CN114092686A - 无人停车场车牌识别数据再匹配方法、介质、设备及装置 - Google Patents
无人停车场车牌识别数据再匹配方法、介质、设备及装置 Download PDFInfo
- Publication number
- CN114092686A CN114092686A CN202111384922.3A CN202111384922A CN114092686A CN 114092686 A CN114092686 A CN 114092686A CN 202111384922 A CN202111384922 A CN 202111384922A CN 114092686 A CN114092686 A CN 114092686A
- Authority
- CN
- China
- Prior art keywords
- matching
- vehicle
- license plate
- vehicles
- information
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
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
本发明提供了一种无人停车场车牌识别数据再匹配方法、介质、设备及装置,涉及车辆信息处理技术领域。其中方法包括采集车辆信息、识别车牌、识别车辆外观图像、储存采集和识别获得的车辆信息、车牌匹配、车牌再匹配、出入场时间匹配和关键性特征匹配。本发明通过再匹配的方法,即使在入场车辆车牌信息识别错误时,也能自动匹配开闸,具有一定的容错率,提高车辆匹配效率。有效避免识别出错时用户的长时间等待,提升用户体验感。本发明在出入场车辆车牌识别错误时,通过车牌再匹配、出入场时间匹配和关键性特征匹配层层匹配,可以提高再匹配的准确性,容错率高。
Description
技术领域
本发明涉及车辆信息处理技术领域,特别涉及一种停车场车牌识别错误快速处理方法、一种计算机可读存储介质、一种计算机设备及一种无人停车场车牌识别数据再匹配方法。
背景技术
随着移动互联网、人工智能、电子支付等技术的发展,无人值守停车场也在快速发展,在全国已有不少停车场采用了无人值守的停车场模式,在停车管理方面取得了良好的经济效益。
车牌识别,目前主流技术方案是通过识别视频图像信息获得的,但由于光照条件、角度、遮挡等因素,普遍存在识别错误、未识别等系统性错误。这种错误会造成停车场在出场车牌匹配中会经常出现无法与该车辆进场时的车牌信息相匹配,从而导致用户无法正常缴费,需要人工进行开闸,等待出场时间长,用户的体验感较差,最终给停车场“无人值守”带来挑战。
基于此,做出本申请。
发明内容
为了解决现有技术中存在的上述缺陷,本发明旨在至少在一定程度上解决上述技术中的技术问题之一。为此,本发明的第一个目的在于提出一种无人停车场车牌识别数据再匹配方法,能够解决停车场无人值守时由于车辆进出场时的车牌信息识别错误而导致用户无法正常缴费、等待出场时间长、用户的体验感较差的问题。本发明通过再匹配的方法,即使在入场车辆车牌信息识别错误时,也能自动匹配开闸,具有一定的容错率,提高车辆匹配效率。
本发明的第二个目的在于提出一种计算机可读存储介质。
本发明的第三个目的在于提出一种计算机设备。
本发明的第四个目的在于提出一种无人停车场车牌识别数据再匹配装置。
为了实现上述目的,本发明第一方面提出了一种无人停车场车牌识别数据再匹配方法,包括如下步骤:
采集车辆信息,采集入场车辆的外观图像、车牌和入场时间,采集出场车辆的外观图像、车牌和出场时间;
识别车牌,识别入场车辆车牌信息和和出场车辆车牌信息;
识别车辆外观图像,识别入场车辆的外观图像,提取入场车辆关键性特征,识别出场车辆的外观图像,提取出场车辆关键性特征;
储存采集和识别获得的车辆信息,包括入场车辆车牌信息、入场车辆入场时间信息、入场车辆关键性特征信息、出场车辆车牌信息、出场车辆出场时间信息和出场车辆关键性特征信息,形成数据库;
车牌匹配,将出场车辆车牌信息与数据库中的车牌信息进行匹配,判断能否匹配成功;
