CN109002820B - 一种车牌识别方法、装置及相关设备 - Google Patents

一种车牌识别方法、装置及相关设备 Download PDF

Info

Publication number
CN109002820B
CN109002820B CN201810682398.XA CN201810682398A CN109002820B CN 109002820 B CN109002820 B CN 109002820B CN 201810682398 A CN201810682398 A CN 201810682398A CN 109002820 B CN109002820 B CN 109002820B
Authority
CN
China
Prior art keywords
license plate
character
target vehicle
plate character
algorithm
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
Application number
CN201810682398.XA
Other languages
English (en)
Other versions
CN109002820A (zh
Inventor
向隽
吉翔
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Dimon Intelligent Transportation Technology Co ltd
Shenzhen baitingbao Technology Co.,Ltd.
Original Assignee
Dimeng Smart Transportation Shenzhen Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Dimeng Smart Transportation Shenzhen Co ltd filed Critical Dimeng Smart Transportation Shenzhen Co ltd
Priority to CN201810682398.XA priority Critical patent/CN109002820B/zh
Publication of CN109002820A publication Critical patent/CN109002820A/zh
Application granted granted Critical
Publication of CN109002820B publication Critical patent/CN109002820B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition
    • G06V30/14—Image acquisition
    • G06V30/146—Aligning or centring of the image pick-up or image-field
    • G06V30/1475—Inclination or skew detection or correction of characters or of image to be recognised
    • G06V30/1478—Inclination or skew detection or correction of characters or of image to be recognised of characters or characters lines
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition
    • G06V30/14—Image acquisition
    • G06V30/148—Segmentation of character regions
    • G06V30/153—Segmentation of character regions using recognition of characters or words
    • 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
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Character Discrimination (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明实施例提供了一种车牌识别方法、装置及相关设备，用于多维度识别车牌，提高车牌识别准确率。本发明实施例方法包括：获取摄像机拍摄的停车区域目标车辆的图像信息；采用第一图像识别算法识别所述目标车辆的图像信息得到第一车牌字符；若所述第一车牌字符中包含预置混淆字符，则采用第二图像识别算法识别所述目标车辆的图像信息得到第二车牌字符；若所述第一车牌字符与所述第二车牌字符相同，则判定所述目标车辆的车牌为所述第一车牌字符；若所述第一车牌字符与所述第二车牌字符不相同，则将所述目标车辆的图像信息发送给客户端，以供用户进行人工复检；接收客户端发送的第三车牌字符作为所述目标车辆的车牌。

