CN105825184A - 车辆数据处理方法及装置 - Google Patents

Abstract

本发明公开了一种车辆数据处理方法，包括：在检测到当前道路中有车辆通过时，采集所述车辆的车辆图像；基于采集的车辆图像进行车牌识别以获得所述车辆的车牌信息；在获得的所述车牌信息与预存车牌信息匹配时，发送所述车牌信息及报警提示信息至控制平台。本发明还公开了一种车辆数据处理装置。本发明实现了在根据车辆图像获得的所述车牌信息与预存车牌信息匹配时发送车牌信息及报警提示信息至控制平台，大大减少了根据车辆图像判断车辆为肇事逃逸车辆、丢失车辆、黑名单车辆或违章车辆时的工作量。

Description

车辆数据处理方法及装置

技术领域

本发明涉及通信技术领域，尤其涉及一种车辆数据处理方法及装置。

背景技术

随着汽车保有量的不断增加，车辆运行速度的提高，导致交通事故量不断增加，交通事故逃逸事件、车辆盗抢事件等时有发生，影响了国民经济的发展和人民群众的正常生活。

现有的道路交通安全设施建设中，可以监控和记录车辆在某路段的行驶过程，并将车辆的行驶过程记录在存储介质中。但是，在确定车辆是否是交通事故逃逸车辆、被盗抢车辆、违章车辆及黑名单车辆等车辆时，需要人工从存储介质的行驶过程记录中提取每一辆车的车牌信息等，然后根据车牌信息判断车辆是否是交通事故逃逸车辆、被盗抢车辆、违章车辆及黑名单车辆等，在上述处理过程中需要消耗大量的工作量。

发明内容

本发明提供一种车辆数据处理方法及装置，旨在解决在确定交通事故逃逸车辆、被盗抢车辆、违章车辆及黑名单车辆等车辆时需要消耗大量的工作量的技术问题。

为实现上述目的，本发明提供的一种车辆数据处理方法，所述车辆数据处理方法包括以下步骤：

在检测到当前道路中有车辆通过时，采集所述车辆的车辆图像；

基于采集的车辆图像进行车牌识别以获得所述车辆的车牌信息；

在获得的所述车牌信息与预存车牌信息匹配时，发送所述车牌信息及报警提示信息至控制平台，以供所述控制平台基于接收到的报警提示信息输出报警信息并存储所述车牌信息。

优选地，所述在获得的所述车牌信息与预存车牌信息匹配时，发送所述车牌信息及报警提示信息至控制平台，以供所述控制平台基于接收到的报警提示信息输出报警信息并存储所述车牌信息的步骤包括：

在获得的所述车牌信息与预存车牌信息匹配时，确定所述车辆图像是否包含人的面部特征；

在所述车辆图像包含人的面部特征时，基于所述车辆图像进行人脸识别以获得所述车辆图像中人的面部特征；

将获得的所述面部特征、所述车牌信息及报警提示信息发送至所述控制平台，以供所述控制平台基于接收到的报警提示信息进行报警并关联存储所述面部特征及车牌信息。

优选地，所述基于采集的车辆图像进行车牌识别以获得所述车辆的车牌信息的步骤包括：

在所述车辆图像中确定车牌所在区域，并基于确定的区域分割出车牌字符图像；

对获得的车牌字符图像进行归一化处理操作；

在归一化处理后的车牌字符图像中提取字符特征信息并进行识别，以确定所述车牌字符图像的字符内容，得到车牌信息。

优选地，所述在所述车辆图像中确定车牌所在区域的步骤包括：

对所述车辆图像进行边缘检测预处理；

在边缘检测预处理后的车辆图像中提取图像轮廓；

在提取的图像轮廓与预设图像轮廓匹配时，确定提取的图像轮廓所在的区域为车牌所在区域。

优选地，基于采集的车辆图像进行车牌识别以获得所述车辆的车牌信息的步骤之后，所述车辆数据处理方法还包括：

在获得的所述车牌信息与预存车牌信息不匹配时，确定所述车辆当前是否违章；

在所述车辆违章时，获取所述车辆的违章信息；

将所述车辆图像、车牌信息及违章信息发送至控制平台，以供所述控制平台关联存储接收到的所述车辆图像、车牌信息及违章信息。

此外，为实现上述目的，本发明还提供一种车辆数据处理装置，所述车辆数据处理装置包括：

采集模块，用于在检测到当前道路中有车辆通过时，采集所述车辆的车辆图像；

识别模块，用于基于采集的车辆图像进行车牌识别以获得所述车辆的车牌信息；

第一发送模块，用于在获得的所述车牌信息与预存车牌信息匹配时，发送所述车牌信息及报警提示信息至控制平台，以供所述控制平台基于接收到的报警提示信息输出报警信息并存储所述车牌信息。

优选地，所述第一发送模块包括：

第一确定单元，用于在获得的所述车牌信息与预存车牌信息匹配时，确定所述车辆图像是否包含人的面部特征；

人脸识别单元，用于在所述车辆图像包含人的面部特征时，基于所述车辆图像进行人脸识别以获得所述车辆图像的面部特征；

发送单元，用于将获得的所述面部特征、所述车牌信息及报警提示信息发送至所述控制平台，以供所述控制平台基于接收到的报警提示信息进行报警并关联存储所述面部特征及车牌信息。