车牌再匹配,全字匹配不成功时,采用“余弦相似度”算法进行车牌数据再匹的配容错处理,将识别的出场车辆车牌信息与数据库中入场车辆车牌信息逐一计算余弦相似度,并给出入场车牌相似度排名,取前若干位;
出入场时间匹配,调取入场车牌相似度排名前若干位的入场车辆的入场时间,与出场车辆的出场时间进行匹配,剔除迟于出场时间的入场车辆,剩余为时间匹配的入场车辆;
关键性特征匹配,调取时间匹配的入场车辆且位于入场车牌相似度排名首位的入场车辆关键性特征信息,与出场车辆的关键性特征信息进行匹配,判断能否匹配成功,若不成功则与入场车牌相似度排名后一位的关键性特征信息进行匹配,匹配不成功则依次按照顺序进行,直至与顺序为最后一位的时间匹配的入场车辆进行关键性特征匹配仍然不成功,则得出关键性特征匹配最终不成功的结论;
道闸执行,对车牌匹配成功和关键性特征匹配成功的车辆,执行开启道闸;
异常预警,对关键性特征匹配最终不成功的出场车辆进行异常预警,提醒停车场工作人员进行及时人工处理。
另外,根据本发明上述方案提出的无人停车场车牌识别数据再匹配方法还可以具
有如下附加的技术特征:
结合第一方面,提出第一种优选方案,根据所述识别车辆外观图像,识别入场车辆的外观图像,提取入场车辆关键性特征,识别出场车辆的外观图像,提取出场车辆关键性特征,其中入场车辆关键性特征和出场车辆关键性特征包括车辆外观颜色、车辆类型和车标。
结合第一方面,提出第二种更优选方案,根据所述关键性特征匹配,调取时间匹配的入场车辆且位于入场车牌相似度排名首位的入场车辆关键性特征信息,与出场车辆的关键性特征信息进行匹配,判断能否匹配成功,具体包括:
首先匹配外观颜色,外观颜色不一致则关键性特征匹配不成功;
其次在外观颜色一致后再匹配车辆类型,为“轿车”、“SUV”或“其他车辆”,车辆类型不一致则关键性特征匹配不成功;
最后在车辆类型一致后再匹配车标,车标一致则关键性特征匹配成功,车标不一致则关键性特征匹配不成功。
结合第一方面,提出第三种优选方案,根据所述将出场识别车牌与数据库中入场车辆车牌信息逐一计算余弦相似度,具体包括:
关键字分词,将待计算的两个车牌信息中所有不重复的字符作为分词关键字;词频计算,分别计算两个车牌信息中的词频,并写出词频向量:其中为出场车辆车牌的词频向量,为入场车牌的词频向量,x1,x2,…xn,依次为出场车牌中出现每个分词关键字的词频,y1,y2,…yn依次为入场车牌中出现的每个分词关键字的词频;
两个向量的余弦值计算
余弦值排序,所有车牌遍历计算完成之后,按照cosθ从大到小进行排序,取前5位。
为达到上述目的,本发明第二方面提出了一种计算机可读存储介质,其上存储有无人停车场车牌识别数据再匹配程序,该无人停车场车牌识别数据再匹配程序被处理器执行时实现第一方面提出的无人停车场车牌识别数据再匹配方法。
为达到上述目的,本发明第三方面提出了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时,实现第一方面提出的无人停车场车牌识别数据再匹配方法。
为达到上述目的,本发明第四方面提出了一种无人停车场车牌识别数据再匹配装置,包括:
车辆信息采集模块,用于采集入场车辆的外观图像、车牌和入场时间,采集出场车辆的外观图像、车牌和出场时间;
车牌识别模块,用于识别入场车辆车牌信息和和出场车辆车牌信息;
图像识别模块,用于识别入场车辆的外观图像,提取入场车辆关键性特征,识别出场车辆的外观图像,提取出场车辆关键性特征;
数据储存模块,用于储存采集和识别获得的车辆信息,包括入场车辆车牌信息、入场车辆入场时间信息、入场车辆关键性特征信息、出场车辆车牌信息、出场车辆出场时间信息和出场车辆关键性特征信息,形成数据库;
车牌匹配模块,用于将出场车辆车牌信息与数据库中的车牌信息进行匹配,判断能否匹配成功;
车牌再匹配模块,用于全字匹配不成功时,采用“余弦相似度”算法进行车牌数据再匹的配容错处理,将识别的出场车辆车牌信息与数据库中入场车辆车牌信息逐一计算余弦相似度,并给出入场车牌相似度排名,取前若干位;
时间匹配模块,用于调取入场车牌相似度排名前若干位的入场车辆的入场时间,与出场车辆的出场时间进行匹配,剔除迟于出场时间的入场车辆,剩余为时间匹配的入场车辆;
