CN105448103B - 车辆套牌检测方法与系统 - Google Patents

Abstract

一种车辆套牌检测方法和系统，所述方法包括：利用图像处理技术从采集的车辆图像中识别出车辆数字信息；基于所述车辆数字信息中的车脸图像进行车脸关键点定位以计算车脸特征；以及将所述车脸特征与数据库中的相关信息进行比对以得到车辆判定结果。该方法和系统仅需基于车辆的照片或视频以及车辆管理部门的数据库利用人工神经网络进行检验，其检验效率和准确率较高。此外，整个检验过程自动完成，大幅度降低检验所需要的人力、物力。

Description

车辆套牌检测方法与系统

技术领域

本发明涉及图像处理技术领域，具体而言涉及一种车辆套牌检测方法与系统。

背景技术

套牌车是指参照真实牌照，将号码相同的假牌套在其他车上，其中有很多是报废后偷运出来的旧车翻新的。2012年8月20日，公安部明确规定，确定为被套牌的车辆，可撤销使用套牌期间发生的交通违法信息，并可申请换车牌号和行驶证。

车辆套牌问题的起因多种多样，其结果也是恶劣的。一方面，套牌行为会对公安部门对公共安全的管控造成困难，套牌车没有合法手续和保险，一旦发生交通事故，驾驶人极易逃逸，大大增加了案件的侦破难度。如果套牌车从事的是运输相关行业，由于套牌车的税费等各类维护成本较低，会扰乱相关市场的经营。对于套牌车所用牌照的真车主，在对套牌车的交通违法、事故处理方面，会对真正的车主带来不必要的麻烦和不必要的经济损失。

目前的套牌问题主要依靠的是车主的自我保护(包括保护个人资料，选择正规维修企业，注意收集证据，发现问题及时上报等)。而对于套牌车辆的检验，则主要依靠的是人为的观察，检查车牌的颜色、触感等，这些方法都依赖于个人的经验。

检查套牌车另一种方式是利用车牌号在车辆管理部门上网查询车辆登记档案。挪用牌照的套牌车有的是“套”不同车型牌照，有的是“套”同种车型牌照，有的还涂改车架号和相关标志。通过核对相关信息，即可确定是否是套牌车，但是这种操作由于操作起来复杂度较高，很难大规模的进行。

因此，为解决上述技术问题，有必要提出一种新的车辆套牌检测方法与系统。

发明内容

为了解决现有套牌车检测方法的缺陷，本发明提供了一种新的车辆套牌检测方法，所述方法包括：利用图像处理技术从采集的车辆图像中识别出车辆数字信息；基于所述车辆数字信息中的车脸图像进行车脸关键点定位以计算车脸特征；以及将所述车脸特征与数据库中的相关信息进行比对以得到车辆判定结果。

示例性地，利用图像处理技术从采集的车辆图像中识别出车辆数字信息包括：利用训练好的人工神经网络从所述车辆图像中识别所述车辆数字信息，其中，所述车辆数字信息包括出车牌信息和所述车脸图像。

示例性地，基于所述车辆数字信息中的车脸图像进行车脸关键点定位以计算车脸特征包括：利用训练好的人工神经网络在所述车脸图像上进行关键点定位；基于所定位的关键点，在所述车脸图像上截取出关键区域，以经由神经网络分类器得到所述车脸特征。

示例性地，所述车脸特征包括车辆品牌、车辆型号、车辆颜色和车辆新旧程度中的至少一个特征。

示例性地，在将所述车脸特征与数据库中的相关信息进行比对以得到车辆判定结果之后还进一步包括：当根据所述车辆判定结果确定车辆为套牌车辆时，发出报警信息。

另一方面，本发明还提供一种车辆套牌检测系统，所述系统包括：图像处理模块，用于利用图像处理技术从采集的车辆图像中识别出车辆数字信息；车脸特征计算模块，用于基于所述车辆数字信息中的车脸图像进行车脸关键点定位以计算车脸特征；以及比对判定模块，用于将所述车脸特征与数据库中的相关信息进行比对以得到车辆判定结果。

