CN113343880A - 一种车辆遮挡号牌的识别方法、装置、设备及介质 - Google Patents
一种车辆遮挡号牌的识别方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN113343880A CN113343880A CN202110683295.7A CN202110683295A CN113343880A CN 113343880 A CN113343880 A CN 113343880A CN 202110683295 A CN202110683295 A CN 202110683295A CN 113343880 A CN113343880 A CN 113343880A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- license plate
- suspected
- image
- shielded
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 60
- 238000004458 analytical method Methods 0.000 claims abstract description 14
- 238000000605 extraction Methods 0.000 claims abstract description 10
- 238000012545 processing Methods 0.000 claims description 48
- 230000008569 process Effects 0.000 claims description 11
- 230000011218 segmentation Effects 0.000 claims description 9
- 238000007781 pre-processing Methods 0.000 claims description 7
- 238000001914 filtration Methods 0.000 claims description 4
- 238000010801 machine learning Methods 0.000 claims description 4
- 238000012544 monitoring process Methods 0.000 description 14
- 238000010586 diagram Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 230000006399 behavior Effects 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 238000013500 data storage Methods 0.000 description 4
- 238000007726 management method Methods 0.000 description 4
- 239000000463 material Substances 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000009432 framing Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000003973 paint Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种车辆遮挡号牌的识别方法、装置、设备及介质，方法包括：获取目标卡口处的车辆实时运行影像进行识别分析，得到疑似遮挡车牌车辆的第一车辆图像信息，然后进行特征提取；根据所述疑似遮挡车牌车辆的活动轨迹，获取相关车辆视频数据，查找疑似遮挡车牌车辆；确定疑似遮挡车牌车辆是否存在遮挡情况，以确定未被遮挡车牌的特殊车牌车辆和遮挡车牌车辆；对遮挡车牌车辆的活动轨迹进行轨迹聚类，确定车辆常用行驶路线，并统计车辆常用行驶路线中与遮挡车牌车辆具有相同特征的车辆的出现频次，记录相同特征车辆的车牌；根据相同特征车辆的车牌确定遮挡车牌车辆的车牌，本发明能够提高效率和准确率，可广泛应用于车牌识别技术领域。
Description
技术领域
本发明涉及车牌识别技术领域，尤其是一种车辆遮挡号牌的识别方法、装置、设备及介质。
背景技术
遮挡车牌是指用多种手法遮挡部分或全部车牌。随着电子信息技术的发展，在交通管理中，通过抓拍车辆的视频图像，识别出车牌，已经成为目前最为常用的一种交通管理手段。在有些时候，抓拍的图片中车牌刚好被其他车辆或者被其他物体无意遮挡，造成无法正确识别车牌。更有很多司机为了躲避违章检测抓拍，在道路行驶过程中，故意用光盘、黑漆等手段将车牌遮挡,故意违章行驶并希望能逃过处罚。而这些情况都会对交通安全造成隐患，不利于交通管理。因此正确识别车牌，并判断是否为恶意遮挡车牌，对交通智能管理具有重大意义。
