前识别出的车牌为“浙A56842”,该车牌对应的置信度也大于预设值Match_Thres,车牌白名单存在一个车牌“浙A56342”。这两个车牌后六位中存在一个不一样的字符“8”和“3”,这两个不一样的字符属于数字间的不一样,按策略A和策略B,均不能将白名单中的车牌“浙A56342”作为最终的结果输出。但如果按照策略C,则可以将白名单中的车牌“浙A56342”作为最终结果输出。
上述策略A、策略B和策略C所包含的将白名单中的车牌作为最终的车牌识别结果输出的条件逐渐放宽。策略A相对最严格,策略C相对最宽泛。
在一个优选的例子中,可以根据园区的实际情况来确定最终采用上述策略A、策略B和策略C中的哪个策略。确定最终策略的方法可以是:在执行步骤S13的初始阶段对使用策略A、策略B和策略C确定将白名单中的车牌作为最终的车牌识别结果进行统计,再根据统计结果来确定采用哪个策略作为步骤S13的最终策略。具体来说,在执行步骤S13时,先使用策略A确定是否将白名单中的车牌作为最终的车牌识别结果,如果是,则策略A对应的匹配次数Num1加1;如果否,则使用策略B确定是否将白名单中的车牌作为最终的车牌识别结果,如果使用策略B后将白名单中的车牌作为最终的车牌识别结果,则策略B对应的匹配次数Num2加1;如果使用策略B后不能将白名单中的车牌作为最终的车牌识别结果,再使用策略C,如果使用策略C后将白名单中的车牌作为最终的车牌识别结果,则策略C对应的匹配次数Num3加1。在步骤S13执行若干次后,当Num1+Num2+Num3的和等于过渡匹配次数Match_Times时,如果Num1>>Num2,则选取策略A为最终策略,如果Num1<<Num2,则选取策略B为最终策略,如果Num1≈Num2,则选取策略C为最终策略。
本实施例的方法,将置信度满足一定条件的车牌进一步匹配白名单中的车牌。白名单中的车牌可以认为是完全准确的车牌,所以只要在识别出的车牌和白名单中的车牌差别不大时(上述策略决定)就选择相信白名单中的车牌。
下面介绍车牌白名单动态生成方法。
先利用车牌识别核心算法识别车牌,并输出车牌识别结果和对应的置信度;当识别出的车牌的置信度大于预设值Plate_Thres时,执行如下步骤:
S1、判断该车牌是否已经存在于生成过程中的车牌白名单中,如果是,更新白名单中该车牌的最新时间为其抓拍时间;否则,执行步骤S2;
S2、判断是否存在该车牌的队列或栈,如果是,将该车牌队列或栈中记录的该车牌出现的次数加1,并更新队列或栈中该车牌的最新时间为其抓拍时间;否则,执行步骤S3;
S3、建立该车牌的队列或栈,并在该队列或栈中该车牌出现的次数加1,并记录抓拍时间,该抓拍时间为该车牌的首次抓拍时间;
如果在所述首次抓拍时间开始后的预设时间内,所述记录的该车牌出现次数大于等于预设次数,则将队列或栈中的该车牌添加到车牌白名单中。
在上述车牌白名单生成过程中,对于利用车牌识别核心算法识别出的车牌在其置信度大于预设值Plate_Thres时,该车牌作为白名单的候选车牌;如果小于Plate_Thres时,该车牌则不能作为白名单的候选车牌。作为可能的白名单中的车牌,其置信度要求相对要高,所以这里的预设值Plate_Thres大于前述预设值Match_Thres。该置信度Plate_Thres可以根据不同的场景进行设置。对于白名单中的车牌,还有一个条件,即需要多次出现。所以在置信度满足条件的情况下,该车牌在一定的时间内需要多次出现。
比如说,可以选取一个时间上限Max_Time和一个车牌出现次数Plate_Times。从第一次抓拍到候选车牌开始计时,在Max_Time时间内,同一个车牌出现次数≥Plate_Times,则把该车牌添加到白名单中,并更新该车牌出现的最新时间。如果在Max_Time时间内,同一个车牌出现次数没有达到Plate_Times次,则将该车牌对应栈或者队列清空。这里就需要建立一组栈或者队列,用来统计各个候选车牌出现的次数和时间。后续在将满足条件的车牌添加到白名单前都先遍历已有车牌白名单该车牌是否已在白名单中,如果在则只更新最近出现时间,如果不在则添加车牌及最近出现时间。只有当车牌白名单达到一定大小的时候才启用该车牌白名单。
