CN112001267A - 基于rfid与ocr的车辆识别匹配方法及系统 - Google Patents

Abstract

本发明公开了一种基于RFID与OCR的车辆识别匹配方法及系统，该方法包括：通过摄像装置对行经车辆拍照，对车辆照片进行OCR识别，获取车牌识别信息，生成OCR识别事件；通过读卡装置读取所述行经车辆的RFID标签，获取车辆身份信息，生成RFID行车事件；基于时间窗模型对所述OCR识别事件与所述RFID行车事件进行第一匹配，得到第一匹配结果；若所述第一匹配结果存在，则根据所述第一匹配结果动态更新所述时间窗模型；若所述第一匹配结果不存在，则基于所述时间窗模型对所述OCR识别事件与所述RFID行车事件进行第二匹配，得到第二匹配结果。本发明可精准获取通行车辆所在的车道，提高了路面行经车辆的识别率，可提供违规取证，便于管理。

Description

基于RFID与OCR的车辆识别匹配方法及系统

技术领域

本发明涉及车辆识别管理技术领域，特别涉及一种基于RFID与OCR的车辆识别匹配方法及系统。

背景技术

目前的RFID车辆识别对车道识别较差，易受电磁干扰，存在识读黑洞，过车信息不直观，不能作为交通违规行为的直接证据。OCR拍摄的过车照片虽直观，便于监管人员识读判别，并可作为交通违规行为直接证据，但识别率受光线强弱影响较大。目前单独采用RFID或OCR技术均不能满足管理部门对于路面上行驶的特殊车辆(例如：危化品运输车辆、临时入境车辆等)进行精准识别、严格管理、违规取证的业务需求。

发明内容

本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明提出一种基于RFID与OCR的车辆识别匹配方法，能够提高车辆识别率，便于管理路面车辆。

本发明还提出一种具有上述基于RFID与OCR的车辆识别匹配方法的基于RFID与OCR的车辆识别匹配系统。

根据本发明的第一方面实施例的基于RFID与OCR的车辆识别匹配方法，包括：通过摄像装置对行经车辆拍照，对车辆照片进行OCR识别，获取车牌识别信息，生成OCR识别事件，根据拍摄车道保存至OCR识别事件池中，所述拍摄车道为所述摄像装置所在车道位置；通过读卡装置读取所述行经车辆的RFID标签，获取车辆身份信息，生成RFID行车事件，根据读卡车道保存至RFID行车事件池中，所述读卡车道为所述读卡装置所在车道位置；基于时间窗模型对所述OCR识别事件与所述RFID行车事件进行第一匹配，得到第一匹配结果，所述第一匹配包括：若所述车牌识别信息与所述车辆身份信息中的车牌号完全一致，则所述OCR识别事件与所述RFID行车事件匹配；若所述第一匹配结果存在，则根据所述第一匹配结果动态更新所述时间窗模型；若所述第一匹配结果不存在，则基于时间窗模型对所述OCR识别事件与所述RFID行车事件进行第二匹配，得到第二匹配结果。

根据本发明实施例的基于RFID与OCR的车辆识别匹配方法，至少具有如下有益效果：通过对OCR识别事件及RFID事件进行匹配，建立数据联系，提高了路面行经车辆的识别率，精准获取通行车辆所在的车道，通过车辆照片与RFID识读事件相结合，可提供违规取证，提高了管理的便利性。

根据本发明的一些实施例，所述第二匹配的方法包括：定时扫描所述OCR识别事件池，获取所述OCR识别事件，根据所述时间窗模型得出所述OCR识别事件对应的第一匹配时间窗；基于预设匹配规则，从所述RFID行车事件池中获取所述第一匹配时间窗内相应的所述RFID行车事件，对所述车牌识别信息与所述车辆身份信息中的车牌号进行相似度比较，根据相似度结果获取所述第二匹配结果。

根据本发明的一些实施例，所述匹配规则包括：根据所述RFID行车事件对应的所述读卡车道与所述OCR识别事件对应的所述拍摄车道的距离，由近及远地获取若干所述读卡车道中的所述RFID行车事件。