传统的查遮挡号牌违法行为的方法，大都采用设卡、人工的方式，不仅耗费警方大量人力、物力，而且效率低下，对故意遮挡车牌者的威慑作用不大。相关技术有提出了一种遮挡车牌车辆的辅助辨别方法及系统，利用道路电子眼实时捕捉的车辆运行影像，对图像进行分析并初步确定车牌是否被遮挡；并对被遮挡车牌的车辆进一步处理(提取车辆颜色信息、车辆型号信息、号牌符号信息等)，根据这些特征对相关数据库进行查询，逐步确定可疑车辆或将其锁定在一特定的范围内，从而提高辨别遮挡车牌的违法车辆的效率。但是，在这种方法下，由于具有相同颜色和型号的车辆数量很多，一方面会增加后期排查的人工工作量；另一方面，由于缺少事实证据，也容易造成“冤案”或“错案”，且此种仅仅利用部分特征的方法，仅可辨别车辆是否遮挡，无法识别遮挡部分的具体车牌号，难以对涉事车辆进行针对性处理。
发明内容
有鉴于此，本发明实施例提供一种效率高且准确率高的车辆遮挡号牌的识别方法、装置、设备及介质。
本发明的一方面提供了一种车辆遮挡号牌的识别方法，包括：
获取目标卡口处的车辆实时运行影像；
对所述车辆实时运行影像进行识别分析，得到疑似遮挡车牌车辆的第一车辆图像信息；
对所述第一车辆图像信息进行特征提取，得到特征值信息；
根据所述疑似遮挡车牌车辆的活动轨迹，获取所述疑似遮挡车牌车辆的相关车辆视频数据，查找所述疑似遮挡车牌车辆；
根据所述查找的结果，确定所述疑似遮挡车牌车辆是否存在遮挡情况，以确定未被遮挡车牌的特殊车牌车辆和遮挡车牌车辆；
对所述遮挡车牌车辆的活动轨迹进行轨迹聚类，确定车辆常用行驶路线，并统计所述车辆常用行驶路线中与所述遮挡车牌车辆具有相同特征的车辆的出现频次，记录相同特征车辆的车牌；
根据所述相同特征车辆的车牌确定所述遮挡车牌车辆的车牌。
可选地，所述获取目标卡口处的车辆实时运行影像，包括：
利用道路电子眼实时捕捉的车辆运行影像，将特定片区卡口拍摄的过往车辆的图像信息存储到第一数据库中。
可选地，所述对所述车辆实时运行影像进行识别分析，得到疑似遮挡车牌车辆的第一车辆图像信息，包括：
对所述车辆实时运行影像进行解帧识别后进行图像预处理，得到目标图像；
对所述目标图像中的图像特征进行车牌定位处理，确定车牌位置，所述图像特征包括纹理特征、颜色特征和形状特征；
根据车牌的二值化结果或边缘提取结果，对所述车牌中的字符进行字符分割处理；
将所述字符分割处理得到的各个字符进行字符识别，确定车牌中每个字符的字符信息，进而确定所述第一车辆图像信息。
可选地，所述图像预处理包括自动逆光处理、自动白平衡处理、自动曝光处理、自动过爆处理、图像缩放处理、噪声过滤处理以及对比度增强处理。
可选地，所述车牌定位处理包括投影分析处理、连通域分析处理以及机器学习处理。
可选地，所述根据所述查找的结果，确定所述疑似遮挡车牌车辆是否存在遮挡情况，以确定未被遮挡车牌的特殊车牌车辆和遮挡车牌车辆，包括：
当所述疑似遮挡车牌车辆在两个关联卡口中均存在车牌遮挡情况时，确定为遮挡车牌车辆，并确定所述遮挡车牌车辆的被遮挡字符位；
当所述疑似遮挡车牌车辆为未被遮挡车牌的特殊车牌车辆时，对所述特殊车牌车辆进行车辆特征识别，将识别到的特征与所述第一车辆图像信息进行比对，根据比对结果确认该特殊车辆是否为遮挡车牌车辆。
本发明实施例的另一方面提供了一种车辆遮挡号牌的识别装置，包括：
第一模块，用于获取目标卡口处的车辆实时运行影像；
第二模块，用于对所述车辆实时运行影像进行识别分析，得到疑似遮挡车牌车辆的第一车辆图像信息；
第三模块，用于对所述第一车辆图像信息进行特征提取，得到特征值信息；
第四模块，用于根据所述疑似遮挡车牌车辆的活动轨迹，获取所述疑似遮挡车牌车辆的相关车辆视频数据，查找所述疑似遮挡车牌车辆；
第五模块，用于根据所述查找的结果，确定所述疑似遮挡车牌车辆是否存在遮挡情况，以确定未被遮挡车牌的特殊车牌车辆和遮挡车牌车辆；
第六模块，用于对所述遮挡车牌车辆的活动轨迹进行轨迹聚类，确定车辆常用行驶路线，并统计所述车辆常用行驶路线中与所述遮挡车牌车辆具有相同特征的车辆的出现频次，记录相同特征车辆的车牌；
第七模块，用于根据所述相同特征车辆的车牌确定所述遮挡车牌车辆的车牌。
本发明实施例的另一方面提供了一种电子设备，包括处理器以及存储器；
所述存储器用于存储程序；
所述处理器执行所述程序实现如前面所述的方法。
本发明实施例的另一方面提供了一种计算机可读存储介质，所述存储介质存储有程序，所述程序被处理器执行实现如前面所述的方法。
本发明实施例还公开了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器可以从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行前面的方法。
