CN113205678A - 一种车牌识别率的计算方法及装置 - Google Patents

Abstract

本申请实施例公开了一种车牌识别率的计算方法及装置。本申请方法包括：获取云坐席人员的操作记录；判断所述云坐席人员的操作记录是否包括纠正车牌、补录车牌或者关联场内记录的操作类型事件，若是，则标记所述操作类型事件对应车道的第一识别错误数或者第一未识别数；根据所述第一识别错误数以及所述第一未识别数统计每条车道的第二识别错误数以及第二未识别数；基于所述第二识别错误数、所述第二未识别数以及所述每条车道的车流量计算所述每条车道的识别率，这样通过系统自动统计车牌识别错误数以及未识别数来提高停车场的车牌识别率计算结果的准确性。

Description

一种车牌识别率的计算方法及装置

技术领域

本申请实施例涉及停车云托管领域，尤其涉及一种车牌识别率的计算方法及装置。

背景技术

随着停车场云托管服务在商业、社区以及交通枢纽等不同类型的停车场不断推广使用，目前大部分停车场通过云托管服务可以实现自动识别车辆的车牌，车辆可以选择在线支付形式支付停车费，停车场内不需要人工值守。

现有技术中，停车场内用于识别设备可能会出现镜头角度不良、镜头积灰积水、识别算法版本低以及减速带磨损车速过快等问题，这些问题可能导致车牌识别不准确，但是车牌识别效果主要由车牌识别率这个指标来评估，影响识别率因素有识别错误数、未识别数以及车流量，目前识别错误数和未识别数没有可自动化的采集方法，一般由坐席人员以及值守人员主观判断或者靠人工对当天的车牌进行图像和车牌号全量肉眼来筛选，这样通过人工主观判断或者筛选计算得到的识别率，导致准确性低。

发明内容

本申请实施例提供了一种车牌识别率的计算方法及装置，用于通过系统自动统计车牌识别错误数以及未识别数来提高停车场的车牌识别率计算结果的准确性。

本申请实施例第一方面提供了车牌识别率的计算方法，包括：

获取云坐席人员的操作记录；

判断所述云坐席人员的操作记录是否包括纠正车牌、补录车牌或者关联场内记录的操作类型事件，若是，则标记所述操作类型事件对应车道的第一识别错误数或者第一未识别数；

根据所述第一识别错误数以及所述第一未识别数统计每条车道的第二识别错误数以及第二未识别数；

基于所述第二识别错误数、所述第二未识别数以及所述每条车道的车流量计算所述每条车道的识别率。

可选的，所述则标记所述操作类型事件对应车道的第一识别错误数或者第一未识别数，包括：

若所述操作类型事件为纠正车牌事件时，则标记所述纠正车牌事件对应车道的第一识别错误数的数量累计加1；

若所述操作类型事件为补录车牌事件时，则标记所述补录车牌事件对应车道的第一未识别数的数量累计加1；

若所述操作类型事件为关联场内记录事件时，则标记所述关联场内记录事件对应的入口车道的第一识别错误数的数量累计加1。

可选的，所述判断所述云坐席人员的操作记录是否包括纠正车牌、补录车牌或者关联场内记录的操作类型事件包括：

确定所述云坐席人员的操作记录是否为有车牌并且所述车牌不是虚拟车牌的云坐席事件，若是，则判断所述云坐席人员的操作记录是否包括纠正车牌或者关联场内记录的操作类型事件；