关键性特征匹配模块,用于调取时间匹配的入场车辆且位于入场车牌相似度排名首位的入场车辆关键性特征信息,与出场车辆的关键性特征信息进行匹配,判断能否匹配成功,若不成功则与入场车牌相似度排名后一位的关键性特征信息进行匹配,匹配不成功则依次按照顺序进行,直至与顺序为最后一位的时间匹配的入场车辆进行关键性特征匹配仍然不成功,则得出关键性特征匹配最终不成功的结论;
道闸执行模块,用于对车牌匹配成功和关键性特征匹配成功的车辆,执行开启道闸;
异常预警模块,用于对关键性特征匹配最终不成功的出场车辆进行异常预警,提醒停车场工作人员进行及时人工处理。
结合第四方面,提出第一种优选方案,根据所述识别车辆外观图像,识别入场车辆的外观图像,提取入场车辆关键性特征,识别出场车辆的外观图像,提取出场车辆关键性特征,其中入场车辆关键性特征和出场车辆关键性特征包括车辆外观颜色、车辆类型和车标。
结合第四方面,提出第二种优选方案,根据所述关键性特征匹配,调取时间匹配的入场车辆且位于入场车牌相似度排名首位的入场车辆关键性特征信息,与出场车辆的关键性特征信息进行匹配,判断能否匹配成功,具体包括:
外观颜色匹配模块,用于匹配外观颜色,外观颜色不一致则关键性特征匹配不成功;
车辆类型匹配模块,用于在外观颜色一致后再匹配车辆类型,为“轿车”、“SUV”或“其他车辆”,车辆类型不一致则关键性特征匹配不成功;
车标匹配模块,用于在车辆类型一致后再匹配车标,车标一致则关键性特征匹配成功,车标不一致则关键性特征匹配不成功。
结合第四方面,提出第三种优选方案,根据所述将出场识别车牌与数据库中入场车辆车牌信息逐一计算余弦相似度,具体包括:
关键字分词模块,用于将待计算的两个车牌信息中所有不重复的字符作为分词关键字;
词频计算模块,用于分别计算两个车牌信息中的词频,并写出词频向量;
余弦值计算模块,用于计算两个向量的余弦值;
余弦值排序模块,用于在所有车牌遍历计算完成之后,按照余弦值从大到小进行排序,取前5位。
本发明能实现如下有益技术效果:
(1)本发明通过再匹配的方法,即使在入场车辆车牌信息识别错误时,也能自动匹配开闸,具有一定的容错率,提高车辆匹配效率。有效避免识别出错时用户的长时间等待,提升用户体验感。
(2)本发明在出入场车辆车牌识别错误时,通过车牌再匹配、出入场时间匹配和关键性特征匹配层层匹配,可以提高再匹配的准确性,容错率高。
(3)本发明通过采用“余弦相似度”算法进行车牌再匹配,以数据计算为基础,计算结果科学且客观,提高了车牌匹配的可信度、结果的可靠度和系统的稳定性。
(4)本发明可适应于造成错误识别的多样化环境,如车牌被遮挡、恶劣天气等原因造成识别错误的情况,车牌再匹配功能有很大可能会失效,但还可以通过关键性特征匹配将出入场车辆对应起来。而出入场时间匹配可以剔除入场时间迟于出场时间的车辆,提高计算和匹配效率。
(5)本发明设置了异常预警功能,在关键性特征匹配最终不成功时,启动异常预警功能,可提醒停车场工作人员,及时到场进行人工确认开闸,防止在系统出现错误、在任何一个环节出错或无法成功匹配时,能第一时间提醒,避免长时间等待。
附图说明
图1为本实施例无人停车场车牌识别数据再匹配方法的流程图;
图2为本实施例无人停车场车牌识别数据再匹配装置的模块图。
具体实施方式
为了更好的理解上述技术方案,下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例,然而应当理解,可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本发明,并且能够将本发明的范围完整的传达给本领域的技术人员。
请参阅图1,图1为本实施例无人停车场车牌识别数据再匹配方法的流程图,本实施例一种无人停车场车牌识别数据再匹配方法,包括如下步骤:
采集车辆信息,采集入场车辆的外观图像、车牌和入场时间,采集出场车辆的外观图像、车牌和出场时间;
识别车牌,识别入场车辆车牌信息和和出场车辆车牌信息;
识别车辆外观图像,识别入场车辆的外观图像,提取入场车辆关键性特征,识别出场车辆的外观图像,提取出场车辆关键性特征;
储存采集和识别获得的车辆信息,包括入场车辆车牌信息、入场车辆入场时间信息、入场车辆关键性特征信息、出场车辆车牌信息、出场车辆出场时间信息和出场车辆关键性特征信息,形成数据库;
