WO2018086460A1 - 一种车牌校正方法及装置 - Google Patents

一种车牌校正方法及装置 Download PDF

Info

Publication number
WO2018086460A1
WO2018086460A1 PCT/CN2017/107736 CN2017107736W WO2018086460A1 WO 2018086460 A1 WO2018086460 A1 WO 2018086460A1 CN 2017107736 W CN2017107736 W CN 2017107736W WO 2018086460 A1 WO2018086460 A1 WO 2018086460A1
Authority
WO
WIPO (PCT)
Prior art keywords
license plate
determining
corrected
record
appearance
Prior art date
Application number
PCT/CN2017/107736
Other languages
English (en)
French (fr)
Inventor
王辉
赵世范
Original Assignee
杭州海康威视数字技术股份有限公司
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 杭州海康威视数字技术股份有限公司 filed Critical 杭州海康威视数字技术股份有限公司
Priority to US16/348,431 priority Critical patent/US11023759B2/en
Priority to EP17868799.2A priority patent/EP3540646A4/en
Publication of WO2018086460A1 publication Critical patent/WO2018086460A1/zh

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/98—Detection or correction of errors, e.g. by rescanning the pattern or by human intervention; Evaluation of the quality of the acquired patterns
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/768—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using context analysis, e.g. recognition aided by known co-occurring patterns
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition
    • G06V30/14—Image acquisition
    • G06V30/148—Segmentation of character regions
    • G06V30/153—Segmentation of character regions using recognition of characters or words
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
    • G06V20/625—License plates
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/08—Detecting or categorising vehicles

Definitions

  • the present application relates to the field of data processing technologies, and in particular, to a license plate calibration method and apparatus.
  • License plate recognition technology has been widely used. Normally, the recognized license plate of the vehicle and the appearance time, appearance location, shape feature, vehicle type and the like of the vehicle are correspondingly stored in the travel record for subsequent use. For example, when a major event such as a traffic incident or a robbery event occurs, the suspicious vehicle can be determined by querying the stored travel record.
  • An object of the embodiments of the present application is to provide a license plate correction method and apparatus for correcting an incorrect license plate.
  • a license plate calibration method including:
  • a similar license plate having the highest matching probability is determined as the corrected license plate.
  • the step of determining the to-be-corrected license plate and its corresponding to-be-corrected vehicle record may include:
  • the first license plate is determined as the license plate to be corrected, and the first passing record corresponding to the first license plate is determined as the to-be-corrected passing record.
  • the step of determining whether the identification of the first license plate is accurate according to the preset rule may include:
  • the first method of judging determining whether the first license plate meets the preset naming rule; if not, indicating that the identification of the first license plate is inaccurate;
  • the second method of determining determining whether there is an indeterminate character in the first license plate; wherein the recognition result corresponding to the indeterminate character includes at least two candidate characters, and the difference between the probabilities corresponding to the at least two candidate characters The value is less than the first preset threshold; if yes, indicating that the identification of the first license plate is inaccurate;
  • a third manner of determining determining a vehicle type corresponding to the first license plate, determining whether the determined vehicle type is consistent with a vehicle type included in the first travel record corresponding to the first license plate; if not, indicating the first The identification of the license plate is not accurate.
  • the step of determining whether the identification of the first license plate is accurate according to the preset rule may include:
  • Determining whether the quantity is less than a second preset threshold, and if less than, according to a preset second time Determining a second time period corresponding to the first occurrence time; determining a first target area corresponding to the first occurrence location according to a preset first area division rule; determining to be located in the second time period All second passing records within the first target area; wherein the second license plate corresponding to the second passing record is different from the first license plate; the first area dividing rule is according to the The second time period division rule setting;
  • the step of determining whether the identification of the first license plate is accurate according to the preset rule may include:
  • the step of determining whether the identification of the first license plate is accurate according to the preset rule may include:
  • the step of determining whether the first passing record corresponding to the first license plate matches the historical first passing record may include:
  • Determining a first appearance time and a first appearance location of the vehicle included in the first travel record corresponding to the first license plate, and a second appearance time and a second appearance location of the vehicle included in the historical first travel record Determining a first time difference between the first appearance time and the second appearance time, and a first distance difference between the first appearance location and the second appearance location; determining the first distance difference Whether the quotient of the value and the first time difference is in a preset interval, and if not, indicating that the first passing record corresponding to the first license plate does not match the historical first passing record.
