CN109697386A - 一种车牌识别方法、装置及电子设备 - Google Patents
一种车牌识别方法、装置及电子设备 Download PDFInfo
- Publication number
- CN109697386A CN109697386A CN201710991351.7A CN201710991351A CN109697386A CN 109697386 A CN109697386 A CN 109697386A CN 201710991351 A CN201710991351 A CN 201710991351A CN 109697386 A CN109697386 A CN 109697386A
- Authority
- CN
- China
- Prior art keywords
- moving target
- video frame
- current video
- amount threshold
- frame
- 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
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000001514 detection method Methods 0.000 claims description 29
- 238000012545 processing Methods 0.000 claims description 24
- 238000004891 communication Methods 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 7
- 238000012360 testing method Methods 0.000 claims description 3
- 238000003672 processing method Methods 0.000 description 5
- 230000001960 triggered effect Effects 0.000 description 4
- 238000012217 deletion Methods 0.000 description 2
- 230000037430 deletion Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 210000003127 knee Anatomy 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
- G06V20/584—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of vehicle lights or traffic lights
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
- H04N21/44—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs
- H04N21/44008—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs involving operations for analysing video streams, e.g. detecting features or characteristics in the video stream
-
- 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
- G06V2201/07—Target detection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Image Analysis (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明实施例提供了一种车牌识别方法、装置及电子设备，包括：在当前视频帧中触发第一运动目标时，确定各所述第一运动目标在所述当前视频帧中的第一目标区域的位置信息，确定各所述第一运动目标对应的第一数量和第二数量，针对每个第一运动目标，依次获取所述当前视频帧之前的该第一运动目标对应的第一数量的视频帧，以及所述当前视频帧，并在所获取的视频帧中该第一运动目标对应的第一目标区域处进行车牌识别；针对每个第二运动目标，判断该第二运动目标对应的帧数是否小于该第二运动目标对应的第二数量，如果是，在所述当前视频帧中该第二运动目标对应的第二目标区域处进行车牌识别。本方案能够提高车牌识别的识别率。
Description
技术领域
本发明涉及视频处理技术领域，特别是涉及一种车牌识别方法、装置及电子设备。
背景技术
随着视频监控技术的不断发展，平安城市、智能小区、智能交通等建设的日益普遍，视频监控应用越来越广泛。如，在道路监控领域，视频采集设备可以采集到包含行驶车辆的监控视频，并且，视频采集设备可以对监控视频进行处理，或者将其采集的监控视频发送给电子设备进行处理，以对车辆进行识别，获取到车辆的车牌号等信息。
然而，当机动车行驶速度较快，一辆机动车可能只出现在帧数较少的视频帧中，同时，也可能出现大量的不包含机动车的视频帧，已知的车牌识别方法为隔帧处理的方式。即视频采集设备或电子设备在视频采集设备采集的视频帧中，间隔性地对视频帧进行车牌识别。
然而，上述方法可能会导致丢帧非常严重，甚至可能会漏掉一台或多台机动车不能被识别到，从而导致车牌识别率较低。
发明内容
本发明实施例的目的在于提供一种车牌识别方法、装置及电子设备，以提高车牌识别的识别率。具体技术方案如下：