本发明的实施例获取目标卡口处的车辆实时运行影像；对所述车辆实时运行影像进行识别分析，得到疑似遮挡车牌车辆的第一车辆图像信息；对所述第一车辆图像信息进行特征提取，得到特征值信息；根据所述疑似遮挡车牌车辆的活动轨迹，获取所述疑似遮挡车牌车辆的相关车辆视频数据，查找所述疑似遮挡车牌车辆；根据所述查找的结果，确定所述疑似遮挡车牌车辆是否存在遮挡情况，以确定未被遮挡车牌的特殊车牌车辆和遮挡车牌车辆；对所述遮挡车牌车辆的活动轨迹进行轨迹聚类，确定车辆常用行驶路线，并统计所述车辆常用行驶路线中与所述遮挡车牌车辆具有相同特征的车辆的出现频次，记录相同特征车辆的车牌；根据所述相同特征车辆的车牌确定所述遮挡车牌车辆的车牌，本发明能够提高识别效率和准确率。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例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申请的一些实施例，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为本发明实施例提供的识别装置示意图；
图2为本发明实施例提供的一个疑似被遮挡车辆历史轨迹和卡口监控过程的示意图；
图3为本发明实施例提供的根据预测车辆轨迹预测模块判断车辆是否遮挡过程的示意图；
图4为本发明另一实例提供的根据预测车辆轨迹回溯模块判断车辆是否遮挡过程的示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
针对现有技术存在的问题，本发明实施例提供了一种车辆遮挡号牌的识别方法，包括：
获取目标卡口处的车辆实时运行影像；
对所述车辆实时运行影像进行识别分析，得到疑似遮挡车牌车辆的第一车辆图像信息；
对所述第一车辆图像信息进行特征提取，得到特征值信息；
根据所述疑似遮挡车牌车辆的活动轨迹，获取所述疑似遮挡车牌车辆的相关车辆视频数据，查找所述疑似遮挡车牌车辆；
根据所述查找的结果，确定所述疑似遮挡车牌车辆是否存在遮挡情况，以确定未被遮挡车牌的特殊车牌车辆和遮挡车牌车辆；
对所述遮挡车牌车辆的活动轨迹进行轨迹聚类，确定车辆常用行驶路线，并统计所述车辆常用行驶路线中与所述遮挡车牌车辆具有相同特征的车辆的出现频次，记录相同特征车辆的车牌；
根据所述相同特征车辆的车牌确定所述遮挡车牌车辆的车牌。
具体地，本发明实施例的方法可以包括以下步骤：
S1、利用道路电子眼实时捕捉的车辆运行影像，将特定片区卡口拍摄的过往车辆的图像信息存储到第一数据库s中；
S2、对存储的图像信息进行识别分析，初步判断视频中是否存在疑似遮挡车牌车辆，并给出被遮挡的字符位，并将判断为疑似遮挡车牌车辆的图像信息存储在数据库A中，提取疑似遮挡车牌车辆基于时间顺序的活动轨迹。
S3、提取数据库A中存储的图像信息的特征值信息(提取车辆颜色信息、车辆型号信息、未遮挡号牌符号信息等)
S4、根据疑似遮挡车牌车辆在该卡口处基于时间顺序的活动轨迹，依次调出距离该方向最近的卡口拍摄相关车辆视频数据库，并判断是否包含疑似遮挡车牌车辆。如果仍存在车牌遮挡情况，给出被遮挡的字符位，接着采用图像处理技术对其包含的车辆特征值信息进行识别，并与S3提取的特征进行比对，若能查到一个结果，继续根据该车的行驶轨迹调出下一个最有可能行驶的卡口视频，重复上述操作两次直至确定该车确实存在遮挡情况。若不存在遮挡情况则，转到S5。
S5、若不存在遮挡情况，则采用图像处理技术对其包含的车辆特征值信息进行识别，并与S3提取的特征进行比对，若特征对比结果在一定置信值范围内，可判断出该车并未存在遮挡车辆车牌的情况，因为是按照车辆行驶轨迹的方向进行搜索
S6、基于车牌数据库，分别提取特征相同车辆基于时间顺序的活动轨迹：然后通过轨迹聚类计算特殊车牌车辆和遮挡车牌车辆的历史轨迹匹配度或相似度，通过对遮挡车牌车辆的行驶轨迹分析得出其行驶轨迹并得出其行程中隐藏的规律特征，比如确定经常经过的概率最大的路线，确定出该车辆的疑似常用行驶路线之后，针对该路线上的各个卡口分别调取不同时间段的监控视频，对比分析是否有特征相同的车辆，并统计其出现频次，并记录车牌uid。
S7、提取特征相同车辆基于时间顺序的活动轨迹。将查询到的结果进行存储，判定该车辆车牌被全部遮挡，将图像信息进行存储；
S8、判定该车辆为套牌或伪造车牌车辆，将图像信息进行存储。
可选地，所述获取目标卡口处的车辆实时运行影像，包括：
利用道路电子眼实时捕捉的车辆运行影像，将特定片区卡口拍摄的过往车辆的图像信息存储到第一数据库中。
可选地，所述对所述车辆实时运行影像进行识别分析，得到疑似遮挡车牌车辆的第一车辆图像信息，包括：
对所述车辆实时运行影像进行解帧识别后进行图像预处理，得到目标图像；
对所述目标图像中的图像特征进行车牌定位处理，确定车牌位置，所述图像特征包括纹理特征、颜色特征和形状特征；
根据车牌的二值化结果或边缘提取结果，对所述车牌中的字符进行字符分割处理；
将所述字符分割处理得到的各个字符进行字符识别，确定车牌中每个字符的字符信息，进而确定所述第一车辆图像信息。
具体地，下面对本发明实施例的车牌识别方法进行详细描述：
车牌字符识别是字符识别的重要组成部分。字符识别的基本思想是匹配判别。抽取待识别字符特征按照字符识别的原理和预先存储在计算机中的标准字符模式表达形式的集合逐一进行匹配，找出最接近输入字符模式的表达形式，该表达形式对应的字就是识别结果。
车牌识别过程主要包含五个步骤，其中包括图像采集、图像预处理、车牌定位、字符分割、字符识别、输出结果等一系列计算机算法运算。
第一步【图像采集】：此步骤通过前端采集视频流数据，再通过硬件或软件对视频流进行解帧识别。