根据本发明的一些实施例，根据所述相似度结果获取所述第二匹配结果的方法包括：若所述相似度结果大于预设阈值，则根据所述车辆照片、所述拍摄车道及所述车辆身份信息生成所述第二匹配结果。

根据本发明的一些实施例，所述第二匹配结果的获取方法还包括：若所述OCR识别事件在所述第一匹配时间窗内获取的所述RFID行车事件的所述相似度结果均小于预设阈值，则根据当前最高的所述相似度结果的所述RFID行车事件获取所述车辆身份信息，并标记所述第二匹配结果为疑似匹配。

根据本发明的一些实施例，所述第二匹配结果的获取方法还包括：根据所述时间窗模型获得所述OCR识别事件对应的所述RFID行车事件的到第一达超时时间，若当前时间已超过所述第一到达超时时间且未获取到所述RFID行车事件，则第二匹配结果为OCR单一拍照。

根据本发明的一些实施例，所述第二匹配的方法还包括：定时扫描所述RFID行车事件池，获取所述RFID行车事件，根据所述时间窗模型得出所述RFID行车事件对应的第二匹配时间窗；从所述OCR识别事件池中获取所述第二匹配时间窗内相应的所述OCR识别事件，对所述车牌识别信息与所述车辆身份信息中的车牌号进行相似度比较，根据相似度结果获取所述第二匹配结果。

根据本发明的一些实施例，所述时间窗模型中所述时间窗模型包括第一识读时差、第二识读时差、相对时差及读卡过程时长；所述第一识读时差、所述第二识读时差、所述相对时差及所述读卡过程时长中的任意一项均包括有动态平均值、最大偏差值及动态更新计数值；所述时间窗模型的动态更新方法包括：若所述OCR识别事件晚于首次所述RFID行车事件，则根据所述识别时间与首次所述RFID行车事件的所述读卡时间的差值，基于动态学习模型，更新所述第一识读时差；若所述OCR识别事件早于首次所述RFID行车事件，则根据首次所述RFID行车事件的所述读卡时间与所述识别时间的差值，基于所述动态学习模型，更新所述第二识读时差；查找所述OCR识别事件的所述识别时间之前的最后一次所述RFID行车事件，根据所述最后一次所述RFID行车事件的所述读卡时间与所述识别时间的差值，基于所述动态学习模型，更新所述相对时差；根据首次所述RFID行车事件的所述读卡时间及末次所述RFID行车事件的所述读卡时间的差值，基于所述动态学习模型，更新所述读卡过程时长。

根据本发明的一些实施例，所述动态学习模型包括：获取更新值v，根据

更新所述动态平均值，其中n为所述动态计数值，V为原所述动态平均值，V'为更新后的所述动态平均值；若更新后的所述动态平均值小于等于原所述最大偏差值，则所述最大偏差值更新为：

其中，n为所述动态更新计数值，V为原所述动态平均值，M为原所述最大偏差值，v为更新值，M'为更新后的所述动态平均值。

根据本发明的第二方面实施例的基于RFID与OCR的车辆识别匹配系统，包括：OCR识别模块，用于通过摄像设备获取行经车辆拍照，对车辆照片进行OCR识别，获取车牌识别信息，生成OCR识别事件，根据拍摄车道保存至OCR识别事件池中，所述拍摄车道为所述摄像装置所在车道位置；RFID读取模块，用于通过读卡装置读取所述行经车辆的RFID标签，获取车辆身份信息，生成RFID行车事件，根据读卡车道保存至RFID行车事件池中，所述读卡车道为所述读卡装置所在车道位置；第一匹配模块，用于基于时间窗模型对所述OCR识别事件与所述RFID行车事件进行第一匹配，得到第一匹配结果，所述第一匹配包括：若所述车牌识别信息与所述车辆身份信息中的车牌号完全一致，则所述OCR识别事件与所述RFID行车事件匹配；第二匹配模块，用于基于所述时间窗模型对所述OCR识别事件与所述RFID行车事件进行第二匹配，得到第二匹配结果；时间窗学习模块，用于根据所述第一匹配结果动态更新所述时间窗模型。

