CN108538057A - 云端跨区车牌辨识系统 - Google Patents
云端跨区车牌辨识系统 Download PDFInfo
- Publication number
- CN108538057A CN108538057A CN201710168679.9A CN201710168679A CN108538057A CN 108538057 A CN108538057 A CN 108538057A CN 201710168679 A CN201710168679 A CN 201710168679A CN 108538057 A CN108538057 A CN 108538057A
- Authority
- CN
- China
- Prior art keywords
- module
- identification
- information
- number plate
- clouds
- 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
- 238000012545 processing Methods 0.000 claims abstract description 34
- 230000005540 biological transmission Effects 0.000 claims description 25
- 230000007613 environmental effect Effects 0.000 claims description 8
- 230000002123 temporal effect Effects 0.000 claims description 3
- 239000003086 colorant Substances 0.000 claims description 2
- 238000001514 detection method Methods 0.000 claims description 2
- 238000013459 approach Methods 0.000 abstract 1
- 238000000034 method Methods 0.000 description 41
- 238000010586 diagram Methods 0.000 description 23
- 235000016496 Panda oleosa Nutrition 0.000 description 4
- 240000000220 Panda oleosa Species 0.000 description 4
- 230000006837 decompression Effects 0.000 description 4
- 238000012015 optical character recognition Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 230000006835 compression Effects 0.000 description 3
- 238000007906 compression Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 1
- DMBHHRLKUKUOEG-UHFFFAOYSA-N diphenylamine Chemical compound C=1C=CC=CC=1NC1=CC=CC=C1 DMBHHRLKUKUOEG-UHFFFAOYSA-N 0.000 description 1
- 238000005538 encapsulation Methods 0.000 description 1
- 230000002427 irreversible effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
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
- G08G1/0175—Detecting movement of traffic to be counted or controlled identifying vehicles by photographing vehicles, e.g. when violating traffic rules
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/94—Hardware or software architectures specially adapted for image or video understanding
- G06V10/95—Hardware or software architectures specially adapted for image or video understanding structured as a network, e.g. client-server architectures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
- G06V20/63—Scene text, e.g. street names
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
- G06V20/625—License plates
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/10—Recognition assisted with metadata
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Multimedia (AREA)
- Software Systems (AREA)
- Remote Sensing (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Traffic Control Systems (AREA)