车牌匹配,将出场车辆车牌信息与数据库中的车牌信息进行匹配,判断能否匹配成功;
车牌再匹配,全字匹配不成功时,采用“余弦相似度”算法进行车牌数据再匹的配容错处理,将识别的出场车辆车牌信息与数据库中入场车辆车牌信息逐一计算余弦相似度,并给出入场车牌相似度排名,取前若干位,如3至5位,本实施例取前5位;本实施例通过采用“余弦相似度”算法进行车牌再匹配,以数据计算为基础,计算结果科学且客观,提高了车牌匹配的可信度、结果的可靠度和系统的稳定性。
出入场时间匹配,调取入场车牌相似度排名前5位的入场车辆的入场时间,与出场车辆的出场时间进行匹配,剔除迟于出场时间的入场车辆,剩余为时间匹配的入场车辆;本实施例通过出入场时间匹配可以剔除入场时间迟于出场时间的车辆,提高计算和匹配效率。
关键性特征匹配,调取时间匹配的入场车辆且位于入场车牌相似度排名首位的入场车辆关键性特征信息,与出场车辆的关键性特征信息进行匹配,判断能否匹配成功,若不成功则与入场车牌相似度排名后一位的关键性特征信息进行匹配,匹配不成功则依次按照顺序进行,直至与顺序为最后一位的时间匹配的入场车辆进行关键性特征匹配仍然不成功,则得出关键性特征匹配最终不成功的结论;本实施例通过关键性特征匹配,可适应于造成错误识别的多样化环境,如车牌被遮挡、恶劣天气等原因造成识别错误的情况,车牌再匹配功能有很大可能会失效,但还可以通过关键性特征匹配将出入场车辆对应起来。而出入场时间匹配可以剔除入场时间迟于出场时间的车辆,提高计算和匹配效率。
道闸执行,对车牌匹配成功和关键性特征匹配成功的车辆,执行开启道闸;
异常预警,对关键性特征匹配最终不成功的出场车辆进行异常预警,提醒停车场工作人员进行及时人工处理。本实施例设置了异常预警功能,在关键性特征匹配最终不成功时,启动异常预警功能,可提醒停车场工作人员,及时到场进行人工确认开闸,防止在系统出现错误、在任何一个环节出错或无法成功匹配时,能第一时间提醒,避免长时间等待。
本实施例在出入场车辆车牌识别错误时,通过车牌再匹配、出入场时间匹配和关键性特征匹配层层匹配,可以提高再匹配的准确性。
为了进一步地提高准确性,本实施例优选的,根据识别车辆外观图像,识别入场车辆的外观图像,提取入场车辆关键性特征,识别出场车辆的外观图像,提取出场车辆关键性特征,其中入场车辆关键性特征和出场车辆关键性特征包括车辆外观颜色、车辆类型和车标。
根据所述关键性特征匹配,调取时间匹配的入场车辆且位于入场车牌相似度排名首位的入场车辆关键性特征信息,与出场车辆的关键性特征信息进行匹配,判断能否匹配成功,具体包括:
首先匹配外观颜色,外观颜色不一致则关键性特征匹配不成功;
其次在外观颜色一致后再匹配车辆类型,为“轿车”、“SUV”或“其他车辆”,车辆类型不一致则关键性特征匹配不成功;
最后在车辆类型一致后再匹配车标,车标一致则关键性特征匹配成功,车标不一致则关键性特征匹配不成功。
通过上述方式进行依次层层匹配,可以在车牌识别错误时,更准确地判定出场车辆对应的入场车辆,进一步提高再匹配的准确度。
本实施例根据所述将出场识别车牌与数据库中入场车辆车牌信息逐一计算余弦相似度,具体包括:
关键字分词,将待计算的两个车牌信息中所有不重复的字符作为分词关键字;词频计算,分别计算两个车牌信息中的词频,并写出词频向量:其中为出场车辆车牌的词频向量,为入场车牌的词频向量,x1,x2,…xn,依次为出场车牌中出现每个分词关键字的词频,y1,y2,…yn依次为入场车牌中出现的每个分词关键字的词频;
两个向量的余弦值计算
余弦值排序,所有车牌遍历计算完成之后,按照cosθ从大到小进行排序,取前5位。
本实施例对于余弦相似度计算进行具体计算方法举例:
(1)假设出场时识别车牌为浙A12M34;
(2)入场车牌数据库中有浙A21W34、浙A12454、浙AV6837;
(3)计算车牌浙A12M34与浙A21W34余弦相似度
(4)关键字分词:浙、A、1、2、M、3、4、W
(5)词频计算:
同样的,计算其他两组余弦相似度:
浙A12M34与浙A12454的cosθ1≈0.756;
浙A12M34与浙AV6837的cosθ2≈0.428;
根据计算结果,车牌浙A21W34与浙A12M34最相似。
