CN108694399B - 车牌识别方法、装置及系统 - Google Patents
车牌识别方法、装置及系统 Download PDFInfo
- Publication number
- CN108694399B CN108694399B CN201710225284.8A CN201710225284A CN108694399B CN 108694399 B CN108694399 B CN 108694399B CN 201710225284 A CN201710225284 A CN 201710225284A CN 108694399 B CN108694399 B CN 108694399B
- Authority
- CN
- China
- Prior art keywords
- license plate
- plate number
- vehicle
- image
- character
- 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.)
- Active
Links
Images
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/768—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using context analysis, e.g. recognition aided by known co-occurring patterns
-
- 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
Abstract
本发明公开了一种车牌识别方法、装置及系统,属于智能交通技术领域。所述方法包括服务器接收第一图像采集设备发送的第一特征信息和第二图像采集设备发送的第二特征信息,当第一特征信息中的第一车牌号码异常时,服务器查询与第一特征信息匹配的第二特征信息,并根据第二特征信息中的第二车牌号码和异常的第一车牌号码,得到完整的车辆车牌号码。本发明通过两个图像采集设备分别采集车头图像和车尾图像,并分别向服务器发送根据采集到的车头图像或车尾图像识别出的车牌号码,使得当两个车牌号码中的一个被部分遮挡或者两个车牌号码均被部分遮挡但被遮挡的部分不重叠时,服务器能够根据这两个车牌号码恢复出完整的车辆车牌号码。
Description
技术领域
本发明实施例涉及智能交通技术领域,特别涉及一种车牌识别方法、装置及系统。
背景技术
车牌识别方法是智能交通领域中应用极为广泛的方法之一,目前绝大部分的非现场违章检测系统(如闯红灯电子警察监测系统,超速抓拍系统等)均是基于车牌识别方法,从而实现自动检测、自动抓拍、自动识别和自动入库。
目前的车牌识别方法如下:在监控区域中,通过一个图像采集设备(如摄像装置)对过往的车辆进行抓拍,并基于图像分析技术对该车辆图像进行识别,得到该车辆图像中车辆的车牌号码,该图像采集设备将识别出的车牌号码上传至服务器。
但上述方法存在如下缺点:若车辆的车牌号码被部分遮挡或者污损,当该车辆违章时被图像采集设备抓拍到,该图像采集设备无法识别出该车辆完整的车牌号码,使得服务器无法根据该图像采集设备上传的不完整的车牌号码确定与该车牌号码对应的违章的车辆,从而导致服务器无法对该违章的车辆的用户身份进行认证,不便于非现场的自动取证。
发明内容
为了解决现有技术中若车牌号码被部分遮挡或者污损,则会导致服务器无法确定出完整的车牌号码的问题,本发明实施例提供了一种车牌识别方法、装置及系统。所述技术方案如下:
第一方面,提供了一种车牌识别方法,该方法包括:
接收第一图像采集设备发送的第一特征信息,第一特征信息包括第一车牌号码和第一异常标识,第一异常标识用于指示第一车牌号码是否异常;
接收第二图像采集设备发送的第二特征信息,第二特征信息包括第二车牌号码和第二异常标识,第二异常标识用于指示第二车牌号码是否异常;
当第一异常标识指示出第一车牌号码异常时,查询与第一特征信息匹配的第二特征信息,并根据第二特征信息中的第二车牌号码和异常的第一车牌号码,得到完整的车辆车牌号码;
其中,第一图像采集设备用于根据采集的第一图像确定第一特征信息,第二图像采集设备用于根据采集的第二图像确定第二特征信息,第一图像为车辆的车头图像和车尾图像中的一种,第二图像为车辆的车头图像和车尾图像中的另一种。
可选的,第一特征信息还包括第一抓拍时间和/或第一车道编号;第二特征信息还包括第二抓拍时间和/或第二车道编号;
查询到与第一特征信息匹配的第二特征信息,包括:
根据第一抓拍时间和/或第一车道编号,确定满足第一预设条件的m个第二特征信息,第一预设条件包括第二抓拍时间与第一抓拍时间的绝对值差值小于预定阈值和/或第二车道编号与第一车道编号相同;
将m个第二特征信息分别与第一特征信息进行模糊匹配,确定匹配程度最高的第二特征信息。
可选的,将m个第二特征信息分别与第一特征信息进行模糊匹配,确定匹配程度最高的第二特征信息,包括:
根据m个第二特征信息,确定与m个第二特征信息对应的m个相似置信度,相似置信度用于表示第二特征信息与第一特征信息的匹配程度;
根据m个相似置信度,确定相似置信度最大的第二特征信息。
可选的,第一特征信息还包括第一车辆类型、第一车辆颜色和第一车辆品牌中的至少一种第一信息项;第二特征信息还包括第二车辆类型、第二车辆颜色和第二车辆品牌中的至少一种第二信息项;
根据m个第二特征信息,确定与m个第二特征信息对应的m个相似置信度,包括:
针对每个第二特征信息,根据第二特征信息中的x个第二信息项,确定与x个第二信息项对应的x个子置信度,子置信度用于表示第二信息项与第一信息项的匹配程度,x为正整数;
针对每个第二特征信息,根据x个子置信度计算得到相似置信度。
可选的,根据第二特征信息中的x个第二信息项,确定与x个第二信息项对应的x个子置信度,包括:
根据第二车牌号码与第一车牌号码中在相同位置上相同字符的字符个数,确定第二车牌号码对应的子置信度;和/或,
当第二车辆类型与第一车辆类型相同时,确定第二车辆类型对应的子置信度;和/或,
当第二车辆颜色与第一车辆颜色相同时,确定第二车辆颜色对应的子置信度;和/或,
当第二车辆品牌与第一车辆品牌相同时,确定第二车辆品牌对应的子置信度。
可选的,根据第二特征信息中的第二车牌号码和异常的第一车牌号码,得到完整的车辆车牌号码,包括:
当第二特征信息中的第二异常标识指示出第二车牌号码正常时,将第二车牌号码确定为车辆车牌号码;
当第二特征信息中的第二异常标识指示出第二车牌号码异常时,依次比较第二车牌号码与第一车牌号码中的各个字符,根据比较结果确定车辆车牌号码。
可选的,第一车牌号码和第二车牌号码中均包括n个字符,每个字符的字符类型为缺失字符或显露字符,n为正整数;
依次比较第二车牌号码与第一车牌号码中的各个字符,根据比较结果确定车辆车牌号码,包括:
判断第二车牌号码中的第i个字符与第一车牌号码中的第i个字符是否相等;
当第二车牌号码中的第i个字符与第一车牌号码中的第i个字符相等时,将第一车牌号码中的第i个字符确定为车辆车牌号码中的第i个字符,i的初始值为1;或,
当第二车牌号码中的第i个字符与第一车牌号码中的第i个字符不等时,若第一车牌号码中第i个字符为缺失字符,则将第二车牌号码中的第i个字符确定为车辆车牌号码中的第i个字符;或,若第二车牌号码中第i个字符的字符类型为缺失字符,则将第一车牌号码中的第i个字符确定为车辆车牌号码中的第i个字符;
在确定出车辆车牌号码中的第i个字符时将i加1,重新执行判断第二车牌号码中的第i个字符与第一车牌号码中的第i个字符是否相等的步骤;
当i等于n+1时,得到车辆车牌号码;
其中,缺失字符为无法识别的字符,显露字符为可识别的字符。
第二方面,提供了一种车牌识别装置,该装置包括:
第一接收模块,用于接收第一图像采集设备发送的第一特征信息,第一特征信息包括第一车牌号码和第一异常标识,第一异常标识用于指示第一车牌号码是否异常;
第二接收模块,用于接收第二图像采集设备发送的第二特征信息,第二特征信息包括第二车牌号码和第二异常标识,第二异常标识用于指示第二车牌号码是否异常;
得到模块,用于当第一异常标识指示出第一车牌号码异常时,查询与第一特征信息匹配的第二特征信息,并根据第二特征信息中的第二车牌号码和异常的第一车牌号码,得到完整的车辆车牌号码;
其中,第一图像采集设备用于根据采集的第一图像确定第一特征信息,第二图像采集设备用于根据采集的第二图像确定第二特征信息,第一图像为车辆的车头图像和车尾图像中的一种,第二图像为车辆的车头图像和车尾图像中的另一种。
可选的,第一特征信息还包括第一抓拍时间和/或第一车道编号;第二特征信息还包括第二抓拍时间和/或第二车道编号;
得到模块,包括:第一确定单元和第二确定单元;
第一确定单元,用于根据第一抓拍时间和/或第一车道编号,确定满足第一预设条件的m个第二特征信息,第一预设条件包括第二抓拍时间与第一抓拍时间的绝对值差值小于预定阈值和/或第二车道编号与第一车道编号相同;
第二确定单元,用于将m个第二特征信息分别与第一特征信息进行模糊匹配,确定匹配程度最高的第二特征信息。
可选的,第二确定单元,包括:
第一确定子单元和第二确定子单元;
第一子确定单元,用于根据m个第二特征信息,确定与m个第二特征信息对应的m个相似置信度,相似置信度用于表示第二特征信息与第一特征信息的匹配程度;
第二子确定单元,用于根据m个相似置信度,确定相似置信度最大的第二特征信息。