- Character Discrimination (AREA)
- Character Input (AREA)
Abstract
本发明有关于一种云端跨区车牌辨识系统,包含区域车牌撷取模块与云端车牌辨识模块。区域车牌撷取模块于检测车辆靠近时撷取车牌影像,取得位置信息,调变车牌影像及位置信息为辨识信息并对外发送。云端车牌辨识模块接收并解调变辨识信息以产生辨识影像及指标信息,依据指标信息选择多个辨识逻辑的至少其中之一,并使用所选择的辨识逻辑对辨识影像执行车牌辨识处理以产生车牌信息。本发明可有效省却地理区域设定操作,提升辨识成功率与辨识速度,并降低本地端设备的硬件成本。
Description
技术领域
本发明是与车牌辨识系统有关,特别有关于云端跨区车牌辨识系统。
背景技术
现有的车牌辨识系统可对车辆的车牌影像进行辨识,以得出一组车牌字符集,然而,由于不同地理区域(如不同国家或行政区)的车牌格式(如车牌样式、语言或数字排列)皆不同,任一组辨识逻辑皆仅适用于单一地理区域的车牌,因此现有的车牌辨识系统并无法一体适用于所有地理区域的车牌。
更进一步地,现有的车牌辨识系统于变更设置位置后,使用者必须手动选择变更后的位置的地理区域,来使现有的车牌辨识系统载入对应所选择地理区域的一组辨识逻辑,并使用所载入的辨识逻辑来执行车牌辨识,如此才能使车牌辨识系统适用于变更后的位置。
现有的车牌辨识系统由于每次变更设置位置时皆必须由使用者手动选择对应当前地理区域的辨识逻辑,方可正确执行车牌辨识,这提高了设置复杂度。
另,现有的车牌辨识系统皆是由本地端设备(如摄影机)负责对车牌影像执行车牌辨识,这提高了本地端设备对于运算资源的需求,而增加本地端设备的硬件成本。
发明内容
本发明的主要目的,在于提供一种云端跨区车牌辨识系统,可自动依据车辆所在位置选择适当的辨识逻辑来进行云端车牌辨识。
于一实施例中,一种云端跨区车牌辨识系统,包含:
一区域车牌撷取模块,包含:
一车辆感测器,检测一车辆是否靠近;
一影像撷取模块,电性连接该车辆感测器,于该车辆靠近时撷取一车牌影像;
一全球定位模块,取得一位置信息;
一区域控制模块,电性连接该影像撷取模块及该全球定位模块,调变该车牌影像及该位置信息为一辨识信息;及
一区域传输模块,电性连接该区域控制模块,经由网络对外发送该辨识信息;及
一云端车牌辨识模块,经由网络接收该辨识信息,解调变该辨识信息以产生一辨识影像及一指标信息,依据该指标信息选择多个辨识逻辑的至少其中之一,并使用所选择的该辨识逻辑对该辨识影像执行一车牌辨识处理以产生一车牌信息。
优选地,该云端车牌辨识模块包含:
多个区域逻辑模块,分别对应多个地理区域并储存该多个辨识逻辑;
一逻辑选择模块,连接该多个区域逻辑模块,辨识该指标信息所对应的该地理区域,并自该地理区域所对应的该区域逻辑模块载入该辨识逻辑;及
一车牌辨识模块,连接该逻辑选择模块,使用所载入的该辨识逻辑对该辨识影像执行该车牌辨识处理以产生该车牌信息。
优选地,该云端车牌辨识模块包含一云端传输模块,连接该车牌辨识模块,经由网络回传该车牌信息至该区域传输模块。
优选地,该逻辑选择模块于该车牌辨识模块辨识失败时辨识与该指标信息所对应的该地理区域于地理上相近的另一地理区域,并自该另一地理区域所对应的另一区域逻辑模块载入另一辨识逻辑,该车牌辨识模块使用所载入的该另一辨识逻辑对该辨识影像再次执行该车牌辨识处理以产生该车牌信息。
优选地,该多个辨识逻辑是分别被设定来辨识不同的多个字符集、多个字符排列或多个字符数。
优选地,该多个辨识逻辑是分别被设定来辨识该多个地理区域的多个车牌区域规则、多个字符区块排列或多个车牌颜色排列。
优选地,该区域车牌撷取模块更包含一需求模块,连接该区域控制模块,接收一查询需求,该区域控制模块调变该查询需求为一需求信息,并经由该区域传输模块传送该需求信息至该云端车牌辨识模块。
优选地,该云端车牌辨识模块包含一回应模块,连接多个需求数据库,该回应模块解调变该需求信息以产生一查询条件,并依据该查询条件选择该多个需求数据库的至少其中之一,并依据该车牌信息查询所选择的该需求数据库以取得一查询结果,该云端车牌辨识模块依据该查询结果产生一回传结果并回传至该区域车牌撷取模块。
优选地,该多个需求数据库包含一车籍数据库、一政策法规与刑事案件数据库、一环保法规数据库。
优选地,该车籍数据库包含分别对应不同的多个该车牌信息的多个车主身份辨识码、多个车型识别码或多个车辆出厂日期。
优选地,该政策法规与刑事案件数据库包含一遗失车牌信息、一刑事车牌信息或一遭通缉车主信息。
优选地,该环保法规数据库包含一车辆使用年限信息或一验车时间信息。
本发明可有效省却地理区域设定操作,提升辨识成功率与辨识速度,并降低本地端设备的硬件成本。
附图说明
图1为本发明一实施例的云端跨区车牌辨识系统架构图。
图2为本发明另一实施例的云端跨区车牌辨识系统架构图。
图3为本发明一实施例的云端跨区车牌辨识方法循序图。
图4为本发明一实施例的多个辨识逻辑的树状图。
图5A为本发明的台湾车牌的第一示意图。
图5B为本发明的台湾车牌的第二示意图。
图5C为本发明的台湾车牌的第三示意图。
图6A为本发明的日本车牌的第一示意图。
图6B为本发明的日本车牌的第二示意图。
图7A为本发明的美国车牌的第一示意图。
图7B为本发明的美国车牌的第二示意图。
图8A为本发明的加拿大车牌的第一示意图。
图8B为本发明的加拿大车牌的第二示意图。
其中,附图标记:
1…云端跨区车牌辨识系统
10…区域车牌撷取模块
100…区域控制模块
102…车辆感测器
104…影像撷取模块
106…全球定位模块
108…区域传输模块
12…云端车牌辨识模块
14…网际网络…
2…云端跨区车牌辨识系统
20…区域车牌撷取模块
200…区域控制模块
202…车辆感测器
204…影像撷取模块
206…全球定位模块
208…区域传输模块
210…需求模块
22…云端车牌辨识模块
220…逻辑选择模块
222…区域逻辑模块
224…车牌辨识模块
226…云端传输模块
228…回应模块
24…网际网络
26…需求数据库
400-440…节点
50…中文字符集
52、54…中文字符
60、64…汉字字符集
62、66…假名字符
70、72、80…英文字符集
82…法文字符集
S100-S118云端车牌辨识步骤