根据本发明实施例的基于RFID与OCR的车辆识别匹配系统，至少具有如下有益效果：通过对OCR识别事件及RFID事件进行匹配，建立数据联系，提高了路面行经车辆的识别率，精准获取通行车辆所在的车道，通过车辆照片与RFID识读事件相结合，可提供违规取证，提高了管理的便利性。

本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：

图1为本发明实施例的方法的步骤流程示意图；

图2为本发明实施例的方法中定期扫描OCR识别事件的处理过程示意图；

图3为本发明实施例的方法中定期扫描RFID行车事件的处理过程示意图；

图4为本发明实施例的系统的示意框图；

图5本发明实施例的系统中的数据交互示意图；

图6为RFID多事件采集过程示意图。

附图标记：

OCR识别模块100、RFID读取模块200、第一匹配模块300、第二匹配模块400、时间窗学习模块500；

摄像装置600、读卡装置700。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。

在本发明的描述中，若干的含义是一个或者多个，多个的含义是两个及两个以上，大于、小于、超过等理解为不包括本数，以上、以下、以内等理解为包括本数。如果有描述到第一、第二只是用于区分技术特征为目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量或者隐含指明所指示的技术特征的先后关系。

本发明的描述中，除非另有明确的限定，设置、安装、连接等词语应做广义理解，所属技术领域技术人员可以结合技术方案的具体内容合理确定上述词语在本发明中的具体含义。

参照图1，本发明的实施例的方法包括：对路面上行经的车辆进行拍照，获得车辆照片及拍照信息，拍照信息包括：拍照时间、地点及方向等，对车辆照片进行OCR识别，获取车牌识别信息，生成OCR识别事件，该OCR识别事件将按摄像装置所在车道位置保存至OCR识别事件池中；通过读卡装置读取行经车辆的RFID标签，获取车辆身份信息，生成RFID行车事件，按照读卡装置所在车道保存至RFID行车事件池中；基于时间窗模型对OCR识别事件与RFID行车事件进行第一匹配，得到第一匹配结果，第一匹配包括：若车牌识别信息与车辆身份信息中的车牌号完全一致，则OCR识别事件与RFID行车事件匹配；若第一匹配结果存在，则根据第一匹配结果动态更新时间窗模型；若第一匹配结果不存在，则基于时间窗模型对OCR识别事件与RFID行车事件进行第二匹配，得到第二匹配结果。

参照图6，RFID过车事件信息采集是一个多事件采集过程，RFID阅读器按空口协议不断向路面发送“清点”指令，探寻RFID标签，当贴有RFID标签的车辆迎面驶来时，被RFID阅读器发送的电磁波激发，按空口协议应答“清点”指令，将存储的车辆身份信息反馈给阅读器，这是一个随车辆进入微波视场由远而近多次应答的过程(一般为几十次到上百次)，由于各车辆行驶车速、标签角度、周遭电磁环境动态变化导致车载标签应答起始时点、结束时点、应答次数不尽相同。而OCR识别事件一般为单一事件，仅在车辆行经与OCR摄像头连接的地感线圈或标注的虚拟线圈时触发摄像头对车辆进行拍照。

因此，本发明的实施例中，将车辆OCR识别事件的识别成功时间作为时间窗模型的基准点，标记为Ot。本发明的时间窗模型的参数指标包括：第一识读时差beforeOffset、第二识读时差afterOffset、相对时差beforeOffset2及读卡过程时长fristToLast。第一识读时差beforeOffset＝Ot-fristSeenTime，其中fristSeenTime表示RFID第一次读卡时间。第一识读时差beforeOffset表示对于车辆A，若OCR识别事件晚于首次RFID行车事件到达，OCR识别时间与首次RFID读卡时间的时间差。第二识读时差afterOffset＝fristSeenTime-Ot，其中fristSeenTime表示RFID第一次读卡时间。第二识读时差afterOffset表示对于车辆A，若OCR识别事件早于首次RFID行车事件，首次RFID读卡时间与OCR识别时间的时间差。相对时差beforeOffset2＝Ot-lastSeenTime'，其中lastSeenTime'表示OCR识别事件之前接收到的最后一次RFID行车事件；对于车辆A，若RFID阅读器持续产生多条RFID行车事件后，才产生OCR识别事件，获取在OCR识别事件之前最为接近的RFID行车事件，该RFID行车事件的读卡时间即为lastSeenTime'。读卡过程时长fristToLast＝lastSeenTime-fristSeenTime，其中lastSeenTime表示末次RFID行车事件的读卡时间；读卡过程时长fristToLast表示对于车辆A，整个RFID读卡过程的时间长度。

