CN115035744B - 一种基于图像分析及rfid的车辆识别方法、装置及系统 - Google Patents

Abstract

本发明涉及互联网技术领域，特别是涉及一种基于图像分析及RFID的车辆识别方法、装置及系统，包括：控制摄像头按设定频率进行图像采集；判断前后两帧图像的差异是否满足设定值，若是，则保留前后两帧图像，否则删除后一帧图像；根据采集到的图像确定车辆的粗略位置；根据确定出的车辆的粗略位置启动至少三个读卡器以确定车辆的精确位置以及车辆号牌；根据确定出的车辆的精确位置确定车辆停入的车位，将车辆号牌与对应车位绑定。本发明提供的方法通过摄像头以及读卡器的结合进行车辆与对应停入车位的识别判断，可以减少摄像头以及读卡器的使用，简化停车场内的硬件设施。

Description

一种基于图像分析及RFID的车辆识别方法、装置及系统

技术领域

本发明涉及互联网技术领域，特别是涉及一种基于图像分析及RFID的车辆识别方法、装置及系统。

背景技术

地下停车场是建设于地下用来停放各种大小机动车辆的建筑物，主要由停车间、通道、坡道或机械提升间、出入口、调车场地等组成。作为一种基础设施，地下停车场通常利用建筑的地下部分修建而成，减少了地上空间的占用，且充分利用了建筑物地下通风较差的部分，与建筑紧密结合，提高了建筑空间的利用率。

现有技术对于地下停车场的管理大多停留在设置出入卡口，在卡口处进行统计的登记、计费等，这种方式较为粗放，无法实现精细化管理，无法获知车位与车辆的对应情况，无法为用户提供车辆寻找、私人车位管理、精准计费等服务。

为此，现有技术通过设置于停车场内的摄像头可以及时获取各个车位的停放情况，但是由于停车场内车辆众多，摄像头极易出现被车辆遮挡而无法获取车辆号牌的问题，此可以通过增加摄像头的数量解决，但是成本显著提高。

可见，现有技术对于停车场内车辆与车位对应情况如何确定没有很好的解决方案，需要改进。

发明内容

基于此，有必要针对上述的问题，提供一种基于图像分析及RFID的车辆识别方法、装置及系统。

本发明实施例是这样实现的，一种基于图像分析及RFID的车辆识别方法，所述基于图像分析及RFID的车辆识别方法包括：

控制摄像头按设定频率进行图像采集；

判断前后两帧图像的差异是否满足设定值，若是，则保留前后两帧图像，否则删除后一帧图像；

根据采集到的图像确定车辆的粗略位置；

根据确定出的车辆的粗略位置启动至少三个读卡器以确定车辆的精确位置以及车辆号牌；

根据确定出的车辆的精确位置确定车辆停入的车位，将车辆号牌与对应车位绑定。

在其中一个实施例中，本发明提供了一种基于图像分析及RFID的车辆识别装置，所述基于图像分析及RFID的车辆识别装置包括：

图像采集模块，用于控制摄像头按设定频率进行图像采集；

判断模块，用于判断前后两帧图像的差异是否满足设定值，若是，则保留前后两帧图像，否则删除后一帧图像；

第一位置确定模块，用于根据采集到的图像确定车辆的粗略位置；

识别模块，用于根据确定出的车辆的粗略位置启动至少三个读卡器以确定车辆的精确位置以及车辆号牌；

第二位置确定模块，用于根据确定出的车辆的精确位置确定车辆停入的车位，将车辆号牌与对应车位绑定。

在其中一个实施例中，本发明提供了一种基于图像分析及RFID的车辆识别系统，所述基于图像分析及RFID的车辆识别系统包括：

摄像头，用于图像采集；

读卡器，用于读取车载标签；以及

计算机设备，所述计算机设备分别与所述摄像头、所述读卡器连接，用于执行如本发明所述的基于图像分析及RFID的车辆识别方法。

本发明借助摄像头以及读卡器的组合，配合本发明提供的方法，可以使用单一摄像头以及远少于车位数量的读卡器实现车辆的识别，并确定车辆停入的车位，从而将车辆与车位的对应关系进行绑定，利用此信息可以执行自动落锁、精准计费以及停车场内导航等，本发明提供的方法极大简化了停车场内的硬件设施，减少了实现成本，智能化程度高。