优选地，所述识别模块包括：

第二确定单元，用于在所述车辆图像中确定车牌所在区域，并基于确定的区域分割出车牌字符图像；

归一化单元，用于对获得的车牌字符图像进行归一化处理操作；

提取单元，用于在归一化处理后的车牌字符图像中提取字符特征信息并进行识别，以确定所述车牌字符图像的字符内容，得到车牌信息。

优选地，所述第二确定单元包括：

预处理子单元，用于对所述车辆图像进行边缘检测预处理；

提取子单元，用于在边缘检测预处理后的车辆图像中提取图像轮廓；

确定子单元，用于在提取的图像轮廓与预设图像轮廓匹配时，确定提取的图像轮廓所在的区域为车牌所在区域。

优选地，所述车辆数据处理装置还包括：

确定模块，用于在获得的所述车牌信息与预存车牌信息不匹配时，确定所述车辆当前是否违章；

获取模块，用于在所述车辆违章时，获取所述车辆的违章信息；

第二发送模块，用于在所述车辆违章时，将所述车辆图像、车牌信息及违章信息发送至控制平台，以供所述控制平台关联存储接收到的所述车辆图像、车牌信息及违章信息。

本发明通过在检测到当前道路中有车辆通过时，采集所述车辆的车辆图像，接着基于采集的车辆图像进行车牌识别以获得所述车辆的车牌信息，而后在获得的所述车牌信息与预存车牌信息匹配时，第一发送模块30发送所述车牌信息及报警提示信息至控制平台，实现了在根据车辆图像获得的所述车牌信息与预存车牌信息匹配时发送车牌信息及报警提示信息至控制平台，大大减少了根据车辆图像判断车辆为肇事逃逸车辆、丢失车辆、黑名单车辆或违章车辆时的工作量，进而提高了肇事逃逸案件、车辆盗抢案件等的侦破效率。

附图说明

图1为本发明车辆数据处理方法第一实施例的流程示意图；

图2为本发明车辆数据处理方法第二实施例中发送所述车牌信息及报警提示信息至控制平台步骤的细化流程示意图；

图3为本发明车辆数据处理方法第三实施例中基于采集的车辆图像进行车牌识别步骤的细化流程示意图；

图4为本发明车辆数据处理方法第四实施例中确定车牌所在区域步骤的细化流程示意图；

图5为本发明车辆数据处理方法第五实施例的流程示意图；

图6为本发明车辆数据处理装置第一实施例的功能模块示意图；

图7为本发明车辆数据处理装置第二实施例中第一发送模块的细化功能模块示意图；

图8为本发明车辆数据处理装置第三实施例中识别模块的细化功能模块示意图；

图9为本发明车辆数据处理装置第四实施例中第二确定单元的细化功能模块示意图；

图10为本发明车辆数据处理装置第五实施例的功能模块示意图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

本发明提供一种车辆数据处理方法。参照图1，图1为本发明车辆数据处理方法第一实施例的流程示意图。

在本实施例中，该车辆数据处理方法包括：

步骤S10，在检测到当前道路中有车辆通过时，采集所述车辆的车辆图像；

本实施例中，采集车辆图像的设备采用采用全景360度空间还原高清智能球，在检测到当前道路中有车辆通过时，控制全景360度空间还原高清智能球拍摄所述车辆以采集车辆图像，其中，全景360度空间还原高清智能球将两个鱼眼镜头的成像将立体360度全景完全地显示在六个方位的画面中。全景360度空间还原高清智能球能够同时连续监控360度全景空间，所有人员和活动一览无遗，不会漏掉和错过突发事件，真正无盲点；在监控系统中同时设置PTZ，该PTZ配备的两个摄像机可获高清晰局部图像，跟随目标移动，便于目标识别；一体化设计，各种场景安装简单，不需要完全像单鱼眼球一定要在高空吊装；全景360度空间还原高清智能球具有标准高清视频传输，可以为大系统使用(IP)，也可以作为独立的系统使用(HD-SDI)；全景360度空间还原高清智能球提供对目标的大范围覆盖和监测，全景360度空间还原高清智能球+PTZ提供高分辨率的目标跟踪图像，聚焦到某一物体目标时，仍能保持对全景的不间断的监控，并跟踪多个目标。车辆的违章信息包括车辆闯红灯、超速违章信息、逆行违章信息、违章停车信息等。

步骤S20，基于采集的车辆图像进行车牌识别以获得所述车辆的车牌信息；

其中，根据车辆图像进行车牌识别的具体流程为：在所述车辆图像中确定车牌所在区域并分割出车牌图像，在所述车牌图像中分割出车牌字符图像并进行归一化处理，在归一化处理后的车牌字符图像中提取字符特征信息并进行识别，以确定所述车牌字符图像的字符内容，进而得到车牌信息。