为了实现上述实施例,本发明实施例提出了一种计算机可读存储介质,其上存储有无人停车场车牌识别数据再匹配程序,该无人停车场车牌识别数据再匹配程序被处理器执行时实现上述无人停车场车牌识别数据再匹配方法。
根据本发明实施例的计算机可读存储介质,通过无人停车场车牌识别数据再匹配程序,以使得处理器在执行该无人停车场车牌识别数据再匹配程序时,实现如上述的无人停车场车牌识别数据再匹配方法,从而实现对因车牌识别错误的导致的故障进行快速的处理,提高用户体验,自动化程度高,容错率高。
为了实现上述实施例,本发明提出来一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时,实现如上述的无人停车场车牌识别数据再匹配方法,从而实现对因车牌识别错误的导致的故障进行快速的处理,提高用户体验,自动化程度高,容错率高。
请参阅图2,图2为本实施例无人停车场车牌识别数据再匹配装置的模块图,为了实现上述实施例,本发明提出了一种无人停车场车牌识别数据再匹配装置,包括
车辆信息采集模块,用于采集入场车辆的外观图像、车牌和入场时间,采集出场车辆的外观图像、车牌和出场时间;
车牌识别模块,用于识别入场车辆车牌信息和和出场车辆车牌信息;
图像识别模块,用于识别入场车辆的外观图像,提取入场车辆关键性特征,识别出场车辆的外观图像,提取出场车辆关键性特征;
数据储存模块,用于储存采集和识别获得的车辆信息,包括入场车辆车牌信息、入场车辆入场时间信息、入场车辆关键性特征信息、出场车辆车牌信息、出场车辆出场时间信息和出场车辆关键性特征信息,形成数据库;
车牌匹配模块,用于将出场车辆车牌信息与数据库中的车牌信息进行匹配,判断能否匹配成功;
车牌再匹配模块,用于全字匹配不成功时,采用“余弦相似度”算法进行车牌数据再匹的配容错处理,将识别的出场车辆车牌信息与数据库中入场车辆车牌信息逐一计算余弦相似度,并给出入场车牌相似度排名,取前若干位;
时间匹配模块,用于调取入场车牌相似度排名前若干位的入场车辆的入场时间,与出场车辆的出场时间进行匹配,剔除迟于出场时间的入场车辆,剩余为时间匹配的入场车辆;
关键性特征匹配模块,用于调取时间匹配的入场车辆且位于入场车牌相似度排名首位的入场车辆关键性特征信息,与出场车辆的关键性特征信息进行匹配,判断能否匹配成功,若不成功则与入场车牌相似度排名后一位的关键性特征信息进行匹配,匹配不成功则依次按照顺序进行,直至与顺序为最后一位的时间匹配的入场车辆进行关键性特征匹配仍然不成功,则得出关键性特征匹配最终不成功的结论;
道闸执行模块,用于对车牌匹配成功和关键性特征匹配成功的车辆,执行开启道闸;
异常预警模块,用于对关键性特征匹配最终不成功的出场车辆进行异常预警,提醒停车场工作人员进行及时人工处理。
在一些实施例中,根据所述识别车辆外观图像,识别入场车辆的外观图像,提取入场车辆关键性特征,识别出场车辆的外观图像,提取出场车辆关键性特征,其中入场车辆关键性特征和出场车辆关键性特征包括车辆外观颜色、车辆类型和车标。
在一些实施例中,根据所述关键性特征匹配,调取时间匹配的入场车辆且位于入场车牌相似度排名首位的入场车辆关键性特征信息,与出场车辆的关键性特征信息进行匹配,判断能否匹配成功,具体包括:
外观颜色匹配模块,用于匹配外观颜色,外观颜色不一致则关键性特征匹配不成功;
车辆类型匹配模块,用于在外观颜色一致后再匹配车辆类型,为“轿车”、“SUV”或“其他车辆”,车辆类型不一致则关键性特征匹配不成功;
车标匹配模块,用于在车辆类型一致后再匹配车标,车标一致则关键性特征匹配成功,车标不一致则关键性特征匹配不成功。
在一些实施例中,根据所述将出场识别车牌与数据库中入场车辆车牌信息逐一计算余弦相似度,具体包括:
关键字分词模块,用于将待计算的两个车牌信息中所有不重复的字符作为分词关键字;
词频计算模块,用于分别计算两个车牌信息中的词频,并写出词频向量;
余弦值计算模块,用于计算两个向量的余弦值;
余弦值排序模块,用于在所有车牌遍历计算完成之后,按照余弦值从大到小进行排序,取前5位。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