具体实施方式
兹就本发明的一较佳实施例,配合图式,详细说明如后。
首请参阅图1,为本发明一实施例的云端跨区车牌辨识系统架构图。如图所示,本发明提出一种云端跨区车牌辨识系统1,可自动依据车辆所在位置选择对应的辨识逻辑来进行车牌辨识处理。
具体而言,云端跨区车牌辨识系统1包括区域车牌撷取模块10及云端车牌辨识模块12。区域车牌撷取模块10经由网际网络(internet)14连接云端车牌辨识模块12并与云端车牌辨识模块12进行通讯。
区域车牌撷取模块10包括车辆感测器102、电性连接车辆感测器102的影像撷取模块104、全球定位模块106、区域传输模块108及电性连接影像撷取模块104、全球定位模块106及区域传输模块108的区域控制模块100。
车辆感测器102用以检测车辆是否靠近。具体而言,车辆感测器102于感测任一车辆靠近时产生并发出一组感测信号至影像撷取模块104以触发影像撷取模块104。
车辆感测器102可为但不限于超音波感测器、重量感测器、红外线感测器(如PIR感测器)或其他车辆感测器。举例来说,当车辆感测器102为超音波感测器时可持续经由投音器发送超音波波束,经由收音器接收回波(或透射波),并依据回波(或透射波)能量强度判断是否感测到车辆(如于能量强度大于阈值时判定感测到车辆并产生感测信号)。
再例如,当车辆感测器102为重量感测器时可包括一或多组压力感测模块(如压感电阻),各压力感测模块埋设于车道上并可于被车辆辗压时产生一组压力信号。车辆感测器102可依据所产生的压力信号判断是否感测到车辆(如于压力信号的强度大于重量阈值,或压力信号的组数大于数量阈值时判定感测到车辆并产生感测信号)。
再例如,当车辆感测器102为红外线感测器时可经由发射器发射红外光(如激光光束),经由接收器接收反射光,并依据反射光的能量强度判断是否感测到车辆(如能量强度大于阈值时判定感测到车辆并产生感测信号)。
影像撷取模块104用以撷取可见光影像。具体而言,影像撷取模块104于自车辆感测器102收到感测信号时对被感测到的车辆进行拍摄以撷取车牌影像,并将所撷取的车牌影像传送至区域控制模块100。
全球定位模块106(如GPS定位器、北斗(BDS)定位器或伽利略(Galileo)定位器)可自多个卫星接收多笔卫星信号并计算出一组绝对的位置信息(如经纬度坐标)。
区域传输模块108(如LTE网络模块、乙太网络模块或Wi-Fi网络模块)用以连接网际网络14,并经由网际网络14连接云端车牌辨识模块12。
区域控制模块100(如微控制器或处理器)用以控制区域车牌撷取模块10。具体而言,区域控制模块100对经由影像撷取模块104取得的车牌影像及经由全球定位模块106取得的位置信息执行调变处理以产生一组辨识信息,并经由区域传输模块108发送辨识信息至云端车牌辨识模块12。
于一实施例中,区域控制模块100于每次开机后经由全球定位模块106取得的一组位置信息并储存,并于后续处理中依据所储存的相同的位置信息及最新撷取的车牌影像产生辨识信息。藉此,区域车牌撷取模块10仅需于启动时短暂开启全球定位模块106以取得位置信息,不须持续开启全球定位模块106,而可有效降低电力消耗。
于一实施例中,区域控制模块100是于控制影像撷取模块104拍摄车牌影像时才控制全球定位模块106取得位置信息。藉此,即便区域车牌撷取模块10持续被移动(如跨越地理区域),所取得的位置信息仍会与拍摄车牌影像时的实际位置相符,而可避免因位置信息不符实际位置而造成车牌辨识处理失败。
云端车牌辨识模块12用以提供云端车牌辨识服务。具体而言,云端车牌辨识模块12预储存有分别对应多个地理区域的多个辨识逻辑,其中各辨识逻辑包括多个辨识规则,可被设定来辨识所对应的地理区域的车牌影像。前述多个辨识规则是用来指示所对应的地理区域的车牌格式的车牌区域规则、字符区块排列或车牌颜色排列,或者指示所对应的地理区域的车牌格式的字符集、字符排列或字符数。
云端车牌辨识模块12于经由网际网络14接收辨识信息后,可对辨识信息执行解调变处理以产生辨识影像及指标信息,前述指标信息可指示区域车牌撷取模块10拍摄前述车牌影像时所在的地理区域。于一实施例中,辨识影像相等于前述车牌影像,指标信息相等于前述位置信息。
接着,云端车牌辨识模块12可依据指标信息决定区域车牌撷取模块10所在的地理区域,并依据所决定的地理区域自动选择预储存的多个辨识逻辑的至少其中之一。
最后,云端车牌辨识模块12载入所选择的辨识逻辑,并使用所载入的辨识逻辑对辨识影像执行车牌辨识处理,以产生对应的车牌信息。于一实施例中,一个地理区域仅对应至单一个辨识逻辑(即,所述地理区域仅具有一种形式的车牌)。于另一实施例中,一个地理区域可对应至多个辨识逻辑(所述地理区域仅具有多种形式的车牌),不加以限定。
本发明经由依据车辆所在的实际位置动态选择对应的辨识逻辑进行车牌辨识处理,可有效省却地理区域设定操作,并提升辨识成功率与辨识速度。并且,本发明经由云端运算可降低本地端设备对于运算资源的需求,进而降低本地端设备的硬件成本。
于一实施例中,车牌信息包括车牌字符集。云端车牌辨识模块12是依据所选择的辨识逻辑(此处的辨识逻辑是包括特定语言(如中文、英文、日文或法文)的字符的多个辨识规则)对辨识影像执行光学字符辨识(Optical Character Recognition,OCR)处理,以辨识取得多个字符(即车牌字符集),并依据所选择的辨识逻辑对所辨识的多个字符进行分类(如将多个字符分类为发照地、车牌或自订内容等类别)。
于一实施例中,云端跨区车牌辨识系统1包括分别设置于不同区域的多个区域车牌撷取模块10,其中至少一区域车牌撷取模块10是与云端车牌辨识模块12设置于不同区域。藉此,本发明仅需设置单一云端车牌辨识模块12即可提供不同区域的多个区域车牌撷取模块10即时云端车牌辨识服务,而可有效节省设置成本。
值得一提的是,区域车牌撷取模块10可对车牌影像及位置信息执行调变处理来产生辨识信息,云端车牌辨识模块12可对辨识信息执行解调变处理以产生辨识影像及指标信息。前述的调变处理与解调变处理是数据处理,而非载波信号处理。
于一实施例中,前述调变处理可为数据型态转换处理、数据内容分析处理、数据压缩处理、数据编码处理或其他数据处理。前述解调变处理可包括数据型态转换处理、数据内容分析处理、数据解压缩处理、数据解码处理或其他数据处理。