若否，则判断所述云坐席人员的操作记录是否包括补录车牌的操作类型事件。

可选的，在所述获取云坐席人员的操作记录之前，所述方法还包括：

接收前端系统触发的云坐席事件，所述云坐席事件包括压地感超时事件、无入场记录事件或者人工呼叫事件。

可选的，所述基于所述第二识别错误数、所述第二未识别数以及所述每条车道的车流量计算所述每条车道的识别率，包括：

计算所述每条车道的所述第二识别数以及所述第二未识别数之和，所述每条车道的所述第二识别错误数以及所述第二未识别数之和与所述每条车道的车流量的比值为识别率。

可选的，在所述基于所述第二识别错误数、所述第二未识别数以及所述每条车道的车流量计算所述每条车道的识别率之前，所述方法还包括：

在获取预设时间内所述每条车道通过的车辆数后计算所述每条车道的车流量。

可选的，所述纠正车牌、所述补录车牌以及所述关联场内记录的操作类型事件基于所述压地感超时事件、所述无入场记录事件以及所述人工呼叫事件生成。

本申请实施例第二方面提供了一种车牌识别率的计算装置，包括：

获取单元，用于获取云坐席人员的操作记录；

判断单元，用于判断所述云坐席人员的操作记录是否包括纠正车牌、补录车牌或者关联场内记录的操作类型事件，

标记单元，用于当所述云坐席人员的操作记录包括纠正车牌、补录车牌或者关联场内记录的操作类型事件时，则标记所述操作类型事件对应车道的第一识别错误数或者第一未识别数；

第一统计单元，用于根据所述第一识别错误数以及所述第一未识别数统计每条车道的第二识别错误数以及第二未识别数；

计算单元，用于基于所述第二识别错误数、所述第二未识别数以及所述每条车道的车流量计算所述每条车道的识别率。

可选的，所述标记单元包括：

第一标记模块，用于当所述操作类型事件为纠正车牌事件时，则标记所述纠正车牌事件对应车道的第一识别错误数的数量累计加1；

第二标记模块，用于当所述操作类型事件为补录车牌事件时，则标记所述补录车牌事件对应车道的第一未识别数的数量累计加1；

第三标记模块，用于当所述操作类型事件为关联场内记录事件时，则标记所述关联场内记录事件对应的入口车道的第一识别错误数的数量累计加1。

可选的，所述判断单元包括：

确定模块，用于确定所述云坐席人员的操作记录是否为有车牌并且所述车牌不是虚拟车牌的云坐席事件；

第一判断模块，用于当所述云坐席人员的操作记录为有车牌并且所述车牌不是虚拟车牌的云坐席事件时，判断所述云坐席人员的操作记录是否包括纠正车牌或者关联场内记录的操作类型事件；

第二判断模块，用于当所述云坐席人员的操作记录为无车牌云坐席事件时，判断所述云坐席人员的操作记录是否包括补录车牌的操作类型事件。

可选的，在所述获取单元之前，所述装置还包括：

接收单元，用于接收前端系统触发的云坐席事件，所述云坐席事件包括压地感超时事件、无入场记录事件或者人工呼叫事件。

可选的，所述计算单元包括：

计算模块，用于计算所述每条车道的所述第二识别数以及所述第二未识别数之和，所述每条车道的所述第二识别错误数以及所述第二未识别数之和与所述每条车道的车流量的比值为识别率。

可选的，在所述计算单元之前，所述装置还包括：

第二统计单元，用于在获取预设时间内所述每条车道通过的车辆数后统计所述每条车道的车流量。

本申请实施例第三方面提供了一种车牌识别率的计算装置，包括：

处理器、存储器、输入输出单元、总线；

所述处理器与所述存储器、所述输入输出单元以及所述总线相连；

所述处理器具体执行如下操作：

获取云坐席人员的操作记录；

判断所述云坐席人员的操作记录是否包括纠正车牌、补录车牌或者关联场内记录的操作类型事件，若是，则标记所述操作类型事件对应车道的第一识别错误数或者第一未识别数；

根据所述第一识别错误数以及所述第一未识别数统计每条车道的第二识别错误数以及第二未识别数；

基于所述第二识别错误数、所述第二未识别数以及所述每条车道的车流量计算所述每条车道的识别率。

可选的，所述处理器还用于执行第一方面中任意可选方案的操作。

本申请实施例第四方面提供了车牌识别率计算的方法的计算机可读存储介质，包括：

所述计算机可读存储介质上保存有程序，所述程序在计算机上执行时执行前速车牌识别率的计算方法。

从以上技术方案可以看出，本申请实施例具有以下优点：本申请中，系统获取到坐席人员的操作记录后判断坐席人员的操作记录是否包括纠正车牌、补录车牌或者关联场内记录的操作类型事件，若是，则标记操作类型事件对应车道的第一识别错误数或者第一未识别数，根据第一识别错误数以及第一未识别数统计每条车道的第二识别错误数以及第二未识别数，最后用第二识别错误数、第二未识别数以及每条车道的车流量计算得到每条车道的识别率，这样系统根据统计的识别错误数以及未识别数根据公式准确计算得到车牌识别率，提高了停车场车牌识别率计算结果的准确性。

