CN105405298A - 一种车牌标识的识别方法和装置 - Google Patents
一种车牌标识的识别方法和装置 Download PDFInfo
- Publication number
- CN105405298A CN105405298A CN201510992776.0A CN201510992776A CN105405298A CN 105405298 A CN105405298 A CN 105405298A CN 201510992776 A CN201510992776 A CN 201510992776A CN 105405298 A CN105405298 A CN 105405298A
- Authority
- CN
- China
- Prior art keywords
- car plate
- car
- plate mark
- information
- confidence
- 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
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
- Vehicle Waterproofing, Decoration, And Sanitation Devices (AREA)
Abstract
本发明提供一种车牌标识的识别方法和装置,获得包含车牌标识的图像以及所述图像当前对应的环境信息;识别所述图像包含的第一车牌标识,获得第一车牌标识的车牌识别置信度;当所述车牌识别置信度小于预设第一阈值时,则利用所述环境信息确定所述第一车牌标识对应的环境因素置信度;当所述环境因素置信度大于预设第二阈值时,则对所述第一车牌标识进行校正,得到校正后的第二车牌标识。通过本发明的技术方案,当车牌标识的清晰度受到环境因素的影响时,可以对车牌标识进行校正,从而提高车牌标识的识别准确率,有效降低车牌识别的误检率。
Description
技术领域
本发明涉及视频技术领域,尤其涉及一种车牌标识的识别方法和装置。
背景技术
随着车辆保有量和交通出行量的不断增长,ITS(IntelligentTransportationSystem,智能交通系统)是目前许多城市正在使用的管理系统,其涉及的内容主要包括道路路况采集、车辆身份识别、违规处理、自助缴费等。为了实现车辆身份识别,目前主要是使用电子警察系统和卡口系统进行车牌识别。
电子警察系统/卡口系统广泛的应用于城市十字交叉路口、人行道口、限时道路、主辅路进出口、公交专用道等位置,用于对指定车道内的车辆闯红灯、压线、不按指定车道行驶等违章行为进行不间断的自动检测和记录。
电子警察系统/卡口系统可以利用先进的光电、计算机、图像处理、模式识别、远程数据访问等技术,对监控路面经过的车辆进行连续全天候的图像采集,从而获知车辆的车牌标识,继而利用车牌标识对车辆进行身份识别。
目前,在采集包含车牌标识的图像时,车牌标识的清晰度会受到环境因素的影响,导致车牌标识的识别准确率并不高,继而导致车辆身份识别错误。
发明内容
本发明提供一种车牌标识的识别方法,所述方法包括以下步骤:
获得包含车牌标识的图像以及所述图像当前对应的环境信息;
识别所述图像包含的第一车牌标识,获得第一车牌标识的车牌识别置信度;
当所述车牌识别置信度小于预设第一阈值时,则利用所述环境信息确定所述第一车牌标识对应的环境因素置信度;
当所述环境因素置信度大于预设第二阈值时,则对所述第一车牌标识进行校正,得到校正后的第二车牌标识。
所述环境信息包括以下之一或者任意组合:天气信息、光照信息、时间信息,所述利用所述环境信息确定所述第一车牌标识对应的环境因素置信度的过程,具体包括:利用所述环境信息查询预先维护的环境信息与车牌识别率之间的对应关系,得到所述环境信息对应的车牌识别率;
利用所述车牌识别率确定所述第一车牌标识对应的环境因素置信度。
所述利用所述车牌识别率确定所述第一车牌标识对应的环境因素置信度的过程,具体包括:
当所述环境信息包括天气信息、光照信息、时间信息时,利用如下公式确定所述第一车牌标识对应的环境因素置信度:
其中,为天气信息对应的车牌识别率对环境因素置信度影响的方差,w1为天气信息对应的权重;为时间信息对应的车牌识别率对环境因素置信度影响的方差,w2为时间信息对应的权重;为光照信息对应的车牌识别率对环境因素置信度影响的方差,w3为光照信息对应的权重。
所述对所述第一车牌标识进行校正,得到校正后的第二车牌标识的过程,具体包括:将所述第一车牌标识与高频车牌数据库中的每个车牌标识进行匹配,得到与所述第一车牌标识相差一个字符的第二车牌标识,如果所述第二车牌标识的权重大于预设第三阈值,将所述第一车牌标识校正为所述第二车牌标识。
针对高频车牌数据库记录的每个车牌标识,在高频车牌数据库中记录所述车牌标识的过程,具体包括:
确定所述车牌标识在预设第一时间内出现的次数;当所述次数大于预设第四阈值时,则在所述高频车牌数据库中记录所述车牌标识;利用所述次数更新所述车牌标识对应的权重,其中,所述次数越大,则对应的权重越大。
本发明提供一种车牌标识的识别装置,所述装置具体包括:
获得模块,用于获得获得包含车牌标识的图像以及所述图像当前对应的环境信息;
识别模块,用于识别所述图像包含的第一车牌标识,并获得所述第一车牌标识的车牌识别置信度;
确定模块,用于当所述车牌识别置信度小于预设第一阈值时,则利用所述环境信息确定所述第一车牌标识对应的环境因素置信度;
校正模块,用于当所述环境因素置信度大于预设第二阈值时,则对所述第一车牌标识进行校正,得到校正后的第二车牌标识。