Description

一种车牌识别方法、装置及相关设备
技术领域
本发明涉及智能停车场领域，具体涉及一种车牌识别方法、装置及相关设备。
背景技术
随着物联网技术在智能停车领域的应用，带来了智能停车领域的飞速发展，目前在无感智慧停车中，车牌识别是不可或缺的一环，车牌识别要求在车辆动态停车的过程中对车牌进行拍照和准确识别。
现有方案中，由于目前主流的车牌识别是基于摄像头等硬件设备采集图像并采用单一的识别算法识别车牌，但由于硬件设备及算法在技术上都还存在一定的技术缺陷，在特殊的环境中，经常会在视频图像的识别上存在误差，虽然目前各大硬件厂商都在努力从算法和图像处理方式上不断完善，但该问题目前并未彻底解决，而且进展缓慢，从而造成用户在停车体验过程中满意度不高。
因此，在初步获取到图像识别数据后，有必要对这些车牌采集图像进行多维度的验证纠错处理，从而确保车牌识别的准确性。
发明内容
本发明实施例提供了一种车牌识别方法、装置及相关设备，用于多维度识别车牌，提高车牌识别准确率。
本发明实施例第一方面提供了一种车牌识别方法，其特征在于，包括：
获取摄像机拍摄的停车区域目标车辆的图像信息；
采用第一图像识别算法识别所述目标车辆的图像信息得到第一车牌字符；
若所述第一车牌字符中包含预置混淆字符，则采用第二图像识别算法识别所述目标车辆的图像信息得到第二车牌字符；
若所述第一车牌字符与所述第二车牌字符相同，则判定所述目标车辆的车牌为所述第一车牌字符；
若所述第一车牌字符与所述第二车牌字符不相同，则将所述目标车辆的图像信息发送给客户端，以供用户进行人工复检；
接收客户端发送的第三车牌字符作为所述目标车辆的车牌。
可选的，作为一种可能的实施方式，本发明实施例中的车牌识别方法，还包括：
当所述第三车牌字符与所述第一车牌字符或第二车牌字符不相同时，将所述第一车牌字符或第二车牌字符中与所述第三车牌字符不相同的字符加入所述预置混淆字符。
可选的，作为一种可能的实施方式，本发明实施例中的车牌识别方法，还包括：
当所述第三车牌字符与所述第一车牌字符及所述第二车牌字符均不相同时，向巡检客户端发送所述目标车辆的位置信息，以使得巡检人员人工检验所述目标车辆的真实车牌。
本发明实施例中，所述第一图像识别算法与所述第二图像识别算法不同，可选的，所述第一图像识别算法与所述第二图像识别算法包括但不限于贝叶斯分类算法、聚类分析算法、BP神经网络算法、卷积神经网络算法、光学字符识别OCR算法。
本发明实施例第二方面提供了一种车牌识别装置，其特征在于，包括：
获取模块，用于获取摄像机拍摄的停车区域目标车辆的图像信息；
第一识别模块，采用第一图像识别算法识别所述目标车辆的图像信息得到第一车牌字符；
第二识别模块，若所述第一车牌字符中包含预置混淆字符，则采用第二图像识别算法识别所述目标车辆的图像信息得到第二车牌字符；
第一确定模块，若所述第一车牌字符与所述第二车牌字符相同，则判定所述目标车辆的车牌为所述第一车牌字符；
第一发送模块，若所述第一车牌字符与所述第二车牌字符不相同，则将所述目标车辆的图像信息发送给客户端，以供用户进行人工复检；
接收模块，用于接收客户端发送的第三车牌字符作为所述目标车辆的车牌。
可选的，作为一种可能的实施方式，本发明实施例中的车牌识别装置，还包括：
增加模块，当所述第三车牌字符与所述第一车牌字符或第二车牌字符不相同时，将所述第一车牌字符或第二车牌字符中与所述第三车牌字符不相同的字符加入所述预置混淆字符。
可选的，作为一种可能的实施方式，本发明实施例中的车牌识别装置，还包括：
第二发送模块，当所述第三车牌字符与所述第一车牌字符及所述第二车牌字符均不相同时，用于向巡检客户端发送所述目标车辆的位置信息，以使得巡检人员人工检验所述目标车辆的真实车牌。
本发明实施例中的所述第一图像识别算法与所述第二图像识别算法不同，可选的，所述第一图像识别算法与所述第二图像识别算法包括但不限于贝叶斯分类算法、聚类分析算法、BP神经网络算法、卷积神经网络算法、光学字符识别OCR算法。
本申请实施例第三方面提供了一种计算机装置，其特征在于，所述计算机装置包括处理器，所述处理器用于执行存储器中存储的计算机程序时实现如第一方面及第一方面中任意一种可能的实施方式中的步骤。
本申请实施例第四方面提供了一种计算机可读存储介质，其上存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现如第一方面及第一方面中任意一种可能的实施方式中的步骤。
从以上技术方案可以看出，本发明实施例具有以下优点：