为了使得车牌白名单更加合理,白名单必须具备时效性,必须要定期地更新白名单。设定一个车牌的存活时间Valid_Time,在上述的车牌白名单生成和利用白名单进行车牌匹配过程中都会刷新对应车牌的最近出现时间。白名单的维护线程会定期扫描白名单上的所有车牌号的最新更新时间,当发现当时间Current_Time与记录的最新时间Record_Time的差大于Valid_Time,则将该车牌记录从白名单中删除。这样做的好处是避免白名单过大和减少进行白名单的匹配次数。在图1的车牌识别过程中,在车牌置信度大于预设值Match_Thres,将识别出的车牌匹配车牌白名单后,如果匹配结果为完全匹配,即识别出的车牌和白名单中的某一车牌完全一样,则用识别出车牌的本次抓拍时间更新白名单中该车牌的最新时间;如果匹配结果为按照预设策略确定将白名单中的车牌作为最终的车牌输出时,也用识别出车牌的本次抓拍时间更新白名单中该车牌的最新时间。另外,白名单生成过程中,也记录白名单中每个车牌的最新时间。这样,定期计算当前时间和白名单中车牌最新时间的差,如果发现该差值大于预设时间差时,即需要将白名单中的该车牌删除了。
本发明的车牌识别方法,充分结合了某一场所车牌基本固定的特点,在现有车牌识别算法不变的情况下,利用一白名单中的车牌达到提升车牌识别率的目的。
基于同样的构思,本发明还提供一种车牌识别的装置。请参图2,该装置包括:车牌识别核心算法模块、白名单车牌匹配模块、车牌输出确定模块。
车牌识别核心算法模块,用于识别车牌,输出识别出的车牌和对应的置信度;白名单车牌匹配模块,用于在所述置信度大于预设值Match_Thres时,将该识别出的车牌匹配车牌白名单中的车牌;车牌输出确定模块,用于按照预设策略确定是否将车牌白名单中的车牌作为最终的车牌识别结果输出。
该装置还包括车牌白名单生成模块,该模块将车牌识别核心算法模块识别出的置信度大于预设值Plate_Thres的车牌执行是否加入车牌白名单的判断,包括:S1、判断该车牌是否已经存在于生成过程中的车牌白名单中,如果是,更新白名单中该车牌的最新时间为其抓拍时间;否则,执行步骤S2;S2、判断是否存在该车牌的队列或栈,如果是,将该车牌队列或栈中记录的该车牌出现的次数加1,并更新队列或栈中该车牌的最新时间为其抓拍时间;否则,执行步骤S3;S3、建立该车牌的队列或栈,并在该队列或栈中该车牌出现的次数加1,并记录抓拍时间,该抓拍时间为该车牌的首次抓拍时间;如果在所述首次抓拍时间开始后的预设时间内,所述车牌队列或栈中记录的该车牌出现次数大于预设次数,则将该车牌添加到车牌白名单中,并记录该车牌的最新时间。
该装置还包括车牌白名单更新模块,该白名单更新模块在当前时间和白名单该车牌的最新时间之差大于等于预设时间差,则将该车牌从白名单中删除。
所述车牌输出确定模块还用于更新白名单中车牌的最新时间,包括:在车牌置信度大于预设值Match_Thres,且识别出的车牌完全匹配车牌白名单中一车牌后,用识别出车牌的本次抓拍时间更新白名单中该车牌的最新时间;在车牌置信度大于预设值Match_Thres,且识别出的车牌按照预设策略确定将白名单中的车牌作为最终的车牌输出时,用识别出车牌的本次抓拍时间更新白名单中该车牌的最新时间。
该装置还包括,预设策略确定模块,该模块用于:初始阶段,先使用策略A确定是否将白名单中的车牌作为最终的车牌识别结果,如果是,则策略A对应的匹配次数Num1加1;如果否,则使用策略B确定是否将白名单中的车牌作为最终的车牌识别结果,如果使用策略B后将白名单中的车牌作为最终的车牌识别结果,则策略B对应的匹配次数Num2加1;如果使用策略B后不能将白名单中的车牌作为最终的车牌识别结果,再使用策略C,如果使用策略C后将白名单中的车牌作为最终的车牌识别结果,则策略C对应的匹配次数Num3加1;当Num1+Num2+Num3的和等于过渡匹配次数Match_Times时,如果Num1>>Num2,则选取策略A为所述预设策略,如果Num1<<Num2,则选取策略B为所述预设策略,如果Num1≈Num2,则选取策略C为所述预设策略。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明保护的范围之内。
Claims (10)
1.一种车牌识别的方法,其特征在于,该方法包括:
利用车牌识别核心算法识别车牌,输出识别出的车牌和对应的置信度;
如果该置信度大于预设值Match_Thres,则将该识别出的车牌匹配车牌白名单中的车牌;
按照预设策略确定是否将车牌白名单中的车牌作为最终的车牌识别结果输出。
2.如权利要求1的方法,其特征在于,所述预设策略为:
A)如果置信度大于预设值Match_Thres的车牌的后六个字符中仅有一个字符和白名单中一车牌的对应字符不一样,且该不一样的两个字符属于预设的相似字符表中的一对字符,则将白名单中的该车牌作为最终的车牌识别结果;或者,