步骤S30，在获得的所述车牌信息与预存车牌信息匹配时，发送所述车牌信息及报警提示信息至控制平台，以供所述控制平台基于接收到的报警提示信息输出报警信息并存储所述车牌信息。

本实施例中，车辆数据处理装置存储有预存车牌信息，预存车牌信息存储于与车辆数据处理装置连接的存储介质或者云端服务器中，在获取到车牌信息时，车辆数据处理装置可以从存储介质或者云端服务器主动获取预存车牌信息。然后，将获得的所述车牌信息与预存车牌信息进行匹配，即进行一一对比以确定预存车牌信息中是否存在与获取的车牌信息相同的车牌信息，进而确定所述车辆是否为肇事逃逸车辆、因盗抢事件而丢失的车辆、黑名单车辆、违章车辆，对应的，预存车牌信息包括肇事逃逸车辆的车牌信息、丢失车辆的车牌信息、黑名单车辆的车牌信息，并且预存车牌信息可以由执法人员进行定期或者不定期的主动更新，以增加最新的肇事逃逸车辆的车牌信息、丢失车辆的车牌信息、黑名单车辆的车牌信息。控制平台可以为交通局的管理控制平台，通过在获得的所述车牌信息与预存车牌信息匹配时，将车牌信息及报警提示信息发送至控制平台，控制平台在接收到车牌信息及报警提示信息时，输出报警信息并存储所述车牌信息，当然控制平台也可以显示该车牌信息，以提示执法人员该车辆为肇事逃逸车辆、因盗抢事件而丢失的车辆、黑名单车辆、违章车辆中的一种。容易理解，在获得的所述车牌信息与预存车牌信息匹配时，还可以获取高车辆的行驶方向、车速、出现时间、位置信息等数据，并将上述数据发送至控制平台，以供执法人员详细了解当前车辆的相关信息，并且本实施例的车辆数据处理方法不受气候条件、时间等因素影响，能够提高执法的覆盖范围，使得管理部门辖区内无执法盲区，并能够实现路口无人职守，从而缓解日益繁忙的交通管理与警力不足之间的矛盾，提高执法的效率。

本实施例中，通过在检测到当前道路中有车辆通过时，采集所述车辆的车辆图像，接着基于采集的车辆图像进行车牌识别以获得所述车辆的车牌信息，而后在获得的所述车牌信息与预存车牌信息匹配时，发送所述车牌信息及报警提示信息至控制平台，实现了在根据车辆图像获得的所述车牌信息与预存车牌信息匹配时发送车牌信息及报警提示信息至控制平台，大大减少了根据车辆图像判断车辆为肇事逃逸车辆、丢失车辆、黑名单车辆或违章车辆时的工作量，进而提高了肇事逃逸案件、车辆盗抢案件等的侦破效率。

基于第一实施例提出本发明车辆数据处理方法的第二实施例，参照图2，在本实施例中，步骤S30包括：

步骤S31，在获得的所述车牌信息与预存车牌信息匹配时，确定所述车辆图像是否包含人的面部特征；

本实施例中，在获得的所述车牌信息与预存车牌信息匹配时，首先确定车辆图像是否包含人的面部特征，具体的，采用现有面部识别技术对每一张车辆图像进行面部识别，譬如，可以基于该车辆图像的像素点参数信息采用面部识别技术对该车辆图像进行面部识别，进而判断车辆图像是否包含人或动物的面部特征；本实施例也可以通过面部识别算法获得车辆图像的面部特征图像后，与数据库中预存的面部特征图像进行比较，在车辆图像的面部特征图像与数据库中预存的某一面部特征图像一致时，即可确定车辆图像包含人或动物的面部特征，该方式可以精确的判断车辆图像是否包含人或动物的面部特征。

步骤S32，在所述车辆图像包含人的面部特征时，基于所述车辆图像进行人脸识别以获得所述车辆图像中人的面部特征；

在所述车辆图像包含人的面部特征时，可以基于该车辆图像的像素点参数信息采用面部识别技术对该车辆图像进行面部识别，进而获得车辆图像中人的面部特征。

步骤S33，将获得的所述面部特征、所述车牌信息及报警提示信息发送至所述控制平台，以供所述控制平台基于接收到的报警提示信息进行报警并关联存储所述面部特征及车牌信息。

在获取到车辆图像中人的面部特征时，将获得的所述面部特征、所述车牌信息及报警提示信息发送至所述控制平台，控制平台在接收到所述面部特征、所述车牌信息及报警提示信息发时，关联存储所述面部特征及所述车牌信息，并根据报警提示信息输出报警信息，以提示执法人员该车辆为肇事逃逸车辆、丢失车辆、黑名单车辆或违章车辆，进而便于执法人员后续的执法。容易理解，本实施例中，面部特征为车辆内的司机或者乘客的面部特征。