本发明实施例的时间窗模型中的第一识读时差beforeOffset、第二识读时差afterOffset、相对时差beforeOffset2及读卡过程时长fristToLast用于表示RFID事件与OCR事件的时间关系，每个参数均包括有3个值，动态平均值value，最大偏差值maxValue，动态更新计数值count，这三个值用于动态记录和学习RFID行车事件与OCR识别事件的相应时间参数。对于第一识读时差beforeOffset、第二识读时差afterOffset、相对时差beforeOffset2及读卡过程时长fristToLast中的任一时间参数，其动态学习过程如下：

(1)获取待更新值v，根据

更新动态平均值，其中n为动态更新计数值，V为原动态平均值，V'为更新后的动态平均值；

(2)若更新后的动态平均值小于等于原最大偏差值，则更新原最大偏差值为：

其中，n为动态计数值，V为原动态平均值，M为原最大偏差值，v为更新值，M'为更新后的动态平均值。这样可以逐步减少由于偶发事件引起的最大偏差值突变，并使最大偏差值逐步向动态平均值修正。

本发明的实施例中，根据第一匹配结果可更新时间窗模型的第一识读时差beforeOffset、第二识读时差afterOffset、相对时差beforeOffset2；显然，读卡过程时长fristToLast则由RFID行车事件确定出末次RFID行车事件后更新。

本发明的实施例中，第一匹配过程为：在时间Ot获取到一个OCR识别事件，根据时间窗模型，可得出要进行匹配查找的RFID行车事件的匹配时间窗为[Ot-beforeOffset,Ot+afferOffset]。本发明的实施例之一中，首先从时间Ot开始逆时间顺序查找RFID事件，第一处查找点为Ot-beforeOffset2，直到Ot-beforeOffset，然后从Ot开始，按顺时间顺序查找至Ot+afferOffset，这样有利于查找时间最为接近的匹配结果；在本发明的另一些实施例中，则直接从时间窗的开始位置Ot-beforeOffset按顺时间顺序进行查找匹配。在本发明实施例中，匹配时间窗可由时间窗模型的时间参数的动态平均值或最大偏差值之一计算得出；也可先由动态平均值计算得出后在相应匹配时间窗内进行查找，若无匹配对象，则根据最大偏差值对匹配时间窗进行调整后继续匹配。

第二匹配仅在第一匹配失败的情况下进行，参照图2和图3，包括：定时扫描OCR事件池及定时扫描RFID事件池。参照图2，定时扫描OCR事件池的过程包括：按照车道号顺序获取OCR识别事件，根据时间窗模型得出OCR识别事件对应的第一匹配时间窗，若OCR识别事件的识别时间为Ot，则第一匹配时间窗[Ot-beforeOffset,Ot+afferOffset]。然后根据OCR识别事件的拍摄车道号，从RFID行车事件池中获取第一匹配时间窗内相相应的RFID行车事件，最先选择读卡车道与拍摄车道相同的RFID行车事件，其次选择与拍摄车道一侧相邻的读卡车道的RFID行车事件，获取车辆身份信息，例如：在同一行车方向上有四车道的道路上(车道号依次为1，2，3，4)，获取到2号车道的OCR识别事件，第二匹配时，则在第一匹配时间窗内，优先选择第2号车道的RFID行车事件进行匹配，匹配不成功则则选择相邻的1号和3号车道的RFID行车事件进行匹配，仍匹配不成功则取下一条OCR识别事件进行扫描。本发明的另一些实施例中，若选择1号和3号车道的RFID行车事件进行匹配，仍未匹配成功还会选择4号车道的RFID行车事件进行匹配。之后，对车牌识别信息与车辆身份信息中的车牌号进行相似度比较，若相似度结果大于预设阈值，则第二匹配成功，根据所述车辆照片、所述拍摄车道及所述车辆身份信息输出第二匹配结果，包括：车辆照片、拍摄时间及地点、车道号、车行方向及车辆身份信息等；其中的车辆身份信息包括车牌号、牌照类型、车辆用途等。通过根据RFID行车事件对应的读卡车道与OCR识别事件对应的拍摄车道的距离，由近及远地获取若干读卡车道中的RFID行车事件，可有效提高匹配速度及匹配成功率。