本发明实施例中，车牌识别装置在获取到目标车辆的图像信息之后，可以采用第一图像识别算法识别该图像信息得到第一车牌字符，基于预先存储的容易混淆的预置混淆字符，车牌识别装置可以判断第一车牌字符中是否包含预置混淆字符，若包含预置混淆字符，则可以采用第二图像识别算法识别目标车辆的图像信息得到第二车牌字符，若第一车牌字符与第二车牌字符相同，则判定目标车辆的车牌为第一车牌字符；若第一车牌字符与第二车牌字符不相同，则将目标车辆的图像信息发送给客户端，以供用户进行人工复检，并接收客户端发送的第三车牌字符作为目标车辆的车牌，可以从多个维度对图像信息进行验证纠错处理，从而确保车牌识别的准确性。
附图说明
图1为本发明实施例中一种车牌识别方法的一个实施例示意图；
图2为本发明实施例中一种车牌识别方法的另一个实施例示意图；
图3为本发明实施例中一种车牌识别装置的一个实施例示意图；
图4为本发明实施例中一种车牌识别装置的另一个实施例示意图；
图5为本发明实施例中一种计算机装置的一个实施例示意图。
具体实施方式
本发明实施例提供了一种车牌识别方法、装置及相关设备，用于多维度识别车牌，提高车牌识别准确率。
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
为了便于理解，下面对本发明实施例中的具体流程进行描述，请参阅图1，本发明实施例中一种车牌识别方法的一个实施例可包括：
101、获取摄像机拍摄的停车区域目标车辆的图像信息；
本发明实施例中车牌识别装置可以通过有线或无线的方式连接到摄像机，并获取摄像机拍摄的停车区域目标车辆的图像信息，以识别目标车辆的车牌字符。
102、采用第一图像识别算法识别目标车辆的图像信息得到第一车牌字符；
在获取到目标图像的图像信息之后，车牌识别装置可以采用第一图像识别算法识别目标车辆的图像信息得到第一车牌字符。
具体的，车牌的识别过程，包括三个步骤，一：车牌区域检测，可以利用车牌的颜色和形状特征确认并获取汽车的车牌位置；二：字符分割，将获取到的汽车车牌按不同字符进行切割；三：车牌识别，最后利用图像识别算法对切割的字符进行识别达到最终的车牌识别。其中，车牌区域检测及字符分割过程的实现为现有技术此处不做赘述，在字符分割之后的车牌识别过程可以采用的图像识别算法可以包括但不限于贝叶斯分类算法、聚类分析算法、BP神经网络算法、卷积神经网络算法，具体此处不做限定。
103、判断第一车牌字符中是否包含预置混淆字符；
实际运用中，由于摄像机的拍摄角度、光线或摄像机的本身硬件的影响，导致拍摄出的图像不利于识别，或者由于图像识别算法本身的缺陷，可能出现字符识别混淆的情况，例如，2与Z混淆、1与L混淆。为了提高车牌识别精度，车牌识别装置可以将这些容易混淆的字符存储下来，用于判断第一车牌字符中是否包含预置混淆字符，若第一车牌字符中包含预置混淆字符，则目标车辆的车牌可能有识别错误的风险，此时可以执行步骤105；若第一车牌字符中不包含预置混淆字符，则执行步骤104。
可选的，预置混淆字符可以包括但不限于2与Z、1与L、1与T、C与G、1与I、I与L，具体的预置混淆字符可以根据用户的需求进行合理的设置，具体此处不做限定。
104、若第一车牌字符中不包含预置混淆字符，可以判定目标车辆的车牌为第一车牌字符，并结束流程。
105、若第一车牌字符中包含预置混淆字符，则采用第二图像识别算法识别目标车辆的图像信息得到第二车牌字符；
若第一车牌字符中包含预置混淆字符，则采用第二图像识别算法识别目标车辆的图像信息得到第二车牌字符，具体的第二图像识别算法与第一图像识别算法为不同的算法，第二图像识别算法可以包括但不限于贝叶斯分类算法、聚类分析算法、BP神经网络算法、卷积神经网络算法、光学字符识别OCR算法，具体的算法过程为现有技术，此处不做赘述。
可选的，作为一种可能的实施方式，车牌识别装置所采用的第二图像识别算法流程可以与第一图像识别算法的流程不同，例如，第二图像识别算法可以采用光学字符识别OCR算法直接从目标车辆的图像中识别出目标车辆的第二车牌字符，具体的OCR算法识别过程为1.先检测和提取文字区域；2.接着利用radon hough变换等方法进行文本校正；3.通过投影直方图分割出单行的文本的图片。最后是对单行的图片中的文字进行识别，主要由两种方式，第一种是需要分割字符(segmentation based method)的。分割字符之后采用贝叶斯分类算法、聚类分析算法、BP神经网络算法、卷积神经网络算法等识别车牌字符；第二种是无需分割字符(segmentation free method)的对于短长度的可以使用mutli-labelclassification多标签分类算法识别出车牌字符。具体的OCR算法实现过程为现有技术，此处不做赘述。
106、判断第一车牌字符与第二车牌字符是否相同；
采用两种不同的图像识别算法得到两个车牌字符之后，车牌识别装置可以判断第一车牌字符与第二车牌字符是否相同，若两个车牌字符相同，则目标车辆的车牌基本可以认为识别正确，执行步骤106；若两个车牌字符不相同，则说明两次识别的结果可能有误，需要执行步骤107进一步验证纠错。