  • the step of determining the at least one similar license plate of the to-be-corrected license plate according to the stored travel record may include:
  • the found license plate corresponding to the target second shape feature is determined as the similar license plate of the license plate to be corrected.
  • the determining, according to the stored travel record, determining at least one phase of the license plate to be corrected may include:
  • a second license plate having a similarity greater than a third preset threshold is determined as a similar license plate of the license plate to be corrected.
  • the step of determining the at least one similar license plate of the to-be-corrected license plate according to the stored travel record may include:
  • the second license plate is determined as the similar license plate of the license plate to be corrected.
  • the step of determining, for each similar license plate, the corresponding to-be-matched travel record may include:
  • the historical passing record of the similar license plate located in the third target period and located in the second target area is determined as the to-be-matched passing record corresponding to the similar license plate.
  • the step of determining the matching probability of the similar license plate and the to-be-corrected license plate according to the matching result may include:
  • the step of matching the to-be-matched vehicle record with the to-be-corrected vehicle record, and determining, according to the matching result, the matching probability of the similar license plate and the to-be-corrected license plate may include:
  • the step of matching the to-be-matched vehicle record with the to-be-corrected vehicle record, and determining, according to the matching result, the matching probability of the similar license plate and the to-be-corrected license plate may include:
  • an embodiment of the present application further discloses a license plate calibration apparatus, including:
  • a first determining module configured to determine a license plate to be corrected and a corresponding record of the vehicle to be corrected
  • a second determining module configured to determine, according to the stored passing record, at least one similar license plate of the to-be-corrected license plate
  • a third determining module configured to determine, for each similar license plate, a corresponding to-be-matched passing record
  • a fourth determining module configured to match the to-be-matched passing record with the to-be-corrected passing record, and determine a matching probability of the similar license plate and the to-be-corrected license plate according to the matching result
  • a fifth determining module configured to determine the similar license plate with the highest matching probability as the corrected license plate.
  • the first determining module may include:
  • Obtaining a submodule configured to acquire the first license plate that has been identified and the corresponding first passing record
  • a determining sub-module configured to determine, according to a preset rule, whether the identification of the first license plate is accurate for each first license plate; if not, triggering the first determining sub-module;
  • the first determining submodule is configured to determine the first license plate as the license plate to be corrected, and determine the first passing record corresponding to the first license plate as the to-be-corrected passing record.
  • the determining submodule may be specifically configured to:
  • the first manner of determining determining whether the first license plate meets a preset naming rule; if not, indicating that the identification of the first license plate is inaccurate, triggering the first determining sub-module;
  • the second method of determining determining whether there is an indeterminate character in the first license plate; wherein the recognition result corresponding to the indeterminate character includes at least two candidate characters, and the difference between the probabilities corresponding to the at least two candidate characters The value is less than the first preset threshold; if yes, indicating the knowledge of the first license plate Not inaccurate, triggering the first determining sub-module;
  • a third manner of determining determining a vehicle type corresponding to the first license plate, determining whether the determined vehicle type is consistent with a vehicle type included in the first travel record corresponding to the first license plate; if not, indicating the first The identification of the license plate is inaccurate, triggering the first determining sub-module.
  • the determining submodule may be specifically configured to:
  • the determining submodule may be specifically configured to:
  • the determining submodule may include:
  • An obtaining unit configured to acquire, for each first license plate, a stored historical first passing record of the first license plate
  • the determining unit is configured to determine whether the first passing record corresponding to the first license plate matches the historical first passing record; if not, indicating that the identification of the first license plate is inaccurate.
  • the determining unit may be specifically configured to:
  • Determining a first appearance time and a first appearance location of the vehicle included in the first travel record corresponding to the first license plate, and a second appearance time and a second appearance location of the vehicle included in the historical first travel record Determining a first time difference between the first appearance time and the second appearance time, and a first distance difference between the first appearance location and the second appearance location; determining the first distance difference Whether the quotient of the value and the first time difference is in a preset interval, and if not, indicating that the first passing record corresponding to the first license plate does not match the historical first passing record.
  • the second determining module is specifically configured to:
  • the found license plate corresponding to the target second shape feature is determined as the similar license plate of the license plate to be corrected.