第一方面，本发明实施例提供了一种车牌识别方法，所述方法包括：
获取当前视频帧，并检测所述当前视频帧中是否触发第一运动目标；
当所述当前视频帧中触发第一运动目标时，确定各所述第一运动目标在所述当前视频帧中的第一目标区域的位置信息，确定各所述第一运动目标对应的第一数量和第二数量，针对每个第一运动目标，依次获取所述当前视频帧之前的该第一运动目标对应的第一数量的视频帧，以及所述当前视频帧，并在所获取的视频帧中该第一运动目标对应的第一目标区域处进行车牌识别；
确定所述当前视频帧与所述当前视频帧之前的各第二运动目标的视频触发帧之间的帧数，针对每个第二运动目标，判断该第二运动目标对应的帧数是否小于该第二运动目标对应的第二数量，如果是，获取该第二运动目标在其视频触发帧中对应的第二目标区域的位置信息，并在所述当前视频帧中该第二运动目标对应的第二目标区域处进行车牌识别。
可选的，所述确定所述第一运动目标对应的第一数量和第二数量的步骤包括：
获取当前存储的数量阈值；
针对每个第一运动目标，设置该第一运动目标对应的第一数量与第二数量的和等于所述数量阈值的两倍，且该第一运动目标对应的第一数量与第二数量相等。
可选的，所述确定所述第一运动目标对应的第一数量和第二数量的步骤包括：
获取当前存储的数量阈值；
针对每个第一运动目标，检测该第一运动目标的运动方向；
设置该第一运动目标对应的第一数量与第二数量的和等于所述数量阈值的两倍，且当该第一运动目标的运动方向为正向运动时，设置该第一运动目标对应的第一数量小于第二数量；当该第一运动目标的运动方向为背向运动时，设置该第一运动目标对应的第一数量大于第二数量。
可选的，所述获取当前存储的数量阈值之前，所述方法还包括：
确定未处理的视频帧数；
根据所述未处理的视频帧数，以及存储未处理视频帧的存储空间容量，对所述数量阈值进行调整。
可选的，所述根据所述未处理的视频帧数，以及存储未处理视频帧的存储空间容量，对所述数量阈值进行调整的步骤包括：
当所述未处理的视频帧数与所述存储空间容量的比值大于第一预设阈值时，按照第一步长减小所述数量阈值；其中，所述数量阈值的最小值为0；
当所述未处理的视频帧数与所述存储空间容量的比值小于第二预设阈值时，按照第二步长增大所述数量阈值；其中，所述数量阈值的最大值为设定值。
可选的，在所述当前视频帧中该第二运动目标对应的第二目标区域处进行车牌识别之后，所述方法还包括：
删除所述当前视频帧之前的，与所述当前视频帧之间的帧数大于所述设定值的视频帧。
可选的，在所述当前视频帧中该第二运动目标对应的第二目标区域处进行车牌识别之后，所述方法还包括：
保存所述当前视频帧的帧号和各第一目标区域的位置信息的对应关系。
第二方面，本发明实施例提供了一种车牌识别装置，所述装置包括：
检测模块，用于获取当前视频帧，并检测所述当前视频帧中是否触发第一运动目标；
第一处理模块，用于当所述检测模块检测结果为是时，确定各所述第一运动目标在所述当前视频帧中的第一目标区域的位置信息，确定各所述第一运动目标对应的第一数量和第二数量，针对每个第一运动目标，依次获取所述当前视频帧之前的该第一运动目标对应的第一数量的视频帧，以及所述当前视频帧，并在所获取的视频帧中该第一运动目标对应的第一目标区域处进行车牌识别；
第二处理模块，用于确定所述当前视频帧与所述当前视频帧之前的各第二运动目标的视频触发帧之间的帧数，针对每个第二运动目标，判断该第二运动目标对应的帧数是否小于该第二运动目标对应的第二数量，如果是，获取该第二运动目标在其视频触发帧中对应的第二目标区域的位置信息，并在所述当前视频帧中该第二运动目标对应的第二目标区域处进行车牌识别。
可选的，所述第一处理模块包括：
第一获取子模块，用于获取当前存储的数量阈值；
第一设置子模块，用于针对每个第一运动目标，设置该第一运动目标对应的第一数量与第二数量的和等于所述数量阈值的两倍，且该第一运动目标对应的第一数量与第二数量相等。
可选的，所述第一处理模块包括：
第二获取子模块，用于获取当前存储的数量阈值；
检测子模块，用于针对每个第一运动目标，检测该第一运动目标的运动方向；
第二设置子模块，用于设置该第一运动目标对应的第一数量与第二数量的和等于所述数量阈值的两倍，且当该第一运动目标的运动方向为正向运动时，设置该第一运动目标对应的第一数量小于第二数量；当该第一运动目标的运动方向为背向运动时，设置该第一运动目标对应的第一数量大于第二数量。
可选的，所述装置还包括：
确定模块，用于确定未处理的视频帧数；
调整模块，用于根据所述未处理的视频帧数，以及存储未处理视频帧的存储空间容量，对所述数量阈值进行调整。
可选的，所述调整模块，包括：
第一调整子模块，用于当所述未处理的视频帧数与所述存储空间容量的比值大于第一预设阈值时，按照第一步长减小所述数量阈值；其中，所述数量阈值的最小值为0；
第二调整子模块，用于当所述未处理的视频帧数与所述存储空间容量的比值小于第二预设阈值时，按照第二步长增大所述数量阈值；其中，所述数量阈值的最大值为设定值。
可选的，所述装置还包括：
删除模块，用于删除所述当前视频帧之前的，与所述当前视频帧之间的帧数大于所述设定值的视频帧。
可选的，所述装置还包括：
存储模块，用于保存所述当前视频帧的帧号和各第一目标区域的位置信息的对应关系。
第三方面，本发明实施例提供了一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，所述处理器、所述通信接口、所述存储器通过所述通信总线完成相互间的通信；
所述存储器，用于存放计算机程序；
所述处理器，用于执行所述存储器上所存放的程序时，实现上述第一方面所述的方法步骤。
第四方面，本发明实施例提供了一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现如上述第一方面所述的方法步骤。