附图说明

图1为本申请实施例中车牌识别率的计算方法一个实施例流程示意图；

图2为本申请实施例中车牌识别率的计算方法另一个实施例流程示意图；

图3为本申请实施例中车牌识别率的计算装置一个实施例结构示意图；

图4为本申请实施例中车牌识别率的计算装置另一个实施例结构示意图；

图5为本申请实施例中车牌识别率的计算装置另一个实施例结构示意图。

具体实施方式

本申请实施例提供了一种车牌识别率的计算方法及装置，用于通过系统自动统计车牌识别错误数以及未识别数来提高停车场的车牌识别率计算结果的准确性。

请参阅图1，下面本实施例中以系统为执行主体，本申请实施例中车牌识别率的计算方法一个实施例包括：

101、系统获取云坐席人员的操作记录；

在实际停车云托管领域中，由于车牌识别效果差需要停车场云坐席人员人工干预处理相关事件，而对于镜头角度不良、镜头积灰积水、识别算法版本低以及减速带磨损车速过快等问题，这些都需要运维人员作为日常工作处理售后来不断提升识别率和改善坐席工人的工作量，而车牌识别效果主要取决于车牌识别率，目前车牌识别率可以由通过停车场每一条车道的车牌识别错误数、未识别到车牌的数量以及每一条车道一定时间内的车流量计算得到。但是目前识别错误数以及未识别数没有一个自动化的采集方法，常见的是坐席人员或者持守人员主观观察判断得到，这样导致计算得到的车牌识别率准确性比较低。

因此本发明提出自动化采集一定预设时间内每条车道的车辆车牌识别错误数以及未识别数，再通过公式(识别错误数+未识别数)/车流量计算得到车牌识别率，其中采集数量的基础技术是通过坐席人员在停车场的云系统上的具体操作记录统计具体的数据。

102、系统判断云坐席人员的操作记录是否包括纠正车牌、补录车牌或者关联场内记录的操作类型事件；

本实施例中，系统获取到坐席人员的具体操作记录后判断坐席人员的操作记录中是否包括纠正车牌的操作，有纠正车牌的操作说明车辆在车牌识别过程中出现错误，是否包括有补录车牌的操作，有补录车牌的操作说明车辆通过时发生压地感事件但是系统未识别到车牌，以及是否包括关联场内记录的操作类型事件，有关联场内记录的操作说明车辆在进入入口时车牌识别错误。

103、当坐席人员的操作记录包括纠正车牌、补录车牌或者关联场内记录的操作类型事件时，系统标记操作类型事件对应车道的第一识别错误数或者第一未识别数；

在本实施例中，当系统判断检测到坐席人员的操作记录包括纠正车牌、补录车牌或者关联场内记录的操作类型事件时，系统将检测到的事件自动标记，例如，可以在系统中连接存储数据库，数据库的表格形式这里不做限定，表格选项分别是纠正车牌、补录车牌以及关联场内记录的事件，当系统接收到坐席人员的操作通知时，将检测到的结果在表格中标记存储，其中分别对应各个车道标记预设时间内的识别错误数以及未识别数。

104、系统根据第一识别错误数以及第一未识别数统计每条车道的第二识别错误数以及第二未识别数；

本实施例中，车牌识别率的计算公式为：(识别错误数+未识别数)/车流量，将采集到的识别错误数、未识别数以及车流量就可以计算车牌识别率。例如，系统要统计2021年1月1日至2021年1月2日的车牌识别错误数以及未识别数，在这期间内，只要是检测到纠正车牌、补录车牌以及关联场内记录的事件，就关联数据库自动添加对应的识别错误数以及未识别数，再统计一定时间内的总数，前述第二识别错误数为一定时间内系统统计的总识别错误数。

105、系统基于第二识别错误数、第二未识别数以及每条车道的车流量计算每条车道的识别率。

最后利用公式：(识别错误数+未识别数)/车流量，计算车牌的识别率，例如：系统要计算2021年1月1日至2021年1月2日的车牌识别率，从数据库中提取该时间内的识别错误数以及未识别数的总数，再获取在该时间内的车流量，再自动计算得到车牌识别率，这样通过系统精确采集数据再计算相对于人工的主管筛选判断的准确性更高。

请参阅图2，本申请实施例中以系统为执行主体，本申请实施例中车牌识别率的计算方法另一个实施例包括：

201、系统接收前端系统触发的云坐席事件；

本实施例中，系统可以实现高效可持续的自动计算，通过结合云坐席事件操作来采集数据，目前是通过前端停车场系统触发的云坐席事件来确定事件类型，系统在接收到触发的云坐席事件后会提示云坐席人员处理对应的情况，一般情况下当车辆的车牌识别错误，鉴权不通过道闸打开，例如坐席人员针对压地感超时情况对当前压地感的车辆进行纠正车牌操作，这样系统可以通过判断云坐席事件类型来针对性记录统计车道的识别错误数以及未识别数，这样可以快速并且准确的确定通过停车场的车辆车牌识别率。