本实施例中，通过在获得的所述车牌信息与预存车牌信息匹配时，确定所述车辆图像是否包含人的面部特征，接着在所述车辆图像包含人的面部特征时，基于所述车辆图像进行人脸识别以获得所述车辆图像中人的面部特征，而后将获得的所述面部特征、所述车牌信息及报警提示信息发送至所述控制平台，实现了获得的所述车牌信息与预存车牌信息匹配时将车辆图像中人的面部特征、车牌信息发送至所述控制平台，进而使得执法人员能够知晓该车辆内的司机或者乘客的具体信息，进而提高了肇事逃逸案件、车辆盗抢案件等的侦破效率。

基于第一实施例提出本发明车辆数据处理方法的第三实施例，参照图3，在本实施例中，步骤S20包括：

步骤S21，在所述车辆图像中确定车牌所在区域，并基于确定的区域分割出车牌字符图像；

本实施例中，从车辆图像中定位车牌区域的方式很多，由于车牌定位需要考虑各种可能存在的外部因素影响，比如光照、天气、车牌缺损及污染等，因此，不同的车牌定位算法其所对应的计算效率及精确度也并不相同。

现有的车牌定位算法一般都会考虑车牌本身的特点来实现，在定位算法中车牌的固有特征是最为稳定可靠的属性，车牌区域有很多特征可以作为显著特征，本实施例中具体分为几何特征、颜色特征、纹理特征和位置特征等。

当确定车牌所在区域后，从车辆图像中分割出车牌所在区域，得到车牌图像。例如，利用牌照具有四边形边框的特点，通过检测图像中的长直线段，然后用一定的约束条件进行搜索的方法来确定牌照的位置。或者例如，利用统计投影直方图的方法，通过对采集的车辆图像水平和垂直两个方向的灰度投影直方图的分析，来推断出汽车牌照的位置。然后根据车牌中字符的上述相关特征，从车牌图像中分割出车牌字符图像，例如先确定车牌字符的上下左右边界，也即确定车牌的边界线；然后再根据车牌中各字符之间的固定间隙，将车牌中的字符一一分割出来。

此外，由于受拍摄条件的限制，车辆图像中的车牌总不可避免存在一定的倾斜，因此，进一步可选的，对已分割出的车牌区域进行倾斜校正，以便于为后续提高字符识别的精度创造条件。本实施例中，可选的，在确定车牌所在区域后，即可通过分析车牌所在区域的颜色，确定车牌颜色，比如为蓝色车牌或黄色车牌等。本实施例中对于确定车牌颜色的方式不限，具体根据实际需要进行设置，比如统计车牌所在区域的颜色百分比，以确定车牌颜色。

本实施例中，在步骤S21之前，可以首先对所述车辆图像进行图像预处理，其中，图像预处理至少包括色彩校正、图像滤波、灰度化、二值化处理。本实施例中，通过对采集的车辆图像进行预处理，以便于为后续处理创造条件，提升处理效率及识别的准确度。由于图像时在各种不同的环境中采集的，因而光照条件变化很大，导致采集的有些图像由于阴影而变得很暗，对比度也就比较低，因而需要预先进行图像的预处理，以降低光照条件的影响，提高图像的对比度并消除采集的车辆图像中的噪声。

步骤S22，对获得的车牌字符图像进行归一化处理操作；

本实施例中，进一步对分割出的多个车牌字符图像进行归一化处理，以统一各车牌字符图像的大小。

步骤S23，在归一化处理后的车牌字符图像中提取字符特征信息并进行识别，以确定所述车牌字符图像的字符内容，得到车牌信息。

车牌字符一般包括汉字、字母及数字，本实施例中，为提升字符识别精度，因此优选针对不同的字符类型设置对应的字符识别算法，具体将提取的车牌字符图像的字符特征信息作为识别依据，结合预设的字符识别算法实现对车牌各字符内容的识别与确定。本实施例中优选采用基于统计方法进行识别。

本实施例通过在所述车辆图像中确定车牌所在区域，并基于确定的区域分割出车牌字符图像，接着对获得的车牌字符图像进行归一化处理操作，而后在归一化处理后的车牌字符图像中提取字符特征信息并进行识别，从而确定车牌字符图像的字符内容并得到车牌识别的最终结果，提升车牌识别处理的精确度。

基于第三实施例提出本发明车辆数据处理方法的第四实施例，参照图4，在本实施例中，步骤S21包括：

步骤S211，对所述车辆图像进行边缘检测预处理；

本实施例中，为减少提取的轮廓数量，提升车牌定位效率，因此，优选在进行轮廓提取前，对车辆图像进行边缘检测预处理，其中，通过边缘检测处理以便于排除车辆图像中图像的边缘特征比较模糊的图像部分而保留比较明显的部分，例如排除车身部分保留特征显著的车牌部分、车灯部分等。

步骤S212，在边缘检测预处理后的车辆图像中提取图像轮廓；

本实施例中，可以采用轮廓提取算法在边缘检测预处理后的车辆图像中提取图像轮廓，并且对于轮廓提取算法的设置不限，例如采用OpenCV软件中的cvFindContours函数进行轮廓提取。