本发明的实施例中，参照图2，若虽有RFID行车事件，但车牌相似度结果均小于预设阈值，则可建立该OCR识别事件及与其车牌号相似度当前最高的RFID行车事件的数据联系，获取该RFID行车事件对应的车辆身份信息，标记第二匹配结果为疑似匹配，等待下一步的处理。若当前时间已超过第一到达超时时间且仍未获取到RFID行车事件，则第二匹配结果为OCR单一拍照，对该OCR识别事件进行单独处理，标注无匹配FRID行车事件；其中第一到达超时时间根据时间窗模型来获取，例如：Ot+afferOffset，其中Ot为OCR识别时间，afterOffset为第二识读时差。本发明的实施例中，对第二匹配结果为疑似匹配的，可以直接保存或输出到终端，显示内容包括：相似度结果、车辆照片、拍摄时间及地点、车道号、车行方向及车辆身份信息等；也可基于图片识别，进一步判断车辆外形是否与车辆身份信息中的一致，并给出相应的提示。在本发明的另一些实施例中，对于第二匹配结果为疑似匹配的，暂不作处理，仅在当前最高相似度的RFID行车事件中保存相应OCR识别事件的映射关系，留待定时RFID行车事件池的扫描；若RFID行车事件扫描可查到符合车牌相似度要求的(大于预设阈值的)，将与该RFID行车事件疑似匹配的OCR识别事件的映射关系删除，否则保留输出疑似匹配结果并给出车牌相似度不足的提示。

参照图3，定时扫描RFID事件池的过程包括：取出未处理的RFID行车事件，获取相应的首次RFID行车事件的读卡时间：fristSeenTime，根据时间窗模型生成该RFID行车事件的第二匹配时间窗，例如：[fristSeenTime-afferOffset,fristSeenTime+afferOffset]，在该第二匹配时间窗内查找车牌相似度大于预设阈值的OCR识别事件，若找到，则第二匹配结果为成功，根据车辆照片、拍摄车道及车辆身份信息生成第二匹配结果，包括：车辆照片、拍摄时间及地点、车道号、车行方向、车牌号、牌照类型、车辆用途等；若不存在车牌相似度大于预设阈值的OCR识别事件或者第二匹配时间窗内不存在OCR识别事件，第二匹配结果为单一RFID读卡。在本发明的实施例中，对该RFID行车事件进行处理，包括：获取与该RFID行车事件的车牌号相同的所有RFID事件，记录通行时间、通行位置、通行方向，并备注未取得OCR识别图像。若当前时间Ct已达第二到达超时时间，即：Ct>fristSeenTime+fristToLast，则认为该RFID行车事件超出有效范围，不处理或删除该RFID行车事件，继续扫描下一条RFID行车事件。在本发明的实施例中，还包括：从OCR识别事件池及RFID行车事件池中，清理已处理完成的OCR识别事件及RFID行车事件。