202、系统获取云坐席人员的操作记录；

本申请实施例中步骤202与前述实施例中步骤101类似，此处不做赘述。

203、系统确定云坐席人员的操作记录是否为有车牌并且车牌不是虚拟车牌的云坐席事件；

本实施例中，云坐席人员的操作类型事件可以分为有车牌以及无车牌的操作类型，并且有车牌时车牌不为虚拟车牌，由于扫码录入的无牌车由系统自动生成分配的虚拟车牌，若确定为有车牌的操作类型事件，再确定云坐席人员是做了纠正车牌动作还是关联入场记录动作，若确定操作类型事件为无车牌事件，再确定云坐席人员是否做了补录车牌动作，并且车牌不为虚拟车牌，若是，则确定这样就可以准确的确定云坐席人员的操作类型事件，这样通过特性能准确判定云坐席人员的操作类型事件。

204、当云坐席人员的操作记录为有车牌并且车牌不是虚拟车牌的云坐席事件时，系统判断云坐席人员的操作记录是否包括纠正车牌或者关联场内记录的操作类型事件；

本实施例中，系统通过判断云坐席人员的操作记录是否为有车牌并且车牌不是虚拟车牌的云坐席事件来进一步判断在有车牌事件的情况下云坐席人员的操作记录是否包括纠正车牌或者关联场内记录的操作类型事件。

205、若操作类型事件为纠正车牌事件时，则系统标记纠正车牌事件对应车道的第一识别错误数的数量累计加1；

本实施例中，系统确定云坐席人员的操作记录是否为有车牌并且车牌不为虚拟车牌的事件，若是，则可以进一步确定操作类型事件是否为纠正车牌事件，当系统检测到云坐席人员的操作记录为纠正车牌事件，说明该车在对应的检测车道出现车牌识别错误情况，则系统自动标记该车道的第一识别错误数的数量累计加1，依此类推下去，当该车道出现车牌识别错误的情况时，系统就自动累计加1。

206、若操作类型事件为关联场内记录事件时，则系统标记关联场内记录事件对应的入口车道的第一识别错误数的数量累计加1；

同理205，当系统确定云坐席人员的操作记录为有车牌时间并且确定云坐席人员做关联车辆入场记录动作，并且入场记录不为虚拟车牌，说明入口识别错误，导致出场时系统未能匹配入场记录或匹配入场记录错误，则系统自动标记关联的入场记录对应该车道的第一识别错误数的数量累计加1。

207、当云坐席人员的操作记录为无车牌云坐席事件时，系统判断云坐席人员的操作记录是否包括补录车牌的操作类型事件；

本实施例中，系统通过判断云坐席人员的操作记录是否为有车牌并且车牌不是虚拟车牌的云坐席事件来进一步判断在有车牌事件的情况下云坐席人员的操作记录是否包括补录车牌的操作类型事件。

208、若操作类型事件为补录车牌事件时，则系统标记补录车牌事件对应车道的第一未识别数的数量累计加1；

同理205，当系统确定云坐席人员的操作记录为无车牌事件时，则可以进一步确定操作类型事件是否为补录车牌事件，当系统检测到云坐席人员做补录车牌的动作时，说明该车在对应的检测车道出现车牌识别错误情况，则系统自动标记该车道的第一未识别数的数量累计加1。

209、系统根据第一识别错误数以及第一未识别数统计每条车道的第二识别错误数以及第二未识别数；

本实施例中步骤209与前述实施例中步骤104类似，此处不做赘述。

210、系统在获取预设时间内每条车道通过的车辆数后统计每条车道的车流量；

本实施例中，每条车道的车流量由识别设备统计识别车辆数统计，例如，系统要统计2021年1月1日至2021年1月2日的车牌识别率，首先要获取计算2021年1月1日至2021年1月2日识别设备总共识别车辆数。