示例性地，所述图像处理模块进一步包括训练好的人工神经网络，所述训练好的人工神经网络用于从所述车辆图像中识别出所述车辆数字信息，其中，所述车辆数字信息包括车牌信息和所述车脸图像。

示例性地，所述车脸特征计算模块进一步用于：利用训练好的人工神经网络在所述车脸图像上进行关键点定位；基于所定位的关键点，在所述车脸图像上截取出关键区域，以经由神经网络分类器得到所述车脸特征。

示例性地，所述车脸特征包括车辆品牌、车辆型号、车辆颜色和车辆新旧程度中的至少一个特征。

示例性地，所述比对判定模块进一步用于：当根据所述车辆判定结果确定车辆为套牌车辆时，发出报警信息。

本发明提供的车辆套牌检测方法和系统仅需基于车辆的照片或视频以及车辆管理部门的数据库，利用人工神经网络进行检验，其检验效率和准确率较高。此外，整个检验过程自动完成，大幅度降低检验所需要的人力、物力。

附图说明

本发明的下列附图在此作为本发明的一部分用于理解本发明。附图中示出了本发明的实施例及其描述，用来解释本发明的原理。

附图中：

图1示出了根据本发明的实施例的一种车辆套牌检测方法100的示意性流程图；

图2示出了根据本发明的实施例的一种车辆套牌检测系统200的示意性结构框图；

图3示出了根据本发明的实施例的车辆套牌检测系统200的示意性应用场景图；

图4示出了根据本发明实施例的一种车辆套牌检测系统400的示意性框图。

具体实施方式

在下文的描述中，给出了大量具体的细节以便提供对本发明更为彻底的理解。然而，对于本领域技术人员而言显而易见的是，本发明可以无需一个或多个这些细节而得以实施。在其他的例子中，为了避免与本发明发生混淆，对于本领域公知的一些技术特征未进行描述。

应当理解的是，本发明能够以不同形式实施，而不应当解释为局限于这里提出的实施例。相反地，提供这些实施例将使公开彻底和完全，并且将本发明的范围完全地传递给本领域技术人员。

在此使用的术语的目的仅在于描述具体实施例并且不作为本发明的限制。在此使用时，单数形式的“一”、“一个”和“所述/该”也意图包括复数形式，除非上下文清楚指出另外的方式。还应明白术语“组成”和/或“包括”，当在该说明书中使用时，确定所述特征、整数、步骤、操作、元件和/或部件的存在，但不排除一个或更多其它的特征、整数、步骤、操作、元件、部件和/或组的存在或添加。在此使用时，术语“和/或”包括相关所列项目的任何及所有组合。

为了彻底理解本发明，将在下列的描述中提出详细的步骤以及详细的结构，以便阐释本发明的技术方案。本发明的较佳实施例详细描述如下，然而除了这些详细描述外，本发明还可以具有其他实施方式。

本发明提供一种在监控场景下的智能、高效且高准确率的车辆套牌检测方法及系统。

图1示出了根据本发明的实施例的一种车辆套牌检测方法100的示意性流程图。下面参照图1来描述该套牌检测方法100的具体操作步骤。

根据本发明的实施例的车辆套牌检测方法100可以包括如下步骤：

在步骤S101中，利用图像处理技术从采集的车辆图像中识别出车辆数字信息。

其中，车辆图像可以通过各种类型的视频采集装置拍摄得到。例如，视频采集装置可以包括交通摄像头、高清摄像头、网络摄像头、手机以及平板电脑等移动设备的前置摄像头等。所采集的车辆图像可以是车辆的照片或者车辆的视频。将采集的车辆图像经过网络或者总线上传至服务器进行处理。在一个实施例中，上传至服务器的信息还包括与车辆图像相关的信息，例如车辆图像采集地点和采集时间等。根据本发明的实施例，通过选择监控摄像头等视频采集装置采集图像数据，并且随后的整个识别、报警过程也不依赖于人工参与，本发明提供的套牌检测方法100完全可以做到基于实时的监控视频信息自动搜寻、查找套牌车辆。