应当注意的是,在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的部件或步骤。位于部件之前的单词“一”或“一个”不排除存在多个这样的部件。本发明可以借助于包括有若干不同部件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
Claims (10)
1.一种无人停车场车牌识别数据再匹配方法,其特征在于,包括如下步骤:
采集车辆信息,采集入场车辆的外观图像、车牌和入场时间,采集出场车辆的外观图像、车牌和出场时间;
识别车牌,识别入场车辆车牌信息和和出场车辆车牌信息;
识别车辆外观图像,识别入场车辆的外观图像,提取入场车辆关键性特征,识别出场车辆的外观图像,提取出场车辆关键性特征;
储存采集和识别获得的车辆信息,包括入场车辆车牌信息、入场车辆入场时间信息、入场车辆关键性特征信息、出场车辆车牌信息、出场车辆出场时间信息和出场车辆关键性特征信息,形成数据库;
车牌匹配,将出场车辆车牌信息与数据库中的车牌信息进行匹配,判断能否匹配成功;
车牌再匹配,全字匹配不成功时,采用“余弦相似度”算法进行车牌数据再匹的配容错处理,将识别的出场车辆车牌信息与数据库中入场车辆车牌信息逐一计算余弦相似度,并给出入场车牌相似度排名,取前若干位;
出入场时间匹配,调取入场车牌相似度排名前若干位的入场车辆的入场时间,与出场车辆的出场时间进行匹配,剔除迟于出场时间的入场车辆,剩余为时间匹配的入场车辆;
关键性特征匹配,调取时间匹配的入场车辆且位于入场车牌相似度排名首位的入场车辆关键性特征信息,与出场车辆的关键性特征信息进行匹配,判断能否匹配成功,若不成功则与入场车牌相似度排名后一位的关键性特征信息进行匹配,匹配不成功则依次按照顺序进行,直至与顺序为最后一位的时间匹配的入场车辆进行关键性特征匹配仍然不成功,则得出关键性特征匹配最终不成功的结论;
道闸执行,对车牌匹配成功和关键性特征匹配成功的车辆,执行开启道闸;
异常预警,对关键性特征匹配最终不成功的出场车辆进行异常预警,提醒停车场工作人员进行及时人工处理。
2.如权利要求1所述的无人停车场车牌识别数据再匹配方法,其特征在于,根据所述识别车辆外观图像,识别入场车辆的外观图像,提取入场车辆关键性特征,识别出场车辆的外观图像,提取出场车辆关键性特征,其中入场车辆关键性特征和出场车辆关键性特征包括车辆外观颜色、车辆类型和车标。
3.如权利要求2所述的无人停车场车牌识别数据再匹配方法,其特征在于,根据所述关键性特征匹配,调取时间匹配的入场车辆且位于入场车牌相似度排名首位的入场车辆关键性特征信息,与出场车辆的关键性特征信息进行匹配,判断能否匹配成功,具体包括:
首先匹配外观颜色,外观颜色不一致则关键性特征匹配不成功;
其次在外观颜色一致后再匹配车辆类型,为“轿车”、“SUV”或“其他车辆”,车辆类型不一致则关键性特征匹配不成功;
最后在车辆类型一致后再匹配车标,车标一致则关键性特征匹配成功,车标不一致则关键性特征匹配不成功。
5.一种计算机可读存储介质,其特征在于,其上存储有无人停车场车牌识别数据再匹配程序,该无人停车场车牌识别数据再匹配程序被处理器执行时实现如权利要求1-4中任一项所述的无人停车场车牌识别数据再匹配方法。
6.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时,实现如权利要求1-4中任一项所述的无人停车场车牌识别数据再匹配方法。
7.一种无人停车场车牌识别数据再匹配装置,其特征在于,包括
车辆信息采集模块,用于采集入场车辆的外观图像、车牌和入场时间,采集出场车辆的外观图像、车牌和出场时间;
车牌识别模块,用于识别入场车辆车牌信息和和出场车辆车牌信息;
图像识别模块,用于识别入场车辆的外观图像,提取入场车辆关键性特征,识别出场车辆的外观图像,提取出场车辆关键性特征;
数据储存模块,用于储存采集和识别获得的车辆信息,包括入场车辆车牌信息、入场车辆入场时间信息、入场车辆关键性特征信息、出场车辆车牌信息、出场车辆出场时间信息和出场车辆关键性特征信息,形成数据库;
车牌匹配模块,用于将出场车辆车牌信息与数据库中的车牌信息进行匹配,判断能否匹配成功;