107、若第一车牌字符与第二车牌字符相同，则判定目标车辆的车牌为第一车牌字符；
108、若第一车牌字符与第二车牌字符不相同，则将目标车辆的图像信息发送给客户端，以供用户进行人工复检；
若第一车牌字符与第二车牌字符不相同，则将目标车辆的图像信息发送给客户端，用户可以基于目标车辆的图像信息进行人工复检，并将人工识别到的第三车牌字符，通过客户端发送给车牌识别装置。
109、接收客户端发送的第三车牌字符作为目标车辆的车牌。
车牌识别装置可以接收到客户端发送的第三车牌字符作为目标车辆的车牌。
本发明实施例中，车牌识别装置在获取到目标车辆的图像信息之后，可以采用第一图像识别算法识别该图像信息得到第一车牌字符，基于预先存储的容易混淆的预置混淆字符，车牌识别装置可以判断第一车牌字符中是否包含预置混淆字符，若包含预置混淆字符，则可以采用第二图像识别算法识别目标车辆的图像信息得到第二车牌字符，若第一车牌字符与第二车牌字符相同，则判定目标车辆的车牌为第一车牌字符；若第一车牌字符与第二车牌字符不相同，则将目标车辆的图像信息发送给客户端，以供用户进行人工复检，并接收客户端发送的第三车牌字符作为目标车辆的车牌，可以从多个维度对图像信息进行验证纠错处理，从而确保车牌识别的准确性。
在上述图1所示的实施例的基础上，为了提高车牌识别的准确率，可以根据实践过程中的数据实时更新预置混淆字符，也可以进一步增加验证纠错步骤，请参阅图2，本发明实施例中一种车牌识别方法的另一个实施例可包括：
201、获取摄像机拍摄的停车区域目标车辆的图像信息；
202、采用第一图像识别算法识别目标车辆的图像信息得到第一车牌字符；
203、判断第一车牌字符中是否包含预置混淆字符。
204、若第一车牌字符中不包含预置混淆字符，可以判定目标车辆的车牌为第一车牌字符，并结束流程。
205、若第一车牌字符中包含预置混淆字符，则采用第二图像识别算法识别目标车辆的图像信息得到第二车牌字符；
206、判断第一车牌字符与第二车牌字符是否相同。
207、若第一车牌字符与第二车牌字符相同，则判定目标车辆的车牌为第一车牌字符；
208、若第一车牌字符与第二车牌字符不相同，则将目标车辆的图像信息发送给客户端，以供用户进行人工复检；
209、接收客户端发送的第三车牌字符作为目标车辆的车牌。
本发明实施例中的步骤201至209中所描述的内容与上述图1所示的实施例中的步骤101至109中描述的内容类似，具体请参阅步骤101至109，此处不做赘述。
210当第三车牌字符与第一车牌字符或第二车牌字符不相同时，将第一车牌字符或第二车牌字符中与第三车牌字符不相同的字符作为一个预置混淆字符。
可选的，当客户端发送的人工识别得到的第三车牌字符与第一车牌字符或第二车牌字符不相同时，说明该目标车辆的车牌中存在容易混淆的字符，可以将这些容易混淆的字符加入预置混淆字符中，将第一车牌字符或第二车牌字符中与第三车牌字符不相同的字符作为一个预置混淆字符，以便于提高车牌识别准确率。
211当第三车牌字符与第一车牌字符及第二车牌字符均不相同时，向巡检客户端发送目标车辆的位置信息，以使得巡检人员人工检验目标车辆的真实车牌。
可选的，当客户端发送的人工识别得到的第三车牌字符与第一车牌字符及第二车牌字符均不相同时，可能是摄像机采集到的目标车辆的图像信息不清晰不足以判断出目标车辆的真实车牌。为此，车牌识别装置可以向巡检客户端发送目标车辆的位置信息，以使得巡检人员人工检验目标车辆的真实车牌。
可以理解的是，在本发明的各种实施例中，上述各步骤的序号的大小并不意味着执行顺序的先后，各步骤的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
上述实施例对本发明实施例中的车牌识别方法进行了描述，下面将对本发明实施例中的车牌识别装置进行描述，请参阅图3，本发明实施例中一种车牌识别装置的一个实施例可包括：
获取模块301，用于获取摄像机拍摄的停车区域目标车辆的图像信息；
第一识别模块302，采用第一图像识别算法识别目标车辆的图像信息得到第一车牌字符；
第二识别模块303，若第一车牌字符中包含预置混淆字符，则采用第二图像识别算法识别目标车辆的图像信息得到第二车牌字符；
第一确定模块304，若第一车牌字符与第二车牌字符相同，则判定目标车辆的车牌为第一车牌字符；
第一发送模块305，若第一车牌字符与第二车牌字符不相同，则将目标车辆的图像信息发送给客户端，以供用户进行人工复检；
接收模块306，用于接收客户端发送的第三车牌字符作为目标车辆的车牌。
可选的，作为一种可能的实施方式，本发明实施例中的车牌识别装置还可以包括：
增加模块307，当第三车牌字符与第一车牌字符或第二车牌字符不相同时，将第一车牌字符或第二车牌字符中与第三车牌字符不相同的字符加入预置混淆字符。