附图说明

图1为一个实施例中基于图像分析及RFID的车辆识别方法的流程图；

图2为一个实施例中基于图像分析及RFID的车辆识别装置的结构框图；

图3为一个实施例中基于图像分析及RFID的车辆识别系统的结构框图；

图4为一个实施例中计算机设备的内部结构框图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明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发明，并不用于限定本发明。

可以理解，本发明所使用的术语“第一”、“第二”等可在本文中用于描述各种元件，但除非特别说明，这些元件不受这些术语限制。这些术语仅用于将第一个元件与另一个元件区分。举例来说，在不脱离本发明的范围的情况下，可以将第一xx脚本称为第二xx脚本，且类似地，可将第二xx脚本称为第一xx脚本。

如图1所示，在一个实施例中，提出了一种基于图像分析及RFID的车辆识别方法，具体可以包括以下步骤：

步骤S100，控制摄像头按设定频率进行图像采集；

步骤S200，判断前后两帧图像的差异是否满足设定值，若是，则保留前后两帧图像，否则删除后一帧图像；

步骤S300，根据采集到的图像确定车辆的粗略位置；

步骤S400，根据确定出的车辆的粗略位置启动至少三个读卡器以确定车辆的精确位置以及车辆号牌；

步骤S500，根据确定出的车辆的精确位置确定车辆停入的车位，将车辆号牌与对应车位绑定。

在本实施例中，需要说明的是，此处的摄像头并非现在地下停车场设置于入口处或者出口处的摄像头，而是设置于停车区域的摄像头，优选地，每个停车片区设置一个摄像头，使得整个停车区域都可以采集到车辆的进出的图像即可。由于本发明不需要通过摄像头获取车辆的号牌信息，故对于摄像头的设置位置没有特殊要求，降低了设置摄像头的难度，同时一个摄像头可以采集一个片区的车辆出入的图像，相对于现有技术每个车位设置一个摄像头的方案极大地减少了摄像头的使用，降低了硬件成本。此外，本申请中的读卡器是指RFID（射频识别，Radio Frequency Identification）读卡器，此读卡器可以实现短距离的数据无线读取，并且，本发明提供的方法并不需要每个车位设置一个读卡器，只需要满足，每个车位均落入至少三个读卡器的信号覆盖范围即可，运用于车位密集的地下停车场，可以极大地减少读卡器的数量，减少成本。在本实施例中，车辆上还设置有RFID标签，优选为无源标签，可以与现有的ETC标签结合，实现“一卡两用”，即使采用新标签，由于标签成本低，且不需要额外供电，同样易于实现。

在本实施例中，这里的设定频率可以设定为秒级别，例如1秒采集一次，2秒采集一次等，此与停车场内车辆速度相对较低适应。

在本实施例中，通过判断前后两帧图像的差异是否达到设定值，从而将差异较小的图像删除，可以极大地减小数据的存储量，减轻系统的计算量，提升处理速度。

在本实施例中，根据摄像头采集到的图像可以确定出车辆的粗略位置，这里的粗略是指误差在米级的；可选地，本申请中的类图与精确是相对概念，主要用于区分两种不同的确定方式得到的位置的精度不同，具体粗略与精细的区分是由硬件的精度决定的，且粗略与精细的划分方式即便不同也并不影响本发明的实现，仅需要后一个位置较前一个位置更精准即可。

在本实施例中，通过启动至少三个读卡器对车载标签进行读取，通过读取车载标签，本发明提供的方法可以获取车辆的准确位置以及车辆的号牌信息，其中号牌信息存储于标签内，而位置信息通过读卡器与标签的交互时差可以计算得到。