示例性地，服务器利用图像处理技术可以从所采集的车辆图像中识别出车辆，进而识别出车辆数字信息，所述车辆数字信息包括车脸图像、车牌信息等数字信息。根据本发明的一个实施例，服务器利用训练好的人工神经网络从所采集的车辆图像(例如车辆照片和/或车辆视频)识别出车辆数字信息，所述车辆数字信息可以包括但不限于车牌信息、车脸图像等。另外，在完成此步骤之后，服务器可以将所识别出的车辆数字信息传送至客户端进行校正，例如，车牌数字等识别不准确、车脸位置识别偏差等，以提高数据精度。

在步骤S102中，基于所述车辆数字信息中的车脸图像进行车脸关键点定位以计算车脸特征。

在计算车脸特征的过程中，可以首先利用训练好的人工神经网络在车脸图像上进行关键点定位(Landmark)。随后，基于经定位提取的关键点，例如，经定位提取的关键点的位置，在车脸图像上截取出关键区域(即，关键点周围的区域)，并经由神经网络分类器得到车辆的分类信息。经由神经网络分类器输出的车辆分类信息表征了车辆的特征，也可以称为车脸特征。例如，车脸特征可以包括但不仅限于车辆颜色、车辆品牌、车辆型号和车辆的新旧程度中的至少一种特征。例如，利用神经网络分类器根据车脸图像中的车辆标志图案、车灯样式以及前脸散热格栅的形状等可以分析出车辆的品牌和具体型号。另外，可以根据车脸图像中的颜色特征、车漆的细节特征等分析车辆新旧程度。车脸特征的计算过程都是由包含诸如人工神经网络的服务器执行相应的应用程序自动完成，而不依赖于人工检测判断。另外，车辆识别、车脸特征识别和车辆定位直接基于所采集的原始图片或视频完成，不依赖于其他信息(如，车牌位置等)，在实际应用中更具有鲁棒性，即不会受到车牌位置识别误差或无法识别等影响。此外，完全基于人工神经网络的方法还有利于在图形处理器(Graphics Processing Unit，简称GPU)上进行并行运算，以提高系统整体运行速度，从而实现高效且准确的识别。

在步骤S103中，将所述车脸特征与数据库中的相关信息进行比对以得到车辆判定结果。

在车脸比对过程中，通过从车辆图像中识别出的车牌信息在车辆管理部门的数据库或其他数据源的数据库中获取该车牌的原始注册信息，例如使用该车牌的车辆的照片存档、车型以及车辆品牌、注册时间等信息。将从数据库中所获取的车辆相关信息交予检测程序，用于与上述经人工神经网络识别和神经网络分类器分类得到的车脸特征信息进行对比。如果经过对比后结果为信息匹配成功，则认为该车辆通过套牌测试，即所用车牌确实为合法注册的车牌。一旦车辆通过套牌测试，则将车辆为合法的信息发送给客户端。反之，如果信息匹配不成功，则认为该车辆所用车牌为套牌，该车辆没有通过套牌测试。一旦车辆没有通过套牌测试，则向客户端发送报警信息，并且将相关信息(包括识别出的车牌信息、车辆型号等信息以及原始的车辆图像)保存至服务器进行备案归档，以用于进一步对套牌车辆进行查处。

本发明的车辆套牌检测方法提供了智能、高效且高准确率的套牌车检验方案，其主要优势在于：所使用的信息源自于对车辆拍摄的照片或视频以及车辆管理部门的数据库，而不需要利用车架号、发动机号、车辆的铭牌等较为难以获得的信息，大大降低了检验难度。此外，由于整个检验过程除了进一步对可疑车辆的核查需要人为干预，其余步骤都可以自动完成，因此可以大幅度降低检验所需要的人力、物力。将本发明的车辆套牌检测方法与道路监控相结合，可以做到完全自动化的、实时的道路套牌车报警。

根据本发明的另一方面，还提供了一种车辆套牌检测系统。图2示出了根据本发明的实施例的一种车辆套牌检测系统200的示意性结构框图。

如图2所示，车辆套牌检测系统200包括：图像处理模块201、车脸特征计算模块202和比对判定模块203。其中，图像处理模块201用于利用图像处理技术从采集的车辆图像中识别出车辆数字信息；车脸特征计算模块202用于基于车辆数字信息中的车脸图像进行车脸关键点定位以计算车脸特征；比对判定模块203用于将车脸特征与数据库中的相关信息进行比对以得到车辆判定结果。