可选的，作为一种可能的实施方式，本发明实施例中的车牌识别装置还可以包括：第二发送模块308，当第三车牌字符与第一车牌字符及第二车牌字符均不相同时，用于向巡检客户端发送目标车辆的位置信息，以使得巡检人员人工检验目标车辆的真实车牌。
本发明实施例中的第一图像识别算法与第二图像识别算法不同，可选的，第一图像识别算法与第二图像识别算法包括但不限于贝叶斯分类算法、聚类分析算法、BP神经网络算法、卷积神经网络算法、光学字符识别OCR算法。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
上面从模块化功能实体的角度对本申请实施例中的电子文档处理装置进行了描述，下面从硬件处理的角度对本申请实施例中的计算机装置进行描述：
本申请实施例还提供了一种计算机装置5，如图5所示，为了便于说明，仅示出了与本申请实施例相关的部分，具体技术细节未揭示的，请参照本申请实施例方法部分。该计算机装置5一般指服务器等处理能力较强的计算机设备。
参考图5，计算机装置5包括：电源510、存储器520、处理器530、有线或无线网络接口540以及存储在存储器中并可在处理器上运行的计算机程序。处理器执行计算机程序时实现上述各个基于区块链的资格认定方法实施例中的步骤，例如图1所示的步骤101至109。或者，处理器执行计算机程序时实现上述各装置实施例中各模块或单元的功能。
本申请的一些实施例中，处理器具体用于实现如下步骤：
获取摄像机拍摄的停车区域目标车辆的图像信息；
采用第一图像识别算法识别目标车辆的图像信息得到第一车牌字符；
若第一车牌字符中包含预置混淆字符，则采用第二图像识别算法识别目标车辆的图像信息得到第二车牌字符；
若第一车牌字符与第二车牌字符相同，则判定目标车辆的车牌为第一车牌字符；
若第一车牌字符与第二车牌字符不相同，则将目标车辆的图像信息发送给客户端，以供用户进行人工复检；
接收客户端发送的第三车牌字符作为目标车辆的车牌。
可选的，本申请的一些实施例中，处理器还可以用于实现如下步骤：
当第三车牌字符与第一车牌字符或第二车牌字符不相同时，将第一车牌字符或第二车牌字符中与第三车牌字符不相同的字符加入预置混淆字符。
可选的，本申请的一些实施例中，处理器还可以用于实现如下步骤：
当第三车牌字符与第一车牌字符及第二车牌字符均不相同时，向巡检客户端发送目标车辆的位置信息，以使得巡检人员人工检验目标车辆的真实车牌。
计算机装置5可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。示例性的，计算机程序可以被分割成一个或多个模块/单元，一个或者多个模块/单元被存储在存储器中，并由处理器执行。一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述计算机程序在计算机装置中的执行过程。
本领域技术人员可以理解，图5中示出的结构并不构成对计算机装置5的限定，计算机装置5可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置，例如计算机装置还可以包括输入输出设备、总线等。
所称处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，处理器是计算机装置的控制中心，利用各种接口和线路连接整个计算机装置的各个部分。
存储器可用于存储计算机程序和/或模块，处理器通过运行或执行存储在存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现计算机装置的各种功能。存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(SmartMedia Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
本申请还提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时，可以实现如下步骤：
获取摄像机拍摄的停车区域目标车辆的图像信息；
采用第一图像识别算法识别目标车辆的图像信息得到第一车牌字符；
若第一车牌字符中包含预置混淆字符，则采用第二图像识别算法识别目标车辆的图像信息得到第二车牌字符；
若第一车牌字符与第二车牌字符相同，则判定目标车辆的车牌为第一车牌字符；
若第一车牌字符与第二车牌字符不相同，则将目标车辆的图像信息发送给客户端，以供用户进行人工复检；
接收客户端发送的第三车牌字符作为目标车辆的车牌。
可选的，本申请的一些实施例中，处理器还可以用于实现如下步骤：
当第三车牌字符与第一车牌字符或第二车牌字符不相同时，将第一车牌字符或第二车牌字符中与第三车牌字符不相同的字符加入预置混淆字符。