所述环境信息包括以下之一或者任意组合:天气信息、光照信息、时间信息;所述确定模块,具体用于在利用所述环境信息确定所述第一车牌标识对应的环境因素置信度的过程中,利用所述环境信息查询预先维护的环境信息与车牌识别率之间的对应关系,得到所述环境信息对应的车牌识别率;利用所述车牌识别率确定所述第一车牌标识对应的环境因素置信度。
所述确定模块,具体用于在利用所述车牌识别率确定所述第一车牌标识对应的环境因素置信度的过程中,当所述环境信息包括天气信息、光照信息、时间信息时,则利用如下公式确定所述第一车牌标识对应的环境因素置信度: 为天气信息对应的车牌识别率对环境因素置信度影响的方差,w1为天气信息对应的权重;为时间信息对应的车牌识别率对环境因素置信度影响的方差,w2为时间信息对应的权重;为光照信息对应的车牌识别率对环境因素置信度影响的方差,w3为光照信息对应的权重。
所述校正模块,具体用于在对第一车牌标识进行校正,得到校正后的第二车牌标识的过程中,将第一车牌标识与高频车牌数据库中的每个车牌标识进行匹配,得到与所述第一车牌标识相差一个字符的第二车牌标识,如果所述第二车牌标识的权重大于预设第三阈值,将所述第一车牌标识校正为所述第二车牌标识。
所述校正模块,具体用于针对所述高频车牌数据库记录的每个车牌标识,在所述高频车牌数据库中记录所述车牌标识的过程中,确定所述车牌标识在预设第一时间内出现的次数;当所述次数大于预设第四阈值时,则在所述高频车牌数据库中记录所述车牌标识;利用所述次数更新所述车牌标识对应的权重,其中,所述次数越大,则对应的权重越大。
基于上述技术方案,本发明实施例中,当车牌识别置信度小于预设第一阈值时,可以通过确定环境信息对应的环境因素置信度,并当环境因素置信度大于预设第二阈值时,对车牌标识进行校正,得到校正后的车牌标识。因此,当车牌标识的清晰度受到环境因素的影响时,可以对车牌标识进行校正,从而提高车牌标识的识别准确率,并可以有效的降低车牌识别的误检率。
附图说明
图1是本发明一种实施方式中的车牌标识的识别方法的流程图;
图2是本发明一种实施方式中的图像处理设备的硬件结构图;
图3是本发明一种实施方式中的车牌标识的识别装置的结构图。
具体实施方式
在本申请使用的术语仅仅是出于描述特定实施例的目的,而非限制本申请。本申请和权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其它含义。还应当理解,本文中使用的术语“和/或”是指包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解,尽管在本申请可能采用术语第一、第二、第三等来描述各种信息,但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如,在不脱离本申请范围的情况下,第一信息也可以被称为第二信息,类似地,第二信息也可以被称为第一信息。取决于语境,此外,所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
针对现有技术中存在的问题,本发明实施例中提出了一种车牌标识的识别方法,该方法可以应用在视频监控系统的图像处理设备上。其中,该图像处理设备可以是采集到图像的前端设备(如模拟摄像机、网络摄像机、编码器等),也可以是从前端设备获得图像的其它设备(如管理服务器、计算机等),所有用于进行车牌标识的识别的设备均在本发明保护范围之内。在上述应用场景下,如图1所示,车牌标识的识别方法具体可以包括以下步骤:
步骤101,获得包含车牌标识(即车牌号)的图像以及该图像当前对应的环境信息。
其中,当图像处理设备是电子警察系统/卡口系统的前端设备时,则图像处理设备可以直接采集到包含车牌标识的图像。或者,当图像处理设备是管理服务器等设备时,则电子警察系统/卡口系统的前端设备可以采集到包含车牌标识的图像,并将采集到的包含车牌标识的图像发送给图像处理设备。
本发明实施例中,环境信息具体可以包括但不限于以下之一或者任意组合:天气信息、光照信息、时间信息等。其中,该天气信息具体可以包括但不限于:晴天,多云,阴天,小雨,中雨,大雨,小雪,中雪,大雪,雾霾等。该光照信息具体可以包括但不限于:增益,快门等。该时间信息具体可以包括但不限于:黎明、上午、中午、下午、傍晚、夜晚等。
其中,图像当前对应的环境信息是指:采集到该图像时的环境信息,例如,天气信息是晴天,光照信息是增益A+快门A,时间信息是中午。
步骤102,识别图像包含的第一车牌标识,并获得该第一车牌标识的车牌识别置信度。
其中,在获得包含车牌标识的图像之后,可以对图像进行车牌识别,以从该图像中识别出第一车牌标识,具体的车牌识别方式在此不再赘述。
其中,在对图像进行车牌识别时,可以基于车牌识别算法识别出第一车牌标识,且车牌识别算法会给出第一车牌标识的车牌识别置信度,该车牌识别置信度用于表征当前识别出的第一车牌标识的置信度。当车牌识别置信度小于预设第一阈值时,则表示当前识别出的第一车牌标识很有可能是错误的车牌标识,当车牌识别置信度不小于预设第一阈值时,则表示当前识别出的第一车牌标识是正确的车牌标识。进一步的,车牌识别算法在给出第一车牌标识的车牌识别置信度时,该车牌识别置信度与图像的车牌标识的清晰度等因素有关。例如,当图像的车牌标识很清晰,且不会造成车牌识别算法识别出错误的车牌标识时,则车牌识别置信度较大,如通常会大于预设第一阈值。或者,当图像的车牌标识不清晰,且会造成车牌识别算法识别出错误的车牌标识时,则车牌识别置信度较小,如通常会小于预设第一阈值。
步骤103,当车牌识别置信度小于预设第一阈值时,则利用环境信息确定第一车牌标识对应的环境因素置信度。当车牌识别置信度不小于预设第一阈值时,则将第一车牌标识作为车牌识别结果,结束流程,不再执行后续步骤。