于一实施例中,前述调变处理与解调变处理为可逆数据处理或无失真数据处理。具体而言,调变处理前的车牌影像是对应解调变处理后的辨识影像(如完全相同或所显示内容实质相同),调变处理前的位置信息是对应解调变处理后的指标信息(如完全相同或所表示内容实质相同)。举例来说,调变处理可为封包的封装(encapsulate)处理、压缩处理或无失真编码处理,用以产生利于传输(如数据量较小或符合网络传输标准)的辨识信息,解调变处理可为封包的解封装(decapsulation)处理、解压缩处理或无失真解码处理,用以将辨识信息还原为可供辨识的辨识影像及可供分析的指标信息。藉此,本发明可有效增进传输效率并确保云端车牌辨识模块收到无失真信息。
于一实施例中,前述调变处理与解调变处理为不可逆数据处理或失真数据处理。具体而言,调变处理前的车牌影像是与解调变处理后的辨识影像实质不同,调变处理前的位置信息是与解调变处理后的指标信息实质不同。
举例来说,调变处理或解调变处理是对车牌影像执行感兴趣区域(Region ofInterest,ROI)裁切处理、半色调影像处理、亮度/色调调整处理、失真压缩/解压缩处理等影像处理,用来产生利于执行车牌辨识处理的辨识影像。并且,调变处理或解调变处理是对位置信息执行数据分析处理(如分析经纬度坐标所对应的地理区域)、转换处理(如将经纬度坐标转换为对应的国码、地理区域码、国名或地理区域名)、失真压缩/解压缩处理等数据处理,用来产生利于分析所对应的地理区域的指标信息。藉此,本发明可有效增进辨识成功率及辨识速度。
值得一提的是,于车牌辨识技术中,当所使用的辨识逻辑越多时,所需的辨识时间亦越长。因此,相较于同时使用所有地理区域(如所有国家)的大量辨识逻辑来执行车牌辨识处理,本发明经由依据区域车牌撷取模块10所在的实际位置动态选择对应的辨识逻辑来执行车牌辨识处理,可有效减少辨识时间,进而提升辨识速度。
续请同时参阅图2及图3,图2为本发明另一实施例的云端跨区车牌辨识系统架构图,图3为本发明一实施例的云端跨区车牌辨识方法循序图。图2所示的云端跨区车牌辨识系统2、区域车牌撷取模块20、区域控制模块200、车辆感测器202、影像撷取模块204、全球定位模块206、区域传输模块208、云端车牌辨识模块22及网际网络24是分别与图1所示的云端跨区车牌辨识系统1、区域车牌撷取模块10、区域控制模块100、车辆感测器102、影像撷取模块104、全球定位模块106、区域传输模块108、云端车牌辨识模块12及网际网络14相同或相似,于此不再赘述。下面将仅针对图1与图2的不同之处加以说明。
如图2所示,于本实施例中,区域车牌撷取模块20更包括连接区域控制模块200的需求模块210。需求模块210可经由人机界面(图未标示)接收使用者的查询操作并产生对应的查询需求。区域控制模块200对查询需求执行调变处理,以调变查询需求为需求信息,并经由区域传输模块208发送需求信息至云端车牌辨识模块22。
云端车牌辨识模块22包括逻辑选择模块220、多个区域逻辑模块222、车牌辨识模块224、云端传输模块226及回应模块228。
各区域逻辑模块222分别对应不同地理区域,并分别储存所对应的地理区域的车牌格式的辨识逻辑。逻辑选择模块220连接所有区域逻辑模块222及车牌辨识模块224。车牌辨识模块224连接云端传输模块226。云端传输模块226可经由网际网络24与区域车牌撷取模块20进行通讯。回应模块228连接车牌辨识模块224,并连接多个外部的需求数据库26
本发明另外提出一种云端跨区车牌辨识方法,是运用于图2所示的云端跨区车牌辨识系统2。如图3所示,本发明的云端跨区车牌辨识方法包括以下步骤。
区域车牌撷取模块20的区域控制模块200经由全球定位模块206取得当前的位置信息,经由需求模块210接收查询需求,并于经由车辆感测器202检测车辆接近时控制影像撷取模块204撷取车牌影像(步骤S100)。
区域控制模块200对所取得的位置信息及车牌影像执行调变处理以产生辨识信息,并对查询需求执行调变处理以产生需求信息(步骤S102)。
区域控制模块200经由区域传输模块208发送辨识信息及需求信息至云端车牌辨识模块22(步骤S104)。
接着,云端车牌辨识模块22对所收到的信息执行解调变处理(步骤S106)。具体而言,车牌辨识模块224经由云端传输模块226接收辨识信息及需求信息,并解调变辨识信息为辨识影像及指标信息,并且,车牌辨识模块224将需求信息传递至回应模块228,以经由回应模块228解调变需求信息为查询条件。
逻辑选择模块220辨识指标信息所对应的地理区域,并依据所辨识的地理区域选择多个区域逻辑模块222的至少其中之一,并自所选择的区域逻辑模块222载入辨识逻辑(步骤S108)。
车牌辨识模块224使用所载入的辨识逻辑来对辨识影像执行车牌辨识处理,以产生车牌信息(步骤S110)。
回应模块228依据查询条件选择多个需求数据库26的至少其中之一,依据车牌信息及查询条件产生至少一查询指令,并发送所产生的查询指令至对应所选择的需求数据库26(步骤S112)。
需求数据库26依据所收到的查询指令执行查询处理,以取得对应的查询结果(步骤S114),并回传查询结果至云端车牌辨识模块22(步骤S116)。
最后,云端车牌辨识模块22依据所收到的查询结果产生一笔回传结果,并经由云端传输模块226回传至区域车牌撷取模块20(步骤S118)。
藉此,本发明可有效于辨识车牌后自动查询与此车牌有关的信息,而可供使用者不须手动查询。
于一实施例中,各需求数据库26可为车籍数据库、政策法规与刑事案件数据库、环保法规数据库或其他储存有不同类型的个人数据的数据库。
当需求数据库26为车籍数据库时,可包含分别对应不同的多个车牌信息的多个车主信息(包括车主的身份辨识码,如身份证字号或社会安全码)、多个车辆辨识码(如车身号码或引击号码)、多个车型识别码(如车身颜色或型号)、多个车辆出厂日期或其他车籍数据。更进一步地,所有(相同或不同类型的)车籍数据是以车牌信息进行关联。换句话说,当输入任一车牌信息时,可查询所有与此车牌信息相关的车籍数据。
当需求数据库26为政策法规与刑事案件数据库时,可包含至少一遗失车牌信息、至少一刑事车牌信息、至少一遭通缉车主信息或其他涉案数据。更进一步地,所有(相同或不同类型的)涉案数据是以车牌信息或车主信息进行关联。换句话说,当输入任一车牌信息或车主信息时,可查询所有与此车牌信息或车主信息相关的涉案数据。