在本实施例中，确定车辆的精确位置后，将车辆与停入的车位绑定，由绑定关系可以执行落锁（在车辆部分驶往车位后，若车位与车辆对应，则电子锁自动落下容车辆驶入）、车辆离开后的上锁、计费（例如不同车位的区别计费、以进行车位确定计费时间等）、停车场内为用户寻找车辆进行导航（用户停车后需要寻找车位，停车场管理系统需要获知用户的车辆停放在哪个车位才能为用户提供停车场内的导航服务）等。对于具体的使用方式，本发明不作具体限定，本发明的基本目的是准确地识别出车辆与车位的对应关系，解决现有技术确定这种对应关系成本高，设备复杂的问题。

本发明借助摄像头以及读卡器的组合，配合本发明提供的方法，可以使用单一摄像头以及远少于车位数量的读卡器实现车辆的识别，并确定车辆停入的车位，从而将车辆与车位的对应关系进行绑定，利用此信息可以执行自动落锁、精准计费以及停车场内导航等，本发明提供的方法极大简化了停车场内的硬件设施，减少了实现成本，智能化程度高。

作为本发明实施例的一个可选实施例，所述判断前后两帧图像的差异是否满足设定值，包括：

确定图像中的热点区域；

在确定出的每个热点区域中选定若干个像素点；

提取前后两帧图像中选定像素点的像素值；

计算前后两帧图像中对应的选定像素点的像素值的偏差；

对于每个热点区域，判断热点区域内选定的像素点的像素值的平均偏差是否大于第一设定阈值。

在本实施例中，通过确定图像中的热区域，可以减少计算量。优选地，在本实施例中，上述步骤应用于当前图像与前一张被保存的图像间隔了一个识别时长后，新图像的识别处理。这里的间隔时长可以取2分钟以上，不应大于10分钟。

在本实施例中，由于图像采集过程中摄像头是固定的，故无论图像的内容是什么，图像对应的场景的框架区域是不变的，这里的热点区域是基于固定场景下每一张图像的对应区域，例如摄像头所采集的图像的左上角为天花板，若天花板为热点区域，则每一张图像此位置的天花板区域均为热区域，无论该区域是否被遮挡。

在本实施例中，可以存在多个热点区域，对于每一个热区域，随机选定若干个像素点并提取其像素值，计算前后两帧图像对像素点像素值的偏差（像素偏差=两个对应像素点差值的绝对值/前一张图像对应像素点的像素值），并计算同一热点区域内所有选定像素点的像素值的平均偏差是否大于第一设定阈值，若大于，则保留当前图像帧并进行存储，作为最新的“前一帧图像”。在本实施例中，第一设定阈值可以取0.2-0.7，值越小越灵敏，越大越准确，具体可以视需要设定。

作为本发明实施例的一个可选实施例，所述确定图像中的热点区域，包括：

设定一个识别时长；

将历史像图按获取的时间先后顺序排列；

判断前后两帧图像的获取时差是否大于所述识别时长，若是，在前后两帧图像之间插入分组标识；

根据插入的分组标识得到若干个图像组；

对相邻两个图像组的首帧图像进行像素比对，标记出差异像素；

对相邻两个图像组的末帧图像进行像素比对，标记出差异像素；

统计每个像素位置被标记为差异像素的次数，根据像素点次数高低的分布确定所述热点区域。

在本实施例中，识别时长可以设定为2分钟以上，不应大于10分钟，具体值可以视停车场的车流量大小而定。

在本实施例中，给出了热点区域的确定方法，这里的历史图像是指保存了每一帧历史图像，由于本发明在确定图像是否保存时对图像进行了差异计算，故被保存的图像均记录了车辆出入的差异，几乎不存在空图像（没有车辆运动的图像）。在本实施例中，通过识别时长划分图像组，对相邻两个图像组的首帧以及末帧图像分别进行差异像素的识别，并统计各个像素的作为差异像素的频次，根据频次（次数）高低确定热点区域。在本实施例中，对于差异比对的计算，可以参考前一实施例的内容，本实施例对此不再赘述。