本发明实施例中，可以对每一视频帧均进行运动目标检测，只有在当前视频帧中运动目标达到触发条件时，才对当前视频帧及其前后几帧视频帧进行车牌识别，并且只对运动目标所在区域进行车牌识别，与现有的隔帧处理方法相比，能够提高车牌识别率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例的车牌识别方法的一种流程图；
图2为本发明实施例的车牌识别方法的另一种流程图；
图3为本发明实施例的车牌识别过程示意图；
图4为本发明实施例的车牌识别装置的结构示意图；
图5为本发明实施例的一种电子设备的结构示意图。
具体实施方式
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，都属于本发明保护的范围。
需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本发明。
为了提高车牌识别的识别率，本发明实施例提供了一种车牌识别方法，如图1所示，该方法可以包括以下步骤：
S101，获取当前视频帧，并检测所述当前视频帧中是否触发第一运动目标；如果是，执行步骤S102，如果否，执行步骤S103。
本发明实施例提供的方法可以应用于电子设备，具体的，可以应用于具有处理视频数据功能的电子设备，如台式计算机、膝上型便捷计算机、智能移动终端等。
在本发明实施例中，考虑到一些情况下，机动车行驶速度较快，一辆机动车可能只出现在帧数较少的视频帧中，同时，也可能出现大量的不包含机动车的视频帧。如果采取隔帧处理的方式，可能会导致丢帧非常严重，可能会漏掉一台或多台机动车不能被识别到。但是，每一帧视频帧都进行车牌识别，会耗费大量的时间，车牌识别效率较低。
为了在不影响车牌识别效率的同时提高车辆识别的准确率，可以不对每一视频帧都进行车牌识别，而仅对每一视频帧进行运动目标检测，只有在当前视频帧中检测到运动目标时，才对当前视频帧及其前后几帧视频帧进行车牌识别。与车牌识别相比，运动目标检测耗时较短，从而与对每一视频帧都进行车牌识别相比，本发明实施例的方法能够提高整个车牌识别过程的效率。
在本发明实施例中，电子设备可以获取当前视频帧，并检测当前视频帧中是否触发第一运动目标。例如，当前端视频采集设备将其采集的监控视频直接发送给电子设备进行存储时，电子设备可以直接从本地获取到当前视频帧；当前端视频采集设备将其采集的监控视频发送给电子设备之外的存储设备进行存储时，电子设备可以从该存储设备中获取到当前视频帧。其中，当前视频帧为正在检测的视频帧，第一运动目标可以为各种机动车。
具体的，电子设备可以在未处理的监控视频中，依次获取一帧作为当前视频帧，并对当前视频帧进行检测，检测其中是否触发第一运动目标，如检测预设位置范围内是否存在第一运动目标等，如果是，则确定触发第一运动目标。例如，可以采用Boost检测算法来进行第一运动目标检测，或采用其他目标检测算法对第一运动目标进行检测，本发明实施例对此不做限定。
需要说明的是，本发明实施例中，在当前视频帧中可以触发一个第一运动目标，也可以触发多个第一运动目标，这都是合理的。
S102，确定各所述第一运动目标在所述当前视频帧中的第一目标区域的位置信息，确定各所述第一运动目标对应的第一数量和第二数量，针对每个第一运动目标，依次获取所述当前视频帧之前的该第一运动目标对应的第一数量的视频帧，以及所述当前视频帧，并在所获取的视频帧中该第一运动目标对应的第一目标区域处进行车牌识别。
本发明实施例中，如果检测到当前视频帧中触发第一运动目标，电子设备可以进一步确定各第一运动目标在当前视频帧中所出现的区域，该区域可以称为各第一运动目标对应的第一目标区域。如，可以采用blob算法来确定各第一运动目标在当前视频帧中对应的各第一目标区域，或者可以采用其他位置检测算法对各第一运动目标进行位置检测，本发明实施例对此不做限定。
电子设备还可以确定各第一目标区域的位置信息，如当任一第一目标区域为长方形时，可以在当前视频帧中构建坐标系，并将该第一目标区域四个顶点的坐标作为该第一目标区域的位置信息。
在当前视频帧中触发任一第一运动目标时，电子设备可以在当前视频帧前后几帧视频帧中对该第一运动目标进行车牌识别，以根据几帧视频帧的识别结果，综合确定该第一运动目标的车牌识别结果。具体的，电子设备可以确定该第一运动目标对应的第一数量和第二数量，第一数量即为对该第一运动目标进行车牌识别所对应的当前视频帧之前的帧数，第二数量为对该第一运动目标进行车牌识别所对应的当前视频帧之后的帧数。
需要说明的是，本发明实施例中，每个运动目标均有其对应的第一数量和第二数量。并且，各运动目标对应的第一数量可以相同，也可以不同；各运动目标对应的第二数量可以相同，也可以不同，本发明实施例对此不做限定。
在本发明实施例的一种实现方式中，确定各第一运动目标对应的第一数量和第二数量的步骤可以包括：获取当前存储的数量阈值，并针对每个第一运动目标，设置该第一运动目标对应的第一数量与第二数量的和等于该数量阈值的两倍，且该第一运动目标对应的第一数量与第二数量相等。
可见，第一数量和第二数量的大小取决于当前存储的数量阈值，该数量阈值可以是预先设定并存储在电子设备中的。例如，当前存储的数量阈值为5时，则各第一运动目标对应的第一数量和第二数量的和等于10，且第一数量和第二数量均等于5。
在本发明实施例的又一种实现方式中，确定各第一运动目标对应的第一数量和第二数量的步骤可以包括：获取当前存储的数量阈值，针对每个第一运动目标，检测该第一运动目标的运动方向；设置该第一运动目标对应的第一数量与第二数量的和等于该数量阈值的两倍，且当该第一运动目标的运动方向为正向运动时，设置该第一运动目标对应的第一数量小于第二数量；当该第一运动目标的运动方向为背向运动时，设置该第一运动目标对应的第一数量大于第二数量。