第二步【预处理】：一般会根据对现场环境和已经拍摄到的图像的分析得出结论，实现相机的自动逆光处理、自动白平衡处理、自动曝光处理、自动过爆处理等，并对图像进行图像缩放、噪声过滤、对比度增强等处理。
第三步【车牌定位】：对车牌的的定位一般会依据所采集的图像中纹理特征、颜色特征和形状特征等信息，采用投影分析、连通域分析、机器学习等算法检测车牌。
第四步【字符分割】：字符分割的主要思路是，基于车牌的二值化结果或边缘提取结果，利用字符的结构特征、字符间的相似性、字符间间隔等信息，一方面把单个字符分别提取出来，也包括粘连和断裂字符等特殊情况的处理；另一方面把宽、高相似的字符归为一类从而去除车牌边框以及一些小的噪声。一般采用的算法有：投影分析、连通域分析，字符聚类和模板匹配等。
第五步【字符识别】：当前成熟应用的字符识别算法有：模板匹配法、人工神经网络法、支持向量机法和Adaboost分类法等。本专利通过卷积神经网络CNN提取图形的特征，经过多次迭代训练字符数据库模板进行匹配，最后选取匹配度最高的结果以输出。
可选地，所述图像预处理包括自动逆光处理、自动白平衡处理、自动曝光处理、自动过爆处理、图像缩放处理、噪声过滤处理以及对比度增强处理。
可选地，所述车牌定位处理包括投影分析处理、连通域分析处理以及机器学习处理。
可选地，所述根据所述查找的结果，确定所述疑似遮挡车牌车辆是否存在遮挡情况，以确定未被遮挡车牌的特殊车牌车辆和遮挡车牌车辆，包括：
当所述疑似遮挡车牌车辆在两个关联卡口中均存在车牌遮挡情况时，确定为遮挡车牌车辆，并确定所述遮挡车牌车辆的被遮挡字符位；
当所述疑似遮挡车牌车辆为未被遮挡车牌的特殊车牌车辆时，对所述特殊车牌车辆进行车辆特征识别，将识别到的特征与所述第一车辆图像信息进行比对，根据比对结果确认该特殊车辆是否为遮挡车牌车辆。
本发明实施例的另一方面提供了一种车辆遮挡号牌的识别装置，包括：
第一模块，用于获取目标卡口处的车辆实时运行影像；
第二模块，用于对所述车辆实时运行影像进行识别分析，得到疑似遮挡车牌车辆的第一车辆图像信息；
第三模块，用于对所述第一车辆图像信息进行特征提取，得到特征值信息；
第四模块，用于根据所述疑似遮挡车牌车辆的活动轨迹，获取所述疑似遮挡车牌车辆的相关车辆视频数据，查找所述疑似遮挡车牌车辆；
第五模块，用于根据所述查找的结果，确定所述疑似遮挡车牌车辆是否存在遮挡情况，以确定未被遮挡车牌的特殊车牌车辆和遮挡车牌车辆；
第六模块，用于对所述遮挡车牌车辆的活动轨迹进行轨迹聚类，确定车辆常用行驶路线，并统计所述车辆常用行驶路线中与所述遮挡车牌车辆具有相同特征的车辆的出现频次，记录相同特征车辆的车牌；
第七模块，用于根据所述相同特征车辆的车牌确定所述遮挡车牌车辆的车牌。
本发明实施例的另一方面提供了一种电子设备，包括处理器以及存储器；
所述存储器用于存储程序；
所述处理器执行所述程序实现如前面所述的方法。
本发明实施例的另一方面提供了一种计算机可读存储介质，所述存储介质存储有程序，所述程序被处理器执行实现如前面所述的方法。
下面结合说明书附图，对本发明的车辆遮挡号牌的识别方法和装置进行详细描述：
请参阅图1，本发明实施例提供一种车辆遮挡号牌的计算机图像识别方法装置示意图；包括：
视频图像存储单元、遮挡识别模块、数据存储模块、特征提取模块、特征匹配模块、轨迹回溯模块、轨迹聚类模块、轨迹预测模块；
其中，所述视频图像存储单元用于存储电子眼拍摄的图像信息；
与所述视频图像存储单元相连的遮挡识别模块，用于初步识别是否为遮挡车牌车辆；
与所述遮挡识别模块相连的数据存储模块，用于存储识别为遮挡车牌车辆及与遮挡车辆特征相似的车辆图像及车牌信息；
与所述数据存储模块相连的特征提取模块：
用于提取从电子眼接收的图像信息的特征值信息并采用图像处理技术对特征值信息进行识别；
用于存储发送给特征提取模块的图像信息；
用于存储特征匹配模块处理匹配结果的信息；
用于存储遮挡车牌车辆图像信息中的特征值信息；
用于存储与特征相似车牌车辆图像信息。
与所述特征提取模块相连的特征匹配模块，根据提取出的车辆特征值信息在经过轨迹预测模块处理或者车辆轨迹回溯模块处理后的车辆信息数据库中进行查询；
与所述特征匹配模块相连的轨迹预测模块，根据监控视频的车辆行驶方向推测出车辆的部分未来行驶轨迹，从视频存储单元调出下一个路口的监控视频和车辆信息，用于排除其他多余的路口监控视频，缩小车辆特征对比和查询的范围，精准定位车辆位置以提高查处遮挡车牌违法行为的效率。
与所述特征匹配模块相连的轨迹回溯模块，根据车辆行驶方向从视频存储单元车辆推测出车辆的部分过去行驶轨迹，从视频存储单元调出前一个路口的监控视频和车辆信息，用于推测存储车辆的历史轨迹，在经过轨迹聚类模块后，确定车辆常用的若干视频卡口，用于排除其他多余的路口监控视频，缩小车辆特征对比和查询的范围，精准定位车辆位置以提高查处遮挡车牌违法行为的效率。