可选的，本申请的一些实施例中，处理器还可以用于实现如下步骤：
当第三车牌字符与第一车牌字符及第二车牌字符均不相同时，向巡检客户端发送目标车辆的位置信息，以使得巡检人员人工检验目标车辆的真实车牌。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。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或者该技术方案的全部或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方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种车牌识别方法，其特征在于，包括：
获取摄像机拍摄的停车区域目标车辆的图像信息；
采用第一图像识别算法识别所述目标车辆的图像信息得到第一车牌字符；
若所述第一车牌字符中包含预置混淆字符，则采用第二图像识别算法识别所述目标车辆的图像信息得到第二车牌字符；
若所述第一车牌字符与所述第二车牌字符相同，则判定所述目标车辆的车牌为所述第一车牌字符；
若所述第一车牌字符与所述第二车牌字符不相同，则将所述目标车辆的图像信息发送给客户端，以供用户基于所述目标车辆的图像信息进行人工复检；
接收客户端发送的第三车牌字符作为所述目标车辆的车牌。
2.根据权利要求1所述的方法，其特征在于，还包括：
当所述第三车牌字符与所述第一车牌字符或第二车牌字符不相同时，将所述第一车牌字符或第二车牌字符中与所述第三车牌字符不相同的字符加入所述预置混淆字符。
3.根据权利要求2所述的方法，其特征在于，还包括：
当所述第三车牌字符与所述第一车牌字符及所述第二车牌字符均不相同时，向巡检客户端发送所述目标车辆的位置信息，以使得巡检人员人工检验所述目标车辆的真实车牌。
4.根据权利要求1至3中任一项所述的方法，其特征在于，所述第一图像识别算法与所述第二图像识别算法不同，所述第一图像识别算法与所述第二图像识别算法包括但不限于贝叶斯分类算法、聚类分析算法、BP神经网络算法、卷积神经网络算法、光学字符识别OCR算法。
5.一种车牌识别装置，其特征在于，包括：
获取模块，用于获取摄像机拍摄的停车区域目标车辆的图像信息；
第一识别模块，采用第一图像识别算法识别所述目标车辆的图像信息得到第一车牌字符；
第二识别模块，若所述第一车牌字符中包含预置混淆字符，则采用第二图像识别算法识别所述目标车辆的图像信息得到第二车牌字符；
第一确定模块，若所述第一车牌字符与所述第二车牌字符相同，则判定所述目标车辆的车牌为所述第一车牌字符；
第一发送模块，若所述第一车牌字符与所述第二车牌字符不相同，则将所述目标车辆的图像信息发送给客户端，以供用户基于所述目标车辆的图像信息进行人工复检；
接收模块，用于接收客户端发送的第三车牌字符作为所述目标车辆的车牌。
6.根据权利要求5所述的装置，其特征在于，还包括：
增加模块，当所述第三车牌字符与所述第一车牌字符或第二车牌字符不相同时，将所述第一车牌字符或第二车牌字符中与所述第三车牌字符不相同的字符加入所述预置混淆字符。
7.根据权利要求6所述的装置，其特征在于，还包括：
第二发送模块，当所述第三车牌字符与所述第一车牌字符及所述第二车牌字符均不相同时，用于向巡检客户端发送所述目标车辆的位置信息，以使得巡检人员人工检验所述目标车辆的真实车牌。
8.根据权利要求5至7中任一项所述的装置，其特征在于，所述第一图像识别算法与所述第二图像识别算法不同，所述第一图像识别算法与所述第二图像识别算法包括但不限于贝叶斯分类算法、聚类分析算法、BP神经网络算法、卷积神经网络算法、光学字符识别OCR算法。
9.一种计算机装置，其特征在于，所述计算机装置包括处理器，所述处理器用于执行存储器中存储的计算机程序时实现如权利要求1至3中任意一项所述方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现如权利要求1至3中任意一项所述方法的步骤。
CN201810682398.XA 2018-06-27 2018-06-27 一种车牌识别方法、装置及相关设备 Active CN109002820B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810682398.XA CN109002820B (zh) 2018-06-27 2018-06-27 一种车牌识别方法、装置及相关设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810682398.XA CN109002820B (zh) 2018-06-27 2018-06-27 一种车牌识别方法、装置及相关设备