作为本发明实施例的一个可选实施例，所述根据像素点次数高低的分布确定所述热点区域，包括：

确定所有像素点次数的分布区间；

将次数的分布区间划分为若干个次数等级；

将具有相同频次数级的像素用相同颜色标示；

对于任意一种颜色，判断连通像素的数量是否大于第二设定阈值，若是，将连通像素的数量大于第二设定阈值的区域作为一个热点区域；

其中，所述连通像素是指具有相同颜色且像素至少与另一个像素具有共用的边或者角点。

在本实施例中，任意两个具有相同颜色的像素存在共用的边或者角点时，则两者互为连通像素。当任意一个区域的连通像素的像素总数大于第二设定阈值时，这些连通像素构成一个热点区域，这里的第二设定阈值可以取图像总像素数量的2%-5%。

作为本发明实施例的一个可选实施例，所述根据采集到的图像确定车辆的粗略位置，包括：

将获取的前后两帧图像对应像素点的像素值作差得到若干像素值不为0的目标像素；

生成一个面积最小的矩形框使所述目标像素均落在生成的矩形框中；

根据生成的矩形框的位置确定当前车辆的粗略位置。

在本实施例中，像素值作差可能出现负值，像素值本身不存在负值的表示形式，但是本申请仅用于区分车辆所在的区域，并非用所得的差值表示颜色。在本实施例中，除了图像识别精度的原因外，由于前后两帧图像中，车辆大概率在运动，故两帧图像作差得到的目标像素总是超出车辆在图像中的实际区域的，故根据此结果得到的矩形框必然是大于车辆在图像中的真实区域的，因此由此所得的车辆的位置是粗略的。在本实施例中，可以理解，所得的矩形框表示的区域即为车辆的粗略位置，是一个粗略的范围而不是一个准确的位置。

作为本发明实施例的一个可选实施例，所述生成一个面积最小的矩形框使所述目标像素均落在生成的矩形框中，包括：

选定图像的一个角点作为原点，根据各个目标像素相对于原点的位置得到各个目标像素点的坐标；

获取所有目标像素点坐标中横坐标的最大值以及最小值、纵坐标的最大值以及最小值；

根据获取的横坐标的最小值、纵坐标的最小值确定矩形框的起点，根据获取的横坐标的最大值、纵坐标的最大值确定矩形框的终点；

根据确定出的起点以及终点生成矩形框。

在本实施例中，根据各个目标像素相对于原点的位置，这里可以用像素的任意一个角点作为判断基准，也可以像素的中心位置为基准，不同的方式均可以实现本发明的方法。

在本实施例中，以（横坐标的最小值，纵坐标的最小值）作为起点坐标，以（横坐标的最大值，纵坐标的最大值）作为终点坐标，由起点与终点生成矩形框。需要说明的是，本发明中生成的矩形框的边为水平方向或者竖直方向，不考虑斜矩形的情况。

作为本发明实施例的一个可选实施例，所述根据确定出的车辆的粗略位置启动至少三个读卡器以确定车辆的精确位置以及车辆号牌，包括：

根据确定出的车辆的粗略位置选定至少三个读卡器；

控制选定的读卡器同时以第一频率对车载标签进行读取；

间隔第一设定时间，控制选定的读卡器同时以第二频率对车载标签进行读取；

间隔第二设定时间，控制选定的读卡器同时以第三频率对车载标签进行读取；

根据响应时间排除已知标签并确定目标标签；

根据各读卡器接收到响应信息的时长确定目标标签的精确位置；

根据任意一个读卡器获取的响应信息确定目标标签对应的车辆号牌；

其中，第一频率、第二频率以及第三频率顺次增大。

在本实施例中，第一频率、第二频率、第三频率可以在125KHz、13.6MHz、433.92MHz、915 MHz、2.4GHz中选择，不同的频率具有不同的识别范围，通过调整频率可以确保目标车辆被读取到。此外，通过这种方式，对于同一个读卡器，可以利用距离的不同排除非目标标签，例如，125KHz识别的距离在1米以内，而915 MHz的识别范围约为25米，故若目标标签距离读卡器5米，则采用915 MHz进行识别时，可以排除125KHz识别得到的标签，从而快速的减少需要处理的数据量。在本实施例中，由读取信号发出与接收到返回信号的用时可以确定目标标签与读卡器的距离（距离等于，用时减去一个固定的处理时长后除以2，所得的值乘以电磁波的传波速度），通过至少三个读卡器，可以通过三个球面相交计算目标标签的位置，此计算方式为现有技术的使用，本发明对此不再赘述。