车牌再匹配模块,用于全字匹配不成功时,采用“余弦相似度”算法进行车牌数据再匹的配容错处理,将识别的出场车辆车牌信息与数据库中入场车辆车牌信息逐一计算余弦相似度,并给出入场车牌相似度排名,取前若干位;
时间匹配模块,用于调取入场车牌相似度排名前若干位的入场车辆的入场时间,与出场车辆的出场时间进行匹配,剔除迟于出场时间的入场车辆,剩余为时间匹配的入场车辆;
关键性特征匹配模块,用于调取时间匹配的入场车辆且位于入场车牌相似度排名首位的入场车辆关键性特征信息,与出场车辆的关键性特征信息进行匹配,判断能否匹配成功,若不成功则与入场车牌相似度排名后一位的关键性特征信息进行匹配,匹配不成功则依次按照顺序进行,直至与顺序为最后一位的时间匹配的入场车辆进行关键性特征匹配仍然不成功,则得出关键性特征匹配最终不成功的结论;
道闸执行模块,用于对车牌匹配成功和关键性特征匹配成功的车辆,执行开启道闸;
异常预警模块,用于对关键性特征匹配最终不成功的出场车辆进行异常预警,提醒停车场工作人员进行及时人工处理。
8.如权利要求7所述的无人停车场车牌识别数据再匹配装置,其特征在于,根据所述识别车辆外观图像,识别入场车辆的外观图像,提取入场车辆关键性特征,识别出场车辆的外观图像,提取出场车辆关键性特征,其中入场车辆关键性特征和出场车辆关键性特征包括车辆外观颜色、车辆类型和车标。
9.如权利要求8所述的无人停车场车牌识别数据再匹配装置,其特征在于,根据所述关键性特征匹配,调取时间匹配的入场车辆且位于入场车牌相似度排名首位的入场车辆关键性特征信息,与出场车辆的关键性特征信息进行匹配,判断能否匹配成功,具体包括:
外观颜色匹配模块,用于匹配外观颜色,外观颜色不一致则关键性特征匹配不成功;
车辆类型匹配模块,用于在外观颜色一致后再匹配车辆类型,为“轿车”、“SUV”或“其他车辆”,车辆类型不一致则关键性特征匹配不成功;
车标匹配模块,用于在车辆类型一致后再匹配车标,车标一致则关键性特征匹配成功,车标不一致则关键性特征匹配不成功。
10.如权利要求7所述的无人停车场车牌识别数据再匹配方法,其特征在于,根据所述将出场识别车牌与数据库中入场车辆车牌信息逐一计算余弦相似度,具体包括:
关键字分词模块,用于将待计算的两个车牌信息中所有不重复的字符作为分词关键字;
词频计算模块,用于分别计算两个车牌信息中的词频,并写出词频向量;
余弦值计算模块,用于计算两个向量的余弦值;
余弦值排序模块,用于在所有车牌遍历计算完成之后,按照余弦值从大到小进行排序,取前5位。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111384922.3A CN114092686A (zh) | 2021-11-22 | 2021-11-22 | 无人停车场车牌识别数据再匹配方法、介质、设备及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111384922.3A CN114092686A (zh) | 2021-11-22 | 2021-11-22 | 无人停车场车牌识别数据再匹配方法、介质、设备及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114092686A true CN114092686A (zh) | 2022-02-25 |
Family
ID=80302608
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111384922.3A Pending CN114092686A (zh) | 2021-11-22 | 2021-11-22 | 无人停车场车牌识别数据再匹配方法、介质、设备及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114092686A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114463993A (zh) * | 2022-02-28 | 2022-05-10 | 福建时代星云科技有限公司 | 一种车辆识别匹配方法及终端 |