其中，任一第一运动目标的运动方向可以包括：正向运动和背向运动。例如，当前视频帧中后向拍摄车辆向远运动，则车辆的运动方向为背向运动；当前视频帧中正向拍摄车辆靠近运动，则车辆的运动方向为正向运动。在获取到当前存储的数量阈值时，可以检测各第一运动目标的运动方向，并结合各第一运动目标的运动方向，设置各第一运动目标对应的第一数量与第二数量的和等于数量阈值的两倍，且第一数量大于第二数量，或者第一数量小于第二数量。
具体的，检测各第一运动目标的运动方向的过程，可以采用现有的任一种技术，本发明实施例对此不进行限定。在任一第一运动目标的运动方向为正向运动时，可以设置该第一运动目标对应的第一数量小于第二数量；在任一第一运动目标的运动方向为背向运动时，可以设置该第一运动目标对应的第一数量大于第二数量。
可以理解，正向运动的目标，其距离视频采集设备的距离越来越近；而背向运动的目标，其距离视频采集设备的距离越来越远。因此，当任一第一运动目标为正向运动时，设置其对应的第一数量小于第二数量，也即通过更多的当前视频帧之后的视频帧对该第一运动目标进行车牌识别；当任一第一运动目标为背向运动时，设置其对应的第一数量大于第二数量，也即通过更多的当前视频帧之前的视频帧对该第一运动目标进行车牌识别。从而，可以根据包含各第一运动目标，且各第一运动目标距离视频采集设备更近的视频帧，对各第一运动目标进行车牌识别，提高车牌识别的准确性。
例如，在任一第一运动目标的运动方向为正向运动，且数量阈值为5时，可以设置该第一运动目标对应的第一数量与第二数量的和等于10，且第一数量为3、第二数量为7，或者第一数量为4，第二数量为6，其中，数量阈值、第一数量及第二数量不限于所举例实例。
又例如，在任一第一运动目标的运动方向为背向运动，且数量阈值为4时，可以设置该第一运动目标对应的第一数量与第二数量的和等于8，且第一数量为6、第二数量为2，或者第一数量为5，第二数量为3，其中，数量阈值、第一数量及第二数量不限于所举实例。
确定各第一运动目标对应的第一数量和第二数量后，电子设备可以针对每个第一运动目标，通过当前视频帧之前该第一运动目标对应的第一数量的视频帧，以及当前视频帧之后该第一运动目标对应的第二数量的视频帧，对该第一运动目标进行车牌识别。
具体的，电子设备可以针对每个第一运动目标，依次获取当前视频帧之前的该第一运动目标对应的第一数量的视频帧，以及当前视频帧，并在所获取的视频帧中该第一运动目标对应的第一目标区域处进行车牌识别。对当前视频帧之后的该第一运动目标对应的第二数量的视频帧进行识别的过程，将在后续将每个视频帧作为当前视频帧时进行。
如，当前视频帧为第56帧，且任一第一运动目标对应的第一数量为5，第二数量也为5时，电子设备可以依次获取第51、52、53、54、55、56视频帧，在每一视频帧中该第一运动目标对应的第一目标区域处进行车牌识别，并在后续5帧视频帧的每一视频帧中该第一运动目标对应的第一目标区域处进行车牌识别。
S103，确定所述当前视频帧与所述当前视频帧之前的各第二运动目标的视频触发帧之间的帧数，针对每个第二运动目标，判断该第二运动目标对应的帧数是否小于该第二运动目标对应的第二数量，如果是，执行步骤S104。
本发明实施例中，如果检测到当前视频帧中触发第一运动目标，且对当前视频帧和当前视频帧之前各第一运动目标对应的第一数量的视频帧进行车牌识别后，或者检测到当前视频帧中未触发第一运动目标时，电子设备可以确定当前视频帧和当前视频帧之前的各第二运动目标的视频触发帧之间的帧数，并针对每个第二运动目标，判断该第二运动目标对应的帧数是否小于该第二运动目标对应的第二数量，以确定是否要在当前视频帧中对各第二运动目标进行车牌识别。
其中，各第二运动目标的视频触发帧即为触发各第二运动目标的视频帧。第二运动目标的数量可以为一个，也可以为多个，本发明实施例对此不进行限定。
S104，获取该第二运动目标在其视频触发帧中对应的第二目标区域的位置信息，并在所述当前视频帧中该第二运动目标对应的第二目标区域处进行车牌识别。
当针对任一第二运动目标，电子设备确定该第二运动目标对应的帧数小于该第二运动目标对应的第二数量时，表明当前视频帧为该第二运动目标对应的第二数量的视频帧。这种情况下，电子设备可以获取该第二运动目标在其视频触发帧中对应的第二目标区域的位置信息，并在当前视频帧中该第二运动目标对应的第二目标区域处进行车牌识别。
本发明实施例中，可以对每一视频帧均进行运动目标检测，只有在当前视频帧中运动目标达到触发条件时，才对当前视频帧及其前后几帧视频帧进行车牌识别，并且只对运动目标所在区域进行车牌识别，与现有的隔帧处理方法相比，能够提高车牌识别率。
作为本发明实施例的一种实施方式，为了合理使用存储设备的存储空间，提高存储空间的使用率，如图2所示，在获取当前存储的数量阈值之前，本发明实施例的车牌识别方法还可以包括以下步骤：
S201，确定未处理的视频帧数。
存储空间中可以存储大量未处理的视频帧，在本实施例中，电子设备可以统计并确定未处理的视频帧数。
S202，根据所述未处理的视频帧数，以及存储未处理视频帧的存储空间容量，对所述数量阈值进行调整。
本发明实施例中，在确定出未处理的视频帧数之后，电子设备可以获取存储未处理视频帧的存储空间容量，实时调整数量阈值。如，可以在预定的最小值和最大值之间对数量阈值进行调整，如最小值可以为0，最大值可以为5。可以理解，同一运动目标由于其有速度，其出现的视频帧数不会过大，因此，设定数量阈值的最大值可以避免过多的重复检测与识别，提高车牌识别效率。
具体的，根据未处理的视频帧数，以及存储未处理视频帧的存储空间容量，对数量阈值进行调整的过程可以为：当未处理的视频帧数与存储空间容量的比值大于第一预设阈值(如2/3)时，按照第一步长减小数量阈值。其中，数量阈值的最小值为0；未处理的视频帧数与存储空间容量的比值小于第二预设阈值(如1/3)时，按照第二步长增大数量阈值；其中，数量阈值的最大值为设定值。