B)如果置信度大于预设值Match_Thres的车牌的后六个字符中仅有一个字符和白名单中一车牌的对应字符不一样,且该不一样的两个字符均为字母或者一个为字母、一个为数字,则将白名单中的该车牌作为最终的车牌识别结果;或者,
C)如果置信度大于预设值Match_Thres的车牌的后六个字符中仅有一个字符和白名单中一车牌的对应字符不一样,则将白名单中的该车牌作为最终的车牌识别结果。
3.如权利要求1所述的方法,其特征在于,所述车牌白名单动态生成,该生成方法包括:利用车牌识别核心算法识别车牌,输出车牌识别结果和对应的置信度;当识别出的车牌的置信度大于预设值Plate_Thres时,执行如下步骤:
S1、判断该车牌是否已经存在于生成过程中的车牌白名单中,如果是,更新白名单中该车牌的最新时间为其抓拍时间;否则,执行步骤S2;
S2、判断是否存在该车牌的队列或栈,如果是,将该车牌队列或栈中记录的该车牌出现的次数加1,并更新队列或栈中该车牌的最新时间为其抓拍时间;否则,执行步骤S3;
S3、建立该车牌的队列或栈,并在该队列或栈中该车牌出现的次数加1,并记录抓拍时间,该抓拍时间为该车牌的首次抓拍时间;
如果在所述首次抓拍时间开始后的预设时间内,所述车牌队列或栈中记录的该车牌出现次数大于预设次数,则将该车牌添加到车牌白名单中,并记录该车牌的最新时间。
4.如权利要求3所述的方法,其特征在于,该方法还包括:
如果当前时间和白名单中该车牌的最新时间之差大于等于预设时间差,则将该车牌从白名单中删除;
车牌时间的更新方法还包括:在置信度大于预设值Match_Thres,将识别出的车牌匹配车牌白名单后,如果匹配结果为完全匹配,则用识别出车牌的本次抓拍时间更新白名单中该车牌的最新时间;如果匹配结果为按照预设策略确定将白名单中的车牌作为最终的车牌输出时,也用识别出车牌的本次抓拍时间更新白名单中该车牌的最新时间。
5.如权利要求2所述的方法,其特征在于,所述预设策略的确定方法为:初始阶段,先使用策略A确定是否将白名单中的车牌作为最终的车牌识别结果,如果是,则策略A对应的匹配次数Num1加1;如果否,则使用策略B确定是否将白名单中的车牌作为最终的车牌识别结果,如果使用策略B后将白名单中的车牌作为最终的车牌识别结果,则策略B对应的匹配次数Num2加1;如果使用策略B后不能将白名单中的车牌作为最终的车牌识别结果,再使用策略C,如果使用策略C后将白名单中的车牌作为最终的车牌识别结果,则策略C对应的匹配次数Num3加1;
当Num1+Num2+Num3的和等于过渡匹配次数Match_Times时,如果Num1>>Num2,则选取策略A为所述预设策略,如果Num1<<Num2,则选取策略B为所述预设策略,如果Num1≈Num2,则选取策略C为所述预设策略。
6.一种车牌识别的装置,其特征在于,该装置包括:
车牌识别核心算法模块,用于识别车牌,输出识别出的车牌和对应的置信度;
白名单车牌匹配模块,用于在所述置信度大于预设值Match_Thres时,将该识别出的车牌匹配车牌白名单中的车牌;
车牌输出确定模块,用于按照预设策略确定是否将车牌白名单中的车牌作为最终的车牌识别结果输出。
7.如权利要求6的装置,其特征在于,所述预设策略为:
A)如果置信度大于预设值Match_Thres的车牌的后六个字符中仅有一个字符和白名单中一车牌的对应字符不一样,且该不一样的两个字符属于预设的相似字符表中的一对字符,则将白名单中的该车牌作为最终的车牌识别结果;或者,
B)如果置信度大于预设值Match_Thres的车牌的后六个字符中仅有一个字符和白名单中一车牌的对应字符不一样,且该不一样的两个字符均为字母或者一个为字母、一个为数字,则将白名单中的该车牌作为最终的车牌识别结果;或者,
C)如果置信度大于预设值Match_Thres的车牌的后六个字符中仅有一个字符和白名单中一车牌的对应字符不一样,则将白名单中的该车牌作为最终的车牌识别结果。
8.如权利要求6所述的装置,其特征在于,该装置还包括车牌白名单生成模块,该模块将车牌识别核心算法模块识别出的置信度大于预设值Plate_Thres的车牌执行是否加入车牌白名单的判断,包括:
S1、判断该车牌是否已经存在于生成过程中的车牌白名单中,如果是,更新白名单中该车牌的最新时间为其抓拍时间;否则,执行步骤S2;
S2、判断是否存在该车牌的队列或栈,如果是,将该车牌队列或栈中记录的该车牌出现的次数加1,并更新队列或栈中该车牌的最新时间为其抓拍时间;否则,执行步骤S3;