可选的,第一特征信息还包括第一车辆类型、第一车辆颜色和第一车辆品牌中的至少一种第一信息项;第二特征信息还包括第二车辆类型、第二车辆颜色和第二车辆品牌中的至少一种第二信息项;
第一子确定单元,还用于针对每个第二特征信息,根据第二特征信息中的x个第二信息项,确定与x个第二信息项对应的x个子置信度,子置信度用于表示第二信息项与第一信息项的匹配程度,x为正整数;针对每个第二特征信息,根据x个子置信度计算得到相似置信度。
可选的,第一子确定单元,还用于根据第二车牌号码与第一车牌号码中在相同位置上相同字符的字符个数,确定第二车牌号码对应的子置信度;和/或,当第二车辆类型与第一车辆类型相同时,确定第二车辆类型对应的子置信度;和/或,当第二车辆颜色与第一车辆颜色相同时,确定第二车辆颜色对应的子置信度;和/或,当第二车辆品牌与第一车辆品牌相同时,确定第二车辆品牌对应的子置信度。
可选的,得到模块,包括:第三确定单元和第四确定单元;
第三确定单元,用于当第二特征信息中的第二异常标识指示出第二车牌号码正常时,将第二车牌号码确定为车辆车牌号码;
第四确定单元,用于当第二特征信息中的第二异常标识指示出第二车牌号码异常时,依次比较第二车牌号码与第一车牌号码中的各个字符,根据比较结果确定车辆车牌号码。
可选的,第一车牌号码和第二车牌号码中均包括n个字符,每个字符的字符类型为缺失字符或显露字符,n为正整数;
第四确定单元,包括:
判断子单元、第三确定子单元、第四确定子单元、循环子单元和得到子单元;
判断子单元,用于判断第二车牌号码中的第i个字符与第一车牌号码中的第i个字符是否相等;
第三确定子单元,用于当第二车牌号码中的第i个字符与第一车牌号码中的第i个字符相等时,将第一车牌号码中的第i个字符确定为车辆车牌号码中的第i个字符,i的初始值为1;或,
第四确定子单元,用于当第二车牌号码中的第i个字符与第一车牌号码中的第i个字符不等时,若第一车牌号码中第i个字符为缺失字符,则将第二车牌号码中的第i个字符确定为车辆车牌号码中的第i个字符;或,若第二车牌号码中第i个字符的字符类型为缺失字符,则将第一车牌号码中的第i个字符确定为车辆车牌号码中的第i个字符;
循环子单元,用于在确定出车辆车牌号码中的第i个字符时将i加1,重新执行判断第二车牌号码中的第i个字符与第一车牌号码中的第i个字符是否相等的步骤;
得到子单元,用于当i等于n+1时,得到车辆车牌号码;
其中,缺失字符为无法识别的字符,显露字符为可识别的字符。
第三方面,提供了一种车牌识别系统,该系统包括:第一图像采集设备、第二图像采集设备和服务器,第一图像采集设备与服务器相连,第二图像采集设备与服务器相连
第一图像采集设备,用于根据采集的第一图像确定第一特征信息,第一图像为车辆的车头图像和车尾图像中的一种;
第二图像采集设备,用于根据采集的第二图像确定第二特征信息,第二图像为车辆的车头图像和车尾图像中的另一种;
服务器包括如第二方面或第二方面任一可能的实施例所提供的车牌识别装置。
本发明实施例提供的技术方案带来的有益效果是:
本实施例通过服务器接收第一图像采集设备发送的第一特征信息和第二图像采集设备发送的第二特征信息,当第一特征信息中的第一车牌号码异常时,服务器查询与第一特征信息匹配的第二特征信息,并根据第二特征信息中的第二车牌号码和异常的第一车牌号码,得到完整的车辆车牌号码;由于两个图像采集设备分别采集车头图像和车尾图像,并分别向服务器发送根据采集到的车头图像或车尾图像识别出的车牌号码,使得当两个车牌号码中的一个被部分遮挡或者两个车牌号码均被部分遮挡但被遮挡的部分不重叠时,服务器能够根据这两个车牌号码恢复出完整的车辆车牌号码,从而能够对该车辆的用户身份进行认证,便于非现场的自动取证,提高了非现场违章类型的违法抓拍率和执法效率。
附图说明
图1是本发明实施例提供的车牌识别方法所涉及的实施环境的结构示意图;
图2是本发明一个实施例提供的车牌识别方法的流程图;
图3是本发明另一个实施例提供的车牌识别方法的流程图;
图4是本发明一个实施例提供的车牌识别方法涉及的相似置信度计算方法的流程图;
图5是本发明一个实施例提供的车牌识别方法涉及的字符识别方法的流程图;
图6是本发明一个实施例提供的车牌识别方法的原理图;
图7是本发明一个实施例提供的车牌识别装置的结构图;
图8是本发明一个实施例提供的车牌识别装置的结构图;
图9是本发明一个实施例提供的服务器的结构示意图。
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,下面将结合附图对本发明实施方式作进一步地详细描述。
现有技术中通过一个摄像装置对抓拍到的车辆图像进行识别,得到该车辆图像中车辆的车牌号码,并将识别出的车牌号码上传至服务器,这就造成了若车辆的车牌号码被部分遮挡或者污损,摄像装置无法识别出该车辆的完整车牌号码,则会导致服务器无法根据该图像采集设备上传的不完整的车牌号码确定完整的车牌号码的问题。基于此问题,本发明实施例提供的车牌识别方法,用于检测并识别出车辆的完整车牌号码,该车辆至少包括车头车牌和车尾车牌,该车牌识别方法如下:使用两个摄像装置(摄像装置A和摄像装置B)对过往车辆进行抓拍,摄像装置A采集车辆的第一图像,对采集到的第一图像进行识别,确定第一图像中的第一车牌号码和该第一车牌号码是否异常,并将与第一图像相关的第一特征信息发送给服务器;对应的,摄像装置B采集车辆的第二图像,对采集到的第二图像进行识别,确定第一图像中的第二车牌号码和该第二车牌号码是否异常,并将与第二图像相关的第二特征信息发送给服务器;其中,第一图像为车辆的车头图像和车尾图像中的一种,第二图像为车辆的车头图像和车尾图像中的另一种。由于两个图像采集设备分别采集车头图像和车尾图像,并分别向服务器发送根据采集到的车头图像或车尾图像识别出的车牌号码,使得当两个车牌号码中的一个被部分遮挡或者两个车牌号码均被部分遮挡但被遮挡的部分不重叠时,服务器能够根据这两个车牌号码恢复出完整的车辆车牌号码,从而能够对该车辆的用户身份进行认证,便于非现场的自动取证,提高了非现场违章类型的违法抓拍率和执法效率。
请参考图1,其示出了本发明实施例提供的车牌识别方法所涉及的实施环境的结构示意图。该实施环境包括:第一图像采集设备120、第二图像采集设备140和服务器160。
第一图像采集设备120用于采集第一图像,并对第一图像进行识别得到第一特征信息,并将第一特征信息实时或定时上传至对应的服务器160。其中,第一特征信息包括第一车牌号码和第一异常标识,第一异常标识用于指示第一车牌号码是否异常。
可选的,第一图像采集设备120还用于将第一特征信息和第一图像打包后共同发送至对应的服务器160;或,第一图像采集设备120还用于采集第一车牌图像,该第一车牌图像为与第一车牌号码对应的图像,并将第一特征信息、第一图像和/或第一车牌图像打包后共同发送至对应的服务器160。
第二图像采集设备140用于采集第二图像,并对第二图像进行识别得到第二特征信息,并将第二特征信息实时或定时上传至对应的服务器160。其中,第二特征信息包括第二车牌号码和第二异常标识,第二异常标识用于指示第二车牌号码是否异常。
其中,第一图像为车辆的车头图像和车尾图像中的一种,第二图像为车辆的车头图像和车尾图像中的另一种。
可选的,第一图像采集设备120为在监测范围在第一预设位置的摄像装置,第二图像采集设备140为在监测范围内在第二预设位置的摄像装置,第一预设位置和第二预设位置是同一辆车需要经过的两个不同位置。
比如,第一图像采集设备120为在停车场入口位置的摄像装置,第二图像采集设备140为在停车场出口位置的摄像装置,通常情况下,车辆从停车场入口位置进入并从停车场出口位置离开,因此第一图像采集设备120用于采集进入该停车场时车辆的车头图像,第二图像采集设备140用于采集离开该停车场时车辆的车尾图像。若存在车辆逆向违规行驶,从停车场出口位置进入并停车场入口位置离开,则第二图像采集设备140用于采集进入该停车场时车辆的车头图像,第二图像采集设备120用于采集离开该停车场时车辆的车尾图像。
可选的,第二图像采集设备140还用于将第二特征信息和第二图像打包后共同发送至对应的服务器160;或,第二图像采集设备140还用于采集第二车牌图像,该第二车牌图像为与第二车牌号码对应的图像,并将第二特征信息、第二图像和/或第二车牌图像打包后共同发送至对应的服务器160。
可选的,第一图像采集设备120和第二图像采集设备140分别与服务器160相连,第一图像采集设备120和第二图像采集设备140之间没有通信连接;示意性的,第一图像采集设备120和第二图像采集设备140分别通过各自的软件开发工具包(Software DevelopmentKit,SDK)接口与服务器160相连。
服务器160可以是一台服务器,或者由若干台服务器组成的服务器集群,或者是一个云计算服务中心。服务器160可以为交通监控平台,用于对交通情况进行记录和监控。
可选的,服务器160接收到第一图像的第一特征信息后,当第一异常标识指示出第一车牌号码异常时,服务器160查询与第一特征信息匹配的第二特征信息,并根据第二特征信息中的第二车牌号码和异常的第一车牌号码,得到完整的车辆车牌号码。
可选的,服务器160包括交通数据库162,交通数据库162用于存储第一特征信息和第二特征信息。
可选的,服务器160还包括图像数据库164,图像数据库164用于存储与第一特征信息对应的第一图像和/或第一车牌图像,以及与第二特征信息对应的第二图像和/或第二车牌图像。其中,交通数据库162对应的服务器可以与图像数据库164对应的服务器属于同一服务器或同一服务器集群,也可以与图像数据库164对应的服务器属于不同服务器或不同服务器集群,本实施例对此不作限定。