本发明实施例中，预先设定了第一预设阈值及第二预设阈值，这样，当未处理的视频帧数与存储空间容量的比值大于第一预设阈值时，表示剩余存储视频帧的存储空间容量比较少，则可以按照第一步长减小数量阈值，如每次减小1，以提高视频处理速度，释放存储空间。当未处理的视频帧数与存储空间容量的比值小于第二预设阈值时，表示剩余存储视频帧的存储空间容量比较多，则可以按照第一步长增大数量阈值，如每次增大1，以通过更多的视频帧来进行车牌识别，提高车牌识别的准确性。
作为本发明实施例的一种实施方式，电子设备在当前视频帧中各第二运动目标对应的第二目标区域处均进行车牌识别之后，还可以删除当前视频帧之前的，与当前视频帧之间的帧数大于设定值的视频帧。
实时删除已进行处理的视频帧，可以有效释放存储空间，且能够保证电子设备的运行速度等参数，从而进一步提高车牌识别效率。并且，进行视频帧删除时，将当前视频帧之前的，与当前视频帧之间的帧数大于设定值的视频帧删除，能够保证在下一视频帧中检测到运动目标时，不论该运动目标对应的第一数量为多少，都可以获取到下一视频帧之前的，该运动目标对应的第一数量的视频帧。
作为本发明实施例的一种实施方式，在当前视频帧中各第二运动目标对应的第二目标区域处均进行车牌识别之后，电子设备还可以保存当前视频帧的帧号和各第一目标区域的位置信息的对应关系，从而电子设备在当前视频帧之后的视频帧中对各第一运动目标进行车牌识别时，可以仅在各第一目标区域处进行车牌识别，提高车牌识别效率。
下面结合一个具体的实施例，对本发明提供的车牌识别方法进行详细说明。
如图3所示，本实施例中，可以设定数量阈值为3，一共有10帧视频帧，第5帧和第6帧分别有一个运动目标，实际处理流程如下：
依次获取第1-4视频帧，进行运动目标检测后，确定第1-4视频帧中未触发运动目标；
获取第5帧，进行运动目标检测后，确定触发运动目标A，则存储运动目标A的目标区域；
依次获取第2-5帧，对A目标进行识别；
获取第6帧，进行运动目标检测，检测到触发运动目标B，并进行车牌识别处理(识别A目标区域)；
依次获取第3-6帧，对B目标进行识别；
获取第7帧，进行运动目标检测，未触发运动目标，进行识别处理(同时识别A和B目标区域)，并清除缓冲区中的第1帧；
获取第8帧，进行运动目标检测，未触发运动目标，进行识别处理(同时识别A和B目标区域)，并清除缓冲区中的第2帧；
获取第9帧，进行运动目标检测，未触发运动目标，进行识别处理(识别B目标区域)，并清除缓冲区中的第3帧；
获取第10帧，进行运动目标检测，未触发运动目标，并清除缓冲区中的第4帧。
相应的，本发明实施例还提供了一种车牌识别装置，如图4所示，该装置可以包括：
检测模块410，用于获取当前视频帧，并检测所述当前视频帧中是否触发第一运动目标；
第一处理模块420，用于当所述检测模块410检测结果为是时，确定各所述第一运动目标在所述当前视频帧中的第一目标区域的位置信息，确定各所述第一运动目标对应的第一数量和第二数量，针对每个第一运动目标，依次获取所述当前视频帧之前的该第一运动目标对应的第一数量的视频帧，以及所述当前视频帧，并在所获取的视频帧中该第一运动目标对应的第一目标区域处进行车牌识别；
第二处理模块430，用于确定所述当前视频帧与所述当前视频帧之前的各第二运动目标的视频触发帧之间的帧数，针对每个第二运动目标，判断该第二运动目标对应的帧数是否小于该第二运动目标对应的第二数量，如果是，获取该第二运动目标在其视频触发帧中对应的第二目标区域的位置信息，并在所述当前视频帧中该第二运动目标对应的第二目标区域处进行车牌识别。
本发明实施例中，可以对每一视频帧均进行运动目标检测，只有在当前视频帧中运动目标达到触发条件时，才对当前视频帧及其前后几帧视频帧进行车牌识别，并且只对运动目标所在区域进行车牌识别，与现有的隔帧处理方法相比，能够提高车牌识别率。
作为本发明实施例的一种实施方式，所述第一处理模块420包括：
第一获取子模块(图中未示出)，用于获取当前存储的数量阈值；
第一设置子模块(图中未示出)，用于针对每个第一运动目标，设置该第一运动目标对应的第一数量与第二数量的和等于所述数量阈值的两倍，且该第一运动目标对应的第一数量与第二数量相等。
作为本发明实施例的一种实施方式，所述第一处理模块420包括：
第二获取子模块(图中未示出)，用于获取当前存储的数量阈值；
检测子模块(图中未示出)，用于针对每个第一运动目标，检测该第一运动目标的运动方向；
第二设置子模块(图中未示出)，用于设置该第一运动目标对应的第一数量与第二数量的和等于所述数量阈值的两倍，且当该第一运动目标的运动方向为正向运动时，设置该第一运动目标对应的第一数量小于第二数量；当该第一运动目标的运动方向为背向运动时，设置该第一运动目标对应的第一数量大于第二数量。
作为本发明实施例的一种实施方式，所述装置还包括：
确定模块(图中未示出)，用于确定未处理的视频帧数；
调整模块(图中未示出)，用于根据所述未处理的视频帧数，以及存储未处理视频帧的存储空间容量，对所述数量阈值进行调整。
作为本发明实施例的一种实施方式，所述调整模块，包括：
第一调整子模块(图中未示出)，用于当所述未处理的视频帧数与所述存储空间容量的比值大于第一预设阈值时，按照第一步长减小所述数量阈值；其中，所述数量阈值的最小值为0；
第二调整子模块(图中未示出)，用于当所述未处理的视频帧数与所述存储空间容量的比值小于第二预设阈值时，按照第二步长增大所述数量阈值；其中，所述数量阈值的最大值为设定值。
作为本发明实施例的一种实施方式，所述装置还包括：
删除模块(图中未示出)，用于删除所述当前视频帧之前的，与所述当前视频帧之间的帧数大于所述设定值的视频帧。
作为本发明实施例的一种实施方式，所述装置还包括：
存储模块(图中未示出)，用于保存所述当前视频帧的帧号和各第一目标区域的位置信息的对应关系。
相应的，本发明实施例还提供了一种电子设备，如图5所示，该电子设备可以包括处理器510、通信接口520、存储器530和通信总线540，其中，所述处理器510、所述通信接口520、所述存储器530通过所述通信总线540完成相互间的通信；