本发明的实施例的系统，参照图4，包括：OCR识别模块100、RFID读取模块200、第一匹配模块300、第二匹配模块400及时间窗学习模块500。OCR识别模块100，用于通过摄像装置600获取行经车辆拍照，对车辆照片进行OCR识别，获取车牌识别信息，生成OCR识别事件，按照摄像装置600所在的车道号，保存至OCR识别事件池中。RFID读取模块200，用于通过读卡装置700读取行经车辆的RFID标签，获取车辆身份信息，生成RFID行车事件，按照读卡装置所在的车道号(即读卡车道)，保存至RFID行车事件池中。第一匹配模块300，用于基于时间窗模型对OCR识别事件与RFID行车事件进行第一匹配，若车牌识别信息与车辆身份信息中的车牌号完全一致，则OCR识别事件与RFID行车事件匹配，得到第一匹配结果。第二匹配模块400，用于基于时间窗模型对OCR识别事件与RFID行车事件进行第二匹配，得到第二匹配结果。时间窗学习模块500，用于根据第一匹配结果动态更新时间窗模型。

参照图5，本发明的实施例的系统中可以包括若干个拍摄装置及若干个读卡装置。在本发明的一个实施例中，拍摄装置600与设置在路面的地感线圈相连接，当地感线圈感应到有车经过，则对路面行经的车辆进行拍照，获取车辆照片，发送给OCR识别模块100。在本发明的另一些实施例中，当车辆经过地面标注的的虚拟线圈时触发摄像装置(如摄像头等)对车辆进行拍照。OCR识别模块100根据图像识别得到车牌识别信息并保存到OCR识别事件池中，车牌识别信息包括车牌号、车辆类型等信息。读卡装置700根据路面车道数量进行设置，一条车道设置一个读卡装置700，获取路面行经车辆的RFID电子标签信息，发送给RFID读取模块200；RFID读取模块200根据读卡装置700所在的车道号从RFID电子标签信息中获取车辆身份信息，按读卡车道保存到RFID行车事件池中。本发明的实施例中的车辆身份信息包括，但不限于，车牌号、车牌类型、车辆用途。第一匹配模块300，基于时间窗模型，根据OCR识别事件中的车牌号，查找与该车牌号一致的若干RFID行车事件，若查找则根据该OCR识别事件及RFID行车事件，获取车辆照片、拍照时间、拍摄位置、车行方向、车道号、车牌号、车辆类型(如家用轿车、大型货车等)及车辆用途(如危险品运输车、家用车)等信息，生成第一匹配结果，该第一匹配结果除用于终端显示以外，还将发送给时间窗学习模型500；时间窗学习模型500根据接收到的第一匹配结果对时间窗模型进行更新。若不存在与OCR识别事件的车牌号完全一致的RFID行车事件，则第一匹配失败，由第二匹配模块400进行相应的处理。第二匹配模块400，基于时间窗模型，根据车牌相似度对OCR识别事件和RFID行车事件进行匹配，生成第二匹配结果；还包括对无法匹配的事件进行单独处理。

尽管本文描述了具体实施方案，但是本领域中的普通技术人员将认识到，许多其它修改或另选的实施方案同样处于本公开的范围内。例如，结合特定设备或组件描述的功能和/或处理能力中的任一项可以由任何其它设备或部件来执行。另外，虽然已根据本公开的实施方案描述了各种例示性具体实施和架构，但是本领域中的普通技术人员将认识到，对本文所述的例示性具体实施和架构的许多其它修改也处于本公开的范围内。

上文参考根据示例性实施方案所述的系统、方法、装置和/或计算机程序产品的框图和流程图描述了本公开的某些方面。应当理解，框图和流程图中的一个或多个块以及框图和流程图中的块的组合可分别通过执行计算机可执行程序指令来实现。同样，根据一些实施方案，框图和流程图中的一些块可能无需按示出的顺序执行，或者可以无需全部执行。另外，超出框图和流程图中的块所示的那些部件和/或操作以外的附加部件和/或操作可存在于某些实施方案中。

因此，框图和流程图中的块支持用于执行指定功能的装置的组合、用于执行指定功能的元件或步骤的组合以及用于执行指定功能的程序指令装置。还应当理解，框图和流程图中的每个块以及框图和流程图中的块的组合可以由执行特定功能、元件或步骤的专用硬件计算机系统或者专用硬件和计算机指令的组合来实现。