其中,在用环境信息确定第一车牌标识对应的环境因素置信度之后,当环境因素置信度大于预设第二阈值时,则执行步骤104;当环境因素置信度不大于预设第二阈值时,则将第一车牌标识作为车牌识别结果,结束流程。
其中,在获得环境信息之后,可以基于该环境信息确定出第一车牌标识对应的环境因素置信度,该环境因素置信度用于表征当前环境信息的置信度。当环境因素置信度不大于预设第二阈值时,则表示当前的环境信息不可信,在该环境信息下识别出的车牌标识很有可能是错误的车牌标识,针对一个可能是错误的车牌标识的第一车牌标识,此时不用对第一车牌标识进行校正。当环境因素置信度大于预设第二阈值时,则表示当前的环境信息可信,在该环境信息下识别出的车牌标识应该是正确的车牌标识,针对一个可能是错误的车牌标识的第一车牌标识,此时需要对第一车牌标识进行校正。
本发明实施例中,预设第一阈值和预设第二阈值均可以根据实际经验进行设置,预设第一阈值可以大于预设第二阈值,预设第一阈值也可以小于预设第二阈值,预设第一阈值也可以等于预设第二阈值,在此不再赘述。
本发明实施例中,利用环境信息确定第一车牌标识对应的环境因素置信度的过程,具体可以包括但不限于如下方式:利用环境信息查询预先维护的环境信息与车牌识别率之间的对应关系,得到该环境信息对应的车牌识别率。利用当前得到的车牌识别率确定该第一车牌标识对应的环境因素置信度。
本发明实施例中,利用车牌识别率确定第一车牌标识对应的环境因素置信度的过程,具体可以包括但不限于如下方式:当环境信息具体包括天气信息、光照信息、时间信息时,则可以利用如下公式确定第一车牌标识对应的环境因素置信度:其中,为天气信息对应的车牌识别率对环境因素置信度影响的方差,w1为天气信息对应的权重;为时间信息对应的车牌识别率对环境因素置信度影响的方差,w2为时间信息对应的权重;为光照信息对应的车牌识别率对环境因素置信度影响的方差,w3为光照信息对应的权重。当环境信息为其它组合时,其处理与此类似,例如,当环境信息为天气信息和时间信息时,则可以利用如下公式确定第一车牌标识对应的环境因素置信度:本发明对此不再赘述。
为了实现上述过程,需要预先维护天气信息与车牌识别率之间的对应关系,光照信息与车牌识别率之间的对应关系,时间信息与车牌识别率之间的对应关系。其中,不同天气信息对应的车牌识别率不同,例如,阳光强烈下的车牌识别率变低,下雨天的车牌识别率变低,雾霾天的车牌识别率变低等。不同光照信息对应的车牌识别率不同,例如,当光照很弱时车牌识别率变低等。不同时间信息对应的车牌识别率不同,例如,夜晚的车牌识别率变低等。
针对维护天气信息与车牌识别率之间的对应关系的过程,可以基于历史数据,统计出同一个前端设备在不同天气信息下的车牌识别率,并维护表1所示的车牌识别率与天气信息之间的对应关系。在表1中,天气信息对应的车牌识别率是指:在该天气信息下,车牌标识被正确识别的概率。其中,在前端设备存储的历史数据中,会记录有天气信息以及车牌标识是否被正确识别的信息,基于此信息,可以统计出各天气信息对应的车牌识别率。
表1
针对维护光照信息与车牌识别率之间的对应关系的过程,可以基于历史数据,统计出同一个前端设备在不同光照信息下的车牌识别率,并维护表2所示的车牌识别率与光照信息之间的对应关系。在表2中,光照信息对应的车牌识别率是指:在该光照信息下,车牌标识被正确识别的概率。其中,在前端设备存储的历史数据中,会记录有光照信息以及车牌标识是否被正确识别的信息,基于此信息,可以统计出各光照信息对应的车牌识别率。
表2
针对维护时间信息与车牌识别率之间的对应关系的过程,可以基于历史数据,统计出同一个前端设备在不同时间信息下的车牌识别率,并维护表3所示的车牌识别率与时间信息之间的对应关系。在表3中,时间信息对应的车牌识别率是指:在该时间信息下,车牌标识被正确识别的概率。其中,在前端设备存储的历史数据中,会记录有时间信息以及车牌标识是否被正确识别的信息,基于此信息,可以统计出各时间信息对应的车牌识别率。
表3
基于上述天气信息与车牌识别率之间的对应关系、光照信息与车牌识别率之间的对应关系、时间信息与车牌识别率之间的对应关系,可确定当前环境信息对应的环境因素置信度,环境因素置信度与天气信息、光照信息、时间信息有关。例如,在当前环境信息为:天气信息是晴天,光照信息是增益0+快门1024,时间信息是中午时,则天气信息对应的车牌识别率是95%,光照信息对应的车牌识别率是92%,时间信息对应的车牌识别率是92%。在利用公式确定第一车牌标识对应的环境因素置信度时,w1为天气信息对应的权重,其数值可以根据实际经验进行配置,w2为时间信息对应的权重,其数值可以根据实际经验进行配置,w3为光照信息对应的权重,其数值可以根据实际经验进行配置。为天气信息对应的车牌识别率对环境因素置信度影响的方差,如(1-95%)的平方,为时间信息对应的车牌识别率对环境因素置信度影响的方差,如(1-92%)的平方,为光照信息对应的车牌识别率对环境因素置信度影响的方差,如(1-92%)的平方。
步骤104,当环境因素置信度大于预设第二阈值时,则对第一车牌标识进行校正,得到校正后的第二车牌标识。
本发明实施例中,对第一车牌标识进行校正,得到校正后的第二车牌标识的过程,具体可以包括但不限于如下方式:将第一车牌标识与高频车牌数据库中的每个车牌标识进行匹配,得到与第一车牌标识相差一个字符的第二车牌标识,如果第二车牌标识的权重大于预设第三阈值,将第一车牌标识校正为第二车牌标识。