S3、建立该车牌的队列或栈,并在该队列或栈中该车牌出现的次数加1,并记录抓拍时间,该抓拍时间为该车牌的首次抓拍时间;
如果在所述首次抓拍时间开始后的预设时间内,所述车牌队列或栈中记录的该车牌出现次数大于预设次数,则将该车牌添加到车牌白名单中,并记录该车牌的最新时间。
9.如权利要求8所述的装置,其特征在于,该装置还包括车牌白名单更新模块,该白名单更新模块在当前时间和白名单该车牌的最新时间之差大于等于预设时间差,则将该车牌从白名单中删除;
所述车牌输出确定模块还用于更新白名单中车牌的最新时间,包括:在车牌置信度大于预设值Match_Thres,且识别出的车牌完全匹配车牌白名单中一车牌后,用识别出车牌的本次抓拍时间更新白名单中该车牌的最新时间;在车牌置信度大于预设值Match_Thres,且识别出的车牌按照预设策略确定将白名单中的车牌作为最终的车牌输出时,用识别出车牌的本次抓拍时间更新白名单中该车牌的最新时间。
10.如权利要求7所述的装置,其特征在于,该装置还包括,预设策略确定模块,该模块用于:初始阶段,先使用策略A确定是否将白名单中的车牌作为最终的车牌识别结果,如果是,则策略A对应的匹配次数Num1加1;如果否,则使用策略B确定是否将白名单中的车牌作为最终的车牌识别结果,如果使用策略B后将白名单中的车牌作为最终的车牌识别结果,则策略B对应的匹配次数Num2加1;如果使用策略B后不能将白名单中的车牌作为最终的车牌识别结果,再使用策略C,如果使用策略C后将白名单中的车牌作为最终的车牌识别结果,则策略C对应的匹配次数Num3加1;
当Num1+Num2+Num3的和等于过渡匹配次数Match_Times时,如果Num1>>Num2,则选取策略A为所述预设策略,如果Num1<<Num2,则选取策略B为所述预设策略,如果Num1≈Num2,则选取策略C为所述预设策略。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510443499.8A CN105096604B (zh) | 2015-07-24 | 2015-07-24 | 一种车牌识别的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510443499.8A CN105096604B (zh) | 2015-07-24 | 2015-07-24 | 一种车牌识别的方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105096604A true CN105096604A (zh) | 2015-11-25 |
CN105096604B CN105096604B (zh) | 2017-11-03 |
Family
ID=54576919
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510443499.8A Active CN105096604B (zh) | 2015-07-24 | 2015-07-24 | 一种车牌识别的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105096604B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105405298A (zh) * | 2015-12-24 | 2016-03-16 | 浙江宇视科技有限公司 | 一种车牌标识的识别方法和装置 |
CN105512660A (zh) * | 2015-11-27 | 2016-04-20 | 浙江宇视科技有限公司 | 车牌号码识别方法及装置 |
CN108960234A (zh) * | 2018-06-13 | 2018-12-07 | 山东师范大学 | 一种基于词袋模型的Logo识别方法及系统 |
CN110070723A (zh) * | 2018-01-23 | 2019-07-30 | 浙江宇视科技有限公司 | 出入口车辆识别的方法、装置及系统 |
CN111368692A (zh) * | 2020-02-28 | 2020-07-03 | 北京爱笔科技有限公司 | 信息融合方法及装置、停车位置定位方法及系统 |
CN114882492A (zh) * | 2022-07-11 | 2022-08-09 | 浙江大华技术股份有限公司 | 一种车牌识别方法、装置、终端及计算机可读存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101937508A (zh) * | 2010-09-30 | 2011-01-05 | 湖南大学 | 一种基于高清图像的车牌定位与识别方法 |