211、系统基于第二识别错误数、第二未识别数以及每条车道的车流量计算每条车道的识别率。

本实施例中步骤211与前述实施例中步骤105类似，此处不做赘述。

下面对本申请实施例中车牌识别率的计算装置进行详细描述，请参阅图3，本申请实施例中车牌识别率的计算装置一个实施例包括：

获取单元301，用于获取云坐席人员的操作记录；

判断单元302，用于判断云坐席人员的操作记录是否包括纠正车牌、补录车牌或者关联场内记录的操作类型事件，

标记单元303，用于当云坐席人员的操作记录包括纠正车牌、补录车牌或者关联场内记录的操作类型事件时，则标记操作类型事件对应车道的第一识别错误数或者第一未识别数；

第一统计单元304，用于根据第一识别错误数以及第一未识别数统计每条车道的第二识别错误数以及第二未识别数；

计算单元305，用于基于第二识别错误数、第二未识别数以及每条车道的车流量计算每条车道的识别率。

本实施例中，获取单元301获取云坐席人员的操作记录，判断单元302根据获取到的云坐席人员的操作记录后判断是否包含有纠正车牌、补录车牌或者关联场内记录的操作类型事件，若存在，则标记单元303根据云坐席人员的操作类型事件对应车道的第一识别错误数以及第一未识别数，第一统计单元304再根据第一识别错误数以及第一未识别数统计每条车道的第二识别错误数以及第二未识别数，最后计算单元305根据统计的第二识别错误数、第二未识别数以及每条车道的车流量计算每条车道的识别率，系统根据统计的识别错误数以及未识别数根据公式准确计算得到车牌识别率，这样计算得到的识别率相对更准确。

下面对本申请实施例中车牌的识别率计算装置进行详细描述，请参阅图4，本申请实施例中车牌的识别率计算装置另一个实施例包括：

接收单元401，用于接收前端系统触发的云坐席事件，云坐席事件包括压地感超时事件、无入场记录事件或者人工呼叫事件；

获取单元402，用于获取云坐席人员的操作记录；

判断单元403，用于判断云坐席人员的操作记录是否包括纠正车牌、补录车牌或者关联场内记录的操作类型事件；

标记单元404，用于当云坐席人员的操作记录包括纠正车牌、补录车牌或者关联场内记录的操作类型事件时，则标记操作类型事件对应车道的第一识别错误数或者第一未识别数；

第一统计单元405，用于根据第一识别错误数以及第一未识别数统计每条车道的第二识别错误数以及第二未识别数；

第二统计单元406，用于在获取预设时间内每条车道通过的车辆数后统计每条车道的车流量；

计算单元407，用于基于第二识别错误数、第二未识别数以及每条车道的车流量计算每条车道的识别率。

本实施例中，判断单元403可以包括确定模块4031、第一判断单元4032以及第二判断单元4033。

确定模块4031，用于确定云坐席人员的操作记录是否为有车牌并且车牌不是虚拟车牌的云坐席事件；

第一判断单元4032，用于当云坐席人员的操作记录为有车牌并且车牌不是虚拟车牌的云坐席事件时，判断云坐席人员的操作记录是否包括纠正车牌或者关联场内记录的操作类型事件；

第二判断单元4033，用于当云坐席人员的操作记录为无车牌云坐席事件时，判断云坐席人员的操作记录是否包括补录车牌的操作类型事件。

本实施例中，标记单元404可以包括第一标记模块4041、第二标记模块4042以及第三标记模块4043。

第一标记模块4041，用于当操作类型事件为纠正车牌事件时，则标记纠正车牌事件对应车道的第一识别错误数的数量累计加1；

第二标记模块4042，用于当操作类型事件为补录车牌事件时，则标记补录车牌事件对应车道的第一未识别数的数量累计加1；

第三标记模块4043，用于当操作类型事件为关联场内记录事件时，则标记关联场内记录事件对应的入口车道的第一识别错误数的数量累计加1。

本实施例中，各单元及模块的功能与前述图2所示实施例中的步骤对应，此处不再赘述。

请参阅图5，本申请实施例中车牌的识别率计算装置另一个实施例包括：

处理器501、存储器502、输入输出单元503、总线504；

处理器501与存储器502、输入输出单元503以及总线504相连；

处理器501执行如下操作：

获取云坐席人员的操作记录；

判断云坐席人员的操作记录是否包括纠正车牌、补录车牌或者关联场内记录的操作类型事件，若是，则标记操作类型事件对应车道的第一识别错误数或者第一未识别数；

根据第一识别错误数以及第一未识别数统计每条车道的第二识别错误数以及第二未识别数；

基于第二识别错误数、第二未识别数以及每条车道的车流量计算每条车道的识别率。

可选的，处理器501的功能与前述图1所示实施例中的步骤对应，此处不做赘述。

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，在本申请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，本申请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)执行本申请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。

Claims (10)