本发明提出一种车辆遮挡号牌的计算机图像识别方法，利用车辆外观、颜色、遮挡剩余部位识别、车辆历史(未遮挡时段)匹配、行驶轨迹规律特征等大数据分析，筛选、排除、锁定车辆，进行处罚。具体地，利用道路电子眼实时捕捉的车辆运行影像，对图像进行分析并初步确定车牌是否被遮挡；如果该车初步判断疑似遮挡，就对被遮挡车牌的车辆进一步处理(提取车辆颜色信息、车辆型号信息、未遮挡号牌符号信息等)，根据在该卡口处车辆最后的行驶方向调出距离该方向最近的卡口视频，接着根据处理的特征对特定卡口拍摄的视频相关车辆数据库进行查询，继续根据该车的行驶轨迹调出下一个最有可能的卡口视频，并进行特征对比，逐步确定可疑车辆或将其锁定在一特定的范围内。基于车牌数据库，分别提取遮挡车牌车辆、特征相同车辆基于时间顺序的活动轨迹：然后计算特殊车牌车辆和遮挡车牌车辆的历史轨迹匹配度或相似度，通过对遮挡车牌车辆的行驶轨迹分析得出其行驶轨迹并得出其行程中隐藏的规律特征，确定出该车辆的疑似常用行驶路线之后，针对该路线上的各个卡口分别调取不同时间段的监控视频，对比分析是否有特征相同的车辆，并统计其出现频次及车牌uid，继续缩小可疑车辆出现的范围，针对出现频次较高的卡口调取其视频直至15天不出现疑似被遮挡车辆为止，以此时间为节点，查询该节点之前改卡口视频中是否有车牌及车辆特征相似的车辆，并调取该车辆的历史轨迹，判断是否与疑似遮挡车辆的历史轨迹重合，逐步确定车辆具体车牌。
参图2所示，本发明还公开了一种疑似被遮挡车辆历史轨迹和卡口监控过程的示意图；其中，若当前节点为M，则根据视频中车辆的行驶方向预测下一个节点为N，上一个节点为O，重复上述行为，预测N的下一个节点为P，回溯N的上一个节点为M，继续重复多次，可以得到疑似遮挡车辆的一段行驶轨迹。也可以事先划定一个片区，检测片区的视频是否有疑似遮挡车辆，记录疑似遮挡车辆出现的卡口位置和出现频次，并对其车辆和车牌特征进行识别，记录特征相似的车辆所经过的轨迹，也可以得到车辆在该片区的历史轨迹过程，针对不同日期，重复上述过程，得到多条历史轨迹，经过聚类得到最常用的车辆行驶轨迹，但该过程没有利用到通过车辆行驶轨迹在时间上的先后关系和空间上的连续关系，同时需要对该片区所有卡口的视频都进行存储和识别并判断是否存在遮挡过程，较为繁琐。
图3为实施例提供的根据预测车辆轨迹预测模块判断车辆是否遮挡过程的示意图。
利用道路电子眼实时捕捉的车辆运行影像，对图像进行分析并初步确定车牌是否被遮挡；如果该车初步判断疑似遮挡，就对被遮挡车牌的车辆进一步处理(提取车辆颜色信息、车辆型号信息、未遮挡号牌符号信息等)，根据在该卡口处车辆最后的行驶方向调出距离该方向最近的卡口视频，接着根据处理的特征对特定卡口拍摄的视频相关车辆数据库进行查询，继续根据该车的行驶轨迹调出下一个最有可能的卡口视频，并进行特征对比，逐步确定可疑车辆或将其锁定在一特定的范围内。
图4为另一实例提供的根据预测车辆轨迹回溯模块判断车辆是否遮挡过程的示意图。
利用道路电子眼实时捕捉的车辆运行影像，对图像进行分析并初步确定车牌是否被遮挡；基于车牌数据库，分别提取遮挡车牌车辆、特征相同车辆基于时间顺序的活动轨迹：然后计算特殊车牌车辆和遮挡车牌车辆的历史轨迹匹配度或相似度，通过对遮挡车牌车辆的行驶轨迹分析得出其行驶轨迹并得出其行程中隐藏的规律特征，确定出该车辆的疑似常用行驶路线之后，针对该路线上的各个卡口分别调取不同时间段的监控视频，对比分析是否有特征相同的车辆，并统计其出现频次及车牌uid，继续缩小可疑车辆出现的范围，针对出现频次较高的卡口调取其视频直至15天不出现疑似被遮挡车辆为止，以此时间为节点，查询该节点之前改卡口视频中是否有车牌及车辆特征相似的车辆，并调取该车辆的历史轨迹，判断是否与疑似遮挡车辆的历史轨迹重合，逐步确定车辆具体车牌。
结合图3、图4的两种判断遮挡车牌车辆的方法得到最后结果，逐步确定可疑车辆或将其锁定在一特定的范围内，直至最后锁定车辆具体车牌。
由以上实施方式可以看出，本发明具有以下有益效果：
本发明提出的一种车辆遮挡号牌的计算机图像识别方法，包括：视频图像存储单元、遮挡识别模块、数据存储模块、特征提取模块、特征匹配模块、轨迹回溯模块、轨迹聚类模块、轨迹预测模块；同时利用车辆和车票特征，额外还添加了车辆轨迹特征进行判断。
不同于以往的车票识别方法，本专利对视频监控录像的图片信息车票特征和车辆外部特征同时进行建模，利用车辆行驶轨迹在时间上的先后关系和空间上的连续关系，通过提取后续几个路口行驶轨迹的视频判断是否存在遮挡情况，而不只是单独对车辆或者车票进行建模判断。
利用车辆的未来行驶轨迹多次判断该车辆是否存在物体遮挡情况导致的车牌遮挡，降低了判断出错的概率，排除直接利用车辆外形特征识别而导致的误判，因为车型一致和车辆一致的车在同一时间段可能不止一辆，但是轨迹完全相似的几乎没有。目前尚未发现利用车辆本身独有的轨迹特征对车票进行识别以排除因恶劣天气和障碍物遮挡导致的判断失误情况。
轨迹预测模块，根据监控视频的车辆行驶方向推测出车辆的部分未来行驶轨迹，缩小车辆特征对比和查询的范围，减少了对其他多余的路口监控视频进行特征建模的过程，提高了查处遮挡车牌违法行为的效率，同时降低了误判的可能性。
历史轨迹回溯模块，根据车辆行驶方向从视频存储单元车辆推测出车辆的部分过去行驶轨迹，从视频存储单元调出前一个路口的监控视频和车辆信息，用于推测存储车辆的历史轨迹，通过对疑似遮挡车票车辆的轨迹进行聚类判断出常用轨迹，确定车辆常用的若干视频卡口，用于排除其他多余的路口监控视频，缩小车辆特征对比和查询的范围。