所述存储器530，用于存放计算机程序；
所述处理器510，用于执行所述存储器530上所存放的程序时，实现以下步骤：
获取当前视频帧，并检测所述当前视频帧中是否触发第一运动目标；
当所述当前视频帧中触发第一运动目标时，确定各所述第一运动目标在所述当前视频帧中的第一目标区域的位置信息，确定各所述第一运动目标对应的第一数量和第二数量，针对每个第一运动目标，依次获取所述当前视频帧之前的该第一运动目标对应的第一数量的视频帧，以及所述当前视频帧，并在所获取的视频帧中该第一运动目标对应的第一目标区域处进行车牌识别；
确定所述当前视频帧与所述当前视频帧之前的各第二运动目标的视频触发帧之间的帧数，针对每个第二运动目标，判断该第二运动目标对应的帧数是否小于该第二运动目标对应的第二数量，如果是，获取该第二运动目标在其视频触发帧中对应的第二目标区域的位置信息，并在所述当前视频帧中该第二运动目标对应的第二目标区域处进行车牌识别。
本发明实施例中，可以对每一视频帧均进行运动目标检测，只有在当前视频帧中运动目标达到触发条件时，才对当前视频帧及其前后几帧视频帧进行车牌识别，并且只对运动目标所在区域进行车牌识别，与现有的隔帧处理方法相比，能够提高车牌识别率。
上述电子设备提到的通信总线540可以是外设部件互连标准(PeripheralComponent Interconnect，简称PCI)总线或扩展工业标准结构(Extended IndustryStandard Architecture，简称EISA)总线等。该通信总线540可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条线表示，但并不表示仅有一根总线或一种类型的总线。
通信接口520用于上述计算机设备与其他设备之间的通信。
存储器530可以包括随机存取存储器(Random Access Memory，简称RAM)，也可以包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。可选的，存储器530还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器510可以是通用处理器，包括中央处理器(Central ProcessingUnit，简称CPU)、网络处理器(Ne twork Processor，简称NP)等；还可以是数字信号处理器(Digital Signal Processing，简称DSP)、专用集成电路(Applica tion SpecificIntegrated Circuit，简称ASIC)、现场可编程门阵列(Field－Programmable Gate Array，简称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。
相应的，本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现如上述实施例所述的一种车牌识别方法。
本发明实施例中，可以对每一视频帧均进行运动目标检测，只有在当前视频帧中运动目标达到触发条件时，才对当前视频帧及其前后几帧视频帧进行车牌识别，并且只对运动目标所在区域进行车牌识别，与现有的隔帧处理方法相比，能够提高车牌识别率。
对于装置/电子设备/存储介质实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。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，均包含在本发明的保护范围内。
Claims (15)
1.一种车牌识别方法，其特征在于，所述方法包括：
获取当前视频帧，并检测所述当前视频帧中是否触发第一运动目标；
当所述当前视频帧中触发第一运动目标时，确定各所述第一运动目标在所述当前视频帧中的第一目标区域的位置信息，确定各所述第一运动目标对应的第一数量和第二数量，针对每个第一运动目标，依次获取所述当前视频帧之前的该第一运动目标对应的第一数量的视频帧，以及所述当前视频帧，并在所获取的视频帧中该第一运动目标对应的第一目标区域处进行车牌识别；
确定所述当前视频帧与所述当前视频帧之前的各第二运动目标的视频触发帧之间的帧数，针对每个第二运动目标，判断该第二运动目标对应的帧数是否小于该第二运动目标对应的第二数量，如果是，获取该第二运动目标在其视频触发帧中对应的第二目标区域的位置信息，并在所述当前视频帧中该第二运动目标对应的第二目标区域处进行车牌识别。
2.根据权利要求1所述的方法，其特征在于，所述确定各所述第一运动目标对应的第一数量和第二数量的步骤包括：
获取当前存储的数量阈值；
针对每个第一运动目标，设置该第一运动目标对应的第一数量与第二数量的和等于所述数量阈值的两倍，且该第一运动目标对应的第一数量与第二数量相等。
3.根据权利要求1所述的方法，其特征在于，所述确定各所述第一运动目标对应的第一数量和第二数量的步骤包括：
获取当前存储的数量阈值；
针对每个第一运动目标，检测该第一运动目标的运动方向；
设置该第一运动目标对应的第一数量与第二数量的和等于所述数量阈值的两倍，且当该第一运动目标的运动方向为正向运动时，设置该第一运动目标对应的第一数量小于第二数量；当该第一运动目标的运动方向为背向运动时，设置该第一运动目标对应的第一数量大于第二数量。
4.根据权利要求2或3所述的方法，其特征在于，所述获取当前存储的数量阈值之前，所述方法还包括：
确定未处理的视频帧数；
根据所述未处理的视频帧数，以及存储未处理视频帧的存储空间容量，对所述数量阈值进行调整。
5.根据权利要求4所述的方法，其特征在于，所述根据所述未处理的视频帧数，以及存储未处理视频帧的存储空间容量，对所述数量阈值进行调整的步骤包括：