  • the second determining module is specifically configured to:
  • a second license plate having a similarity greater than a third preset threshold is determined as a similar license plate of the license plate to be corrected.
  • the second determining module is specifically configured to:
  • the second license plate is determined as the similar license plate of the license plate to be corrected.
  • the third determining module may include:
  • a second determining submodule configured to determine a third appearance time and a third appearance location of the vehicle included in the to-be-corrected vehicle record
  • a third determining submodule configured to determine the third according to a preset third time period dividing rule a third time period corresponding to the appearance time
  • a fourth determining sub-module configured to determine, according to a preset second area dividing rule, a second target area corresponding to the third occurrence location; wherein the second area dividing rule is divided according to the third time period set up;
  • a fifth determining submodule configured, for each similar license plate, a historical passing record of the similar license plate located in the third time period and located in the second target area as corresponding to the similar license plate To match the passing record.
  • each of the similar license plates has at least two records to be matched, and the fourth determining module is specifically configured to:
  • the fourth determining module is specifically configured to:
  • the fourth determining module is specifically configured to:
  • an embodiment of the present application further discloses an electronic device, including: a processor and a memory, wherein the memory is used to store executable program code, and the processor is operated by reading executable program code stored in the memory.
  • an embodiment of the present application further discloses an executable program code for being executed to execute any of the license plate correction methods described above.
  • an embodiment of the present application further discloses a computer readable storage medium for storing executable program code, where the executable program code is used to be executed to perform any of the above A license plate correction method.
  • FIG. 1 is a schematic flowchart of a method for correcting a license plate according to an embodiment of the present application
  • FIG. 2 is a schematic structural diagram of a license plate correction device according to an embodiment of the present application.
  • FIG. 3 is a schematic structural diagram of an electronic device according to an embodiment of the present application.
  • the embodiment of the present application provides a method and a device for correcting a license plate, which can be applied to various electronic devices such as a computer and a tablet computer, and is not limited thereto.
  • the license plate correction method provided by the embodiment of the present application is first described in detail below.
  • FIG. 1 is a schematic flowchart of a method for correcting a license plate according to an embodiment of the present application, including:
  • S101 Determine a license plate to be corrected and a corresponding record of the vehicle to be corrected.
  • the license plate to be corrected can be understood as identifying the wrong license plate.
  • the manner of determining the license plate to be corrected may be various.
  • the first license plate and the corresponding first passing record may be acquired; for each first license plate, according to a preset rule, Whether the identification of the first license plate is accurate; if not, determining the first license plate as the license plate to be corrected, and determining the first passing record corresponding to the first license plate as the to-be-corrected travel record.
  • the scheme can determine the license plate to be corrected in all the acquired license plates, and can also determine the license plate to be corrected in the preset part of the recognized license plate according to actual needs, which is not limited.
  • the first license plate may be any acquired license plate, and for each acquired license plate (first license plate) obtained, it is determined whether the identification is accurate. There are many ways to do this, such as:
  • the preset naming rule may include: the license plate length is 7 characters; if a license plate having a length of not 7 characters appears, it indicates that the identification of the license plate is inaccurate, and the license plate is the license plate to be corrected.
  • the preset naming rules may include: the first two characters of the Shanghai license plate include: Shanghai A, Shanghai B, Shanghai C, and Shanghai D; if there are four cases of Shanghai license plates, such as Shanghai E, Shanghai F, etc., indicating that the identification of the license plate is inaccurate, and the license plate is the license plate to be corrected.
  • a second method for judging whether there is an indeterminate character in the first license plate wherein the recognition result corresponding to the indeterminate character includes at least two candidate characters, and the difference between the probabilities corresponding to the at least two candidate characters Less than the first preset threshold; if so, indicating that the identification of the first license plate is inaccurate.
  • the recognition result corresponding to each character includes the candidate characters and their corresponding probabilities; when there is only one candidate character, the corresponding probability is generally 100%, and when there are many candidate characters The sum of the probabilities corresponding to the multiple candidate characters is generally 100%.
  • the obtained recognition result includes three candidate characters “D", “O”, and “Q”. Among them, the probability corresponding to "D” is 70%, the probability of "O” is 20%, and the probability of "Q” is 10%. This means that the character “D” in the license plate has 70% chance of being “D”, 20% may be “O”, and 10% may be "Q”.