步骤S213，在提取的图像轮廓与预设图像轮廓匹配时，确定提取的图像轮廓所在的区域为车牌所在区域。

本实施例通过对所述车辆图像进行边缘检测预处理，接着在边缘检测预处理后的车辆图像中提取图像轮廓，而后在提取的图像轮廓与预设图像轮廓匹配时，确定提取的图像轮廓所在的区域为车牌所在区域，实现了根据图像轮廓确定车牌所在区域，提高了车牌所在区域确定的精度及准确度，进而提高了车牌识别的精度及准确度。

基于第一实施例提出本发明车辆数据处理方法的第五实施例，参照图5，在本实施例中，在步骤S20之后，该车辆数据处理方法还包括：

步骤S40，在获得的所述车牌信息与预存车牌信息不匹配时，确定所述车辆是否违章；

本实施例中，可以采用车辆检测设备对车辆进行检测，当前道路是指车辆检测设备所在的道路，并且车辆检测设备实时对当前道路进行监测，以确定当前道路中是否有车辆通过，在检测到当前道路中有车辆通过时，车辆违章行为的数据处理装置确定检测到的所述车辆是否违章，其中，车辆违章包括该车辆闯红灯、超速、逆行、违章停车等。

步骤S50，在所述车辆违章时，获取所述车辆的违章信息；

其中，车辆的违章信息包括车辆闯红灯、超速违章信息、逆行违章信息、违章停车信息等。

步骤S60，将所述车辆图像、车牌信息及违章信息发送至控制平台，以供所述控制平台关联存储接收到的所述车辆图像、车牌信息及违章信息。

本实施例中，通过在获得的所述车牌信息与预存车牌信息不匹配时，确定所述车辆是否违章，然后在所述车辆违章时，获取所述车辆的违章信息，而后将所述车辆图像、车牌信息及违章信息发送至控制平台，以供所述控制平台关联存储接收到的所述车辆图像、车牌信息及违章信息，实现了实时检测当前道路中的违章车辆并将违章车辆对应的信息关联存储至控制平台，进而实现了车辆违章的自动取证，大大减少了车辆违章证据提取的工作量，提高了车辆违章证据提取的效率。

本发明进一步提供一种车辆数据处理装置。参照图6，图6为本发明车辆数据处理装置第一实施例的功能模块示意图。

在本实施例中，该车辆数据处理装置包括：

采集模块10，用于在检测到当前道路中有车辆通过时，采集所述车辆的车辆图像；

本实施例中，采集模块10采集车辆图像的设备采用采用全景360度空间还原高清智能球，在检测到当前道路中有车辆通过时，控制全景360度空间还原高清智能球拍摄所述车辆以采集车辆图像，其中，全景360度空间还原高清智能球将两个鱼眼镜头的成像将立体360度全景完全地显示在六个方位的画面中。全景360度空间还原高清智能球能够同时连续监控360度全景空间，所有人员和活动一览无遗，不会漏掉和错过突发事件，真正无盲点；在监控系统中同时设置PTZ，该PTZ配备的两个摄像机可获高清晰局部图像，跟随目标移动，便于目标识别；一体化设计，各种场景安装简单，不需要完全像单鱼眼球一定要在高空吊装；全景360度空间还原高清智能球具有标准高清视频传输，可以为大系统使用(IP)，也可以作为独立的系统使用(HD-SDI)；全景360度空间还原高清智能球提供对目标的大范围覆盖和监测，全景360度空间还原高清智能球+PTZ提供高分辨率的目标跟踪图像，聚焦到某一物体目标时，仍能保持对全景的不间断的监控，并跟踪多个目标。车辆的违章信息包括车辆闯红灯、超速违章信息、逆行违章信息、违章停车信息等。

识别模块20，用于基于采集的车辆图像进行车牌识别以获得所述车辆的车牌信息；

其中，识别模块20根据车辆图像进行车牌识别的具体流程为：在所述车辆图像中确定车牌所在区域并分割出车牌图像，在所述车牌图像中分割出车牌字符图像并进行归一化处理，在归一化处理后的车牌字符图像中提取字符特征信息并进行识别，以确定所述车牌字符图像的字符内容，进而得到车牌信息。

第一发送模块30，用于在获得的所述车牌信息与预存车牌信息匹配时，发送所述车牌信息及报警提示信息至控制平台，以供所述控制平台基于接收到的报警提示信息输出报警信息并存储所述车牌信息。