请参考图2,其示出了本发明一个实施例提供的车牌识别方法的流程图。本实施例以该车牌识别方法应用于图1所示出的实施环境来举例说明。该方法包括:
步骤201,服务器接收第一图像采集设备发送的第一特征信息,第一特征信息包括第一车牌号码和第一异常标识,第一异常标识用于指示第一车牌号码是否异常。
其中,第一图像采集设备用于根据采集的第一图像确定第一特征信息,第一图像为车辆的车头图像和车尾图像中的一种。
可选的,第一图像的类型包括图片和/或视频。本实施例对此不加以限定。
可选的,第一图像采集设备在对预定区域进行实时监控的同时,检测第一图像采集设备采集的第一图像中是否存在车辆,若存在则根据第一图像确定第一特征信息。相应的,第一图像采集设备将确定出的第一特征信息和/或第一图像通过有线网络或者无线网络发送至服务器。
可选的,第一图像采集设备采用每秒采集x帧录像的方式进行图像采集;比如,第一图像采集设备检测每帧录像中是否存在车辆,若检测到存在车辆,则对该车辆进行抓拍得到第一图像,x为正整数。
本实施例对第一图像采集设备的采集方式不加以限定。
可选的,第一车牌号码异常包括但不限于以下三种情况:1、第一车牌号码中的部分字符存在污损;2、第一车牌号码中的部分字符被遮挡;3、第一车牌号码中的部分字符是清晰但无法识别的。
可选的,第一异常标识为一个二进制数,当第一异常标识为真(比如:1)时用于指示第一车牌号码异常,第一异常标识为假(比如:2)时用于指示第一车牌号码正常。
可选的,第一车牌号码为一个汉字加M个字母或数字;示意性的,M的取值为6或7。
可选的,第一图像采集设备在确定出第一特征信息(第一车牌号码和第一异常标识)时立即向服务器发送该第一特征信息或每隔预定时间段向服务器发送确定出的至少一个第一特征信息;比如,摄像装置在8:00确定出第一特征信息A时立即向服务器发送该第一特征信息A;又比如,预定时间段为1分钟,服务器在8:00至8:01确定出三个第一特征信息(第一特征信息A、第一特征信息B和第一特征信息C),则服务器在8:01向服务器发送这三个第一特征信息。本实施例对第一图像采集设备的发送方式不加以限定。
可选的,第一图像采集设备根据第一图像判断该第一图像是否为车头图像,若为车头图像则设置图像标识为“1”,若为车位图像则设置图像标识为“0”。
可选的,第一图像采集设备将第一特征信息、第一图像以及图像标识进行存储并发送至服务器;相应的,服务器接收第一特征信息、第一图像和图像标识。
步骤202,服务器接收第二图像采集设备发送的第二特征信息,第二特征信息包括第二车牌号码和第二异常标识,第二异常标识用于指示第二车牌号码是否异常。
其中,第二图像采集设备用于根据采集的第二图像确定第二特征信息,第二图像为车辆的车头图像和车尾图像中的另一种。
可选的,第二图像的类型包括图片和/或视频。本实施例对此不加以限定。
需要说明的是,本实施例对第二图像采集设备的采集方式、第二异常标识的表示方式和第二图像采集设备的发送方式均不加以限定。相关细节可类比参考上述步骤201中的可选步骤。
步骤203,当第一异常标识指示出第一车牌号码异常时,服务器查询与第一特征信息匹配的第二特征信息,并根据第二特征信息中的第二车牌号码和异常的第一车牌号码,得到完整的车辆车牌号码。
可选的,第一异常标识为“1”时用于指示第一车牌号码异常,当服务器接收到第一特征信息时,判断第一特征信息中的第一异常标识是否为“1”,若为“1”,则服务器查询与第一特征信息匹配的第二特征信息。
可选的,服务器根据第一特征信息,将服务器存储的若干个第二特征信息分别与第一特征信息进行匹配,确定匹配程度最高的第二特征信息。服务器根据该第二特征信息中的第二车牌号码和异常的第一车牌号码,得到完整的车辆车牌号码。
比如,该车辆完整的车辆车牌号码为“浙A58D27”,第一车牌号码“浙?58D27”中字符“A”被遮挡,则服务器查询与第一车牌号码“浙?58D27”对应的第一特征信息匹配的第二特征信息,确定该第二特征信息中的第二车牌号码“浙A58D27”,该第二车牌号码中的各个字符正常即可识别,则服务器将第二车牌号码确定为该车辆的车辆车牌号码“浙A58D27”。
又比如,该车辆完整的车辆车牌号码为“浙A58D27”,第一车牌号码“浙?58D27”中字符“A”(用“?”表示)被遮挡,则服务器查询与第一车牌号码“浙?58D27”对应的第一特征信息匹配的第二特征信息,该第二特征信息中的第二车牌号码“浙A58D??”中字符“27”(用“??”表示)被遮挡,由于被遮挡的字符是交叉的,即第一车牌号码中被遮挡的字符“A”可以通过第二车牌号码确定出,第二车牌号码中被遮挡的字符“27”可以通过第一车牌号码确定出,从而服务器得到该车辆的车辆车牌号码“浙A58D27”。
综上所述,本实施例通过服务器接收第一图像采集设备发送的第一特征信息和第二图像采集设备发送的第二特征信息,当第一特征信息中的第一车牌号码异常时,服务器查询与第一特征信息匹配的第二特征信息,并根据第二特征信息中的第二车牌号码和异常的第一车牌号码,得到完整的车辆车牌号码;由于两个图像采集设备分别采集车头图像和车尾图像,并分别向服务器发送根据采集到的车头图像或车尾图像识别出的车牌号码,使得当两个车牌号码中的一个被部分遮挡或者两个车牌号码均被部分遮挡但被遮挡的部分不重叠时,服务器能够根据这两个车牌号码恢复出完整的车辆车牌号码,从而能够对该车辆的用户身份进行认证,便于非现场的自动取证,提高了非现场违章类型的违法抓拍率和执法效率。
请参考图3,其示出了本发明一个实施例提供的车牌识别方法的流程图。本实施例以该车牌识别方法应用于图1所示出的实施环境来举例说明。该方法包括:
步骤301,第一图像采集设备根据采集的第一图像确定第一特征信息,第一特征信息包括第一车牌号码和第一异常标识,第一异常标识用于指示第一车牌号码是否异常。
可选的,第一图像采集设备对采集的第一图像进行增强、灰度化和二值化的预处理,并且根据DBSCAN(Density-Based Spatial Clustering of Applications withNoise,基于密度的聚类算法)算法以及第一图像采集设备中预先建立的车牌模型检测第一图像中是否存在车牌,从而定位到车牌区域。
而由于第一车牌号码可能被部分遮挡(如遮挡第一车牌号码中最后两个字符),因此对于第一图像采集设备而言,当通过车牌模型检测不到第一图像中的车牌时,可利用剩余的四个字符的字符信息实现对车牌区域的定位。其中,字符信息包括各个字符的大小和相邻字符之间的位置关系。
比如,当第一车牌号码“浙A58D27”包括七个字符,其中,字符“A”和字符“5”被遮挡,则缺失字符为字符“A”和字符“5”,显露字符为字符“浙”、字符“8”、字符“D”、字符“2”和字符“7”,第一图像采集设备通过显露字符“浙”和显露字符“8”之间的间距明显大于其他相邻的两个显露字符之间的间距,唯一确定车牌格式及其位置,从而定位到可能的车牌区域。
可选的,当定位到第一图像中的车牌区域时,第一图像采集设备通过水平投影、垂直投影的方式切割车牌区域内每个子区域的字符图像,并且通过字符模型识别切割出的字符图像中的字符,并将识别出的字符排列成串作为车辆的第一车牌号码。
在对字符图像进行分割时,第一图像采集设备还可以采用基于投影的字符分割算法、基于聚类分析的字符分割算法、基于小波变换的字符分割算法和基于连通域标记的字符分割算法等。
可选地,第一图像采集设备采用基于深度神经网络的字符识别算法对对字符图像中的字符进行识别,将可识别的字符(显露字符)用对应的字符表示,将无法识别的字符(缺失字符)用缺失标识表示,比如缺失标识为“?”。
可选地,在对字符图像中的字符进行识别时,第一图像采集设备计算各个字符的置信度,并将各个字符的置信度进行求和,进而得到对应的第一车牌号码的置信度;其中,针对每个字符图像中的字符的置信度计算包括第一图像采集设备将该字符图像与预设字符模型库中各个字符模型进行置信度计算,得到若干个候选置信度,从中将该字符图像与最匹配的字符模型之间的候选置信度确定为该字符的置信度。
比如,各个字符图像和各个字符模型的像素大小均为25*50,第一图像采集设备采用下述公式(1)或公式(2)计算字符图像i与预设字符模型库中字符模型j的候选置信度:
其中,PixelSum表示字符的候选置信度,Imgi(m,n)表示字符图像i中坐标为(m,n)的像素值,Modj(m,n)表示预设字符模型库中字符模型j中坐标为(m,n)的像素值。
当采用公式(1)即逻辑运算为异或时,第一图像采集设备从该字符的若干个候选置信度中选择最小的候选置信度,将最小的候选置信度确定为该字符的置信度;当采用公式(2)即逻辑运算为同或时,第一图像采集设备从该字符的若干个候选置信度中选择最大的候选置信度,将最大的候选置信度确定为该字符的置信度。
可选的,第一图像采集设备采集到同一车辆的多帧第一图像,对各帧第一图像进行识别得到若干个候选车牌号码,每帧第一图像与一个候选车牌号码一一对应,第一图像采集设备从中确定出置信度最高的候选车牌号码作为第一车牌号码。
需要说明的是,第一图像采集设备还可以采用其他的车牌定位方法、字符切割方法和字符识别方法来确定第一特征信息,在此不再一一赘述。
可选的,第一图像采集设备在识别第一车车牌号码时,根据该第一车牌号码的置信度和/或车牌纹理特征,判断第一车牌号码是否异常。