  • the difference between the probabilities corresponding to each candidate character is less than a preset threshold, assuming that the preset threshold is 10%, assuming that the recognition result corresponding to a character in the license plate includes two candidate characters “Z” and “2”, Among them, the probability of "Z” corresponds to 53%, and the probability of "2" corresponds to 47%.
  • the difference between the probabilities corresponding to the two candidate characters "Z” and “2” is less than a preset threshold, that is, the probability that the character in the license plate is "Z" or "2" is not much different.
  • the character is an indeterminate character.
  • the vehicle type can be determined by the license plate. For example, if the license plate includes “Jin E”, it means that the vehicle type corresponding to the license plate is a taxi. If the first license plate contains "Jin E”, but If the type of the vehicle included in the first passing record corresponding to the first license plate is not a taxi, the identification of the first license plate is inaccurate, and the first license plate is the license plate to be corrected.
  • a fourth determining manner determining a first appearance time and a first appearance location of the vehicle included in the first passing record corresponding to the first license plate; determining the first appearance time according to a preset first time period dividing rule Corresponding the first time period; counting the number of the first history of the first license plate in the first time period; determining whether the quantity is less than the second preset threshold, if less than, according to the preset Determining a second time period corresponding to the first time of occurrence; determining a first target area corresponding to the first occurrence location according to a preset first area division rule; All second passing records in the second target period and located in the first target area; wherein the second license plate corresponding to the second passing record is different from the first license plate; the first area dividing The rule is set according to the second time period division rule; for each determined second car record, determining the similarity between the corresponding second license plate and the first license plate; when the similarity is greater than the third When the set threshold value, the first plate indicates identification inaccurate.
  • the fourth determining manner after determining all the second passing records located in the second time period and located in the first target area, in all the determined passing records, Selecting a second license plate different from the first license plate; determining, for each selected second license plate, a similarity with the first license plate; when there is a case where the similarity is greater than a third preset threshold, indicating that the The identification of the first license plate is not accurate.
  • the first time period division rule may be set according to actual conditions. For example, if one day is set as one time period, the first time period corresponding to the first appearance time is November 1, 2016.
  • the number of historical first passing records of the first license plate in the first time period (November 1, 2016) is counted, and it is determined whether the quantity is less than a second preset threshold. Understandably, in a normal situation, a car will pass through a plurality of bayonet ports in one trip, and a car record will be collected at the bayonet, so that a license plate generally has multiple historical passes in a period of time. recording. If the number of historical first passing records of the first license plate is small during the first time period, the identification of the first license plate may be inaccurate.
  • the second preset threshold is 2, that is, the number is less than the second preset.
  • Threshold in this case, determining a second time period corresponding to the first appearance time according to a preset second time period dividing rule.
  • the second time period division rule may be set according to actual conditions, and may be the same as or different from the first time period division rule. It is assumed here that the second time period division rule divides one hour into one time period, and the second time period corresponding to the first appearance time may be 10:00-11:00 on November 1, 2016, or 2016 11 From 1:00 am to 10:00 am on the 1st of the month, or from 9:30 to 10:30 am on November 1, 2016, etc., the details are not limited.
  • the first area division rule is set according to the second time period division rule. It can be understood that if the second time period dividing rule divides an hour into a time period, the first area dividing rule can divide a place that a car can travel within one hour into one area.
  • All second travel records located within the second time period and located within the first target area are determined.
  • the passing record other than the first passing record in the passing record located in the second target period and located in the first target area is referred to herein as the second passing record.
  • the license plate included in the second passing record is referred to as a second license plate.
  • the similarity calculation is performed for each second license plate and the first license plate. It can be understood that if the license plate recognition error is usually only a partial character recognition error in the license plate, the wrong license plate and the correct license plate should be similar license plates. According to the above description, during the first time period, the number of historical first passing records of the first license plate is small, and the identification of the first license plate may be inaccurate, in this case, if the first license plate corresponds to If the vehicle may appear (the second time period), the possible location (the first target area) has a license plate similar to the first license plate, then the similar license plate may be the vehicle corresponding to the first license plate. The correct license plate.