本实施例中，车辆数据处理装置存储有预存车牌信息，预存车牌信息存储于与车辆数据处理装置连接的存储介质或者云端服务器中，在获取到车牌信息时，车辆数据处理装置可以从存储介质或者云端服务器主动获取预存车牌信息。然后，将获得的所述车牌信息与预存车牌信息进行匹配，即进行一一对比以确定预存车牌信息中是否存在与获取的车牌信息相同的车牌信息，进而确定所述车辆是否为肇事逃逸车辆、因盗抢事件而丢失的车辆、黑名单车辆、违章车辆，对应的，预存车牌信息包括肇事逃逸车辆的车牌信息、丢失车辆的车牌信息、黑名单车辆的车牌信息，并且预存车牌信息可以由执法人员进行定期或者不定期的主动更新，以增加最新的肇事逃逸车辆的车牌信息、丢失车辆的车牌信息、黑名单车辆的车牌信息。控制平台可以为交通局的管理控制平台，通过在获得的所述车牌信息与预存车牌信息匹配时，将车牌信息及报警提示信息发送至控制平台，控制平台在接收到车牌信息及报警提示信息时，输出报警信息并存储所述车牌信息，当然控制平台也可以显示该车牌信息，以提示执法人员该车辆为肇事逃逸车辆、因盗抢事件而丢失的车辆、黑名单车辆、违章车辆中的一种。容易理解，在获得的所述车牌信息与预存车牌信息匹配时，还可以获取高车辆的行驶方向、车速、出现时间、位置信息等数据，并将上述数据发送至控制平台，以供执法人员详细了解当前车辆的相关信息，并且本实施例的车辆数据处理方法不受气候条件、时间等因素影响，能够提高执法的覆盖范围，使得管理部门辖区内无执法盲区，并能够实现路口无人职守，从而缓解日益繁忙的交通管理与警力不足之间的矛盾，提高执法的效率。

本实施例中，通过在检测到当前道路中有车辆通过时，采集模块10采集所述车辆的车辆图像，接着识别模块20基于采集的车辆图像进行车牌识别以获得所述车辆的车牌信息，而后在获得的所述车牌信息与预存车牌信息匹配时，第一发送模块30发送所述车牌信息及报警提示信息至控制平台，实现了在根据车辆图像获得的所述车牌信息与预存车牌信息匹配时发送车牌信息及报警提示信息至控制平台，大大减少了根据车辆图像判断车辆为肇事逃逸车辆、丢失车辆、黑名单车辆或违章车辆时的工作量，进而提高了肇事逃逸案件、车辆盗抢案件等的侦破效率。

基于第一实施例提出本发明车辆数据处理装置的第二实施例，参照图7，在本实施例中，第一发送模块30包括：

第一确定单元31，用于在获得的所述车牌信息与预存车牌信息匹配时，确定所述车辆图像是否包含人的面部特征；

本实施例中，在获得的所述车牌信息与预存车牌信息匹配时，第一确定单元31首先确定车辆图像是否包含人的面部特征，具体的，采用现有面部识别技术对每一张车辆图像进行面部识别，譬如，可以基于该车辆图像的像素点参数信息采用面部识别技术对该车辆图像进行面部识别，进而判断车辆图像是否包含人或动物的面部特征；本实施例也可以通过面部识别算法获得车辆图像的面部特征图像后，与数据库中预存的面部特征图像进行比较，在车辆图像的面部特征图像与数据库中预存的某一面部特征图像一致时，即可确定车辆图像包含人或动物的面部特征，该方式可以精确的判断车辆图像是否包含人或动物的面部特征。

人脸识别单元32，用于在所述车辆图像包含人的面部特征时，基于所述车辆图像进行人脸识别以获得所述车辆图像的面部特征；

在所述车辆图像包含人的面部特征时，人脸识别单元32可以基于该车辆图像的像素点参数信息采用面部识别技术对该车辆图像进行面部识别，进而获得车辆图像中人的面部特征。

发送单元33，用于将获得的所述面部特征、所述车牌信息及报警提示信息发送至所述控制平台，以供所述控制平台基于接收到的报警提示信息进行报警并关联存储所述面部特征及车牌信息。

在获取到车辆图像中人的面部特征时，发送单元33将获得的所述面部特征、所述车牌信息及报警提示信息发送至所述控制平台，控制平台在接收到所述面部特征、所述车牌信息及报警提示信息发时，关联存储所述面部特征及所述车牌信息，并根据报警提示信息输出报警信息，以提示执法人员该车辆为肇事逃逸车辆、丢失车辆、黑名单车辆或违章车辆，进而便于执法人员后续的执法。容易理解，本实施例中，面部特征为车辆内的司机或者乘客的面部特征。

本实施例中，通过在获得的所述车牌信息与预存车牌信息匹配时，第一确定单元31确定所述车辆图像是否包含人的面部特征，接着在所述车辆图像包含人的面部特征时，人脸识别单元32基于所述车辆图像进行人脸识别以获得所述车辆图像中人的面部特征，而后发送单元33将获得的所述面部特征、所述车牌信息及报警提示信息发送至所述控制平台，实现了在获得的所述车牌信息与预存车牌信息匹配时将车辆图像中人的面部特征、车牌信息发送至所述控制平台，进而使得执法人员能够知晓该车辆内的司机或者乘客的具体信息，进而提高了肇事逃逸案件、车辆盗抢案件等的侦破效率。

基于第一实施例提出本发明车辆数据处理装置的第三实施例，参照图8，在本实施例中，识别模块包括：

第二确定单元21，用于在所述车辆图像中确定车牌所在区域，并基于确定的区域分割出车牌字符图像；

本实施例中，从车辆图像中定位车牌区域的方式很多，由于车牌定位需要考虑各种可能存在的外部因素影响，比如光照、天气、车牌缺损及污染等，因此，不同的车牌定位算法其所对应的计算效率及精确度也并不相同。