比如,第一图像采集设备判断该第一车牌号码的置信度是否低于预定阈值,若低于,则判断该第一车牌号码异常,将第一异常标识设置为“1”,用于指示该第一车牌号码异常;或,依次判断该第一车牌号码中的各个字符的置信度是否低于预定阈值,将低于预定阈值的置信度对应的字符判断为该第一车牌号码中的缺失字符,若该第一车牌号码中低于预定阈值的置信度对应的是第2个字符,则将第一异常标识设置为“0100000”,用于指示该第一车牌号码中第2位字符异常,其余字符正常。
又比如,由于人为恶意遮挡或污损车牌字符所采用的方式相对固定,常见的有光盘遮挡、纸遮挡、蒙布遮挡等。对于常见的遮挡物,其纹理特征是相对固定或有规律的。第一图像采集设备预先存储有若干种遮挡物的纹理特征,判断检测到的车牌纹理特征与若干种遮挡物的纹理特征的相似度是否高于预定阈值,若高于,则判断该第一车牌号码异常。
其中,第一特征信息包括第一车牌号码和第一异常标识,第一特征信息还包括如下至少一种第一信息项:第一抓拍时间、第一车道编号、第一车辆类型、第一车辆颜色和第一车辆品牌等。
可选地,第一图像采集设备在采集到第一图像时,将采集时间确定为第一抓拍时间。比如,第一图像采集设备在08:00:00采集到第一图像,则该第一图像的第一抓拍时间为08:00:00。
可选的,第一图像采集设备通过视频检测算法进行多帧检测,根据实际车道线检测车辆在第一图像中的车道方位信息,从而确定第一车道编号。比如,根据车辆行驶方向预先规定最左侧为1车道,向右依次为2车道,3车道,则当第一图像采集设备检测到该车辆的车道方位信息为1车道,则第一车道编号为“1”。
可选地,第一图像采集设备在识别第一图像中的第一车辆类型、第一车辆颜色和第一车辆品牌时采用模式识别算法、深度学习算法和机器学习算法中的至少一种,其中,机器学习算法包括但不限于方向梯度直方图(Histogram of Oriented Gradient,HOG)算法,深度学习算法包括但不限于深度信念网络(Deep Belief Network,DBN)算法,机器学习算法包括但不限于支持向量机(Support Vector Machine,SVM)算法。
可选的,第一图像采集设备在确定出第一特征信息的各个第一信息项时,将各个第一信息项与第一图像组合到一起进行存储。
比如,如表一所示,第一图像采集设备存储的第一特征信息包括但不限于如下的第一信息项的类型和对应的内容。
表一
第一信息项类型 | 第一信息项内容 |
第一车牌号码 | 浙?58D27 |
第一异常标识 | 1 |
第一抓拍时间 | 12:30:56 |
第一车道编号 | 2 |
第一车辆类型 | 小型汽车 |
第一车辆颜色 | 红色 |
第一车辆品牌 | 奥迪 |
步骤302,第一图像采集设备向服务器发送第一特征信息。
可选的,第一图像采集设备将第一特征信息的各个第一信息项和/或第一图像发送至服务器。
对应的,服务器接收第一图像采集设备发送的第一特征信息和/或第一图像。
步骤303,第二图像采集设备根据采集的第二图像确定第二特征信息,第二特征信息包括第二车牌号码和第二异常标识,第二异常标识用于指示第二车牌号码是否异常。
可选的,第二特征信息还包括第二抓拍时间和/或第二车道编号。
可选的,第二特征信息还包括第二车辆类型、第二车辆颜色和第二车辆品牌中的至少一种第二信息项。
需要说明的是,第二图像采集设备根据采集的第二图像确定第二特征信息的具体细节可类比参考步骤301,在此不再重复赘述。
步骤304,第二图像采集设备向服务器发送第二特征信息。
可选的,第二图像采集设备将第二特征信息的各个第二信息项和/或第二图像发送至服务器。
对应的,服务器接收第二图像采集设备发送的第二特征信息和/或第二图像。
可选地,步骤301和302与步骤303和304可以并列执行。本实施例对此不加以限定。
步骤305,服务器判断第一特征信息中的第一异常标识是否用于指示第一车牌号码异常。
可选的,第一异常标识为真(比如:1)时用于指示第一车牌号码异常时,服务器判断第一异常标识是否为“1”,若为“1”则确定该第一异常标识指示出第一车牌号码异常。
步骤306,当第一异常标识指示出第一车牌号码异常时,服务器根据第一抓拍时间和/或第一车道编号,确定满足第一预设条件的m个第二特征信息。
其中,第一预设条件包括第二抓拍时间与第一抓拍时间的绝对值差值小于预定阈值和/或第二车道编号与第一车道编号相同。
可选的,服务器判断第二抓拍时间与第一抓拍时间的绝对值差值是否小于预定的时差阈值,若小于则确定该第二抓拍时间对应的第二特征信息满足第一预设条件;比如,当第一抓拍时间为12:20:56,第二抓拍时间为12:21:02,预定的时差阈值为30秒,则服务器判断该第二抓拍时间与该第一抓拍时间的绝对值差值“6”小于“30”,确定“12:21:02”对应的第二特征信息满足第一预设条件。
可选的,服务器判断第二车道编号与第一车道编号是否相同,若相同则确定该第二车道编号对应的第二特征信息满足第一预设条件;比如,当第一车道编号为“2”,第二车道编号为“2”,则服务器判断第二车道编号与第一车道编号相同,确定对应的第二特征信息满足第一预设条件。
可选的,当服务器判断出第二特征信息需要同时满足第二抓拍时间与第一抓拍时间的绝对值差值小于预定阈值和第二车道编号与第一车道编号相同这两个条件时,确定该第二特征信息满足第一预设条件。
步骤307,服务器将m个第二特征信息分别与第一特征信息进行模糊匹配,确定匹配程度最高的第二特征信息。
可选的,服务器根据m个第二特征信息,确定与m个第二特征信息对应的m个相似置信度,相似置信度用于表示第二特征信息与第一特征信息的匹配程度。
可选的,服务器针对每个第二特征信息,根据第二特征信息中的x个第二信息项,确定与x个第二信息项对应的x个子置信度。针对每个第二特征信息,服务器根据x个子置信度计算得到相似置信度。其中,子置信度用于表示第二信息项与第一信息项的匹配程度,x为正整数
下面以x的取值为4为例,第一特征信息包括第一车牌号码、第一车辆类型、第一车辆颜色和第一车辆品牌这三个第一信息项,第二特征信息包括第二车牌号码、第二车辆类型、第二车辆颜色和第二车辆品牌对应的三个第二信息项,服务器根据第二特征信息中的4个第二信息项,确定与这4个第二信息项对应的4个子置信度,将这4个子置信度之和确定为该第二特征信息与该第一特征信息的相似置信度。
可选的,如图4所示,服务器确定第二特征信息中的4个第二信息项对应的4个子置信度,并计算得到第二特征信息的相似置信度包括以下几个步骤:
步骤401,服务器根据第二车牌号码与第一车牌号码中在相同位置上相同字符的字符个数,确定第二车牌号码对应的子置信度。
步骤402,服务器判断第二车辆类型与第一车辆类型相同是否相同。
可选的,若相同则执行步骤403,若不同则执行步骤404。
步骤403,当第二车辆类型与第一车辆类型相同时,确定第二车辆类型对应的子置信度。
步骤404,服务器判断第二车辆颜色与第一车辆颜色是否相同。
可选的,若相同则执行步骤405,若不同则执行步骤406。
步骤405,当第二车辆颜色与第一车辆颜色相同时,确定第二车辆颜色对应的子置信度。
步骤406,服务器判断第二车辆品牌与第一车辆品牌是否相同。
可选的,若相同则执行步骤407,若不同则执行步骤408。
步骤407,当第二车辆品牌与第一车辆品牌相同时,确定第二车辆品牌对应的子置信度。
步骤408,服务器将确定出的各个子置信度进行求和,得到该第二特征信息的相似置信度。
可选的,采用如下公式计算若干个第二信息项的子置信度之和,即第二特征信息的相似置信度:
其中,Confidence表示第二特征信息的相似置信度,F表示第二特征信息中的第二信息项的个数,Zi(f)表示第f个第二信息项的子置信度。
可选的,将Confidence的取值范围设置为0-100,各个第二信息项对应的子置信度的初始值为0。每当第二车牌号码中的前两个字符与第一车牌号码中的前两个字符相同或第二车牌号码中的其余的每个字符与第一车牌号码中对应的字符相同时,将第二车牌号码对应的子置信度增加10;当第二车辆类型与第一车辆类型相同时,将第二车辆类型对应的子置信度增加10;当第二车辆颜色与第一车辆颜色相同时,将第二车辆颜色对应的子置信度增加10;当第二车辆品牌与第一车辆品牌相同时,将第二车辆品牌对应的子置信度增加20。本实施例对子置信度的设置方式和设置的具体数值不加以限定。
如表二所示,4个信息项类型包括车牌号码、车牌类型、车牌颜色和车牌品牌,服务器通过比较第一特征信息中的4个第一信息项和对应的第二特征信息中的4个第二信息项,确定出4个子置信度。其中,第一车牌号码为“浙A58D27”,第二车牌号码为“浙A58D99”,当服务器判断出在相同位置上相同字符为“浙A”、“5”、“8”和“D”时,确定第二车牌号码对应的子置信度为“40”;当服务器判断出第二车辆类型和第一车辆类型均为“小型汽车”时,确定第二车辆类型对应的子置信度为“10”;当服务器判断出第二车辆颜色“黑色”与第一车辆颜色“红色”不同时,确定第二车辆颜色对应的子置信度为0;当服务器判断出第二车辆品牌“奔驰”与第一车辆品牌“奥迪”不同时,确定第二车辆品牌对应的子置信度为0。
表二
信息项类型 | 第一信息项 | 第二信息项 | 子置信度 |
车牌号码 | 浙A58D27 | 浙A58D99 | 40 |
车牌类型 | 小型汽车 | 小型汽车 | 10 |
车牌颜色 | 红色 | 黑色 | 0 |
车牌品牌 | 奥迪 | 奔驰 | 0 |
根据上述的表二,服务器将4个子置信度进行求和,得到该第二特征信息与该第一特征信息的相似置信度为“50”。