当需求数据库26为环保法规数据库时,可包含分别对应不同的多个车牌信息的多个车辆使用年限信息、多个验车时间信息或其他车况数据。更进一步地,所有(相同或不同类型的)车况数据是以车牌信息或车主信息进行关联。换句话说,当输入任一车牌信息或车主信息时,可查询所有与此车牌信息或车主信息相关的车况数据。
举例来说,若于图3所示的步骤S100中接收的查询条件是“查询车辆使用年限信息”,则于步骤S112-S116中,云端车牌辨识模块22会产生车辆使用年限信息查询指令,并发送车牌信息及车辆使用年限信息查询指令至环保法规数据库。接着,环保法规数据库查询与所收到的车牌信息有关联的车辆使用年限信息,并回传至云端车牌辨识模块22。
于另一例子中,若于环保法规数据库中,所有车况数据仅以车主信息进行关联,则云端车牌辨识模块22是先发送车牌信息至车籍数据库以查询关联此车牌信息的车主信息。接着,云端车牌辨识模块22再发送查询到的车主信息及车辆使用年限信息查询指令至环保法规数据库,以查询关联此车主信息的车辆使用年限信息。
藉此,本发明经由于多个需求数据库26间辗转进行查询,可于需求数据库26未以车牌信息进行关联时,自动取得关联信息,并以关联信息再次对需求数据库26进行查询,而可有效省却使用者手动查询操作,并避免查询失败。
于一实施例中,当车牌辨识模块224于图3所示的步骤S110中辨识失败(即使用当前载入的辨识逻辑无法辨识所接收的辨识影像)时,逻辑选择模块220辨识与指标信息所对应的地理区域(第一地理区域)于地理上相近的另一地理区域(第二地理区域),并自第二地理区域所对应的另一区域逻辑模块222载入另一辨识逻辑(第二辨识逻辑)。接着,车牌辨识模块224使用重新载入的第二辨识逻辑对辨识影像再次执行车牌辨识处理。并且,若车牌辨识模块224再次辨识失败时,逻辑选择模块220再辨识与第二地理区域于地理上相近的另一地理区域(第三地理区域),以此类推。
值得一提的是,现有的车牌辨识系统于拍摄到来自另一地理区域的车辆的车牌影像时,会因为当前采用的辨识逻辑无法辨识此地理区域的车牌格式而造成辨识失败。
本发明经由于辨识失败时自动载入另一地理区域的辨识逻辑,以重新执行车牌辨识处理,可有效提升辨识成功率。并且,由于车辆的移动具有地域性(即车辆通常仅会在相邻的数个地理区域间移动),本发明经由使用地理上相近的地理区域的辨识逻辑来执行车牌辨识处理,可有效提升再次执行车牌辨识处理的成功率,降低因辨识失败而须一再辨识的机率,进而减少辨识时间。
请参阅图4,为本发明一实施例的多个辨识逻辑的树状图,用以说明本发明如何快速辨识与当前的地理区域于地理上相近的另一地理区域。
如图4所示,本发明是将多个辨识逻辑所对应的地理区域作为叶节点(leaf node,如图4中的加州节点430、纽约州节点432、宾州节点434、魁北克省节点436、安大略省节点438及曼尼托巴省节点440),并依据地理关系进行分类,而建立如图4所示的树状图以供快速辨识地理关系。
具体而言,于根节点(root node)400下分为多个洲结点(图4中仅示出北美洲节点410及欧洲节点412)。依据各洲所包括的国家,各个洲节点之下又分为多个国家节点(图4中仅示出位于北美洲节点410下的美国节点420、加拿大节点422及墨西哥节点424)。依据各国家所包括的行政区,各个国家节点又包括多个行政区节点(图4中仅示出位于美国节点420的加州节点430、纽约州节点432及宾州节点434,以及位于加拿大节点422下的魁北克省节点436、安大略省节点438及曼尼托巴省节点440)。
当数个叶节点彼此于地理上相近时(如所对应的两地理区域于地理上相邻),本发明会于此两个叶节点之间建立一组地理相近连结(于图4中以虚线表示)。藉此,当车牌辨识模块224辨识失败时,本发明可经由前述地理相近连结来快速辨识与当前载入的辨识逻辑所对应的地理区域于地理上相近的另一地理区域,并快速载入此地理区域的辨识逻辑。
举例来说,由于纽约州、宾州、魁北克省与安大略省此四区域于地理上相邻,纽约州节点432、宾州节点434、魁北克省节点436、安大略省节点438之间被设定前述地理相近连结。当云端车牌辨识模块22载入纽约州节点432的辨识逻辑且辨识失败时,可依据前述地理相近连结选择并载入宾州节点434、魁北克省节点436或安大略省节点438的辨识逻辑,以再次执行车牌辨识处理。
续请同时参阅图5A至图8B,图5A为本发明的台湾车牌的第一示意图,图5B为本发明的台湾车牌的第二示意图,图5C为本发明的台湾车牌的第三示意图,图6A为本发明的日本车牌的第一示意图,图6B为本发明的日本车牌的第二示意图,图7A为本发明的美国车牌的第一示意图,图7B为本发明的美国车牌的第二示意图,图8A为本发明的加拿大车牌的第一示意图,图8B为本发明的加拿大车牌的第二示意图。图5A至图8B用以说明本发明的一实施例如何使用不同辨识逻辑来辨识不同地理区域(于此以各国为单一地理区域为例)的车牌。
于本实施例中,各地理区域的辨识逻辑主要差别在可辨识的字符类型不同。
以图5A至图5C为例,对应台湾的辨识逻辑可辨识中文字符、英文字符及数字字符。当云端车牌辨识模块22载入台湾的辨识逻辑后,除了英文字符及数字字符外,还可于图5A所示的车牌影像中正确识别表示发照地的中文字符集50,于图5B所示的车牌影像中正确识别表示车辆类型的中文字符52,并可于图5C所示的车牌影像中正确识别表示车牌类型的中文字符54。
以图6A至图6B为例,对应日本的辨识逻辑可辨识汉字字符、假名字符及数字字符。当云端车牌辨识模块22载入日本的辨识逻辑后,除了数字字符外,还可于图6A所示的车牌影像中正确识别表示发照地的汉字字符集60及表示车辆用途或车牌取得顺序的假名字符62,并于图6B所示的车牌影像中正确识别表示不同发照地的汉字字符集64及表示车辆用途或车牌取得顺序的假名字符66。
以图7A至图7B为例,对应美国的辨识逻辑可辨识英文字符及数字字符。当云端车牌辨识模块22载入美国的辨识逻辑后,可于图7A所示的车牌影像中正确识别车牌号码及表示发照地的英文字符集70,并于图7B所示的车牌影像中正确识别车牌号码及表示不同发照地的英文字符集72。