CN115879302A (zh) * | 2022-12-08 | 2023-03-31 | 浙江新创规划建筑设计有限公司 | 一种地下车库空气质量优化方法及系统 |
-
2021
- 2021-11-22 CN CN202111384922.3A patent/CN114092686A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114463993A (zh) * | 2022-02-28 | 2022-05-10 | 福建时代星云科技有限公司 | 一种车辆识别匹配方法及终端 |
CN114463993B (zh) * | 2022-02-28 | 2023-02-28 | 福建时代星云科技有限公司 | 一种车辆识别匹配方法及终端 |
WO2023159677A1 (zh) * | 2022-02-28 | 2023-08-31 | 福建时代星云科技有限公司 | 一种车辆识别匹配方法及终端 |
CN115879302A (zh) * | 2022-12-08 | 2023-03-31 | 浙江新创规划建筑设计有限公司 | 一种地下车库空气质量优化方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107992819B (zh) | 一种车辆属性结构化特征的确定方法与装置 | |
CN111062396B (zh) | 车牌号码识别方法、装置、电子设备及存储介质 | |
CN114092686A (zh) | 无人停车场车牌识别数据再匹配方法、介质、设备及装置 | |
CN109800682B (zh) | 驾驶员属性识别方法及相关产品 | |
CN109886222A (zh) | 人脸识别方法、神经网络训练方法、装置及电子设备 | |
CN111369801B (zh) | 车辆识别方法、装置、设备和存储介质 | |
CN109740479A (zh) | 一种车辆重识别方法、装置、设备及可读存储介质 | |
CN106203267A (zh) | 基于机器视觉的车辆防碰撞方法 | |
CN111191611A (zh) | 基于深度学习的交通标志标号识别方法 | |
CN110633289A (zh) | 一种车牌号确定方法、服务器及停车管理系统 | |
CN110245544A (zh) | 一种确定停车状态的方法及装置 | |
CN112580734A (zh) | 目标检测模型训练方法、系统、终端设备及存储介质 | |
CN115830399A (zh) | 分类模型训练方法、装置、设备、存储介质和程序产品 | |
CN114494161A (zh) | 基于图像对比的受电弓异物检测方法、设备及存储介质 | |
CN109493611A (zh) | 一种车牌识别方法及装置 | |
Lin et al. | Automatic vehicle license plate recognition system for smart transportation | |
CN115810134A (zh) | 一种车险反欺诈的图像采集质检方法、系统和装置 | |
CN116524725B (zh) | 一种智能驾驶的交通标志图像数据识别系统 | |
CN111738284A (zh) | 一种物体识别方法、装置、设备及存储介质 | |
CN116580232A (zh) | 一种图像自动标注方法、系统及电子设备 | |
CN111340004A (zh) | 一种车辆图像识别的方法和相关装置 | |
CN115984759A (zh) | 变电站开关状态识别方法、装置、计算机设备和存储介质 | |
CN113569874A (zh) | 车牌号码重识别方法、装置、计算机设备及存储介质 | |
CN114596439A (zh) | 一种基于图像的车险智能定损及核损方法、装置和电子设备 | |
CN113869364A (zh) | 图像处理方法、装置、电子设备及介质 |
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 |