可选的,服务器根据m个相似置信度,确定相似置信度最大的第二特征信息;示意性的,服务器计算得到3个第二特征信息的相似置信度,分别为“40”、“50”和“80”,则服务器将这三个相似置信度进行比较,根据比较结果将最大的相似置信度“80”对应的第二特征信息确定为与第一特征信息匹配程度最高的第二特征信息。
可选的,服务器在将m个相似置信度进行比较之前,将相似置信度低于预定的有效阈值的第二特征信息进行删除,保留相似置信度高于预定的有效阈值的第二特征信息,有效阈值用于表示该第二特征信息的有效性;示意性的,有效阈值为55。
步骤308,服务器判断第二特征信息中的第二异常标识是否用于指示第二车牌号码异常。
可选的,第二异常标识为真(比如:1)时用于指示第二车牌号码异常时,服务器判断第二异常标识是否为“1”,若为“0”则确定该第二异常标识指示出第二车牌号码正常,执行步骤306;若为“1”则确定该第二异常标识指示出第二车牌号码异常,执行步骤307。
步骤309,当第二特征信息中的第二异常标识指示出第二车牌号码正常时,将第二车牌号码确定为车辆车牌号码。
可选的,当服务器判断出第二车牌号码正常时,直接将该第二车牌号码确定为车辆车牌号码。
步骤310,当第二特征信息中的第二异常标识指示出第二车牌号码异常时,依次比较第二车牌号码与第一车牌号码中的各个字符,根据比较结果确定车辆车牌号码。
可选的,第一车牌号码和第二车牌号码中均包括n个字符,每个字符的字符类型为缺失字符或显露字符,n为正整数。其中,缺失字符为无法识别的字符,显露字符为可识别的字符,n的取值通常为7。
可选的,如图5所示,服务器依次比较第二车牌号码与第一车牌号码中的各个字符,根据比较结果确定车辆车牌号码,包括以下几个步骤:
步骤501,服务器判断第二车牌号码中的第i个字符与第一车牌号码中的第i个字符是否相等,i的初始值为1。
可选的,当服务器判断出相等时,执行步骤502;当服务器判断出不相等时,执行步骤503。
步骤502,当第二车牌号码中的第i个字符与第一车牌号码中的第i个字符相等时,服务器将第一车牌号码中的第i个字符确定为车辆车牌号码中的第i个字符。
可选的,在服务器将第一车牌号码中的第i个字符确定为车辆车牌号码中的第i个字符之后,执行步骤507。
步骤503,当第二车牌号码中的第i个字符与第一车牌号码中的第i个字符不等时,服务器判断第一车牌号码中第i个字符是否为缺失字符。
可选的,服务器
可选的,当服务器判断出第一车牌号码中第i个字符为缺失字符,执行步骤4,否则执行步骤505。
步骤504,若第一车牌号码中第i个字符为缺失字符,则服务器将第二车牌号码中的第i个字符确定为车辆车牌号码中的第i个字符。
可选的,在服务器将第一车牌号码中的第i个字符确定为车辆车牌号码中的第i个字符之后,执行步骤507。
步骤505,若第一车牌号码中第i个字符不是缺失字符,则服务器判断第二车牌号码中第i个字符的字符类型是否为缺失字符。
可选的,在服务器判断出第二车牌号码中第i个字符的字符类型为缺失字符时,执行步骤506,否则执行步骤507。
步骤506,若第二车牌号码中第i个字符的字符类型为缺失字符,则服务器将第一车牌号码中的第i个字符确定为车辆车牌号码中的第i个字符。
步骤507,在服务器确定出车辆车牌号码中的第i个字符时将i加1。
步骤508,服务器判断此时i是否等于n+1。
步骤509,若i等于n+1,服务器得到车辆车牌号码。
可选的,若i不等于n+1,重新执行判断第二车牌号码中的第i个字符与第一车牌号码中的第i个字符是否相等的步骤,即重新执行步骤501。
在一个示意性的例子中,如图6所示,第一图像采集设备为摄像装置A,第二图像采集设备为摄像装置B,摄像装置A在12:30:56采集到车辆的车头图像,摄像装置B在12:31:02采集到车辆的车尾图像,摄像装置A对采集得到的车头图像进行识别分析,得到该车辆的第一特征信息,该第一特征信息包括第一车牌号码为“浙?58D27”,第一异常标识为“1”(表示该第一车牌号码异常),第一抓拍时间为“12:30:56”、第一车道编号为“2”、第一车辆类型为“小型汽车”、第一车辆颜色为“白色”、第一车辆品牌为“奥迪”,摄像装置A将该第一特征信息发送给服务器;对应的,摄像装置B对采集得到的车尾图像进行识别分析,得到该车辆的第二特征信息,该第二特征信息包括第二车牌号码为“浙A58D??”,第二异常标识为“1”(表示该第二车牌号码异常),第二抓拍时间为“12:31:04”、第二车道编号为“2”、第二车辆类型为“小型汽车”、第二车辆颜色为“白色”、第二车辆品牌为“奥迪”,摄像装置B将该第二特征信息发送给服务器。相应的,服务器接收到摄像装置A发送的第一特征信息和摄像装置B发送的第二特征信息,服务器在判断出第二特征信息满足第一预定条件,即第一抓拍时间“12:30:56”和第二抓拍时间“12:31:04”之间的差值绝对值小于预定的时差阈值“30”且第一车道编号和第二车道编号均为“2”时,计算第一特征信息与第二特征信息的相似置信度为80。在服务器判断出该相似置信度高于预定的有效阈值“55”时,服务器依次比较第一车牌号码“浙?58D27”和第二车牌号码“浙A58D??”中的各个字符。由于第一车牌号码中的第2个字符为缺失字符,服务器将第二车牌号码中的第2个字符“A”确定为该车辆车牌号码的第2个字符;又由于第二车牌号码中的第6个字符和第7个字符均为缺失字符,服务器将第一车牌号码中的第6个字符“2”和第7个字符“7”确定为该车辆车牌号码的第6个字符和第7个字符,从而服务器得到该车辆的车辆车牌号码“浙A58D27”。
综上所述,本实施例通过服务器接收第一图像采集设备发送的第一特征信息和第二图像采集设备发送的第二特征信息,当第一特征信息中的第一车牌号码异常时,服务器查询与第一特征信息匹配的第二特征信息,并根据第二特征信息中的第二车牌号码和异常的第一车牌号码,得到完整的车辆车牌号码;由于两个图像采集设备分别采集车头图像和车尾图像,并分别向服务器发送根据采集到的车头图像或车尾图像识别出的车牌号码,使得当两个车牌号码中的一个被部分遮挡或者两个车牌号码均被部分遮挡但被遮挡的部分不重叠时,服务器能够根据这两个车牌号码恢复出完整的车辆车牌号码,从而能够对该车辆的用户身份进行认证,便于非现场的自动取证,提高了非现场违章类型的违法抓拍率和执法效率。
综上所述,本实施例还通过服务器根据第一抓拍时间和/或第一车道编号,确定满足第一预设条件的m个第二特征信息,并将m个第二特征信息分别与第一特征信息进行模糊匹配,确定匹配程度最高的第二特征信息;使得服务器在进行模糊匹配之前,通过第一预设条件筛选出一部分第二特征信息,简化了服务器的计算工作量。
本实施例还通过服务器根据m个第二特征信息,确定与m个第二特征信息对应的m个相似置信度,并根据m个相似置信度,确定相似置信度最大的第二特征信息;由于相似置信度用于表示第二特征信息与第一特征信息的匹配程度,服务器在计算出m个第二特征信息的相似置信度后,将相似置信度最大的确定为第二特征信息,不仅使得服务器能够快速与第一特征信息匹配程度最高的第二特征信息确定,还提高了服务器查找到的第二特征信息的准确性。
本实施例还通过当第二特征信息中的第二异常标识指示出第二车牌号码正常时,服务器将第二车牌号码确定为车辆车牌号码;使得当第一车牌号码被部分遮挡,第二车牌号码是完整且可识别的情况下服务器能够直接利用第二车牌号码恢复出完整的车辆车牌号码。
本实施例还通过当第二特征信息中的第二异常标识指示出第二车牌号码异常时,服务器依次比较第二车牌号码与第一车牌号码中的各个字符,根据比较结果确定车辆车牌号码;使得当第一车牌号码和第二车牌号码均被部分遮挡,但两个车牌号码被遮挡的部分不重叠时服务器够根据结合这两个车牌号码恢复出完整的车辆车牌号码。
下述为本发明装置实施例,可以用于执行本发明方法实施例。对于本发明装置实施例中未披露的细节,请参照本发明方法实施例。
请参考图7,其示出了本发明一个实施例提供的车牌识别装置的结构示意图。该车牌识别装置可以通过专用硬件电路,或者,软硬件的结合实现成为图1中的服务器的全部或一部分,该车牌识别装置包括:
第一接收模块710,用于接收第一图像采集设备发送的第一特征信息,第一特征信息包括第一车牌号码和第一异常标识,第一异常标识用于指示第一车牌号码是否异常;
第二接收模块720,用于接收第二图像采集设备发送的第二特征信息,第二特征信息包括第二车牌号码和第二异常标识,第二异常标识用于指示第二车牌号码是否异常;
得到模块730,用于当第一异常标识指示出第一车牌号码异常时,查询与第一特征信息匹配的第二特征信息,并根据第二特征信息中的第二车牌号码和异常的第一车牌号码,得到完整的车辆车牌号码;
其中,第一图像采集设备用于根据采集的第一图像确定第一特征信息,第二图像采集设备用于根据采集的第二图像确定第二特征信息,第一图像为车辆的车头图像和车尾图像中的一种,第二图像为车辆的车头图像和车尾图像中的另一种。
综上所述,本实施例通过服务器接收第一图像采集设备发送的第一特征信息和第二图像采集设备发送的第二特征信息,当第一特征信息中的第一车牌号码异常时,服务器查询与第一特征信息匹配的第二特征信息,并根据第二特征信息中的第二车牌号码和异常的第一车牌号码,得到完整的车辆车牌号码;由于两个图像采集设备分别采集车头图像和车尾图像,并分别向服务器发送根据采集到的车头图像或车尾图像识别出的车牌号码,使得当两个车牌号码中的一个被部分遮挡或者两个车牌号码均被部分遮挡但被遮挡的部分不重叠时,服务器能够根据这两个车牌号码恢复出完整的车辆车牌号码,从而能够对该车辆的用户身份进行认证,便于非现场的自动取证,提高了非现场违章类型的违法抓拍率和执法效率。