CN102346847A (zh) * | 2011-09-26 | 2012-02-08 | 青岛海信网络科技股份有限公司 | 一种支持向量机的车牌字符识别方法 |
US20120155712A1 (en) * | 2010-12-17 | 2012-06-21 | Xerox Corporation | Method for automatic license plate recognition using adaptive feature set |
CN102521979A (zh) * | 2011-12-06 | 2012-06-27 | 北京万集科技股份有限公司 | 基于高清摄像机进行路面事件检测的方法及系统 |
CN103035125A (zh) * | 2012-12-12 | 2013-04-10 | 北京蓝卡软件技术有限公司 | 一种车牌识别方法及其系统 |
CN103927880A (zh) * | 2014-04-28 | 2014-07-16 | 浙江宇视科技有限公司 | 一种车牌识别比对方法及装置 |
US20150049914A1 (en) * | 2013-08-13 | 2015-02-19 | James Alves | License Plate Recognition |
-
2015
- 2015-07-24 CN CN201510443499.8A patent/CN105096604B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101937508A (zh) * | 2010-09-30 | 2011-01-05 | 湖南大学 | 一种基于高清图像的车牌定位与识别方法 |
US20120155712A1 (en) * | 2010-12-17 | 2012-06-21 | Xerox Corporation | Method for automatic license plate recognition using adaptive feature set |
CN102346847A (zh) * | 2011-09-26 | 2012-02-08 | 青岛海信网络科技股份有限公司 | 一种支持向量机的车牌字符识别方法 |
CN102521979A (zh) * | 2011-12-06 | 2012-06-27 | 北京万集科技股份有限公司 | 基于高清摄像机进行路面事件检测的方法及系统 |
CN103035125A (zh) * | 2012-12-12 | 2013-04-10 | 北京蓝卡软件技术有限公司 | 一种车牌识别方法及其系统 |
US20150049914A1 (en) * | 2013-08-13 | 2015-02-19 | James Alves | License Plate Recognition |
CN103927880A (zh) * | 2014-04-28 | 2014-07-16 | 浙江宇视科技有限公司 | 一种车牌识别比对方法及装置 |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105512660A (zh) * | 2015-11-27 | 2016-04-20 | 浙江宇视科技有限公司 | 车牌号码识别方法及装置 |
CN105512660B (zh) * | 2015-11-27 | 2020-04-10 | 浙江宇视科技有限公司 | 车牌号码识别方法及装置 |
CN105405298A (zh) * | 2015-12-24 | 2016-03-16 | 浙江宇视科技有限公司 | 一种车牌标识的识别方法和装置 |
CN105405298B (zh) * | 2015-12-24 | 2018-01-16 | 浙江宇视科技有限公司 | 一种车牌标识的识别方法和装置 |
CN110070723A (zh) * | 2018-01-23 | 2019-07-30 | 浙江宇视科技有限公司 | 出入口车辆识别的方法、装置及系统 |
CN108960234A (zh) * | 2018-06-13 | 2018-12-07 | 山东师范大学 | 一种基于词袋模型的Logo识别方法及系统 |
CN111368692A (zh) * | 2020-02-28 | 2020-07-03 | 北京爱笔科技有限公司 | 信息融合方法及装置、停车位置定位方法及系统 |
CN111368692B (zh) * | 2020-02-28 | 2023-10-17 | 北京爱笔科技有限公司 | 信息融合方法及装置、停车位置定位方法及系统 |
CN114882492A (zh) * | 2022-07-11 | 2022-08-09 | 浙江大华技术股份有限公司 | 一种车牌识别方法、装置、终端及计算机可读存储介质 |
CN114882492B (zh) * | 2022-07-11 | 2022-11-22 | 浙江大华技术股份有限公司 | 一种车牌识别方法、装置、终端及计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN105096604B (zh) | 2017-11-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105096604A (zh) | 一种车牌识别的方法和装置 | |
US11816570B2 (en) | Method for accelerated detection of object in videos, server, and non-transitory computer readable storage medium | |
CN110837807A (zh) | 一种套牌车辆的识别方法及系统 | |
US20200364467A1 (en) | Method and device for detecting illegal parking, and electronic device | |
CN111355941B (zh) | 图像颜色实时校正方法、装置和系统 | |
CN110633638A (zh) | 一种垃圾收运监管方法、装置、存储介质和智能设备 | |
CN108805098A (zh) | 纸面文档与电子文档的比对方法、装置和系统 | |
CN105095479A (zh) | 一种移动终端及其实现照片分类管理的方法 | |
CN111460232A (zh) | 功能模块的查找方法、装置、终端和计算机可读存储介质 | |
CN105915440A (zh) | 邮件识别方法及装置 | |
CN109740553A (zh) | 一种基于识别的图像语义分割数据筛选方法及系统 | |
CN107393308A (zh) | 一种识别车牌的方法、装置及停车场管理系统 | |
CN116109207A (zh) | 一种工程质量管理方法及系统 | |
TW202103114A (zh) | 智慧巡檢方法、移動終端及存儲介質 | |
CN103942554A (zh) | 一种图像识别方法及装置 | |
CN107067042A (zh) | 汽车电子标识分类处理方法及系统 | |
CN110502521B (zh) | 一种档案库的建立方法 | |
CN115049374B (zh) | 一种工艺设备的数据加工方法及装置 | |
CN110415511B (zh) | 车辆信息管理方法、装置及存储介质 | |
CN111382742A (zh) | 一种云财务平台集成ocr识别软件的方法 | |
CN105760424A (zh) | 用于存储企业产品关键数据的数据库建立方法 | |
CN115115891A (zh) | 基于嵌入式平台的目标检测模型部署应用方法 | |
CN204884183U (zh) | 一种停车场蓝牙wifi读头及手机app辅助车牌识别系统 | |
CN113111696A (zh) | 一种小尺寸液晶屏微观识别分类集成系统及其方法 | |
CN110807132A (zh) | 一种企业项目数据管理系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CB03 | Change of inventor or designer information | ||
CB03 | Change of inventor or designer information |
Inventor after: Zhang Pengguo Inventor after: Luo Wei Inventor before: Luo Wei |