本文所述的程序模块、应用程序等可包括一个或多个软件组件，包括例如软件对象、方法、数据结构等。每个此类软件组件可包括计算机可执行指令，所述计算机可执行指令响应于执行而使本文所述的功能的至少一部分(例如，本文所述的例示性方法的一种或多种操作)被执行。

软件组件可以用各种编程语言中的任一种来编码。一种例示性编程语言可以为低级编程语言，诸如与特定硬件体系结构和/或操作系统平台相关联的汇编语言。包括汇编语言指令的软件组件可能需要在由硬件架构和/或平台执行之前由汇编程序转换为可执行的机器代码。另一种示例性编程语言可以为更高级的编程语言，其可以跨多种架构移植。包括更高级编程语言的软件组件在执行之前可能需要由解释器或编译器转换为中间表示。编程语言的其它示例包括但不限于宏语言、外壳或命令语言、作业控制语言、脚本语言、数据库查询或搜索语言、或报告编写语言。在一个或多个示例性实施方案中，包含上述编程语言示例中的一者的指令的软件组件可直接由操作系统或其它软件组件执行，而无需首先转换成另一种形式。

软件组件可存储为文件或其它数据存储构造。具有相似类型或相关功能的软件组件可一起存储在诸如特定的目录、文件夹或库中。软件组件可为静态的(例如，预设的或固定的)或动态的(例如，在执行时创建或修改的)。

上面结合附图对本发明实施例作了详细说明，但是本发明不限于上述实施例，在所属技术领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下作出各种变化。

Claims (10)

1.一种基于RFID与OCR的车辆识别匹配方法，其特征在于，包括：

通过摄像装置对行经车辆拍照，对车辆照片进行OCR识别，获取车牌识别信息，生成OCR识别事件，根据拍摄车道保存至OCR识别事件池中，所述拍摄车道为所述摄像装置所在车道位置；

通过读卡装置读取所述行经车辆的RFID标签，获取车辆身份信息，生成RFID行车事件，根据读卡车道保存至RFID行车事件池中，所述读卡车道为所述读卡装置所在车道位置；

基于时间窗模型对所述OCR识别事件与所述RFID行车事件进行第一匹配，得到第一匹配结果，所述第一匹配包括：若所述车牌识别信息与所述车辆身份信息中的车牌号完全一致，则所述OCR识别事件与所述RFID行车事件匹配；

若所述第一匹配结果存在，则根据所述第一匹配结果动态更新所述时间窗模型；若所述第一匹配结果不存在，则基于所述时间窗模型对所述OCR识别事件与所述RFID行车事件进行第二匹配，得到第二匹配结果。

2.根据权利要求1所述的基于RFID与OCR的车辆识别匹配方法，其特征在于，所述第二匹配的方法包括：

定时扫描所述OCR识别事件池，获取所述OCR识别事件，根据所述时间窗模型得出所述OCR识别事件对应的第一匹配时间窗；

基于预设匹配规则，从所述RFID行车事件池中获取所述第一匹配时间窗内相应的所述RFID行车事件，对所述车牌识别信息与所述车辆身份信息中的车牌号进行相似度比较，根据相似度结果获取所述第二匹配结果。

3.根据权利要求2所述的基于RFID与OCR的车辆识别匹配方法，其特征在于，所述匹配规则包括：根据所述RFID行车事件对应的所述读卡车道与所述OCR识别事件对应的所述拍摄车道的距离，由近及远地获取若干所述读卡车道中的所述RFID行车事件。

4.根据权利要求2所述的基于RFID与OCR的车辆识别匹配方法，其特征在于，根据所述相似度结果获取所述第二匹配结果的方法包括：

若所述相似度结果大于预设阈值，则根据所述车辆照片、所述拍摄车道及所述车辆身份信息生成所述第二匹配结果。

5.根据权利要求4所述的基于RFID与OCR的车辆识别匹配方法，其特征在于，所述第二匹配结果的获取方法还包括：

若所述OCR识别事件在所述第一匹配时间窗内获取的所述RFID行车事件的所述相似度结果均小于预设阈值，则根据当前最高的所述相似度结果的所述RFID行车事件获取所述车辆身份信息，并标记所述第二匹配结果为疑似匹配。