请参考图8,其示出了本发明另一个实施例提供的车牌识别装置的结构示意图。该车牌识别装置可以通过专用硬件电路,或者,软硬件的结合实现成为图1中的服务器的全部或一部分,该车牌识别装置包括:
第一特征信息还包括第一抓拍时间和/或第一车道编号;第二特征信息还包括第二抓拍时间和/或第二车道编号;
得到模块730,包括:第一确定单元731和第二确定单元732;
第一确定单元731,用于根据第一抓拍时间和/或第一车道编号,确定满足第一预设条件的m个第二特征信息,第一预设条件包括第二抓拍时间与第一抓拍时间的绝对值差值小于预定阈值和/或第二车道编号与第一车道编号相同;
第二确定单元732,用于将m个第二特征信息分别与第一特征信息进行模糊匹配,确定匹配程度最高的第二特征信息。
可选的,第二确定单元732,包括:
第一确定子单元732a和第二确定子单元732b;
第一子确定单元732a,用于根据m个第二特征信息,确定与m个第二特征信息对应的m个相似置信度,相似置信度用于表示第二特征信息与第一特征信息的匹配程度;
第二子确定单元732b,用于根据m个相似置信度,确定相似置信度最大的第二特征信息。
可选的,第一特征信息还包括第一车辆类型、第一车辆颜色和第一车辆品牌中的至少一种第一信息项;第二特征信息还包括第二车辆类型、第二车辆颜色和第二车辆品牌中的至少一种第二信息项;
第一子确定单元732a,还用于针对每个第二特征信息,根据第二特征信息中的x个第二信息项,确定与x个第二信息项对应的x个子置信度,子置信度用于表示第二信息项与第一信息项的匹配程度,x为正整数;针对每个第二特征信息,根据x个子置信度计算得到相似置信度。
第一子确定单元732a,还用于根据第二车牌号码与第一车牌号码中在相同位置上相同字符的字符个数,确定第二车牌号码对应的子置信度;和/或,当第二车辆类型与第一车辆类型相同时,确定第二车辆类型对应的子置信度;和/或,当第二车辆颜色与第一车辆颜色相同时,确定第二车辆颜色对应的子置信度;和/或,当第二车辆品牌与第一车辆品牌相同时,确定第二车辆品牌对应的子置信度。
得到模块730,包括:第三确定单元733和第四确定单元734;
第三确定单元733,用于当第二特征信息中的第二异常标识指示出第二车牌号码正常时,将第二车牌号码确定为车辆车牌号码;
第四确定单元734,用于当第二特征信息中的第二异常标识指示出第二车牌号码异常时,依次比较第二车牌号码与第一车牌号码中的各个字符,根据比较结果确定车辆车牌号码。
第一车牌号码和第二车牌号码中均包括n个字符,每个字符的字符类型为缺失字符或显露字符,n为正整数;
第四确定单元734,包括:
判断子单元734a、第三确定子单元734b、第四确定子单元734c、循环子单元734d和得到子单元734e;
判断子单元734a,用于判断第二车牌号码中的第i个字符与第一车牌号码中的第i个字符是否相等;
第三确定子单元734b,用于当第二车牌号码中的第i个字符与第一车牌号码中的第i个字符相等时,将第一车牌号码中的第i个字符确定为车辆车牌号码中的第i个字符,i的初始值为1;或,
第四确定子单元734c,用于当第二车牌号码中的第i个字符与第一车牌号码中的第i个字符不等时,若第一车牌号码中第i个字符为缺失字符,则将第二车牌号码中的第i个字符确定为车辆车牌号码中的第i个字符;或,若第二车牌号码中第i个字符的字符类型为缺失字符,则将第一车牌号码中的第i个字符确定为车辆车牌号码中的第i个字符;
循环子单元734d,用于在确定出车辆车牌号码中的第i个字符时将i加1,重新执行判断第二车牌号码中的第i个字符与第一车牌号码中的第i个字符是否相等的步骤;
得到子单元734e,用于当i等于n+1时,得到车辆车牌号码;
其中,缺失字符为无法识别的字符,显露字符为可识别的字符。
需要说明的是,上述实施例提供的装置,在实现其功能时,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将设备的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。另外,上述实施例提供的装置与方法实施例属于同一构思,其具体实现过程详见方法实施例,这里不再赘述。
请参考图9,其示出了本发明一个实施例提供的服务器的结构框架图。该服务器900包括中央处理单元(CPU)901、包括随机存取存储器(RAM)902和只读存储器(ROM)903的系统存储器904,以及连接系统存储器904和中央处理单元901的系统总线905。所述服务器900还包括帮助计算机内的各个器件之间传输信息的基本输入/输出系统(I/O系统)906,和用于存储操作系统913、应用程序914和其他程序模块915的大容量存储设备907。
所述基本输入/输出系统906包括有用于显示信息的显示器908和用于用户输入信息的诸如鼠标、键盘之类的输入设备909。其中所述显示器908和输入设备909都通过连接到系统总线905的输入输出控制器910连接到中央处理单元901。所述基本输入/输出系统906还可以包括输入输出控制器910以用于接收和处理来自键盘、鼠标、或电子触控笔等多个其他设备的输入。类似地,输入输出控制器910还提供输出到显示屏、打印机或其他类型的输出设备。
所述大容量存储设备907通过连接到系统总线905的大容量存储控制器(未示出)连接到中央处理单元901。所述大容量存储设备907及其相关联的计算机可读介质为服务器900提供非易失性存储。也就是说,所述大容量存储设备907可以包括诸如硬盘或者CD-ROI驱动器之类的计算机可读介质(未示出)。
不失一般性,所述计算机可读介质可以包括计算机存储介质和通信介质。计算机存储介质包括以用于存储诸如计算机可读指令、数据结构、程序模块或其他数据等信息的任何方法或技术实现的易失性和非易失性、可移动和不可移动介质。计算机存储介质包括RAM、ROM、EPROM、EEPROM、闪存或其他固态存储其技术,CD-ROM、DVD或其他光学存储、磁带盒、磁带、磁盘存储或其他磁性存储设备。当然,本领域技术人员可知所述计算机存储介质不局限于上述几种。上述的系统存储器904和大容量存储设备907可以统称为存储器。
根据本发明的各种实施例,所述服务器900还可以通过诸如因特网等网络连接到网络上的远程计算机运行。也即服务器900可以通过连接在所述系统总线905上的网络接口单元911连接到网络912,或者说,也可以使用网络接口单元911来连接到其他类型的网络或远程计算机系统(未示出)。
所述存储器还包括一个或者一个以上的程序,所述一个或者一个以上程序存储于存储器中,所述一个或者一个以上程序包含用于进行本发明实施例提供的车牌识别方法中由服务器900所执行的步骤。
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。
本领域普通技术人员可以理解实现上述实施例的车牌识别方法和图形码处理方法中全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (15)
1.一种车牌识别方法,其特征在于,所述方法包括:
接收第一图像采集设备发送的第一特征信息,所述第一特征信息包括第一车牌号码和第一异常标识,所述第一异常标识用于指示所述第一车牌号码是否异常;
接收第二图像采集设备发送的第二特征信息,所述第二特征信息包括第二车牌号码和第二异常标识,所述第二异常标识用于指示所述第二车牌号码是否异常;
当所述第一异常标识指示出所述第一车牌号码异常时,查询与所述第一特征信息匹配的所述第二特征信息,并根据所述第二特征信息中的所述第二车牌号码和异常的所述第一车牌号码,得到完整的车辆车牌号码,异常的所述第一车牌号码和所述第二车牌号码的并集为所述完整的车辆车牌号码;
其中,所述第一图像采集设备用于根据采集的第一图像确定所述第一特征信息,所述第二图像采集设备用于根据采集的第二图像确定所述第二特征信息,所述第一图像为车辆的车头图像和车尾图像中的一种,所述第二图像为所述车辆的所述车头图像和所述车尾图像中的另一种。
2.根据权利要求1所述的方法,其特征在于,所述第一特征信息还包括第一抓拍时间和/或第一车道编号;所述第二特征信息还包括第二抓拍时间和/或第二车道编号;
所述查询与所述第一特征信息匹配的所述第二特征信息,包括:
根据所述第一抓拍时间和/或所述第一车道编号,确定满足第一预设条件的m个所述第二特征信息,所述第一预设条件包括所述第二抓拍时间与所述第一抓拍时间的绝对值差值小于预定阈值和/或所述第二车道编号与所述第一车道编号相同;
将m个所述第二特征信息分别与所述第一特征信息进行模糊匹配,确定匹配程度最高的所述第二特征信息。
3.根据权利要求2所述的方法,其特征在于,所述将m个所述第二特征信息分别与所述第一特征信息进行模糊匹配,确定匹配程度最高的所述第二特征信息,包括:
根据m个所述第二特征信息,确定与m个所述第二特征信息对应的m个相似置信度,所述相似置信度用于表示所述第二特征信息与所述第一特征信息的匹配程度;
根据m个所述相似置信度,确定所述相似置信度最大的所述第二特征信息。
4.根据权利要求3所述的方法,其特征在于,所述第一特征信息还包括第一车辆类型、第一车辆颜色和第一车辆品牌中的至少一种第一信息项;所述第二特征信息还包括第二车辆类型、第二车辆颜色和第二车辆品牌中的至少一种第二信息项;
所述根据m个所述第二特征信息,确定与m个所述第二特征信息对应的m个相似置信度,包括:
针对每个所述第二特征信息,根据所述第二特征信息中的x个所述第二信息项,确定与x个所述第二信息项对应的x个子置信度,所述子置信度用于表示所述第二信息项与所述第一信息项的匹配程度,x为正整数;