本发明实施例还公开了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器可以从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行图1所示的方法。
此外，虽然在功能性模块的背景下描述了本发明，但应当理解的是，除非另有相反说明，所述的功能和/或特征中的一个或多个可以被集成在单个物理装置和/或软件模块中，或者一个或多个功能和/或特征可以在单独的物理装置或软件模块中被实现。还可以理解的是，有关每个模块的实际实现的详细讨论对于理解本发明是不必要的。更确切地说，考虑到在本文中公开的装置中各种功能模块的属性、功能和内部关系的情况下，在工程师的常规技术内将会了解该模块的实际实现。因此，本领域技术人员运用普通技术就能够在无需过度试验的情况下实现在权利要求书中所阐明的本发明。还可以理解的是，所公开的特定概念仅仅是说明性的，并不意在限制本发明的范围，本发明的范围由所附权利要求书及其等同方案的全部范围来决定。
所述功能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-Only Memory)、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。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。
计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同物限定。
以上是对本发明的较佳实施进行了具体说明，但本发明并不限于所述实施例，熟悉本领域的技术人员在不违背本发明精神的前提下还可做出种种的等同变形或替换，这些等同的变形或替换均包含在本申请权利要求所限定的范围内。
Claims (9)
1.一种车辆遮挡号牌的识别方法，其特征在于，包括：
获取目标卡口处的车辆实时运行影像；
对所述车辆实时运行影像进行识别分析，得到疑似遮挡车牌车辆的第一车辆图像信息；
对所述第一车辆图像信息进行特征提取，得到特征值信息；
根据所述疑似遮挡车牌车辆的活动轨迹，获取所述疑似遮挡车牌车辆的相关车辆视频数据，查找所述疑似遮挡车牌车辆；
根据所述查找的结果，确定所述疑似遮挡车牌车辆是否存在遮挡情况，以确定未被遮挡车牌的特殊车牌车辆和遮挡车牌车辆；
对所述遮挡车牌车辆的活动轨迹进行轨迹聚类，确定车辆常用行驶路线，并统计所述车辆常用行驶路线中与所述遮挡车牌车辆具有相同特征的车辆的出现频次，记录相同特征车辆的车牌；
根据所述相同特征车辆的车牌确定所述遮挡车牌车辆的车牌。
2.根据权利要求1所述的一种车辆遮挡号牌的识别方法，其特征在于，所述获取目标卡口处的车辆实时运行影像，包括：
利用道路电子眼实时捕捉的车辆运行影像，将特定片区卡口拍摄的过往车辆的图像信息存储到第一数据库中。
3.根据权利要求1所述的一种车辆遮挡号牌的识别方法，其特征在于，所述对所述车辆实时运行影像进行识别分析，得到疑似遮挡车牌车辆的第一车辆图像信息，包括：
对所述车辆实时运行影像进行解帧识别后进行图像预处理，得到目标图像；
对所述目标图像中的图像特征进行车牌定位处理，确定车牌位置，所述图像特征包括纹理特征、颜色特征和形状特征；
根据车牌的二值化结果或边缘提取结果，对所述车牌中的字符进行字符分割处理；
将所述字符分割处理得到的各个字符进行字符识别，确定车牌中每个字符的字符信息，进而确定所述第一车辆图像信息。
4.根据权利要求3所述的一种车辆遮挡号牌的识别方法，其特征在于，所述图像预处理包括自动逆光处理、自动白平衡处理、自动曝光处理、自动过爆处理、图像缩放处理、噪声过滤处理以及对比度增强处理。
5.根据权利要求3所述的一种车辆遮挡号牌的识别方法，其特征在于，所述车牌定位处理包括投影分析处理、连通域分析处理以及机器学习处理。
6.根据权利要求1所述的一种车辆遮挡号牌的识别方法，其特征在于，所述根据所述查找的结果，确定所述疑似遮挡车牌车辆是否存在遮挡情况，以确定未被遮挡车牌的特殊车牌车辆和遮挡车牌车辆，包括：
当所述疑似遮挡车牌车辆在两个关联卡口中均存在车牌遮挡情况时，确定为遮挡车牌车辆，并确定所述遮挡车牌车辆的被遮挡字符位；
当所述疑似遮挡车牌车辆为未被遮挡车牌的特殊车牌车辆时，对所述特殊车牌车辆进行车辆特征识别，将识别到的特征与所述第一车辆图像信息进行比对，根据比对结果确认该特殊车辆是否为遮挡车牌车辆。
7.一种车辆遮挡号牌的识别装置，其特征在于，包括：
第一模块，用于获取目标卡口处的车辆实时运行影像；
第二模块，用于对所述车辆实时运行影像进行识别分析，得到疑似遮挡车牌车辆的第一车辆图像信息；
第三模块，用于对所述第一车辆图像信息进行特征提取，得到特征值信息；
第四模块，用于根据所述疑似遮挡车牌车辆的活动轨迹，获取所述疑似遮挡车牌车辆的相关车辆视频数据，查找所述疑似遮挡车牌车辆；
第五模块，用于根据所述查找的结果，确定所述疑似遮挡车牌车辆是否存在遮挡情况，以确定未被遮挡车牌的特殊车牌车辆和遮挡车牌车辆；
第六模块，用于对所述遮挡车牌车辆的活动轨迹进行轨迹聚类，确定车辆常用行驶路线，并统计所述车辆常用行驶路线中与所述遮挡车牌车辆具有相同特征的车辆的出现频次，记录相同特征车辆的车牌；