6.根据权利要求4所述的基于RFID与OCR的车辆识别匹配方法，其特征在于，所述第二匹配结果的获取方法还包括：

根据所述时间窗模型获得所述OCR识别事件对应的所述RFID行车事件的到第一达超时时间，若当前时间已超过所述第一到达超时时间且未获取到所述RFID行车事件，则第二匹配结果为OCR单一拍照。

7.根据权利要求2所述的基于RFID与OCR的车辆识别匹配方法，其特征在于，所述第二匹配的方法还包括：

定时扫描所述RFID行车事件池，获取所述RFID行车事件，根据所述时间窗模型得出所述RFID行车事件对应的第二匹配时间窗；

从所述OCR识别事件池中获取所述第二匹配时间窗内相应的所述OCR识别事件，对所述车牌识别信息与所述车辆身份信息中的车牌号进行相似度比较，根据相似度结果获取所述第二匹配结果。

8.根据权利要求1所述的基于RFID与OCR的车辆识别匹配方法，其特征在于，所述时间窗模型中所述时间窗模型包括第一识读时差、第二识读时差、相对时差及读卡过程时长；所述第一识读时差、所述第二识读时差、所述相对时差及所述读卡过程时长中的任意一项均包括有动态平均值、最大偏差值及动态更新计数值；所述时间窗模型的动态更新方法包括：

若所述OCR识别事件晚于首次所述RFID行车事件，则根据所述识别时间与首次所述RFID行车事件的读卡时间的差值，基于动态学习模型，更新所述第一识读时差；

若所述OCR识别事件早于首次所述RFID行车事件，则根据首次所述RFID行车事件的所述读卡时间与所述识别时间的差值，基于所述动态学习模型，更新所述第二识读时差；

查找所述OCR识别事件的所述识别时间之前的最后一次所述RFID行车事件，根据所述最后一次所述RFID行车事件的所述读卡时间与所述识别时间的差值，基于所述动态学习模型，更新所述相对时差；

根据首次所述RFID行车事件的所述读卡时间及末次所述RFID行车事件的所述读卡时间的差值，基于所述动态学习模型，更新所述读卡过程时长。

9.根据权利要求8所述的基于RFID与OCR的车辆识别匹配方法，其特征在于，所述动态学习模型包括：

获取更新值v，根据

更新所述动态平均值，其中n为所述动态更新计数值，V为原所述动态平均值，V'为更新后的所述动态平均值；

若更新后的所述动态平均值小于等于原所述最大偏差值，则更新原所述最大偏差值为：

其中，n为所述动态计数值，V为原所述动态平均值，M为原所述最大偏差值，v为更新值，M'为更新后的所述动态平均值。

10.一种基于RFID与OCR的车辆识别匹配系统，使用权利要求1至9中任一项的方法，其特征在于，包括：

OCR识别模块，用于通过摄像装置获取行经车辆拍照，对车辆照片进行OCR识别，获取车牌识别信息，生成OCR识别事件，根据拍摄车道保存至OCR识别事件池中，所述拍摄车道为所述摄像装置所在车道位置；

RFID读取模块，用于通过读卡装置读取所述行经车辆的RFID标签，获取车辆身份信息，生成RFID行车事件，根据读卡车道保存至RFID行车事件池中，所述读卡车道为所述读卡装置所在车道位置；

第一匹配模块，用于基于时间窗模型对所述OCR识别事件与所述RFID行车事件进行第一匹配，得到第一匹配结果，所述第一匹配包括：若所述车牌识别信息与所述车辆身份信息中的车牌号完全一致，则所述OCR识别事件与所述RFID行车事件匹配；

第二匹配模块，用于基于所述时间窗模型对所述OCR识别事件与所述RFID行车事件进行第二匹配，得到第二匹配结果；

时间窗学习模块，用于根据所述第一匹配结果动态更新所述时间窗模型。

Images