示例性地，图像处理模块201可以进一步包括训练好的人工神经网络，所述训练好的人工神经网络用于从车辆图像中识别出车辆，进而进一步识别出车辆数字信息，其中，所述车辆数字信息包括车牌信息和车脸图像。

示例性地，车脸特征计算模块202进一步用于：利用训练好的人工神经网络在车脸图像上进行关键点定位(Landmark)；并且基于所定位的关键点，例如，经定位提取的关键点的位置，在车脸图像上截取出关键区域(即，关键点周围的区域)，经由神经网络分类器得到车脸特征。其中，车脸特征可以包括，但不限于，车辆品牌、车辆型号、车辆颜色和车辆新旧程度中的至少一个特征信息。

示例性地，比对判定模块203进一步用于，当根据所述车辆判定结果确定车辆为套牌车辆时，发出报警信息给客户端。

关于车脸特征计算以及对比判定的详细内容，上文已进行了描述，因此此处不再赘述。

图3示出了根据本发明的一个实施例的车辆套牌检测系统200的示意性应用场景图。

如图3所述，根据应用场景1，监控摄像头拍摄得到的车辆实时图像信息通过网络上传至服务器，服务器所获得的信息包括但不限于监控摄像头地点(例如，车辆图像采集地点)、图像拍摄时间和原始图像(例如，车辆的照片或者车辆的视频)数据。

随后，位于服务器端的车辆套牌检测系统200基于获得的车辆图像进行识别。如上所述，车辆套牌检测系统200利用图像处理技术从采集的车辆图像中识别出车辆数字信息；基于车辆数字信息中的车脸图像进行车脸关键点定位以计算车脸特征；并且将所述车脸特征与数据库中的相关信息进行比对以得到车辆判定结果。

随后，服务器端将车辆是否为套牌车辆的判定结果发送给客户端。例如，如果车辆通过套牌测试，(即经过对比后结果为信息匹配成功，所用车牌确实为合法注册的车牌，则认为该车辆通过套牌测试)将车辆为合法的信息发送给客户端。反之，如果没有通过套牌测试(即，信息匹配不成功，认为该车辆所用车牌为套牌)，则认为该车辆所用车牌为套牌，将向客户端发送报警信息，并且将相关信息(包括识别出的车牌信息、车辆型号等信息以及原始的车辆图像)保存至服务器进行备案归档，用于后续的套牌车辆监控或车辆查处。

其中车辆信息识别、向数据库查询信息、车脸特征对比等过程都是由服务器端的车辆套牌检测系统200自动完成，而不依赖于人工审核，从而提供了高效率的自动检测；同时，在此过程中，用于车脸对比等等的数据来源于官方数据库的车辆信息，其可以通过识别出的车牌信息查询得到，因此在高效检测的同时进一步确保了检测的准确性。

根据本发明的另一个应用场景2，通过手机客户端对待检测车辆进行拍摄，并将原始图像(例如，车辆的照片或者车辆的视频)通过网络上传至服务器。其中，服务器获得的信息包括但不限于图像拍摄时间、图像采集地点和原始图像数据。如上所述，位于服务器端的车辆套牌检测系统200根据获得的车辆图像进行识别，从而得到车辆是否套牌的判定结果。最后，服务器端将车辆套牌是否为套牌的判定结果返回给手机客户端。例如，如果车辆通过套牌测试，即经过对比后结果为信息匹配成功，所用车牌确实为合法注册的车牌，服务器将通过套牌测试结果传输给手机客户端，手机客户端上显示该车辆为合法，反之，手机客户端上显示出报警信息。

在该实施例中，用户可以通过手机客户端实时地查询车辆是否为套牌车辆，并且仅需通过拍摄、上传等一系列简单步骤就可以完成套牌检测，极大提高了检测效率。

图4示出了根据本发明实施例的车辆套牌检测系统400的示意性框图。

如图4所示，根据本发明实施例的车辆套牌检测系统400包括：一个或多个处理器410；一个或多个存储器420；以及在所述存储器的至少一个中存储的计算机程序指令430。在一个实施例中，所述车辆套牌检测系统可以由服务器实现。