当所述未处理的视频帧数与所述存储空间容量的比值大于第一预设阈值时，按照第一步长减小所述数量阈值；其中，所述数量阈值的最小值为0；
当所述未处理的视频帧数与所述存储空间容量的比值小于第二预设阈值时，按照第二步长增大所述数量阈值；其中，所述数量阈值的最大值为设定值。
6.根据权利要求5所述的方法，其特征在于，在所述当前视频帧中该第二运动目标对应的第二目标区域处进行车牌识别之后，所述方法还包括：
删除所述当前视频帧之前的，与所述当前视频帧之间的帧数大于所述设定值的视频帧。
7.根据权利要求1-3任一所述的方法，其特征在于，在所述当前视频帧中该第二运动目标对应的第二目标区域处进行车牌识别之后，所述方法还包括：
保存所述当前视频帧的帧号和各第一目标区域的位置信息的对应关系。
8.一种车牌识别装置，其特征在于，所述装置包括：
检测模块，用于获取当前视频帧，并检测所述当前视频帧中是否触发第一运动目标；
第一处理模块，用于当所述检测模块检测结果为是时，确定各所述第一运动目标在所述当前视频帧中的第一目标区域的位置信息，确定各所述第一运动目标对应的第一数量和第二数量，针对每个第一运动目标，依次获取所述当前视频帧之前的该第一运动目标对应的第一数量的视频帧，以及所述当前视频帧，并在所获取的视频帧中该第一运动目标对应的第一目标区域处进行车牌识别；
第二处理模块，用于确定所述当前视频帧与所述当前视频帧之前的各第二运动目标的视频触发帧之间的帧数，针对每个第二运动目标，判断该第二运动目标对应的帧数是否小于该第二运动目标对应的第二数量，如果是，获取该第二运动目标在其视频触发帧中对应的第二目标区域的位置信息，并在所述当前视频帧中该第二运动目标对应的第二目标区域处进行车牌识别。
9.根据权利要求8所述的装置，其特征在于，所述第一处理模块包括：
第一获取子模块，用于获取当前存储的数量阈值；
第一设置子模块，用于针对每个第一运动目标，设置该第一运动目标对应的第一数量与第二数量的和等于所述数量阈值的两倍，且该第一运动目标对应的第一数量与第二数量相等。
10.根据权利要求8所述的装置，其特征在于，所述第一处理模块包括：
第二获取子模块，用于获取当前存储的数量阈值；
检测子模块，用于针对每个第一运动目标，检测该第一运动目标的运动方向；
第二设置子模块，用于设置该第一运动目标对应的第一数量与第二数量的和等于所述数量阈值的两倍，且当该第一运动目标的运动方向为正向运动时，设置该第一运动目标对应的第一数量小于第二数量；当该第一运动目标的运动方向为背向运动时，设置该第一运动目标对应的第一数量大于第二数量。
11.根据权利要求9或10所述的装置，其特征在于，所述装置还包括：
确定模块，用于确定未处理的视频帧数；
调整模块，用于根据所述未处理的视频帧数，以及存储未处理视频帧的存储空间容量，对所述数量阈值进行调整。
12.根据权利要求11所述的装置，其特征在于，所述调整模块，包括：
第一调整子模块，用于当所述未处理的视频帧数与所述存储空间容量的比值大于第一预设阈值时，按照第一步长减小所述数量阈值；其中，所述数量阈值的最小值为0；
第二调整子模块，用于当所述未处理的视频帧数与所述存储空间容量的比值小于第二预设阈值时，按照第二步长增大所述数量阈值；其中，所述数量阈值的最大值为设定值。
13.根据权利要求12所述的装置，其特征在于，所述装置还包括：
删除模块，用于删除所述当前视频帧之前的，与所述当前视频帧之间的帧数大于所述设定值的视频帧。
14.根据权利要求8-10任一所述的装置，其特征在于，所述装置还包括：
存储模块，用于保存所述当前视频帧的帧号和各第一目标区域的位置信息的对应关系。
15.一种电子设备，其特征在于，包括处理器、通信接口、存储器和通信总线，其中，所述处理器、所述通信接口、所述存储器通过所述通信总线完成相互间的通信；
所述存储器，用于存放计算机程序；
所述处理器，用于执行所述存储器上所存放的程序时，实现权利要求1-7任一所述的方法步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710991351.7A CN109697386B (zh) | 2017-10-23 | 2017-10-23 | 一种车牌识别方法、装置及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710991351.7A CN109697386B (zh) | 2017-10-23 | 2017-10-23 | 一种车牌识别方法、装置及电子设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109697386A true CN109697386A (zh) | 2019-04-30 |
| CN109697386B CN109697386B (zh) | 2020-07-17 |
Family
ID=66226712
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710991351.7A Active CN109697386B (zh) | 2017-10-23 | 2017-10-23 | 一种车牌识别方法、装置及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109697386B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102148959A (zh) * | 2010-02-09 | 2011-08-10 | 北京中星微电子有限公司 | 一种视频监控系统及其图像的运动目标检测方法 |
| US20130294652A1 (en) * | 2012-05-04 | 2013-11-07 | Xerox Corporation | License plate character segmentation using likelihood maximization |