Publications (2)

Publication Number Publication Date
CN109002820A CN109002820A (zh) 2018-12-14
CN109002820B true CN109002820B (zh) 2022-05-27

Family

ID=64600240

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810682398.XA Active CN109002820B (zh) 2018-06-27 2018-06-27 一种车牌识别方法、装置及相关设备

Country Status (1)

Country Link
CN (1) CN109002820B (zh)

Families Citing this family (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109493611A (zh) * 2018-12-28 2019-03-19 西安艾润物联网技术服务有限责任公司 一种车牌识别方法及装置
CN109934134A (zh) * 2019-02-28 2019-06-25 中山安信通机器人制造有限公司 识别车辆的方法、计算机装置以及计算机可读存储介质
CN110047314A (zh) * 2019-03-22 2019-07-23 西安艾润物联网技术服务有限责任公司 车位信息修正方法、装置及系统
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
CN110717834A (zh) * 2019-08-14 2020-01-21 中国平安人寿保险股份有限公司 基于大数据的数据处理方法和装置
CN112861567B (zh) * 2019-11-12 2024-01-05 上海高德威智能交通系统有限公司 一种车型分类方法及装置
CN111507342B (zh) * 2020-04-21 2023-10-10 浙江大华技术股份有限公司 一种图像处理方法、装置、系统及存储介质
CN111523544A (zh) * 2020-04-23 2020-08-11 上海眼控科技股份有限公司 车牌类型检测方法、系统、计算机设备及可读存储介质
CN111797713B (zh) * 2020-06-16 2024-08-06 浙江大华技术股份有限公司 车牌识别方法及拍照设备
CN112380933B (zh) * 2020-11-02 2023-11-07 中国兵器工业计算机应用技术研究所 无人机识别目标的方法、装置及无人机
CN112651313A (zh) * 2020-12-17 2021-04-13 国网上海市电力公司 一种设备铭牌双重智能化识别方法、存储介质及终端
CN114155361A (zh) * 2021-12-11 2022-03-08 浙江正泰中自控制工程有限公司 一种摄像直读表抄表方法及系统
US20240054795A1 (en) * 2022-08-12 2024-02-15 Reby Inc. Automatic Vehicle Verification

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101373517A (zh) * 2007-08-22 2009-02-25 北京万集科技有限责任公司 一种车牌识别方法及系统
CN101937508A (zh) * 2010-09-30 2011-01-05 湖南大学 一种基于高清图像的车牌定位与识别方法
CN106228840A (zh) * 2016-08-04 2016-12-14 浙江志诚软件有限公司 一种停车管理系统
CN107766826A (zh) * 2017-10-30 2018-03-06 广东小天才科技有限公司 一种查找单词释义的方法及电子设备