在本实施例中，可以理解，对于每个读卡器均给定了一个坐标，故可以通过坐标的位置计算得到车辆标签的精确位置。

作为本发明实施例的一个可选实施例，所述根据确定出的车辆的精确位置确定车辆停入的车位，包括：

根据确定出的车辆的精确位置判断精确位置是否位于车位范围内，若是，根据确定出的车辆的精确位置落入的车位得到车辆停入的车位；

若否，计算确定出的车辆的精确位置与各个车位中心位置的距离，则所得的最小的距离对应的车位为车辆停入的车位。

在本实施例中，需要说明的是，本实施例以车辆上标签的位置替换车辆的位置，而标签设置于车辆上，与地面保持一定的高度，故判断精确位置是否位于车位范围内时，忽略高度方向的坐标，仅考虑水平投影面上，车辆的精确位置是否落入车位范围内。

如图2所示，本发明实施例还提供了一种基于图像分析及RFID的车辆识别装置，所述基于图像分析及RFID的车辆识别装置包括：

图像采集模块，用于控制摄像头按设定频率进行图像采集；

判断模块，用于判断前后两帧图像的差异是否满足设定值，若是，则保留前后两帧图像，否则删除后一帧图像；

第一位置确定模块，用于根据采集到的图像确定车辆的粗略位置；

识别模块，用于根据确定出的车辆的粗略位置启动至少三个读卡器以确定车辆的精确位置以及车辆号牌；

第二位置确定模块，用于根据确定出的车辆的精确位置确定车辆停入的车位，将车辆号牌与对应车位绑定。

在本实施例中，对于上述各个模块的解释说明，请参考本发明方法部分的内容，本实施例对此不再赘述。

如图3所示，本发明实施例还提供了一种基于图像分析及RFID的车辆识别系统，所述基于图像分析及RFID的车辆识别系统包括：

摄像头，用于图像采集；

读卡器，用于读取车载标签；以及

计算机设备，所述计算机设备分别与所述摄像头、所述读卡器连接，用于执行如本发明所述的基于图像分析及RFID的车辆识别方法。

在本实施例中，对于摄像头、读卡器的数量以及设置位置，请参考本发明方法部分的解释说明，本实施例对此不再赘述。在本实施例中，对于停车场内的每个的划定的区域，设置至少一个摄像头，并在该区域内配置若干个读卡器，故对于整体停车场，摄像头以及读卡器的总数可以分别为n1以及n2；其中，停车场的区域划分可以根据实际的场地分布确定，还可以以单个摄像头的采集范围划分，例如将一个摄像头能够采集到的范围划分为一个区域，该区域内的摄像头以及读卡器通过连接计算机设备，可以就单个区域执行本发明提供的方法。

本发明借助摄像头以及读卡器的组合，配合本发明提供的方法，可以使用单一摄像头以及远少于车位数量的读卡器实现车辆的识别，并确定车辆停入的车位，从而将车辆与车位的对应关系进行绑定，利用此信息可以执行自动落锁、精准计费以及停车场内导航等，本发明提供的方法极大简化了停车场内的硬件设施，减少了实现成本，智能化程度高。

图4示出了一个实施例中计算机设备的内部结构图。该计算机设备具体可以是图3中的计算机设备。如图4所示，该计算机设备包括该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、输入装置和显示屏。其中，存储器包括非易失性存储介质和内存储器。该计算机设备的非易失性存储介质存储有操作系统，还可存储有计算机程序，该计算机程序被处理器执行时，可使得处理器实现本发明实施例提供的基于图像分析及RFID的车辆识别方法。该内存储器中也可储存有计算机程序，该计算机程序被处理器执行时，可使得处理器执行本发明实施例提供的基于图像分析及RFID的车辆识别方法。计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。

本领域技术人员可以理解，图4中示出的结构，仅仅是与本发明方案相关的部分结构的框图，并不构成对本发明方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，本发明实施例提供的基于图像分析及RFID的车辆识别装置可以实现为一种计算机程序的形式，计算机程序可在如图4所示的计算机设备上运行。