1.一种车牌识别率的计算方法，其特征在于，包括：

获取云坐席人员的操作记录；

判断所述云坐席人员的操作记录是否包括纠正车牌、补录车牌或者关联场内记录的操作类型事件，若是，则标记所述操作类型事件对应车道的第一识别错误数或者第一未识别数；

根据所述第一识别错误数以及所述第一未识别数统计每条车道的第二识别错误数以及第二未识别数；

基于所述第二识别错误数、所述第二未识别数以及所述每条车道的车流量计算所述每条车道的识别率。

2.根据权利要求1所述的方法，其特征在于，所述则标记所述操作类型事件对应车道的第一识别错误数或者第一未识别数，包括：

若所述操作类型事件为纠正车牌事件时，则标记所述纠正车牌事件对应车道的第一识别错误数的数量累计加1；

若所述操作类型事件为补录车牌事件时，则标记所述补录车牌事件对应车道的第一未识别数的数量累计加1；

若所述操作类型事件为关联场内记录事件时，则标记所述关联场内记录事件对应的入口车道的第一识别错误数的数量累计加1。

3.根据权利要求1所述的方法，其特征在于，所述判断所述云坐席人员的操作记录是否包括纠正车牌、补录车牌或者关联场内记录的操作类型事件包括：

确定所述云坐席人员的操作记录是否为有车牌并且所述车牌不是虚拟车牌的云坐席事件，若是，则判断所述云坐席人员的操作记录是否包括纠正车牌或者关联场内记录的操作类型事件；

若否，则判断所述云坐席人员的操作记录是否包括补录车牌的操作类型事件。

4.根据权利要求1所述的方法，其特征在于，在所述获取云坐席人员的操作记录之前，所述方法还包括：

接收前端系统触发的云坐席事件，所述云坐席事件包括压地感超时事件、无入场记录事件或者人工呼叫事件。

5.根据权利要求1所述的方法，其特征在于，所述基于所述第二识别错误数、所述第二未识别数以及所述每条车道的车流量计算所述每条车道的识别率，包括：

计算所述每条车道的所述第二识别数以及所述第二未识别数之和，所述每条车道的所述第二识别错误数以及所述第二未识别数之和与所述每条车道的车流量的比值为识别率。

6.根据权利要求5所述的方法，其特征在于，在所述基于所述第二识别错误数、所述第二未识别数以及所述每条车道的车流量计算所述每条车道的识别率之前，所述方法还包括：

在获取预设时间内所述每条车道通过的车辆数后统计所述每条车道的车流量。

7.根据权利要求1至4中任一项所述的方法，其特征在于，所述纠正车牌、所述补录车牌以及所述关联场内记录的操作类型事件基于所述压地感超时事件、所述无入场记录事件以及所述人工呼叫事件生成。

8.一种车牌识别率的计算装置，其特征在于，包括：

获取单元，用于获取云坐席人员的操作记录；

判断单元，用于判断所述云坐席人员的操作记录是否包括纠正车牌、补录车牌或者关联场内记录的操作类型事件，

标记单元，用于当所述云坐席人员的操作记录包括纠正车牌、补录车牌或者关联场内记录的操作类型事件时，则标记所述操作类型事件对应车道的第一识别错误数或者第一未识别数；

第一统计单元，用于根据所述第一识别错误数以及所述第一未识别数统计每条车道的第二识别错误数以及第二未识别数；

计算单元，用于基于所述第二识别错误数、所述第二未识别数以及所述每条车道的车流量计算所述每条车道的识别率。

9.根据权利要求8所述的装置，其特征在于，所述标记单元包括：

第一标记模块，用于当所述操作类型事件为纠正车牌事件时，则标记所述纠正车牌事件对应车道的第一识别错误数的数量累计加1,；

第二标记模块，用于当所述操作类型事件为补录车牌事件时，则标记所述补录车牌事件对应车道的未识别数的数量累计加1；

第三标记模块，用于当所述操作类型事件为关联场内记录事件时，则标记所述关联场内记录事件对应的入口车道的识别错误数的数量累计加1。

10.根据权利要求8所述的装置，其特征在于，所述判断单元包括：

确定模块，用于确定所述云坐席人员的操作记录是否为有车牌并且所述车牌不是虚拟车牌的云坐席事件；

第一判断模块，用于当所述云坐席人员的操作记录为有车牌并且所述车牌不是虚拟车牌的云坐席事件时，判断所述云坐席人员的操作记录是否包括纠正车牌或者关联场内记录的操作类型事件；

第二判断模块，用于当所述云坐席人员的操作记录为无车牌云坐席事件时，判断所述云坐席人员的操作记录是否包括补录车牌的操作类型事件。

Images