针对每个所述第二特征信息,根据x个所述子置信度计算得到所述相似置信度。
5.根据权利要求4所述的方法,其特征在于,所述根据所述第二特征信息中的x个所述第二信息项,确定与x个所述第二信息项对应的x个子置信度,包括:
根据所述第二车牌号码与所述第一车牌号码中在相同位置上相同字符的字符个数,确定所述第二车牌号码对应的所述子置信度;和/或,
当所述第二车辆类型与所述第一车辆类型相同时,确定所述第二车辆类型对应的所述子置信度;和/或,
当所述第二车辆颜色与所述第一车辆颜色相同时,确定所述第二车辆颜色对应的所述子置信度;和/或,
当所述第二车辆品牌与所述第一车辆品牌相同时,确定所述第二车辆品牌对应的所述子置信度。
6.根据权利要求1至5任一所述的方法,其特征在于,所述根据所述第二特征信息中的所述第二车牌号码和异常的所述第一车牌号码,得到完整的车辆车牌号码,包括:
当所述第二特征信息中的所述第二异常标识指示出所述第二车牌号码正常时,将所述第二车牌号码确定为所述车辆车牌号码;
当所述第二特征信息中的所述第二异常标识指示出所述第二车牌号码异常时,依次比较所述第二车牌号码与所述第一车牌号码中的各个字符,根据比较结果确定所述车辆车牌号码。
7.根据权利要求6所述的方法,其特征在于,所述第一车牌号码和所述第二车牌号码中均包括n个所述字符,每个所述字符的字符类型为缺失字符或显露字符,n为正整数;
所述依次比较所述第二车牌号码与所述第一车牌号码中的各个字符,根据比较结果确定所述车辆车牌号码,包括:
判断所述第二车牌号码中的第i个字符与所述第一车牌号码中的第i个字符是否相等;
当所述第二车牌号码中的第i个字符与所述第一车牌号码中的第i个字符相等时,将所述第一车牌号码中的第i个字符确定为所述车辆车牌号码中的第i个字符,i的初始值为1;或,
当所述第二车牌号码中的第i个字符与所述第一车牌号码中的第i个字符不等时,若所述第一车牌号码中第i个字符为所述缺失字符,则将所述第二车牌号码中的第i个字符确定为所述车辆车牌号码中的第i个字符;或,若所述第二车牌号码中第i个字符的所述字符类型为所述缺失字符,则将所述第一车牌号码中的第i个字符确定为所述车辆车牌号码中的第i个字符;
在确定出所述车辆车牌号码中的第i个字符时将i加1,重新执行判断所述第二车牌号码中的第i个字符与所述第一车牌号码中的第i个字符是否相等的步骤;
当i等于n+1时,得到所述车辆车牌号码;
其中,所述缺失字符为无法识别的字符,所述显露字符为可识别的字符。
8.一种车牌识别装置,其特征在于,所述装置包括:
第一接收模块,用于接收第一图像采集设备发送的第一特征信息,所述第一特征信息包括第一车牌号码和第一异常标识,所述第一异常标识用于指示所述第一车牌号码是否异常;
第二接收模块,用于接收第二图像采集设备发送的第二特征信息,所述第二特征信息包括第二车牌号码和第二异常标识,所述第二异常标识用于指示所述第二车牌号码是否异常;
得到模块,用于当所述第一异常标识指示出所述第一车牌号码异常时,查询与所述第一特征信息匹配的所述第二特征信息,并根据所述第二特征信息中的所述第二车牌号码和异常的所述第一车牌号码,得到完整的车辆车牌号码,异常的所述第一车牌号码和所述第二车牌号码的并集为所述完整的车辆车牌号码;
其中,所述第一图像采集设备用于根据采集的第一图像确定所述第一特征信息,所述第二图像采集设备用于根据采集的第二图像确定所述第二特征信息,所述第一图像为车辆的车头图像和车尾图像中的一种,所述第二图像为所述车辆的所述车头图像和所述车尾图像中的另一种。
9.根据权利要求8所述的装置,其特征在于,所述第一特征信息还包括第一抓拍时间和/或第一车道编号;所述第二特征信息还包括第二抓拍时间和/或第二车道编号;
所述得到模块,包括:第一确定单元和第二确定单元;
所述第一确定单元,用于根据所述第一抓拍时间和/或所述第一车道编号,确定满足第一预设条件的m个所述第二特征信息,所述第一预设条件包括所述第二抓拍时间与所述第一抓拍时间的绝对值差值小于预定阈值和/或所述第二车道编号与所述第一车道编号相同;
所述第二确定单元,用于将m个所述第二特征信息分别与所述第一特征信息进行模糊匹配,确定匹配程度最高的所述第二特征信息。
10.根据权利要求9所述的装置,其特征在于,所述第二确定单元,包括:
第一确定子单元和第二确定子单元;
所述第一确定子单元,用于根据m个所述第二特征信息,确定与m个所述第二特征信息对应的m个相似置信度,所述相似置信度用于表示所述第二特征信息与所述第一特征信息的匹配程度;
所述第二确定子单元,用于根据m个所述相似置信度,确定所述相似置信度最大的所述第二特征信息。
11.根据权利要求10所述的装置,其特征在于,所述第一特征信息还包括第一车辆类型、第一车辆颜色和第一车辆品牌中的至少一种第一信息项;所述第二特征信息还包括第二车辆类型、第二车辆颜色和第二车辆品牌中的至少一种第二信息项;
所述第一确定子单元,还用于针对每个所述第二特征信息,根据所述第二特征信息中的x个所述第二信息项,确定与x个所述第二信息项对应的x个子置信度,所述子置信度用于表示所述第二信息项与所述第一信息项的匹配程度,x为正整数;针对每个所述第二特征信息,根据x个所述子置信度计算得到所述相似置信度。
12.根据权利要求11所述的装置,其特征在于,所述第一确定子单元,还用于根据所述第二车牌号码与所述第一车牌号码中在相同位置上相同字符的字符个数,确定所述第二车牌号码对应的所述子置信度;和/或,当所述第二车辆类型与所述第一车辆类型相同时,确定所述第二车辆类型对应的所述子置信度;和/或,当所述第二车辆颜色与所述第一车辆颜色相同时,确定所述第二车辆颜色对应的所述子置信度;和/或,当所述第二车辆品牌与所述第一车辆品牌相同时,确定所述第二车辆品牌对应的所述子置信度。
13.根据权利要求8至12任一所述的装置,其特征在于,所述得到模块,包括:第三确定单元和第四确定单元;
所述第三确定单元,用于当所述第二特征信息中的所述第二异常标识指示出所述第二车牌号码正常时,将所述第二车牌号码确定为所述车辆车牌号码;
所述第四确定单元,用于当所述第二特征信息中的所述第二异常标识指示出所述第二车牌号码异常时,依次比较所述第二车牌号码与所述第一车牌号码中的各个字符,根据比较结果确定所述车辆车牌号码。
14.根据权利要求13所述的装置,其特征在于,所述第一车牌号码和所述第二车牌号码中均包括n个所述字符,每个所述字符的字符类型为缺失字符或显露字符,n为正整数;
所述第四确定单元,包括:
判断子单元、第三确定子单元、第四确定子单元、循环子单元和得到子单元;
所述判断子单元,用于判断所述第二车牌号码中的第i个字符与所述第一车牌号码中的第i个字符是否相等;
所述第三确定子单元,用于当所述第二车牌号码中的第i个字符与所述第一车牌号码中的第i个字符相等时,将所述第一车牌号码中的第i个字符确定为所述车辆车牌号码中的第i个字符,i的初始值为1;或,
所述第四确定子单元,用于当所述第二车牌号码中的第i个字符与所述第一车牌号码中的第i个字符不等时,若所述第一车牌号码中第i个字符为所述缺失字符,则将所述第二车牌号码中的第i个字符确定为所述车辆车牌号码中的第i个字符;或,若所述第二车牌号码中第i个字符的所述字符类型为所述缺失字符,则将所述第一车牌号码中的第i个字符确定为所述车辆车牌号码中的第i个字符;
所述循环子单元,用于在确定出所述车辆车牌号码中的第i个字符时将i加1,重新执行判断所述第二车牌号码中的第i个字符与所述第一车牌号码中的第i个字符是否相等的步骤;
所述得到子单元,用于当i等于n+1时,得到所述车辆车牌号码;
其中,所述缺失字符为无法识别的字符,所述显露字符为可识别的字符。
15.一种车牌识别系统,其特征在于,所述系统包括:第一图像采集设备、第二图像采集设备和服务器,所述第一图像采集设备与所述服务器相连,所述第二图像采集设备与所述服务器相连;
所述第一图像采集设备,用于根据采集的第一图像确定第一特征信息,所述第一图像为车辆的车头图像和车尾图像中的一种;
所述第二图像采集设备,用于根据采集的第二图像确定第二特征信息,所述第二图像为所述车辆的所述车头图像和所述车尾图像中的另一种;
所述服务器包括如权利要求8至14任一所述的车牌识别装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710225284.8A CN108694399B (zh) | 2017-04-07 | 2017-04-07 | 车牌识别方法、装置及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710225284.8A CN108694399B (zh) | 2017-04-07 | 2017-04-07 | 车牌识别方法、装置及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108694399A CN108694399A (zh) | 2018-10-23 |
CN108694399B true CN108694399B (zh) | 2021-01-26 |
Family
ID=63843013