针对上述方式、在高频车牌数据库中记录了所有出现次数(即前端设备采集到的车牌标识的次数)较高的车牌标识,并直接将第一车牌标识与高频车牌数据库中的每个车牌标识进行匹配,从而得到与第一车牌标识相差一个字符的第二车牌标识,假设得到一个与第一车牌标识123456相差一个字符的第二车牌标识123455,如果该第二车牌标识123455的权重大于预设第三阈值,则可以将第一车牌标识123456直接校正为第二车牌标识123455。
上述方式可以应用在车辆会频繁出入的位置的前端设备,例如,小区、公司等位置的前端设备,该前端设备可以在高频车牌数据库中记录出现次数较高的车牌标识。
针对上述方式、本发明实施例中,针对高频车牌数据库中记录的每个车牌标识,在高频车牌数据库中记录该车牌标识的过程,具体可以包括但不限于如下方式:确定该车牌标识在预设第一时间内出现的次数;当该次数大于预设第四阈值时,则可以在高频车牌数据库中记录该车牌标识;利用该次数更新该车牌标识对应的权重,其中,该次数越大,则对应的权重越大。例如,车牌标识对应的权重可以为车牌标识对应的次数/预设第一时间。
例如,预设第一时间可以为30天,预设第四阈值可以为5次,假设车牌标识123455在30天内出现的次数为8,则将车牌标识123455记录到高频车牌数据库中,设置车牌标识123455对应的权重为8/30。假设车牌标识123448在30天内出现的次数为12,则将车牌标识123448记录到高频车牌数据库中,且设置车牌标识123448对应的权重为12/30。假设车牌标识123438在30天内出现的次数为2,则不将车牌标识123438记录到高频车牌数据库中。
其中,预设第三阈值可以根据经验任意设置,如6/30,在此不再赘述。
其中,在高频车牌数据库中记录车牌标识时,可以按照时间顺序记录每个车牌标识,并记录每天出现的车牌标识。例如,在当前日期是N日时,则高频车牌数据库中记录有(N-30)日与(N-30)日出现的每个车牌标识之间的对应关系,(N-29)日与(N-29)日出现的每个车牌标识之间的对应关系,以此类推,(N-1)日与(N-1)日出现的每个车牌标识之间的对应关系等。
其中,在将第一车牌标识校正为第二车牌标识之后,还可以在车牌校正表中记录将第一车牌标识校正为第二车牌标识的信息,以供分析人员获知已经将第一车牌标识校正为第二车牌标识,并分析该校正是否正确。
在实际应用中,对第一车牌标识进行校正的方式并不局限于上述方式,例如,可以预先配置一个车牌白名单,该车牌白名单内记录了多个经常会出现的车牌标识,且该车牌白名单内的车牌标识可以由用户手工配置。基于此车牌白名单,将第一车牌标识与车牌白名单中的每个车牌标识进行匹配,得到与第一车牌标识相差一个字符的第二车牌标识,并将第一车牌标识校正为第二车牌标识。本发明实施例中对于其它对第一车牌标识进行校正的方式,不再进行赘述,所有能够对第一车牌标识进行校正的方式均在本发明实施例的保护范围之内。
基于上述技术方案,本发明实施例中,当车牌识别置信度小于预设第一阈值时,通过确定环境信息对应的环境因素置信度,并当环境因素置信度大于预设第二阈值时,对车牌标识进行校正,得到校正后的车牌标识。因此,当车牌标识的清晰度受到环境因素的影响时,可以对车牌标识进行校正,从而提高车牌标识的识别准确率,并可以有效的降低车牌识别的误检率。
基于与上述方法同样的发明构思,本发明实施例中还提供了一种车牌标识的识别装置,该车牌标识的识别装置应用在图像处理设备上。其中,该车牌标识的识别装置可以通过软件实现,也可以通过硬件或者软硬件结合的方式实现。以软件实现为例,作为一个逻辑意义上的装置,是通过其所在的图像处理设备的处理器,读取非易失性存储器中对应的计算机程序指令形成的。从硬件层面而言,如图2所示,为本发明提出的车牌标识的识别装置所在的图像处理设备的一种硬件结构图,除了图2所示的处理器、非易失性存储器外,图像处理设备还可以包括其他硬件,如负责处理报文的转发芯片、网络接口、内存等;从硬件结构上来讲,该图像处理设备还可能是分布式设备,可能包括多个接口卡,以便在硬件层面进行报文处理的扩展。
如图3所示,为本发明提出的车牌标识的识别装置的结构图,所述车牌标识的识别装置具体包括:
获得模块11,用于获得获得包含车牌标识的图像以及所述图像当前对应的环境信息;
识别模块12,用于识别所述图像包含的第一车牌标识,并获得所述第一车牌标识的车牌识别置信度;
确定模块13,用于当所述车牌识别置信度小于预设第一阈值时,则利用所述环境信息确定所述第一车牌标识对应的环境因素置信度;
校正模块14,用于当所述环境因素置信度大于预设第二阈值时,则对所述第一车牌标识进行校正,得到校正后的第二车牌标识。
所述环境信息包括以下之一或者任意组合:天气信息、光照信息、时间信息;所述确定模块13,具体用于在利用所述环境信息确定所述第一车牌标识对应的环境因素置信度的过程中,利用所述环境信息查询预先维护的环境信息与车牌识别率之间的对应关系,得到所述环境信息对应的车牌识别率;利用所述车牌识别率确定所述第一车牌标识对应的环境因素置信度。
所述确定模块13,具体用于在利用所述车牌识别率确定所述第一车牌标识对应的环境因素置信度的过程中,当所述环境信息包括天气信息、光照信息、时间信息时,则利用如下公式确定所述第一车牌标识对应的环境因素置信度: 为天气信息对应的车牌识别率对环境因素置信度影响的方差,w1为天气信息对应的权重;为时间信息对应的车牌识别率对环境因素置信度影响的方差,w2为时间信息对应的权重;为光照信息对应的车牌识别率对环境因素置信度影响的方差,w3为光照信息对应的权重。
所述校正模块14,具体用于在对第一车牌标识进行校正,得到校正后的第二车牌标识的过程中,将第一车牌标识与高频车牌数据库中的每个车牌标识进行匹配,得到与所述第一车牌标识相差一个字符的第二车牌标识,如果所述第二车牌标识的权重大于预设第三阈值,将所述第一车牌标识校正为所述第二车牌标识。