以图8A至图8B为例,对应加拿大的辨识逻辑可辨识法文字符、英文字符及数字字符。当云端车牌辨识模块22载入加拿大的辨识逻辑时,除了可正确识别英文字符及数字字符(如可识别图8A所示的表示发照地的英文字符80)外,还可于图8B所示的车牌影像中正确识别表示发照地的法文字符集82。
藉此,本发明经由载入不同地理区域的辨识逻辑,可有效实现跨区域车牌辨识。
以上所述仅为本发明的较佳具体实例,非因此即局限本发明的权利要求保护范围,故举凡运用本发明内容所为的等效变化,均同理皆包含于本发明的范围内,合予陈明。
Claims (12)
1.一种云端跨区车牌辨识系统,其特征在于,包含:
一区域车牌撷取模块,包含:
一车辆感测器,检测一车辆是否靠近;
一影像撷取模块,电性连接该车辆感测器,于该车辆靠近时撷取一车牌影像;
一全球定位模块,取得一位置信息;
一区域控制模块,电性连接该影像撷取模块及该全球定位模块,调变该车牌影像及该位置信息为一辨识信息;及
一区域传输模块,电性连接该区域控制模块,经由网络对外发送该辨识信息;及
一云端车牌辨识模块,经由网络接收该辨识信息,解调变该辨识信息以产生一辨识影像及一指标信息,依据该指标信息选择多个辨识逻辑的至少其中之一,并使用所选择的该辨识逻辑对该辨识影像执行一车牌辨识处理以产生一车牌信息。
2.如权利要求1所述的云端跨区车牌辨识系统,其特征在于,该云端车牌辨识模块包含:
多个区域逻辑模块,分别对应多个地理区域并储存该多个辨识逻辑;
一逻辑选择模块,连接该多个区域逻辑模块,辨识该指标信息所对应的该地理区域,并自该地理区域所对应的该区域逻辑模块载入该辨识逻辑;及
一车牌辨识模块,连接该逻辑选择模块,使用所载入的该辨识逻辑对该辨识影像执行该车牌辨识处理以产生该车牌信息。
3.如权利要求2所述的云端跨区车牌辨识系统,其特征在于,该云端车牌辨识模块包含一云端传输模块,连接该车牌辨识模块,经由网络回传该车牌信息至该区域传输模块。
4.如权利要求2所述的云端跨区车牌辨识系统,其特征在于,该逻辑选择模块于该车牌辨识模块辨识失败时辨识与该指标信息所对应的该地理区域于地理上相近的另一地理区域,并自该另一地理区域所对应的另一区域逻辑模块载入另一辨识逻辑,该车牌辨识模块使用所载入的该另一辨识逻辑对该辨识影像再次执行该车牌辨识处理以产生该车牌信息。
5.如权利要求1所述的云端跨区车牌辨识系统,其特征在于,该多个辨识逻辑是分别被设定来辨识不同的多个字符集、多个字符排列或多个字符数。
6.如权利要求1所述的云端跨区车牌辨识系统,其特征在于,该多个辨识逻辑是分别被设定来辨识该多个地理区域的多个车牌区域规则、多个字符区块排列或多个车牌颜色排列。
7.如权利要求1所述的云端跨区车牌辨识系统,其特征在于,该区域车牌撷取模块更包含一需求模块,连接该区域控制模块,接收一查询需求,该区域控制模块调变该查询需求为一需求信息,并经由该区域传输模块传送该需求信息至该云端车牌辨识模块。
8.如权利要求7所述的云端跨区车牌辨识系统,其特征在于,该云端车牌辨识模块包含一回应模块,连接多个需求数据库,该回应模块解调变该需求信息以产生一查询条件,并依据该查询条件选择该多个需求数据库的至少其中之一,并依据该车牌信息查询所选择的该需求数据库以取得一查询结果,该云端车牌辨识模块依据该查询结果产生一回传结果并回传至该区域车牌撷取模块。
9.如权利要求8所述的云端跨区车牌辨识系统,其特征在于,该多个需求数据库包含一车籍数据库、一政策法规与刑事案件数据库、一环保法规数据库。
10.如权利要求9所述的云端跨区车牌辨识系统,其特征在于,该车籍数据库包含分别对应不同的多个该车牌信息的多个车主身份辨识码、多个车型识别码或多个车辆出厂日期。
11.如权利要求9所述的云端跨区车牌辨识系统,其特征在于,该政策法规与刑事案件数据库包含一遗失车牌信息、一刑事车牌信息或一遭通缉车主信息。
12.如权利要求9所述的云端跨区车牌辨识系统,其特征在于,该环保法规数据库包含一车辆使用年限信息或一验车时间信息。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW106107081 | 2017-03-03 | ||
TW106107081A TWI615815B (zh) | 2017-03-03 | 2017-03-03 | 雲端跨區車牌辨識系統 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108538057A true CN108538057A (zh) | 2018-09-14 |
CN108538057B CN108538057B (zh) | 2020-08-07 |
Family
ID=62016200
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710168679.9A Active CN108538057B (zh) | 2017-03-03 | 2017-03-21 | 云端跨区车牌辨识系统 |
Country Status (5)
Country | Link |
---|---|
US (1) | US10108873B2 (zh) |
JP (1) | JP6521467B2 (zh) |
CN (1) | CN108538057B (zh) |
DE (1) | DE102017117437A1 (zh) |
TW (1) | TWI615815B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111199648A (zh) * | 2018-11-20 | 2020-05-26 | 远创智慧股份有限公司 | 车牌识别方法及系统 |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI713338B (zh) * | 2018-02-27 | 2020-12-11 | 凌群電腦股份有限公司 | 物聯網低功耗廣域網路之車牌回傳編碼方法及裝置 |
US10885066B2 (en) * | 2018-05-11 | 2021-01-05 | Genetec Inc. | Area monitoring system and method of merging occurrence records |