所述计算机程序指令430在被所述处理器410运行时可以实现根据本发明实施例的车辆套牌检测系统的各个功能模块的功能，并且/或者可以执行根据本发明实施例的车辆套牌检测方法的各个步骤。

具体地，在所述计算机程序指令430被所述处理器410运行时执行以下步骤：利用图像处理技术从采集的车辆图像中识别出车辆数字信息；基于车辆数字信息中的车脸图像进行车脸关键点定位以计算车脸特征；以及将车脸特征与数据库中的相关信息进行比对以得到车辆判定结果。

此外，在所述计算机程序指令430被所述处理器410运行时执行的利用图像处理技术从采集的车辆图像中识别出车辆数字信息的步骤进一步包括：利用训练好的人工神经网络从所述车辆图像中识别出车辆数字信息，所述车辆数字信息包括车牌信息和车脸图像。

此外，在所述计算机程序指令430被所述处理器410运行时执行的基于车辆数字信息中的车脸图像进行车脸关键点定位以计算车脸特征的步骤进一步包括：利用训练好的人工神经网络在车脸图像上进行关键点定位；基于所定位的关键点，在车脸图像上截取出关键区域，以经由神经网络分类器得到所述车脸特征。

此外，在所述计算机程序指令430被所述处理器410运行时执行的车辆套牌检测方法中，所述车脸特征包括车辆品牌、车辆型号、车辆颜色和车辆新旧程度中的至少一个特征。

此外，在所述计算机程序指令430被所述处理器410运行时执行的在将所述车脸特征与数据库中的相关信息进行比对以得到车辆判定结果的步骤之后还进一步包括：当根据车辆判定结果确定车辆为套牌车辆时，发出报警信息。

此外，根据本发明实施例，还提供了一种存储介质，在所述存储介质上存储了程序指令，在所述程序指令被计算机或处理器运行时用于执行本发明实施例的车辆套牌检测方法的相应步骤，并且用于实现根据本发明实施例的车辆套牌检测系统中的相应模块。所述存储介质例如可以包括智能电话的存储卡、平板电脑的存储部件、个人计算机的硬盘、只读存储器(ROM)、可擦除可编程只读存储器(EPROM)、便携式紧致盘只读存储器(CD-ROM)、USB存储器、或者上述存储介质的任意组合。所述计算机可读存储介质可以是一个或多个计算机可读存储介质的任意组合。

在一个实施例中，所述计算机程序指令在被计算机运行时可以实现根据本发明实施例的车辆套牌检测系统的各个功能模块，并且/或者可以执行根据本发明实施例的车辆套牌检测方法。

在一个实施例中，所述计算机程序指令在被计算机运行时执行以下步骤：利用图像处理技术从采集的车辆图像中识别出车辆数字信息；基于所述车辆数字信息中的车脸图像进行车脸关键点定位以计算车脸特征；以及将车脸特征与数据库中的相关信息进行比对以得到车辆判定结果。

此外，所述计算机程序指令在被计算机运行时执行的利用图像处理技术从采集的车辆图像中识别出车辆数字信息的步骤进一步包括：利用训练好的人工神经网络从所述车辆图像中识别出车辆数字信息，所述车辆数字信息包括车牌信息和车脸图像。

此外，所述计算机程序指令在被计算机运行时执行的基于车辆数字信息中的车脸图像进行车脸关键点定位以计算车脸特征的步骤进一步包括：利用训练好的人工神经网络在车脸图像上进行关键点定位；基于所定位的关键点，在车脸图像上截取出关键区域，以经由神经网络分类器得到所述车脸特征。

此外，所述计算机程序指令在被计算机运行时执行的车辆套牌检测方法中，所述车脸特征包括车辆品牌、车辆型号、车辆颜色和车辆新旧程度中的至少一个特征。

此外，所述计算机程序指令在被计算机运行时执行的在将所述车脸特征与数据库中的相关信息进行比对以得到车辆判定结果的步骤之后还进一步包括：当根据车辆判定结果确定车辆为套牌车辆时，发出报警信息。