在一个实施例中，提出了一种计算机设备，所述计算机设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现以下步骤：

控制摄像头按设定频率进行图像采集；

判断前后两帧图像的差异是否满足设定值，若是，则保留前后两帧图像，否则删除后一帧图像；

根据采集到的图像确定车辆的粗略位置；

根据确定出的车辆的粗略位置启动至少三个读卡器以确定车辆的精确位置以及车辆号牌；

根据确定出的车辆的精确位置确定车辆停入的车位，将车辆号牌与对应车位绑定。

在一个实施例中，提供一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时，使得处理器执行以下步骤：

控制摄像头按设定频率进行图像采集；

判断前后两帧图像的差异是否满足设定值，若是，则保留前后两帧图像，否则删除后一帧图像；

根据采集到的图像确定车辆的粗略位置；

根据确定出的车辆的粗略位置启动至少三个读卡器以确定车辆的精确位置以及车辆号牌；

根据确定出的车辆的精确位置确定车辆停入的车位，将车辆号牌与对应车位绑定。

应该理解的是，虽然本发明各实施例的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，各实施例中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一非易失性计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，本发明所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器（ROM）、可编程ROM（PROM）、电可编程ROM（EPROM）、电可擦除可编程ROM（EEPROM）或闪存。易失性存储器可包括随机存取存储器（RAM）或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM（SRAM）、动态RAM（DRAM）、同步DRAM（SDRAM）、双数据率SDRAM（DDRSDRAM）、增强型SDRAM（ESDRAM）、同步链路（Synchlink） DRAM（SLDRAM）、存储器总线（Rambus）直接RAM（RDRAM）、直接存储器总线动态RAM（DRDRAM）、以及存储器总线动态RAM（RDRAM）等。

以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (8)