EP3608170A1 (en) | 2018-08-06 | 2020-02-12 | Mazda Motor Corporation | Vehicular illumination device |
CN111125271B (zh) * | 2018-10-31 | 2024-04-26 | 浙江宇视科技有限公司 | 车辆位置判断方法、装置及计算机可读存储介质 |
US11227174B1 (en) * | 2019-06-10 | 2022-01-18 | James Alves | License plate recognition |
US11788851B2 (en) * | 2020-06-11 | 2023-10-17 | Apple Inc. | User interfaces for customized navigation routes |
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 |
US11600166B1 (en) | 2021-10-27 | 2023-03-07 | Genetec Inc. | Occurrence-record driven monitoring system and method of use thereof |
CN115798221B (zh) * | 2022-11-11 | 2023-09-19 | 浙江特锐讯智能科技有限公司 | 一种基于边缘计算的车牌快速识别分析方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130100286A1 (en) * | 2011-10-21 | 2013-04-25 | Mesa Engineering, Inc. | System and method for predicting vehicle location |
CN103761878A (zh) * | 2014-01-20 | 2014-04-30 | 深圳先进技术研究院 | 车牌识别系统及其识别方法 |
CN105427602A (zh) * | 2015-12-16 | 2016-03-23 | 浙江宇视科技有限公司 | 一种车辆出行主题确定方法及装置 |
CN105469055A (zh) * | 2015-11-26 | 2016-04-06 | 上海斐讯数据通信技术有限公司 | 一种基于云计算的车牌识别系统及方法 |
CN105550613A (zh) * | 2015-12-29 | 2016-05-04 | 深圳市金溢科技股份有限公司 | 一种电子车牌数据解码处理方法及电子车牌读写设备 |
TW201627912A (zh) * | 2015-01-23 | 2016-08-01 | 國立中興大學 | 車牌辨識之影像處理系統及方法 |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
ATE357717T1 (de) * | 2001-01-26 | 2007-04-15 | Raytheon Co | System und verfahren zum lesen eines nummernschildes |
JP4067005B2 (ja) * | 2005-03-10 | 2008-03-26 | オムロン株式会社 | 車両照会システム、および車両照会方法 |
JP2010086201A (ja) * | 2008-09-30 | 2010-04-15 | Hoan Denshi Tsushin Gijutsu Kyokai | 携帯端末装置、携帯端末装置のプログラム、画像認識システム、及び盗難車検索システム |
US9406086B2 (en) * | 2010-11-03 | 2016-08-02 | Endeavoring, Llc | System and method for violation enforcement utilizing vehicle immobilization |
JP2012164051A (ja) * | 2011-02-04 | 2012-08-30 | Jvc Kenwood Corp | ナンバープレート文字認識装置及びナンバープレート文字認識方法 |
US9666075B2 (en) * | 2013-11-18 | 2017-05-30 | ImageMaker Development Inc. | Automated parking space management system with dynamically updatable display device |
US9495601B2 (en) * | 2013-12-09 | 2016-11-15 | Mirsani, LLC | Detecting and reporting improper activity involving a vehicle |
US20150248595A1 (en) * | 2014-02-28 | 2015-09-03 | Streaming Networks Inc. | Apparatus and method for automatic license plate recognition and traffic surveillance |
US9594971B1 (en) * | 2014-06-27 | 2017-03-14 | Blinker, Inc. | Method and apparatus for receiving listings of similar vehicles from an image |
US20160357187A1 (en) * | 2015-06-05 | 2016-12-08 | Arafat M.A. ANSARI | Smart vehicle |
US10323450B2 (en) * | 2015-10-20 | 2019-06-18 | Hi-Tech Solutions Ltd. | Cloud-base ANPR management |
CN205827359U (zh) * | 2016-06-20 | 2016-12-21 | 上海尹莱仕光电科技有限公司 | 一种宽温lvds触摸模组 |