所述校正模块14,具体用于针对所述高频车牌数据库记录的每个车牌标识,在所述高频车牌数据库中记录所述车牌标识的过程中,确定所述车牌标识在预设第一时间内出现的次数;当所述次数大于预设第四阈值时,则在所述高频车牌数据库中记录所述车牌标识;利用所述次数更新所述车牌标识对应的权重,其中,所述次数越大,则对应的权重越大。
其中,本发明装置的各个模块可以集成于一体,也可以分离部署。上述模块可以合并为一个模块,也可以进一步拆分成多个子模块。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到本发明可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。本领域技术人员可以理解附图只是一个优选实施例的示意图,附图中的模块或流程并不一定是实施本发明所必须的。
本领域技术人员可以理解实施例中的装置中的模块可以按照实施例描述进行分布于实施例的装置中,也可以进行相应变化位于不同于本实施例的一个或多个装置中。上述实施例的模块可以合并为一个模块,也可进一步拆分成多个子模块。上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
以上公开的仅为本发明的几个具体实施例,但是,本发明并非局限于此,任何本领域的技术人员能思之的变化都应落入本发明的保护范围。
Claims (10)
1.一种车牌标识的识别方法,其特征在于,所述方法包括以下步骤:
获得包含车牌标识的图像以及所述图像当前对应的环境信息;
识别所述图像包含的第一车牌标识,获得第一车牌标识的车牌识别置信度;
当所述车牌识别置信度小于预设第一阈值时,则利用所述环境信息确定所述第一车牌标识对应的环境因素置信度;
当所述环境因素置信度大于预设第二阈值时,则对所述第一车牌标识进行校正,得到校正后的第二车牌标识。
2.根据权利要求1所述的方法,其特征在于,所述环境信息包括以下之一或者任意组合:天气信息、光照信息、时间信息,所述利用所述环境信息确定所述第一车牌标识对应的环境因素置信度的过程,具体包括:
利用所述环境信息查询预先维护的环境信息与车牌识别率之间的对应关系,得到所述环境信息对应的车牌识别率;
利用所述车牌识别率确定所述第一车牌标识对应的环境因素置信度。
3.根据权利要求2所述的方法,其特征在于,所述利用所述车牌识别率确定所述第一车牌标识对应的环境因素置信度的过程,具体包括:
当所述环境信息包括天气信息、光照信息、时间信息时,利用如下公式确定所述第一车牌标识对应的环境因素置信度:
其中,为天气信息对应的车牌识别率对环境因素置信度影响的方差,w1为天气信息对应的权重;为时间信息对应的车牌识别率对环境因素置信度影响的方差,w2为时间信息对应的权重;为光照信息对应的车牌识别率对环境因素置信度影响的方差,w3为光照信息对应的权重。
4.根据权利要求1所述的方法,其特征在于,所述对所述第一车牌标识进行校正,得到校正后的第二车牌标识的过程,具体包括:
将所述第一车牌标识与高频车牌数据库中的每个车牌标识进行匹配,得到与所述第一车牌标识相差一个字符的第二车牌标识,如果所述第二车牌标识的权重大于预设第三阈值,将所述第一车牌标识校正为所述第二车牌标识。
5.根据权利要求4所述的方法,其特征在于,针对高频车牌数据库记录的每个车牌标识,在高频车牌数据库中记录所述车牌标识的过程,具体包括:
确定所述车牌标识在预设第一时间内出现的次数;当所述次数大于预设第四阈值时,则在所述高频车牌数据库中记录所述车牌标识;利用所述次数更新所述车牌标识对应的权重,其中,所述次数越大,则对应的权重越大。
6.一种车牌标识的识别装置,其特征在于,所述装置具体包括:
获得模块,用于获得获得包含车牌标识的图像以及所述图像当前对应的环境信息;
识别模块,用于识别所述图像包含的第一车牌标识,并获得所述第一车牌标识的车牌识别置信度;
确定模块,用于当所述车牌识别置信度小于预设第一阈值时,则利用所述环境信息确定所述第一车牌标识对应的环境因素置信度;
校正模块,用于当所述环境因素置信度大于预设第二阈值时,则对所述第一车牌标识进行校正,得到校正后的第二车牌标识。
7.根据权利要求6所述的装置,其特征在于,所述环境信息包括以下之一或者任意组合:天气信息、光照信息、时间信息;
所述确定模块,具体用于在利用所述环境信息确定所述第一车牌标识对应的环境因素置信度的过程中,利用所述环境信息查询预先维护的环境信息与车牌识别率之间的对应关系,得到所述环境信息对应的车牌识别率;利用所述车牌识别率确定所述第一车牌标识对应的环境因素置信度。
8.根据权利要求7所述的装置,其特征在于,
所述确定模块,具体用于在利用所述车牌识别率确定所述第一车牌标识对应的环境因素置信度的过程中,当所述环境信息包括天气信息、光照信息、时间信息时,则利用如下公式确定所述第一车牌标识对应的环境因素置信度: 为天气信息对应的车牌识别率对环境因素置信度影响的方差,w1为天气信息对应的权重;为时间信息对应的车牌识别率对环境因素置信度影响的方差,w2为时间信息对应的权重;为光照信息对应的车牌识别率对环境因素置信度影响的方差,w3为光照信息对应的权重。
9.根据权利要求6所述的装置,其特征在于,
所述校正模块,具体用于在对第一车牌标识进行校正,得到校正后的第二车牌标识的过程中,将第一车牌标识与高频车牌数据库中的每个车牌标识进行匹配,得到与所述第一车牌标识相差一个字符的第二车牌标识,如果所述第二车牌标识的权重大于预设第三阈值,将所述第一车牌标识校正为所述第二车牌标识。
10.根据权利要求9所述的装置,其特征在于,