现有的车牌定位算法一般都会考虑车牌本身的特点来实现，在定位算法中车牌的固有特征是最为稳定可靠的属性，车牌区域有很多特征可以作为显著特征，本实施例中具体分为几何特征、颜色特征、纹理特征和位置特征等。

当确定车牌所在区域后，从车辆图像中分割出车牌所在区域，得到车牌图像。例如，利用牌照具有四边形边框的特点，通过检测图像中的长直线段，然后用一定的约束条件进行搜索的方法来确定牌照的位置。或者例如，利用统计投影直方图的方法，通过对采集的车辆图像水平和垂直两个方向的灰度投影直方图的分析，来推断出汽车牌照的位置。然后根据车牌中字符的上述相关特征，从车牌图像中分割出车牌字符图像，例如先确定车牌字符的上下左右边界，也即确定车牌的边界线；然后再根据车牌中各字符之间的固定间隙，将车牌中的字符一一分割出来。

归一化单元22，用于对获得的车牌字符图像进行归一化处理操作；

提取单元23，用于在归一化处理后的车牌字符图像中提取字符特征信息并进行识别，以确定所述车牌字符图像的字符内容，得到车牌信息。

车牌字符一般包括汉字、字母及数字，本实施例中，为提升字符识别精度，因此优选针对不同的字符类型设置对应的字符识别算法，具体将提取的车牌字符图像的字符特征信息作为识别依据，结合预设的字符识别算法实现对车牌各字符内容的识别与确定。本实施例中优选采用基于统计方法进行识别。

本实施例通过第二确定单元21在所述车辆图像中确定车牌所在区域，并基于确定的区域分割出车牌字符图像，接着归一化单元22对获得的车牌字符图像进行归一化处理操作，而后提取单元23在归一化处理后的车牌字符图像中提取字符特征信息并进行识别，从而确定车牌字符图像的字符内容并得到车牌识别的最终结果，提升车牌识别处理的精确度。

基于第三实施例提出本发明车辆数据处理装置的第四实施例，参照图9，在本实施例中，第二确定单元21包括：

预处理子单元212，用于对所述车辆图像进行边缘检测预处理；

本实施例中，为减少提取的轮廓数量，提升车牌定位效率，因此，优选在进行轮廓提取前，预处理子单元212对车辆图像进行边缘检测预处理，其中，通过边缘检测处理以便于排除车辆图像中图像的边缘特征比较模糊的图像部分而保留比较明显的部分，例如排除车身部分保留特征显著的车牌部分、车灯部分等。

提取子单元212，用于在边缘检测预处理后的车辆图像中提取图像轮廓；

本实施例中，提取子单元212可以采用轮廓提取算法在边缘检测预处理后的车辆图像中提取图像轮廓，并且对于轮廓提取算法的设置不限，例如采用OpenCV软件中的cvFindContours函数进行轮廓提取。

确定子单元213，用于在提取的图像轮廓与预设图像轮廓匹配时，确定提取的图像轮廓所在的区域为车牌所在区域。

本实施例通过预处理子单元212对所述车辆图像进行边缘检测预处理，接着提取子单元212在边缘检测预处理后的车辆图像中提取图像轮廓，而后确定子单元213在提取的图像轮廓与预设图像轮廓匹配时，确定提取的图像轮廓所在的区域为车牌所在区域，实现了根据图像轮廓确定车牌所在区域，提高了车牌所在区域确定的精度及准确度，进而提高了车牌识别的精度及准确度。

基于第一实施例提出本发明车辆数据处理装置的第五实施例，参照图10，在本实施例中，该车辆数据处理装置还包括：

确定模块40，用于在获得的所述车牌信息与预存车牌信息不匹配时，确定所述车辆是否违章；

本实施例中，可以采用车辆检测设备对车辆进行检测，当前道路是指车辆检测设备所在的道路，并且车辆检测设备实时对当前道路进行监测，以确定当前道路中是否有车辆通过，在检测到当前道路中有车辆通过时，车辆违章行为的数据处理装置确定检测到的所述车辆是否违章，其中，车辆违章包括该车辆闯红灯、超速、逆行、违章停车等。

获取模块50，用于在所述车辆违章时，获取所述车辆的违章信息；

其中，车辆的违章信息包括车辆闯红灯、超速违章信息、逆行违章信息、违章停车信息等。

第二发送模块60，用于在所述车辆违章时，将所述车辆图像、车牌信息及违章信息发送至控制平台，以供所述控制平台关联存储接收到的所述车辆图像、车牌信息及违章信息。

本实施例中，通过在获得的所述车牌信息与预存车牌信息不匹配时，确定模块40确定所述车辆是否违章，然后在所述车辆违章时，获取模块50获取所述车辆的违章信息，而后第二发送模块60将所述车辆图像、车牌信息及违章信息发送至控制平台，以供所述控制平台关联存储接收到的所述车辆图像、车牌信息及违章信息，实现了实时检测当前道路中的违章车辆并将违章车辆对应的信息关联存储至控制平台，进而实现了车辆违章的自动取证，大大减少了车辆违章证据提取的工作量，提高了车辆违章证据提取的效率。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种车辆数据处理方法，其特征在于，所述车辆数据处理方法包括以下步骤：