本发明实施例的各个模块可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的车辆套牌检测系统中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如，计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在存储载体上提供，或者以任何其他形式提供。

本发明已经通过上述实施例进行了说明，但应当理解的是，上述实施例只是用于举例和说明的目的，而非意在将本发明限制于所描述的实施例范围内。此外本领域技术人员可以理解的是，本发明并不局限于上述实施例，根据本发明的教导还可以做出更多种的变型和修改，这些变型和修改均落在本发明所要求保护的范围以内。本发明的保护范围由附属的权利要求书及其等效范围所界定。

Claims (6)

1.一种车辆套牌检测方法，其特征在于，所述方法包括：

利用图像处理技术从采集的车辆图像中识别出车辆数字信息；

基于所述车辆数字信息中的车脸图像进行车脸关键点定位以计算车脸特征；以及

将所述车脸特征与数据库中的相关信息进行比对以得到车辆判定结果，

其中，基于所述车辆数字信息中的车脸图像进行车脸关键点定位以计算车脸特征包括：

利用训练好的人工神经网络在所述车脸图像上进行关键点定位；

基于所定位的关键点，在所述车脸图像上截取出关键区域，以经由神经网络分类器得到所述车脸特征，

其中，所述车辆特征的计算过程都是由包含所述人工神经网络的服务器执行相应的应用程序自动完成，

并且其中，所述车脸特征包括车辆品牌、车辆型号和车辆颜色和车辆新旧程度中的至少一个特征，

其中，所述车辆品牌和车辆型号是利用所述神经网络分类器至少根据所述车脸图像中的车辆标志图案、车灯样式以及前脸散热格栅的形状而分析得到，所述车辆新旧程度是利用所述神经网络分类器至少根据所述车脸图像中的颜色特征和车漆的细节特征而分析得到。

2.如权利要求1所述的车辆套牌检测方法，其特征在于，利用图像处理技术从采集的车辆图像中识别出车辆数字信息包括：利用训练好的人工神经网络从所述车辆图像中识别出所述车辆数字信息，其中，所述车辆数字信息包括车牌信息和所述车脸图像。

3.如权利要求1所述的车辆套牌检测方法，其特征在于，在将所述车脸特征与数据库中的相关信息进行比对以得到车辆判定结果之后还进一步包括：当根据所述车辆判定结果确定车辆为套牌车辆时，发出报警信息。

4.一种车辆套牌检测系统，其特征在于，所述系统包括：

图像处理模块，用于利用图像处理技术从采集的车辆图像中识别出车辆数字信息；

车脸特征计算模块，用于基于所述车辆数字信息中的车脸图像进行车脸关键点定位以计算车脸特征；以及

比对判定模块，用于将所述车脸特征与数据库中的相关信息进行比对以得到车辆判定结果，

其中，所述车脸特征计算模块进一步用于：利用训练好的人工神经网络在所述车脸图像上进行关键点定位；基于所定位的关键点，在所述车脸图像上截取出关键区域，以经由神经网络分类器得到所述车脸特征，

其中，所述车脸特征计算模块对所述车辆特征的计算过程都是由包含所述人工神经网络的服务器执行相应的应用程序自动完成，

并且其中，所述车脸特征包括车辆品牌、车辆型号和车辆颜色和车辆新旧程度中的至少一个特征，

其中，所述车辆品牌和车辆型号是所述车脸特征计算模块利用所述神经网络分类器至少根据所述车脸图像中的车辆标志图案、车灯样式以及前脸散热格栅的形状而分析得到，所述车辆新旧程度是所述车脸特征计算模块利用所述神经网络分类器至少根据所述车脸图像中的颜色特征和车漆的细节特征而分析得到。

5.如权利要求4所述的车辆套牌检测系统，其特征在于，所述图像处理模块进一步包括训练好的人工神经网络，所述训练好的人工神经网络用于从所述车辆图像中识别出所述车辆数字信息，其中，所述车辆数字信息包括车牌信息和所述车脸图像。

6.如权利要求4所述车辆套牌检测系统，其特征在于，比对判定模块进一步用于：当根据所述车辆判定结果确定车辆为套牌车辆时则发出报警信息。