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB201104168D0 (en) * 2011-03-11 2011-04-27 Life On Show Ltd Information capture system
US9405988B2 (en) * 2013-08-13 2016-08-02 James Alves License plate recognition

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101373517A (zh) * 2007-08-22 2009-02-25 北京万集科技有限责任公司 一种车牌识别方法及系统
CN101937508A (zh) * 2010-09-30 2011-01-05 湖南大学 一种基于高清图像的车牌定位与识别方法
CN106228840A (zh) * 2016-08-04 2016-12-14 浙江志诚软件有限公司 一种停车管理系统
CN107766826A (zh) * 2017-10-30 2018-03-06 广东小天才科技有限公司 一种查找单词释义的方法及电子设备

Also Published As

Publication number Publication date
CN109002820A (zh) 2018-12-14

Similar Documents

Publication Publication Date Title
CN109002820B (zh) 一种车牌识别方法、装置及相关设备
CN110705405B (zh) 目标标注的方法及装置
CN109886928B (zh) 一种目标细胞标记方法、装置、存储介质及终端设备
CN111340787B (zh) 输电线路的导线缺陷检测识别方法、装置及计算机设备
CN110097068B (zh) 相似车辆的识别方法和装置
CN109117773B (zh) 一种图像特征点检测方法、终端设备及存储介质
CN111191582B (zh) 三维目标检测方法、检测装置、终端设备及计算机可读存储介质
CN107564329B (zh) 一种车辆查找方法及终端
CN104573680A (zh) 图像检测方法、图像检测装置以及交通违法检测系统
CN114638294A (zh) 一种数据增强方法、装置、终端设备及存储介质
CN116824135A (zh) 基于机器视觉的大气自然环境试验工业产品识别分割方法
CN108268868B (zh) 身份证图像的倾斜值获取方法及装置、终端、存储介质
CN112287905A (zh) 车辆损伤识别方法、装置、设备及存储介质
CN110969640A (zh) 视频图像的分割方法、终端设备以及计算机可读存储介质
CN108717533B (zh) 一种车牌智能识别方法、装置及相关设备
CN113191189A (zh) 人脸活体检测方法、终端设备及计算机可读存储介质
CN108629219B (zh) 一种识别一维码的方法及装置
CN111626313B (zh) 一种特征提取模型训练方法、图像处理方法及装置
CN112560621A (zh) 基于动物图像的识别方法、装置、终端及介质
CN116363076A (zh) 一种实验电路的电流流向判断方法和装置
CN111104965A (zh) 车辆目标识别的方法及装置
CN111967460B (zh) 文本检测方法、装置、电子设备及计算机存储介质
CN112883973A (zh) 车牌识别方法、装置、电子设备和计算机存储介质
CN113255405A (zh) 车位线识别方法及其系统、车位线识别设备、存储介质
CN110765862A (zh) 车标识别的方法及终端设备

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
CP01 Change in the name or title of a patent holder

Address after: 4 / F, Zhenye building, 2014 Bao'an South Road, Guiyuan street, Luohu District, Shenzhen, Guangdong 518000

Patentee after: Dimon Intelligent Transportation Technology Co.,Ltd.

Address before: 4 / F, Zhenye building, 2014 Bao'an South Road, Guiyuan street, Luohu District, Shenzhen, Guangdong 518000

Patentee before: DIMENG SMART TRANSPORTATION (SHENZHEN) CO.,LTD.

CP01 Change in the name or title of a patent holder
TR01 Transfer of patent right

Effective date of registration: 20230222

Address after: 518000 4C, floor 4, building B, Zhenye building, No. 2014, Bao'an South Road, guimuyuan community, Guiyuan street, Luohu District, Shenzhen, Guangdong Province

Patentee after: Shenzhen baitingbao Technology Co.,Ltd.

Address before: 4 / F, Zhenye building, 2014 Bao'an South Road, Guiyuan street, Luohu District, Shenzhen, Guangdong 518000

Patentee before: Dimon Intelligent Transportation Technology Co.,Ltd.

TR01 Transfer of patent right