| CN103678299A (zh) * | 2012-08-30 | 2014-03-26 | 中兴通讯股份有限公司 | 一种监控视频摘要的方法及装置 |
| CN103824066A (zh) * | 2014-03-18 | 2014-05-28 | 厦门翼歌软件科技有限公司 | 一种基于视频流的车牌识别方法 |
| CN105654733A (zh) * | 2016-03-08 | 2016-06-08 | 博康智能网络科技股份有限公司 | 一种基于视频检测的前后车牌识别方法及装置 |
| CN107133569A (zh) * | 2017-04-06 | 2017-09-05 | 同济大学 | 基于泛化多标记学习的监控视频多粒度标注方法 |
-
2017
- 2017-10-23 CN CN201710991351.7A patent/CN109697386B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102148959A (zh) * | 2010-02-09 | 2011-08-10 | 北京中星微电子有限公司 | 一种视频监控系统及其图像的运动目标检测方法 |
| US20130294652A1 (en) * | 2012-05-04 | 2013-11-07 | Xerox Corporation | License plate character segmentation using likelihood maximization |
| CN103678299A (zh) * | 2012-08-30 | 2014-03-26 | 中兴通讯股份有限公司 | 一种监控视频摘要的方法及装置 |
| CN103824066A (zh) * | 2014-03-18 | 2014-05-28 | 厦门翼歌软件科技有限公司 | 一种基于视频流的车牌识别方法 |
| CN105654733A (zh) * | 2016-03-08 | 2016-06-08 | 博康智能网络科技股份有限公司 | 一种基于视频检测的前后车牌识别方法及装置 |
| CN107133569A (zh) * | 2017-04-06 | 2017-09-05 | 同济大学 | 基于泛化多标记学习的监控视频多粒度标注方法 |
Non-Patent Citations (1)
| Title |
|---|
| 冯宇平等: "基于视频流的车牌识别研究及系统设计", 《工业仪表与自动化装置》 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109697386B (zh) | 2020-07-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109087510B (zh) | 交通监测方法及装置 | |
| CN110163889A (zh) | 目标跟踪方法、目标跟踪装置、目标跟踪设备 | |
| CN105631418A (zh) | 一种人数统计的方法和装置 | |
| CN110533955B (zh) | 一种确定停车位的方法、终端设备及计算机可读存储介质 | |
| CN110659658B (zh) | 一种目标检测方法及其装置 | |
| EP2357615B1 (en) | Video processing | |
| CN111898581A (zh) | 动物检测方法、装置、电子设备及可读存储介质 | |
| CN103810717A (zh) | 一种人体行为检测方法及装置 | |
| CN108428242B (zh) | 图像处理装置及其方法 | |
| CN107578021A (zh) | 基于深度学习网络的行人检测方法、装置及系统 | |
| CN109547748A (zh) | 对象落脚点确定方法、装置及存储介质 | |
| CN110096935A (zh) | 图像分析方法、装置、电子设备及存储介质 | |
| CN111382808A (zh) | 一种车辆检测处理方法及装置 | |
| JP2020061127A (ja) | 車線変更車両の検出装置、方法及びビデオ監視装置 | |
| CN112017323A (zh) | 一种巡检报警方法、装置、可读存储介质及终端设备 | |
| CN112562330A (zh) | 评估道路运行指数的方法和装置、电子设备、存储介质 | |
| CN108109132A (zh) | 一种图像分析方法及装置 | |
| CN111753826B (zh) | 车辆与车牌的关联方法、装置和电子系统 | |
| CN109559336A (zh) | 对象追踪方法、装置及存储介质 | |
| CN109102026A (zh) | 一种车辆图像检测方法、装置及系统 | |
| US20220405145A1 (en) | Method, Apparatus, System and Electronic Device for Selecting Intelligent Analysis Algorithm | |
| CN110020598A (zh) | 一种基于深度学习检测电线杆上异物的方法及装置 | |
| CN109697386A (zh) | 一种车牌识别方法、装置及电子设备 | |
| CN109409165A (zh) | 一种视频内容识别方法、装置及电子设备 | |
| CN106274799A (zh) | 一种汽车报警系统和汽车 |
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 |