所述校正模块,具体用于针对所述高频车牌数据库记录的每个车牌标识,在所述高频车牌数据库中记录所述车牌标识的过程中,确定所述车牌标识在预设第一时间内出现的次数;当所述次数大于预设第四阈值时,则在所述高频车牌数据库中记录所述车牌标识;利用所述次数更新所述车牌标识对应的权重,其中,所述次数越大,则对应的权重越大。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510992776.0A CN105405298B (zh) | 2015-12-24 | 2015-12-24 | 一种车牌标识的识别方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510992776.0A CN105405298B (zh) | 2015-12-24 | 2015-12-24 | 一种车牌标识的识别方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105405298A true CN105405298A (zh) | 2016-03-16 |
CN105405298B CN105405298B (zh) | 2018-01-16 |
Family
ID=55470760
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510992776.0A Active CN105405298B (zh) | 2015-12-24 | 2015-12-24 | 一种车牌标识的识别方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105405298B (zh) |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107134146A (zh) * | 2017-07-01 | 2017-09-05 | 广东艾科智泊科技股份有限公司 | 一种多个停车场管理的云端车牌自动校正系统 |
CN107256397A (zh) * | 2017-06-13 | 2017-10-17 | 成都尽知致远科技有限公司 | 交通视频影像中的车牌号识别方法 |
CN107273848A (zh) * | 2017-06-13 | 2017-10-20 | 成都尽知致远科技有限公司 | 基于号码识别的视频分析方法 |
CN107730896A (zh) * | 2016-08-31 | 2018-02-23 | 西安艾润物联网技术服务有限责任公司 | 车牌识别方法及装置 |
CN108205671A (zh) * | 2016-12-16 | 2018-06-26 | 浙江宇视科技有限公司 | 图像处理方法及装置 |
CN108805198A (zh) * | 2018-06-08 | 2018-11-13 | Oppo广东移动通信有限公司 | 图像处理方法、装置、计算机可读存储介质和电子设备 |
CN109726720A (zh) * | 2018-11-27 | 2019-05-07 | 广州绿桦环保科技有限公司 | 车牌识别方法、装置及系统 |
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 |
CN111626225A (zh) * | 2020-05-28 | 2020-09-04 | 济南博观智能科技有限公司 | 一种工位车辆的车牌识别方法、装置、设备及存储介质 |
CN111652234A (zh) * | 2020-06-04 | 2020-09-11 | 上海眼控科技股份有限公司 | 车牌识别方法、系统、计算机设备及可读存储介质 |
CN111860539A (zh) * | 2020-07-20 | 2020-10-30 | 济南博观智能科技有限公司 | 一种车牌颜色的识别方法、装置及介质 |
CN111898497A (zh) * | 2020-07-16 | 2020-11-06 | 济南博观智能科技有限公司 | 一种车牌检测的方法、系统、设备及可读存储介质 |
CN112581749A (zh) * | 2019-09-12 | 2021-03-30 | 阿里巴巴集团控股有限公司 | 获得车辆资源占用信息的方法、系统、装置及电子设备 |
CN113657372A (zh) * | 2020-05-12 | 2021-11-16 | 中移(上海)信息通信科技有限公司 | 一种车牌识别方法、装置、设备及计算机存储介质 |
CN117373143A (zh) * | 2023-12-06 | 2024-01-09 | 山东高速股份有限公司 | 一种道路车辆的预约通行方法、装置、设备及存储介质 |
CN117373143B (zh) * | 2023-12-06 | 2024-05-31 | 山东高速股份有限公司 | 一种道路车辆的预约通行方法、装置、设备及存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1085456A2 (en) * | 1999-09-15 | 2001-03-21 | Siemens Corporate Research, Inc. | Character segmentation method for vehicle license plate recognition |
KR20090071748A (ko) * | 2007-12-28 | 2009-07-02 | 백상호 | 카메라(Camera)를 이용한 다 차선 / 다 차량의 번호판 인식시스템 및 방법 |