在检测到当前道路中有车辆通过时，采集所述车辆的车辆图像；

基于采集的车辆图像进行车牌识别以获得所述车辆的车牌信息；

在获得的所述车牌信息与预存车牌信息匹配时，发送所述车牌信息及报警提示信息至控制平台，以供所述控制平台基于接收到的报警提示信息输出报警信息并存储所述车牌信息。

2.如权利要求1所述的车辆数据处理方法，其特征在于，所述在获得的所述车牌信息与预存车牌信息匹配时，发送所述车牌信息及报警提示信息至控制平台，以供所述控制平台基于接收到的报警提示信息输出报警信息并存储所述车牌信息的步骤包括：

在获得的所述车牌信息与预存车牌信息匹配时，确定所述车辆图像是否包含人的面部特征；

在所述车辆图像包含人的面部特征时，基于所述车辆图像进行人脸识别以获得所述车辆图像中人的面部特征；

将获得的所述面部特征、所述车牌信息及报警提示信息发送至所述控制平台，以供所述控制平台基于接收到的报警提示信息进行报警并关联存储所述面部特征及车牌信息。

3.如权利要求1所述的车辆数据处理方法，其特征在于，所述基于采集的车辆图像进行车牌识别以获得所述车辆的车牌信息的步骤包括：

在所述车辆图像中确定车牌所在区域，并基于确定的区域分割出车牌字符图像；

对获得的车牌字符图像进行归一化处理操作；

在归一化处理后的车牌字符图像中提取字符特征信息并进行识别，以确定所述车牌字符图像的字符内容，得到车牌信息。

4.如权利要求3所述的车辆数据处理方法，其特征在于，所述在所述车辆图像中确定车牌所在区域的步骤包括：

对所述车辆图像进行边缘检测预处理；

在边缘检测预处理后的车辆图像中提取图像轮廓；

在提取的图像轮廓与预设图像轮廓匹配时，确定提取的图像轮廓所在的区域为车牌所在区域。

5.如权利要求1至4任一项所述的车辆数据处理方法，其特征在于，基于采集的车辆图像进行车牌识别以获得所述车辆的车牌信息的步骤之后，所述车辆数据处理方法还包括：

在获得的所述车牌信息与预存车牌信息不匹配时，确定所述车辆当前是否违章；

在所述车辆违章时，获取所述车辆的违章信息；

将所述车辆图像、车牌信息及违章信息发送至控制平台，以供所述控制平台关联存储接收到的所述车辆图像、车牌信息及违章信息。

6.一种车辆数据处理装置，其特征在于，所述车辆数据处理装置包括：

采集模块，用于在检测到当前道路中有车辆通过时，采集所述车辆的车辆图像；

识别模块，用于基于采集的车辆图像进行车牌识别以获得所述车辆的车牌信息；

第一发送模块，用于在获得的所述车牌信息与预存车牌信息匹配时，发送所述车牌信息及报警提示信息至控制平台，以供所述控制平台基于接收到的报警提示信息输出报警信息并存储所述车牌信息。

7.如权利要求6所述的车辆数据处理装置，其特征在于，所述第一发送模块包括：

第一确定单元，用于在获得的所述车牌信息与预存车牌信息匹配时，确定所述车辆图像是否包含人的面部特征；

人脸识别单元，用于在所述车辆图像包含人的面部特征时，基于所述车辆图像进行人脸识别以获得所述车辆图像的面部特征；

发送单元，用于将获得的所述面部特征、所述车牌信息及报警提示信息发送至所述控制平台，以供所述控制平台基于接收到的报警提示信息进行报警并关联存储所述面部特征及车牌信息。

8.如权利要求6所述的车辆数据处理装置，其特征在于，所述识别模块包括：

第二确定单元，用于在所述车辆图像中确定车牌所在区域，并基于确定的区域分割出车牌字符图像；

归一化单元，用于对获得的车牌字符图像进行归一化处理操作；

提取单元，用于在归一化处理后的车牌字符图像中提取字符特征信息并进行识别，以确定所述车牌字符图像的字符内容，得到车牌信息。

9.如权利要求6所述的车辆数据处理装置，其特征在于，所述第二确定单元包括：

预处理子单元，用于对所述车辆图像进行边缘检测预处理；

提取子单元，用于在边缘检测预处理后的车辆图像中提取图像轮廓；

确定子单元，用于在提取的图像轮廓与预设图像轮廓匹配时，确定提取的图像轮廓所在的区域为车牌所在区域。

10.如权利要求6至9任一项所述的车辆数据处理装置，其特征在于，所述车辆数据处理装置还包括：

确定模块，用于在获得的所述车牌信息与预存车牌信息不匹配时，确定所述车辆当前是否违章；

获取模块，用于在所述车辆违章时，获取所述车辆的违章信息；

第二发送模块，用于在所述车辆违章时，将所述车辆图像、车牌信息及违章信息发送至控制平台，以供所述控制平台关联存储接收到的所述车辆图像、车牌信息及违章信息。