1.一种基于图像分析及RFID的车辆识别方法，其特征在于，所述基于图像分析及RFID的车辆识别方法包括：

控制摄像头按设定频率进行图像采集；

判断前后两帧图像的差异是否满足设定值，若是，则保留前后两帧图像，否则删除后一帧图像；

根据采集到的图像确定车辆的粗略位置；

根据确定出的车辆的粗略位置启动至少三个读卡器以确定车辆的精确位置以及车辆号牌；

根据确定出的车辆的精确位置确定车辆停入的车位，将车辆号牌与对应车位绑定；

所述判断前后两帧图像的差异是否满足设定值，包括：

确定图像中的热点区域；

在确定出的每个热点区域中选定若干个像素点；

提取前后两帧图像中选定像素点的像素值；

计算前后两帧图像中对应的选定像素点的像素值的偏差；

对于每个热点区域，判断热点区域内选定的像素点的像素值的平均偏差是否大于第一设定阈值；

所述确定图像中的热点区域，包括：

设定一个识别时长；

将历史像图按获取的时间先后顺序排列；

判断前后两帧图像的获取时差是否大于所述识别时长，若是，在前后两帧图像之间插入分组标识；

根据插入的分组标识得到若干个图像组；

对相邻两个图像组的首帧图像进行像素比对，标记出差异像素；

对相邻两个图像组的末帧图像进行像素比对，标记出差异像素；

统计每个像素位置被标记为差异像素的次数，根据像素点次数高低的分布确定所述热点区域。

2.根据权利要求1所述的基于图像分析及RFID的车辆识别方法，其特征在于，所述根据像素点次数高低的分布确定所述热点区域，包括：

确定所有像素点次数的分布区间；

将次数的分布区间划分为若干个频率等级；

将具有相同次数等级的像素用相同颜色标示；

对于任意一种颜色，判断连通像素的数量是否大于第二设定阈值，若是，将连通像素的数量大于第二设定阈值的区域作为一个热点区域；

其中，所述连通像素是指具有相同颜色且像素至少与另一个像素具有共用的边或者角点。

3.根据权利要求1所述的基于图像分析及RFID的车辆识别方法，其特征在于，所述根据采集到的图像确定车辆的粗略位置，包括：

将获取的前后两帧图像对应像素点的像素值作差得到若干像素值不为0的目标像素；

生成一个面积最小的矩形框使所述目标像素均落在生成的矩形框中；

根据生成的矩形框的位置确定当前车辆的粗略位置。

4.根据权利要求3所述的基于图像分析及RFID的车辆识别方法，其特征在于，所述生成一个面积最小的矩形框使所述目标像素均落在生成的矩形框中，包括：

选定图像的一个角点作为原点，根据各个目标像素相对于原点的位置得到各个目标像素点的坐标；

获取所有目标像素点坐标中横坐标的最大值以及最小值、纵坐标的最大值以及最小值；

根据获取的横坐标的最小值、纵坐标的最小值确定矩形框的起点，根据获取的横坐标的最大值、纵坐标的最大值确定矩形框的终点；

根据确定出的起点以及终点生成矩形框。

5.根据权利要求1所述的基于图像分析及RFID的车辆识别方法，其特征在于，所述根据确定出的车辆的粗略位置启动至少三个读卡器以确定车辆的精确位置以及车辆号牌，包括：

根据确定出的车辆的粗略位置选定至少三个读卡器；

控制选定的读卡器同时以第一频率对车载标签进行读取；

间隔第一设定时间，控制选定的读卡器同时以第二频率对车载标签进行读取；

间隔第二设定时间，控制选定的读卡器同时以第三频率对车载标签进行读取；

根据响应时间排除已知标签并确定目标标签；

根据各读卡器接收到响应信息的时长确定目标标签的精确位置；

根据任意一个读卡器获取的响应信息确定目标标签对应的车辆号牌；

其中，第一频率、第二频率以及第三频率顺次增大。

6.根据权利要求1所述的基于图像分析及RFID的车辆识别方法，其特征在于，所述根据确定出的车辆的精确位置确定车辆停入的车位，包括：

根据确定出的车辆的精确位置判断精确位置是否位于车位范围内，若是，根据确定出的车辆的精确位置落入的车位得到车辆停入的车位；

若否，计算确定出的车辆的精确位置与各个车位中心位置的距离，则所得的最小的距离对应的车位为车辆停入的车位。

7.一种基于图像分析及RFID的车辆识别装置，其特征在于，所述基于图像分析及RFID的车辆识别装置包括：

图像采集模块，用于控制摄像头按设定频率进行图像采集；

判断模块，用于判断前后两帧图像的差异是否满足设定值，若是，则保留前后两帧图像，否则删除后一帧图像；

第一位置确定模块，用于根据采集到的图像确定车辆的粗略位置；

识别模块，用于根据确定出的车辆的粗略位置启动至少三个读卡器以确定车辆的精确位置以及车辆号牌；

第二位置确定模块，用于根据确定出的车辆的精确位置确定车辆停入的车位，将车辆号牌与对应车位绑定；

所述判断前后两帧图像的差异是否满足设定值，包括：

确定图像中的热点区域；

在确定出的每个热点区域中选定若干个像素点；

提取前后两帧图像中选定像素点的像素值；

计算前后两帧图像中对应的选定像素点的像素值的偏差；

对于每个热点区域，判断热点区域内选定的像素点的像素值的平均偏差是否大于第一设定阈值；

所述确定图像中的热点区域，包括：

设定一个识别时长；

将历史像图按获取的时间先后顺序排列；

判断前后两帧图像的获取时差是否大于所述识别时长，若是，在前后两帧图像之间插入分组标识；

根据插入的分组标识得到若干个图像组；

对相邻两个图像组的首帧图像进行像素比对，标记出差异像素；

对相邻两个图像组的末帧图像进行像素比对，标记出差异像素；

统计每个像素位置被标记为差异像素的次数，根据像素点次数高低的分布确定所述热点区域。

8.一种基于图像分析及RFID的车辆识别系统，其特征在于，所述基于图像分析及RFID的车辆识别系统包括：

摄像头，用于图像采集；

读卡器，用于读取车载标签；以及

计算机设备，所述计算机设备分别与所述摄像头、所述读卡器连接，用于执行如权利要求1-6任意一项所述的基于图像分析及RFID的车辆识别方法。

Images