第七模块，用于根据所述相同特征车辆的车牌确定所述遮挡车牌车辆的车牌。
8.一种电子设备，其特征在于，包括处理器以及存储器；
所述存储器用于存储程序；
所述处理器执行所述程序实现如权利要求1-6中任一项所述的方法。
9.一种计算机可读存储介质，其特征在于，所述存储介质存储有程序，所述程序被处理器执行实现如权利要求1-6中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110683295.7A CN113343880A (zh) | 2021-06-21 | 2021-06-21 | 一种车辆遮挡号牌的识别方法、装置、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110683295.7A CN113343880A (zh) | 2021-06-21 | 2021-06-21 | 一种车辆遮挡号牌的识别方法、装置、设备及介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113343880A true CN113343880A (zh) | 2021-09-03 |
Family
ID=77477761
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110683295.7A Pending CN113343880A (zh) | 2021-06-21 | 2021-06-21 | 一种车辆遮挡号牌的识别方法、装置、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113343880A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115938130A (zh) * | 2022-11-01 | 2023-04-07 | 重庆交通大学 | 适用于复杂路况的车牌遮挡识别方法 |
| CN116740661A (zh) * | 2023-08-11 | 2023-09-12 | 科大国创软件股份有限公司 | 一种基于车脸识别反向追踪蒙牌车辆的方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104715612A (zh) * | 2013-12-12 | 2015-06-17 | 南京中兴力维软件有限公司 | 基于行车轨迹匹配实现的嫌疑车辆跟踪方法及装置 |
| CN104951784A (zh) * | 2015-06-03 | 2015-09-30 | 杨英仓 | 一种车辆无牌及车牌遮挡实时检测方法 |
| CN105225493A (zh) * | 2015-10-09 | 2016-01-06 | 北京易华录信息技术股份有限公司 | 一种车辆识别方法、装置及稽查系统 |
| CN108924759A (zh) * | 2017-04-06 | 2018-11-30 | 阿里巴巴集团控股有限公司 | 识别移动发生器的方法、装置及系统 |
| US20190080594A1 (en) * | 2017-09-13 | 2019-03-14 | Boe Technology Group Co., Ltd. | Apparatus and method for identifying license plate tampering |
| CN112309126A (zh) * | 2020-10-30 | 2021-02-02 | 杭州海康威视数字技术股份有限公司 | 车牌检测方法、装置、电子设备及计算机可读存储介质 |
-
2021
- 2021-06-21 CN CN202110683295.7A patent/CN113343880A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104715612A (zh) * | 2013-12-12 | 2015-06-17 | 南京中兴力维软件有限公司 | 基于行车轨迹匹配实现的嫌疑车辆跟踪方法及装置 |
| CN104951784A (zh) * | 2015-06-03 | 2015-09-30 | 杨英仓 | 一种车辆无牌及车牌遮挡实时检测方法 |
| CN105225493A (zh) * | 2015-10-09 | 2016-01-06 | 北京易华录信息技术股份有限公司 | 一种车辆识别方法、装置及稽查系统 |
| CN108924759A (zh) * | 2017-04-06 | 2018-11-30 | 阿里巴巴集团控股有限公司 | 识别移动发生器的方法、装置及系统 |
| US20190080594A1 (en) * | 2017-09-13 | 2019-03-14 | Boe Technology Group Co., Ltd. | Apparatus and method for identifying license plate tampering |