-
2017
- 2017-03-03 TW TW106107081A patent/TWI615815B/zh active
- 2017-03-21 CN CN201710168679.9A patent/CN108538057B/zh active Active
- 2017-05-10 JP JP2017094045A patent/JP6521467B2/ja active Active
- 2017-06-26 US US15/632,548 patent/US10108873B2/en active Active
- 2017-08-01 DE DE102017117437.0A patent/DE102017117437A1/de active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130100286A1 (en) * | 2011-10-21 | 2013-04-25 | Mesa Engineering, Inc. | System and method for predicting vehicle location |
CN103761878A (zh) * | 2014-01-20 | 2014-04-30 | 深圳先进技术研究院 | 车牌识别系统及其识别方法 |
TW201627912A (zh) * | 2015-01-23 | 2016-08-01 | 國立中興大學 | 車牌辨識之影像處理系統及方法 |
CN105469055A (zh) * | 2015-11-26 | 2016-04-06 | 上海斐讯数据通信技术有限公司 | 一种基于云计算的车牌识别系统及方法 |
CN105427602A (zh) * | 2015-12-16 | 2016-03-23 | 浙江宇视科技有限公司 | 一种车辆出行主题确定方法及装置 |
CN105550613A (zh) * | 2015-12-29 | 2016-05-04 | 深圳市金溢科技股份有限公司 | 一种电子车牌数据解码处理方法及电子车牌读写设备 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111199648A (zh) * | 2018-11-20 | 2020-05-26 | 远创智慧股份有限公司 | 车牌识别方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
US20180253617A1 (en) | 2018-09-06 |
DE102017117437A1 (de) | 2018-09-06 |
CN108538057B (zh) | 2020-08-07 |
TW201833877A (zh) | 2018-09-16 |
TWI615815B (zh) | 2018-02-21 |
JP6521467B2 (ja) | 2019-05-29 |
JP2018147456A (ja) | 2018-09-20 |
US10108873B2 (en) | 2018-10-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108538057A (zh) | 云端跨区车牌辨识系统 | |
CN112000133B (zh) | 低空飞行器/飞手的识别系统、反制系统及识别方法 | |
CN106767822B (zh) | 基于相机通信与图像定位技术的室内定位系统及方法 | |
CN108537122B (zh) | 包含气象参数的图像融合采集系统及图像存储方法 | |
CN205232319U (zh) | 摄像机和监控系统 | |
CN108924759B (zh) | 识别移动发生器的方法、装置及系统 | |
CN104143073A (zh) | 一种基于rfid的枪支位置判定系统 | |
US20200020160A1 (en) | Method, apparatus and system for mapping an incident type to data displayed at an incident scene | |
CN111539338A (zh) | 行人口罩佩戴管控方法、装置、设备及计算机存储介质 | |
CN111797713B (zh) | 车牌识别方法及拍照设备 | |
CN108254542A (zh) | 一种带通讯模块的云存储云识别智能酒精检测系统 | |
CN111474955A (zh) | 无人机图传信号制式的识别方法、装置、设备及存储介质 | |
KR102470884B1 (ko) | 인공지능을 이용한 몰래카메라 탐지 방법 및 그 시스템 | |
CN208335208U (zh) | 包含气象参数的图像融合采集系统 | |
CN112863191B (zh) | 一种车辆信息采集设备、方法及可读存储介质 | |
CN106327876A (zh) | 一种基于行车记录仪的套牌车捕捉系统及方法 | |
CN112414952A (zh) | 一种基于智能手机端光线发射与收集系统识别指定材料的方法 | |
CN111083446A (zh) | 一种结合视觉信号与无线信号的跟踪定位方法、系统与设备 | |
CN205681455U (zh) | 基于光波信息的无人机身份识别装置 | |
CN108346257B (zh) | 一种基于视频分析的街道犯罪行为预警系统及方法 | |
CN105654154A (zh) | 一种智能搜物系统及搜物方法 | |
Rawat et al. | Recent Trends In Peripheral Security Systems | |
CN116227471B (zh) | 一种纠错方法、装置及电子设备 | |
CN106878942A (zh) | 一种移动感知定位救援系统 | |
TWI704503B (zh) | 物體身分辨識系統及其自動辨識物體身分的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |