CN105279475A - 一种基于车辆身份识别的套牌车识别的方法与装置 - Google Patents

Abstract

本发明提供一种基于车辆身份识别的套牌车识别的方法与装置，本发明方法利用先进的图像处理，模式识别和机器学习等技术，从图片或视频中提取出车辆，识别该车辆特征，其中特征包括车牌号码，车型识别，车标类型，车辆子型号，车身颜色等。利用识别出的车辆特征可以进行对比，发现套牌车并报警，其中套牌车识别方法一为与交管所数据库进行比对，当发现车辆某些特征与数据库内特征不匹配时，进行报警；识别方法二为在市区内卡口进行稽查布控，当发现特征相同的车辆在同一时间的不同位置出现时，则进行套报警；识别方法三为与历史数据进行比对，当发现车牌号码相同的车辆，车辆其他特征不相同时，进行报警。

Description

一种基于车辆身份识别的套牌车识别的方法与装置

技术领域

本发明涉及信息处理技术，图像处理，模式识别，机器学习领域，尤其涉及一种基于车辆身份识别的套牌车识别的方法与装置。

背景技术

当前，平安城市的建立以及视频监控网络的建设已经深入到城市的各个角落，对于社会稳定，人民群众的生命财产安全起到了很好的保障，对于犯罪行为的发展起到很大的震慑作用，同时对案件的追查和分析也起到了一定的作用。

随着社会经济的发展，机动车保有量急剧增加，涉车违法犯罪愈加猖獗，车辆套牌违法行为呈现多发态势，公安机关在整治行动中变的越来越被动，工作量急剧增加。

在刑侦视频分析图像实战应用中发现，犯罪分子或者嫌疑人在作案或者流窜的过程中，使用的犯罪交通工具常常都是套牌车，伪造车牌或者无牌车辆。他们利用这些交通工具来掩饰自己犯罪行为，增加追查的难度，为逃避追捕进行了很多工作。通过人工分析套牌车，会造成人员疲劳，效率低下，并且即使找到套牌车辆，可能犯罪分子也已经逃之夭夭，故本发明方法利用先进的图像处理和模式识别技术，可以自动对输入的图片进行分析比对，能够在短时间内发现违法套牌车辆，有效的协助公安办案。

发明内容

本发明实施例提供一种基于车辆身份识别的套牌车识别的方法与装置，用以解决目前人工查找套牌车效率低下的问题。

本发明实施例采用下述技术方案：

第一方面，一种车辆检测技术，所述车辆检测技术采用多种机器学习算法，采用效率较高的adaboost+haar算法进行车辆粗定位，针对粗定位区域，利用SVM+HOG算法对车辆进行精确定位。

第二方面，一种车牌识别技术，所述的车牌识别包括车牌定位，车牌预处理，字符分割和字符识别等模块，其中车牌定位模块采用边缘检测算法，从图像中找到边缘信息丰富的车牌位置；车牌预处理模块包括车牌矫正，去除车牌边界和噪声，车牌二值化等步骤；字符分割采用经典的垂直投影算法；字符识别采用神经网络算法。

第三方面，一种车型识别技术，所述的车型识别为针对检测到的车脸进行分类，可分为货车、客车、卡车、轿车和摩托车5类，采用libSVM中的两两分类方法，特征提取采用HOG方法。

第四方面，一种车辆子型号识别技术，首先在车辆区域内进行车脸提取，提取方法根据车脸纹理和车灯信息进行位置定位，然后采用LBP+HOG特征提取方法，线性SVM作为分类器，对常见的1000多种车型进行分类识别。

第五方面，一种车身颜色识别技术，为在车辆区域内搜索到平滑的区域，在区域内提取每个点的RGB颜色分量，将RGB转换到HSL空间，判断每点的颜色，最后统计各种颜色所占的比列，选取比例最大的颜色做为车身颜色，本发明方法可以识别红，黄，绿，蓝，青，白，黑，灰等8种颜色。

第六方面，一种与数据库比对的套牌车识别报警技术，根据所识别的车辆牌照号码，在交管局数据库进行搜索，搜索到该车牌号码所对应的车型信息，车辆子型号信息，车身颜色等信息，将查询的结果与识别的结果进行比对，当发现有两条结果不一样时，即进行套牌车报警。

第七方面，一种稽查布控的套牌车识别报警技术，实时识别市区内卡口抓拍下来的图片，提取图片中的车辆身份信息，针对每两个卡口之间设定时间阈值T，此阈值为同一车辆在时间T内不可能同时在这两个卡口内出现，当在某两个卡口内发现车牌号码相同的车辆，并且发现的时间差值小于设定阈值T，则进行套牌车报警。

第八方面，一种与历史数据进行比对的套牌车识别报警技术，为将识别到的车辆身份信息与历史识别数据进行比对，当发现车辆号码一致，但车型信息不一样时，即判别为套牌车，进行套牌车报警

上述技术方案中的至少一个技术方案可以达到如下技术效果：

本发明实施例提供的方案可以从图像中解析出车辆的身份信息，包括车牌号码，车型，车标，车辆子型号，车身颜色等，能够节省人力成本，提高效率，本发明实施例提供的方案还可以大大提高车辆身份信息的获取灵活度。

附图说明

构成本申请的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1是实施例1提供的本发明方法的总体示意图架构示意图；

图2是实施例2提供的一种车辆检测方法示意图；

图3是实施例3提供的一种车牌识别方法示意图；

图4是实施例4提供的是一种车型识别的方法示意图；

图5是实施例5提供的一种车身颜色的识别方法示意图；

图6是实施例6提供的一种套牌车识别的方法示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明具体实施例及相应的附图对本发明技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

以下结合附图，详细说明本发明各实施例提供的技术方案。

实施例1

实施例1提供一种如图1所示的一种基于车辆身份识别的套牌车识别方法与装置的总体架构图。

步骤11，车辆检测，对输入的图像，首先进行预处理，在预处理后的图像上先利用级联adaboost做车辆粗定位，在粗定位区域上利用HOG+SVM做车辆精确定位。

步骤12，车辆身份识别，车辆身份包括车牌号码，车辆类型，车标，车辆子型号，车身颜色等，本步骤利用模式识别算法将车辆的这些身份信息进行识别，解析出符号。

步骤13，套牌车识别报警，本步骤中的报警技术包括与数据库比对的套牌车识别报警技术，基于稽查布控的套牌车识别报警技术，与历史数据进行比对的套牌车识别报警技术，实际应用中可以根据实际情况具体选择哪种报警技术。

通过实例1的步骤11阐述的车辆检测技术，实际应用中不限定采用其他的类似的车辆检测技术进行车辆检测。

实施例2

实施例2提供一种如图2所示的车辆检测的方法，步骤如下：

步骤21，图像预处理，针对输入图像，首先做平滑处理，采用3*3的均值滤波器进行滤波处理，去除噪声，然后根据需求做放缩处理。

步骤22，Adaboost车辆检测，采用级联adaboost算法在图像上进行滑动，判别是否为车辆，其中滑动窗口大小为32*32，步长为1(既每隔一行一列像素进行检测)，得到粗定位车辆区域。

步骤23，SVM精确定位，将粗定位区域的上下左右尺寸各扩充一定距离，在扩充后的区域内利用HOG+SVM进行车辆精确定位。

实施例3

实施例3提供一种车牌识别的方法，包括下述步骤：

步骤31，车牌定位，采用sobel垂直边缘检测算子对图像进行操作，找到车牌区域内的丰富的垂直边缘信息，对边缘图进行腐蚀膨胀操作，寻找联通区域，找到粗定位的车牌候选区域，设定阈值，对候选区域进行剔除，最终得到车牌区域，一般经过上述操作，会得到小于5个的车牌候选区域。

步骤32，车牌预处理，首先对车牌进行矫正处理，通过水平边缘确定车牌的倾斜角度，按照倾斜角度对车牌进行矫正，采用otsu算法找到矫正后车牌的二值化阈值，利用此阈值对车牌进行二值化处理，在二值图上利用跳变搜索车牌的上下边界，并将边界去除，将预处理好的二值化车牌送入字符分割模块。

步骤33，字符分割，根据车牌的排列顺序，将二值化车牌在垂直方向上进行投影，根据投影的波峰波谷位置，找到每个字符的左右边界，在相应的灰度图上将字符分割出来，送入字符识别模块。

步骤34，字符识别，将分割出的字灰度符归一化到48*24大小，抽取每个像素点的灰度特征，利用PCA算法对特征进行降维，然后将降纬后的特征送入BP神经网络进行识别。

实施例4

实施例4提供的一种车型识别，车辆子型号识别的方法，包括下述步骤：

步骤41，针对检测到的车辆，利用车辆的水平边缘信息，对车辆进行水平倾斜矫正，首先利用sobel水平边缘检测算子对车辆进行水平边缘检测，将检测到的水平边缘图在-15°到+15°区间内，每隔1°进行旋转，同时计算旋转图的水平投影，对投影值进行从大到小排序，计算前4个最大值的和，最后选取所有和中最大的值所对应的角度，即为车辆倾斜角度，按照此角度将车辆进行旋转。

步骤42，HOG特征提取，将校正后的车辆归一化到112*112大小，利用HOG特征提取算法，提取6048维特征。

步骤43，SVM车型分类，此步骤可以将车辆分为货车，客车，卡车，轿车和摩托车5类，分类器选取libSVM中的两两分类方式，总共构建10个分类器，最后投票选取分类结果最为最终结果。

步骤44，车脸定位，在矫正后的车辆图上，根据车脸的丰富的边缘信息和车灯信息，从下部往上做车脸的精确定位。

步骤45，HOG+LBP特征提取，将分割出的车辆归一化到66*112大小，提取HOG和LBP特征，共5120维特征。

步骤46，SVM车辆子型号分类，采用libSVM中的linerSVM分类器，既一对多分类方式，识别车辆子型号，本分类器可以识别常见的1000多种车辆子型号，例如比亚迪F2，比亚迪F3，大众捷达，奥迪A6等。

实施例5

实施例5提供一种车身颜色识别方法，具体步骤如下：

步骤51，统计区域定位，在车脸的上部区域寻找光滑的区域，以每点为中心，统计5*5的中心内的方差，如果方差小于设定阈值，即判别该点为光滑点，最终寻找到光滑点所在的区域为颜色统计区域。

步骤52，颜色空间转换，对光滑区域内的RGB颜色进行转化，转化到HSL空间，转换公式如下：

$R1=\frac{R}{255},G1=\frac{G}{255},B1=\frac{B}{255}$

Min＝min(min(R1，G1)，B1)，Max＝max(max(R1，G1)，B1)

Diff＝Max-Min

L＝120×(Min+Max)

$S=\left\{\begin{array}{c}240\&times;\mathrm{Diff}/(2-(\mathrm{Min}+\mathrm{Max})),L\&GreaterEqual;120\\ 240\&times;\mathrm{Diff}/(\mathrm{Min}+\mathrm{Max}),L<120\end{array}\right.$

$H=\left\{\begin{array}{c}H+240,H<0\\ H-240,H>240\end{array}\right.$

步骤53，颜色统计，设定阈值判断每点的颜色，此步骤可以识别红，黄，绿，蓝，青，白，黑，灰等8种颜色，其中仅以蓝色空间阈值为列，如下：

HBlue_min≤H(i，j)≤HBlue_max，

SBlue_min≤S(i，j)，

LBlue_min≤L(i，j)≤LBlue_max；

以上公式为判别此点颜色是否为蓝色，其中各个阈值的选取可以根据实际光照灵活调节。

步骤54，颜色结果输出，判断完每点所隶属的颜色空间后，统计每个颜色在区域中所占的像素比列，最终可以选取比例最大的前一名或者两名作为颜色识别结果进行输出。

实施例6

实施例6提供一种套牌车识别方法，具体步骤如下：

步骤61，数据库比对报警，根据所识别的车辆牌照号码，在交管局数据库进行搜索，搜索到该车牌号码所对应的车型信息，车辆子型号信息，车身颜色等信息，将查询的结果与识别的结果进行比对，当发现有两条结果不一样时，即报警，交给人工确认是否为套牌车辆。

步骤62，稽查布控报警，实时识别市区内卡口抓拍下来的图片，提取图片中的车辆身份信息，针对每两个卡口之间设定时间阈值T，此阈值为同一车辆在时间T内不可能同时在这两个卡口内出现，当在某两个卡口内发现车牌号码相同的车辆，并且发现的时间差值小于设定阈值T，则进行套牌车报警。

步骤63，历史数据进行比对报警，为将识别到的车辆身份信息与历史识别数据进行比对，当发现车辆号码一致，但车型信息不一样时，即判别为套牌车，进行套牌车报警。

在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flashRAM)。内存是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitorymedia)，如调制的数据信号和载波。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个......”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。

本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (10)

1.一种基于车辆身份识别的套牌车识别的方法与装置，其特征是，所述方法包括车辆检测，车辆身份识别，套牌车识别并报警：

所述的车辆检测包括从图像或视频中，利用图像处理，模式识别和机器学习算法，找到车辆在图像中所在位置。

所述的车辆身份识别包括识别车辆牌照号码，车型，车标，车辆子型号和车身颜色的识别。

所述的套牌车识别报警包括处理识别的车辆身份信息，与数据库进行对比，同城卡口之间数据对比，与历史数据对比，识别套牌车车辆并报警。

2.根据权利要求1所述的方法与装置，所述的车辆检测，其特征是：

所述车辆检测采用多种方法融合检测，综合考虑速度和检测精度，本发明采用adaboost+haar算法对车辆位置进行粗检测，在粗检测到的车辆区域内利用SVM+HOG算法对车辆进行精确定位。

3.如权利要求1所述的方法与装置，所述的车辆身份识别，其特征是：

所述车辆身份识别包括车牌识别，车型识别，车标识别，车辆子型号识别和车身颜色识别等。

4.如权利要求3所述的方法与装置，所述的车牌识别，其特征是：

所述的车牌识别包括车牌定位，车牌预处理，字符分割和字符识别模块，其中车牌定位模块采用边缘检测算法，从图像中找到边缘信息丰富的车牌位置；车牌预处理模块包括车牌矫正，去除车牌边界和噪声，车牌二值化等步骤；字符分割采用经典的垂直投影算法；字符识别采用神经网络算法。

5.如权利要求3所述的方法与装置，所述的车型识别，其特征是：

所述的车型识别为针对检测到的车脸进行分类，可分为货车、客车、卡车、轿车和摩托车5类，采用libSVM中的两两分类方法，特征提取采用HOG方法。

6.如权利要求3所述的方法与装置，所述的车标识别，车辆子型号识别，其特征是：

所述的车辆子型号识别，首先在车辆区域内进行车脸提取，提取方法根据车脸纹理和车灯信息进行位置定位，然后采用LBP+HOG特征提取方法，线性SVM作为分类器，对常见的1000多种车型进行分类识别。

7.如权利要求3所述的方法，所述的车身颜色识别，其特征是：

所述的车身颜色识别，为在车辆区域内搜索到平滑的区域，在区域内提取每个点的RGB颜色分量，将RGB转换到HSL空间，判断每点的颜色，最后统计各种颜色所占的比列，选取比例最大的颜色做为车身颜色，本发明方法可以识别红，黄，绿，蓝，青，白，黑，灰等8种颜色。

8.如权利要求1所述的方法与装置，所述的套牌车识别，其特征是：

所述的套牌车识别方法一为将车辆身份信息与交管局数据进行比对，当发现车辆某些特征与管局据库内特征不匹配时，进行报警；识别方法二为在市区内卡口进行稽查布控，当发现特征相同的车辆在同一时间的不同位置出现时，则进行套报警；识别方法三为与历史数据进行比对，当发现车牌号码相同的车辆，车辆其他特征不相同时，进行报警。

9.如权利要求8所述的方法与装置，所述的与数据库比对报警，其特征是：

所述的与数据库比对报警包括，根据所识别的车辆牌照号码，在交管局数据库进行搜索，搜索到该车牌号码所对应的车型信息，车辆子型号信息，车身颜色等信息，将查询的结果与识别的结果进行比对，当发现有两条结果不一样时，即报警，交给人工确认是否为套牌车辆。

10.如权利要求8所述的方法与装置，所述的稽查布控报警，其特征是：

所述的稽查布控报警，实时识别市区内卡口抓拍下来的图片，提取图片中的车辆身份信息，针对每两个卡口之间设定时间阈值T，此阈值为同一车辆在时间T内不可能同时在这两个卡口内出现，当在某两个卡口内发现车牌号码相同的车辆，并且发现的时间差值小于设定阈值T，则进行套牌车报警。