CN103065631A (zh) * | 2013-01-24 | 2013-04-24 | 华为终端有限公司 | 一种语音识别的方法、装置 |
CN103164697A (zh) * | 2013-03-29 | 2013-06-19 | 苏州皓泰视频技术有限公司 | 一种处理时间与识别精度自适应的车牌识别方法 |
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 |
CN104464302A (zh) * | 2014-12-22 | 2015-03-25 | 南京中兴力维软件有限公司 | 一种车牌识别智能纠错方法和系统 |
CN105096604A (zh) * | 2015-07-24 | 2015-11-25 | 浙江宇视科技有限公司 | 一种车牌识别的方法和装置 |
CN105117725A (zh) * | 2015-07-29 | 2015-12-02 | 安徽四创电子股份有限公司 | 一种基于车牌可信度的车牌自纠正识别方法 |
-
2015
- 2015-12-24 CN CN201510992776.0A patent/CN105405298B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1085456A2 (en) * | 1999-09-15 | 2001-03-21 | Siemens Corporate Research, Inc. | Character segmentation method for vehicle license plate recognition |
KR20090071748A (ko) * | 2007-12-28 | 2009-07-02 | 백상호 | 카메라(Camera)를 이용한 다 차선 / 다 차량의 번호판 인식시스템 및 방법 |
CN103065631A (zh) * | 2013-01-24 | 2013-04-24 | 华为终端有限公司 | 一种语音识别的方法、装置 |
CN103164697A (zh) * | 2013-03-29 | 2013-06-19 | 苏州皓泰视频技术有限公司 | 一种处理时间与识别精度自适应的车牌识别方法 |
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 |
CN104464302A (zh) * | 2014-12-22 | 2015-03-25 | 南京中兴力维软件有限公司 | 一种车牌识别智能纠错方法和系统 |
CN105096604A (zh) * | 2015-07-24 | 2015-11-25 | 浙江宇视科技有限公司 | 一种车牌识别的方法和装置 |
CN105117725A (zh) * | 2015-07-29 | 2015-12-02 | 安徽四创电子股份有限公司 | 一种基于车牌可信度的车牌自纠正识别方法 |
Non-Patent Citations (2)
Title |
---|
TANG ZHIWEI: "An auto-adaptive filtering algorithm of license plate location low illumination condition", 《COMPUTER & MODERNIZATION》 * |
曾飞: "基于置信度分析和特征融合的车牌识别研究", 《湘潭师范学院学报(自然科学版)》 * |
Cited By (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107730896A (zh) * | 2016-08-31 | 2018-02-23 | 西安艾润物联网技术服务有限责任公司 | 车牌识别方法及装置 |
CN108205671A (zh) * | 2016-12-16 | 2018-06-26 | 浙江宇视科技有限公司 | 图像处理方法及装置 |
CN107256397A (zh) * | 2017-06-13 | 2017-10-17 | 成都尽知致远科技有限公司 | 交通视频影像中的车牌号识别方法 |
CN107273848A (zh) * | 2017-06-13 | 2017-10-20 | 成都尽知致远科技有限公司 | 基于号码识别的视频分析方法 |
CN107134146B (zh) * | 2017-07-01 | 2019-12-10 | 广东艾科智泊科技股份有限公司 | 一种多个停车场管理的云端车牌自动校正系统 |
CN107134146A (zh) * | 2017-07-01 | 2017-09-05 | 广东艾科智泊科技股份有限公司 | 一种多个停车场管理的云端车牌自动校正系统 |
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 |
CN108805198A (zh) * | 2018-06-08 | 2018-11-13 | Oppo广东移动通信有限公司 | 图像处理方法、装置、计算机可读存储介质和电子设备 |
CN108805198B (zh) * | 2018-06-08 | 2021-08-31 | Oppo广东移动通信有限公司 | 图像处理方法、装置、计算机可读存储介质和电子设备 |
CN109726720A (zh) * | 2018-11-27 | 2019-05-07 | 广州绿桦环保科技有限公司 | 车牌识别方法、装置及系统 |