| CN112309126A (zh) * | 2020-10-30 | 2021-02-02 | 杭州海康威视数字技术股份有限公司 | 车牌检测方法、装置、电子设备及计算机可读存储介质 |
Non-Patent Citations (2)
| Title |
|---|
| 严明: "高速公路中车辆对象同一性的检索", 《中国优秀硕士学位论文全文数据库 (工程科技Ⅱ辑)》 * |
| 杨英仓等: "用于卡口系统的车牌遮挡检测方法", 《湖南科技大学学报(自然科学版)》 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115938130A (zh) * | 2022-11-01 | 2023-04-07 | 重庆交通大学 | 适用于复杂路况的车牌遮挡识别方法 |
| CN115938130B (zh) * | 2022-11-01 | 2023-10-31 | 重庆交通大学 | 适用于复杂路况的车牌遮挡识别方法 |
| CN116740661A (zh) * | 2023-08-11 | 2023-09-12 | 科大国创软件股份有限公司 | 一种基于车脸识别反向追踪蒙牌车辆的方法 |
| CN116740661B (zh) * | 2023-08-11 | 2023-12-22 | 科大国创软件股份有限公司 | 一种基于车脸识别反向追踪蒙牌车辆的方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US9704201B2 (en) | Method and system for detecting uninsured motor vehicles | |
| CN108694399B (zh) | 车牌识别方法、装置及系统 | |
| CN110909692A (zh) | 异常车牌识别方法、装置及计算机存储介质、电子设备 | |
| Halawa et al. | Face recognition using faster R-CNN with inception-V2 architecture for CCTV camera | |
| US20120093398A1 (en) | System and method for multi-agent event detection and recognition | |
| CN109344886B (zh) | 基于卷积神经网络的遮挡号牌判别方法 | |
| CN113343880A (zh) | 一种车辆遮挡号牌的识别方法、装置、设备及介质 | |
| CN111369801B (zh) | 车辆识别方法、装置、设备和存储介质 | |
| CN107644206A (zh) | 一种道路异常行为动作检测装置 | |
| CN114387591A (zh) | 车牌识别方法、系统、设备及存储介质 | |
| CN114049612A (zh) | 基于以图搜图技术的高速公路车辆收费稽核系统及行驶路径双重获取检验方法 | |
| CN116258466B (zh) | 多模态电力场景作业规范检测方法、系统、设备及介质 | |
| Ghoreyshi et al. | Simultaneous vehicle detection and classification model based on deep YOLO networks | |
| CN113239854A (zh) | 一种基于深度学习的船舶身份识别方法及系统 | |
| Al Nasim et al. | An automated approach for the recognition of bengali license plates | |
| WO2022064486A1 (en) | Vehicle image analysis | |
| Kumar et al. | The Real Time Vehicle License Plate Identification System | |
| CN117576674A (zh) | 车牌识别方法、装置、设备及介质 | |
| CN113283303A (zh) | 一种车牌识别方法及装置 | |
| Bravi et al. | Detection of stop sign violations from dashcam data | |
| CN114419889A (zh) | 时段划分方法、装置、电子设备及存储介质 | |
| CN114973169A (zh) | 基于多目标检测和跟踪的车辆分类计数方法及系统 | |
| KR102435435B1 (ko) | 인공지능 기반 차량번호 및 보행자 검색 시스템 및 방법 | |
| CN116416565A (zh) | 一种特定区域行人尾随及翻越检测方法和系统 | |
| CN113449624A (zh) | 一种基于行人重识别确定车辆行为的方法及装置 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210903 |