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710225284.8A Active CN108694399B (zh) | 2017-04-07 | 2017-04-07 | 车牌识别方法、装置及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108694399B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109815933A (zh) * | 2019-02-11 | 2019-05-28 | 山东省公安厅高速公路交通警察总队 | 一种多轴车自动识别取证装置、系统及方法 |
CN110211389A (zh) * | 2019-05-27 | 2019-09-06 | 武汉万集信息技术有限公司 | 车辆违规的确定方法及系统 |
CN110263788B (zh) * | 2019-07-17 | 2021-07-30 | 广西盖德科技有限公司 | 车辆通行快速识别方法及系统 |
CN112351275A (zh) * | 2019-08-06 | 2021-02-09 | 浙江宇视科技有限公司 | 一种基于原始图像的特征区域隐私保护的方法及装置 |
CN110991255B (zh) * | 2019-11-11 | 2023-09-08 | 智慧互通科技股份有限公司 | 一种基于深度学习算法的检测套牌车的方法 |
CN111199228B (zh) * | 2019-12-26 | 2023-03-28 | 深圳市芊熠智能硬件有限公司 | 一种车牌定位的方法及装置 |
CN112818744A (zh) * | 2020-12-30 | 2021-05-18 | 青岛中兴智能交通有限公司 | 一种进出车牌识别不一致自动纠正的方法及系统 |
JP7440442B2 (ja) | 2021-02-25 | 2024-02-28 | 三菱重工機械システム株式会社 | ナンバープレート認識装置、ナンバープレート認識方法、およびプログラム |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103456048A (zh) * | 2013-09-16 | 2013-12-18 | 张忠义 | 一种停车场完全基于车牌识别的停车收费方法 |
CN105893953A (zh) * | 2016-03-30 | 2016-08-24 | 上海博康智能信息技术有限公司 | 一车两牌车辆检测方法及其系统 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI381321B (zh) * | 2009-04-30 | 2013-01-01 | Ind Tech Res Inst | 重組多張影像與辨識方法以及影像擷取與辨識系統 |
CN102542806B (zh) * | 2010-12-28 | 2014-01-01 | 沈阳聚德视频技术有限公司 | 高速公路行驶车辆遮挡号牌实时监测系统及其控制方法 |
CN103942962B (zh) * | 2014-01-02 | 2016-07-13 | 浙江宇视科技有限公司 | 一种遮挡车牌的违章处理装置及方法 |
CN104574993B (zh) * | 2014-12-30 | 2016-07-13 | 北京数字智通科技有限公司 | 一种道路监控的方法及装置 |
CN105355052B (zh) * | 2015-10-23 | 2018-03-23 | 浙江宇视科技有限公司 | 一种车辆图像的合成方法和装置 |
CN205405899U (zh) * | 2016-02-23 | 2016-07-27 | 苏州科达科技股份有限公司 | 一种货车禁行违章抓拍装置 |
-
2017
- 2017-04-07 CN CN201710225284.8A patent/CN108694399B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103456048A (zh) * | 2013-09-16 | 2013-12-18 | 张忠义 | 一种停车场完全基于车牌识别的停车收费方法 |
CN105893953A (zh) * | 2016-03-30 | 2016-08-24 | 上海博康智能信息技术有限公司 | 一车两牌车辆检测方法及其系统 |
Non-Patent Citations (4)
Title |
---|
Automatic Number Plate Recognition for Video Surveillance System(ANPR):A Survey;Trupti Gondaliya et al;《IJSRD-International Journal for Scientific Research & Development》;20141231;第2卷(第9期);700-702 * |
Extraction of License Plate Region in Automatic License Plate Recognition;Rajesh Kannan Megalingam et al;《2010 International Conference on Mechanical and Electrical Technology》;20100912;496-501 * |
基于图像分析的车牌与车标定位及识别技术研究;杨雪丹;《中国优秀硕士学位论文全文数据库 信息科技辑》;20151015(第10期);正文全文 * |
高清道路监控系统的设计和实现;李军;《中国优秀硕士学位论文全文数据库 信息科技辑》;20150215(第2期);正文全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN108694399A (zh) | 2018-10-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108694399B (zh) | 车牌识别方法、装置及系统 | |
CN108062349B (zh) | 基于视频结构化数据及深度学习的视频监控方法和系统 | |
CN108053427B (zh) | 一种基于KCF与Kalman的改进型多目标跟踪方法、系统及装置 | |
CN106354816B (zh) | 一种视频图像处理方法及装置 | |
US11455805B2 (en) | Method and apparatus for detecting parking space usage condition, electronic device, and storage medium | |
CN108009473B (zh) | 基于目标行为属性视频结构化处理方法、系统及存储装置 | |
US10706330B2 (en) | Methods and systems for accurately recognizing vehicle license plates | |
US9014432B2 (en) | License plate character segmentation using likelihood maximization | |
US9685079B2 (en) | Short-time stopping detection from red light camera evidentiary photos | |
CN108052859B (zh) | 一种基于聚类光流特征的异常行为检测方法、系统及装置 | |
US20180204057A1 (en) | Object detection method and object detection apparatus | |
CN104303193B (zh) | 基于聚类的目标分类 | |
Wang et al. | An effective method for plate number recognition | |
KR101824446B1 (ko) | 강화 학습 기반 cctv용 차량 번호 인식 방법 | |
CN106384513A (zh) | 一种基于智能交通的套牌车捕捉系统及方法 | |
KR101987618B1 (ko) | 딥러닝 기반의 차량번호판 이미지 매칭 기법을 적용한 차량 번호판 특정 시스템 | |
CN106934817B (zh) | 基于多属性的多目标跟踪方法及装置 | |
US11587327B2 (en) | Methods and systems for accurately recognizing vehicle license plates | |
CN110738178A (zh) | 园区施工安全检测方法、装置、计算机设备及存储介质 | |
CN111079621B (zh) | 检测对象的方法、装置、电子设备和存储介质 | |
CN112016353A (zh) | 一种基于视频的人脸图像进行身份识别方法及装置 | |
CN103996045A (zh) | 一种基于视频的多种特征融合的烟雾识别方法 | |
CN108830204B (zh) | 面对目标的监控视频中异常检测方法 | |
CN112733598A (zh) | 车辆违法判别方法、装置、计算机设备和存储介质 | |
CN114219829A (zh) | 车辆跟踪方法、计算机设备及存储装置 |
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 |