CN112581749A (zh) * | 2019-09-12 | 2021-03-30 | 阿里巴巴集团控股有限公司 | 获得车辆资源占用信息的方法、系统、装置及电子设备 |
CN112581749B (zh) * | 2019-09-12 | 2023-06-13 | 阿里巴巴集团控股有限公司 | 获得车辆资源占用信息的方法、系统、装置及电子设备 |
CN113657372A (zh) * | 2020-05-12 | 2021-11-16 | 中移(上海)信息通信科技有限公司 | 一种车牌识别方法、装置、设备及计算机存储介质 |
CN113657372B (zh) * | 2020-05-12 | 2024-05-07 | 中移(上海)信息通信科技有限公司 | 一种车牌识别方法、装置、设备及计算机存储介质 |
CN111626225B (zh) * | 2020-05-28 | 2022-05-17 | 济南博观智能科技有限公司 | 一种工位车辆的车牌识别方法、装置、设备及存储介质 |
CN111626225A (zh) * | 2020-05-28 | 2020-09-04 | 济南博观智能科技有限公司 | 一种工位车辆的车牌识别方法、装置、设备及存储介质 |
CN111652234A (zh) * | 2020-06-04 | 2020-09-11 | 上海眼控科技股份有限公司 | 车牌识别方法、系统、计算机设备及可读存储介质 |
CN111898497A (zh) * | 2020-07-16 | 2020-11-06 | 济南博观智能科技有限公司 | 一种车牌检测的方法、系统、设备及可读存储介质 |
CN111898497B (zh) * | 2020-07-16 | 2024-05-10 | 济南博观智能科技有限公司 | 一种车牌检测的方法、系统、设备及可读存储介质 |
CN111860539A (zh) * | 2020-07-20 | 2020-10-30 | 济南博观智能科技有限公司 | 一种车牌颜色的识别方法、装置及介质 |
CN111860539B (zh) * | 2020-07-20 | 2024-05-10 | 济南博观智能科技有限公司 | 一种车牌颜色的识别方法、装置及介质 |
CN117373143A (zh) * | 2023-12-06 | 2024-01-09 | 山东高速股份有限公司 | 一种道路车辆的预约通行方法、装置、设备及存储介质 |
CN117373143B (zh) * | 2023-12-06 | 2024-05-31 | 山东高速股份有限公司 | 一种道路车辆的预约通行方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN105405298B (zh) | 2018-01-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105405298A (zh) | 一种车牌标识的识别方法和装置 | |
Hino et al. | High-tide flooding disrupts local economic activity | |
KR101392294B1 (ko) | 통계적인 픽셀 모델링을 이용한 비디오 분할 | |
CN103294775B (zh) | 基于地理时空约束的警务云图像识别车辆管控系统 | |
CN109711370A (zh) | 一种基于wifi探测和人脸聚类的数据融合算法 | |
CN107885795B (zh) | 一种卡口数据的数据校验方法、系统和装置 | |
CN112215255B (zh) | 一种目标检测模型的训练方法、目标检测方法及终端设备 | |
CN110807924A (zh) | 基于全量全样实时交通数据的多参数融合方法及系统 | |
WO2021184570A1 (zh) | 电动自行车驾驶行为的识别方法、装置和计算机设备 | |
CN106887142B (zh) | 昼夜切换方法及装置 | |
CN114022988B (zh) | 一种基于人工智能的访客信息管理验证系统及方法 | |
CN113205692B (zh) | 一种路侧停车泊位异常变动的自动识别方法 | |
CN112770265B (zh) | 一种行人身份信息获取方法、系统、服务器和存储介质 | |
CN106571040B (zh) | 一种可疑车辆确认方法及设备 | |
CN103000029A (zh) | 车辆视频识别方法及其应用 | |
CN112784834A (zh) | 一种自然场景下的车牌自动识别方法 | |
JP2002357557A (ja) | 道路や周辺施設等の管理システム | |
CN108847031A (zh) | 交通行为监控方法、装置、计算机设备和存储介质 | |
CN115546742A (zh) | 一种基于单目热红外摄像头的铁轨异物识别方法及系统 | |
CN113470369B (zh) | 一种基于多维度信息判断套牌车辆真实号牌的方法及系统 | |
CN109274945B (zh) | 一种自适应进行图像真彩色还原的方法及系统 | |
CN110164136A (zh) | 套牌车辆识别方法 | |
CN116912517A (zh) | 相机视野边界的检测方法及装置 | |
CN108960181B (zh) | 基于多尺度分块lbp和隐马尔科夫模型的黑烟车检测方法 | |
CN110276958A (zh) | 自由流车牌判别系统和方法 |
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 |