  • a fifth determining manner obtaining a stored first passing record of the first license plate; determining whether the first passing record corresponding to the first license plate matches the historical first passing record; if not, indicating The identification of the first license plate is not accurate.
  • the manner of determining whether the first passing record corresponding to the first license plate matches the historical first passing record may also be various, for example:
  • the shape of the vehicle may be included in the passing record, which may be understood as the color, model, and the like of the vehicle.
  • the shape of the vehicle included in the first passing record is "Black Audi A6”
  • the shape of the vehicle contained in the first history record of the first license plate is "Red Dongfeng Peugeot 308S”
  • the first passing record corresponding to the first license plate does not match the historical first passing record, indicating that the identification of the first license plate is inaccurate, and the first license plate is the license plate to be corrected.
  • a plurality of historical first passing records of the first license plate may be acquired, and the plurality of historical first passing records are respectively matched with the first passing record; Determining a proportional threshold, when the ratio of the unmatched historical first passing record to the acquired number of all historical first passing records is greater than the proportional threshold, then the first passing record corresponding to the first license plate is The historical first passing record does not match, indicating that the identification of the first license plate is inaccurate, and the first license plate is a license plate to be corrected. In this way, the contingency of only one match can be avoided.
  • the manner of determining whether the first passing record corresponding to the first license plate matches the historical first passing record may include:
  • the second appearance time of the vehicle included in the historical first travel record in the embodiment shown in the present application is not necessarily later than the first appearance time of the vehicle included in the first travel record. That is to say, in the present embodiment, the stored passing record is referred to as a history passing record, and does not mean that the time for storing the historical passing record must be later than the time for storing the first passing record.
  • the first appearance time of the vehicle included in the first travel record is 10:00 am on November 1, 2016, the first appearance location is A1, and the second appearance time of the vehicle included in the historical first travel record is At 10:20 am on November 1, 2016, the second place of appearance was A2. Determining that the first time difference between the first appearance time and the second appearance time is 20 minutes, and the first distance difference A2-A1 between the first appearance location and the second appearance location is assumed to be 40 km.
  • the quotient of the first distance difference and the first time difference is not in the preset interval, that is, under normal circumstances, the vehicle cannot travel from A1 to A2 within 20 minutes, and therefore, the first license plate corresponds to the first The passing record does not match the historical first passing record, indicating that the identification of the first license plate is inaccurate, and the first license plate is the license plate to be corrected.
  • a plurality of historical first passing records of the first license plate may be acquired, and the plurality of historical first passing records are respectively matched with the first passing record; Determining a proportional threshold, when the ratio of the unmatched historical first passing record to the acquired number of all historical first passing records is greater than the proportional threshold, then the first passing record corresponding to the first license plate is The historical first passing record does not match, indicating that the identification of the first license plate is inaccurate, and the first license plate is a license plate to be corrected. In this way, the contingency of only one match can be avoided.
  • the foregoing plurality of determination manners may be arbitrarily combined to determine whether the identification of the first license plate is accurate. For example, for each first license plate, first determine whether it meets a preset naming rule; if yes, Re-determining whether there is an uncertain character in the first license plate; if not, determining the vehicle type corresponding to the first license plate, determining the determined vehicle type and the vehicle type included in the first passing record corresponding to the first license plate Whether it is consistent; if it is, it means that the identification of the first license plate is accurate.
  • S102 Determine at least one similar license plate of the to-be-corrected license plate according to the stored passing record.
  • S102 may include:
  • the found license plate corresponding to the target second shape feature is determined as the similar license plate of the license plate to be corrected.
  • the shape of the vehicle may be included in the passing record, which may be understood as the color, model, and the like of the vehicle.
  • the shape feature included in the record to be corrected is referred to herein as a first shape feature
  • the shape feature included in the stored pass record is referred to as a second profile feature.
  • the first shape feature is “Red Dongfeng Peugeot 308S”
  • “Red Dongfeng Peugeot 308S” is searched in the stored travel record, and the search result is used as the target second shape feature, and the found result is found.
  • the license plate corresponding to the target second shape feature is determined as the similar license plate of the license plate to be corrected.
  • the second license plate having the similarity greater than the third preset threshold may be directly determined as the similar license plate of the license plate to be corrected.
  • S102 may include:
  • the first appearance time of the vehicle included in the to-be-corrected vehicle record corresponding to the license plate to be corrected is 10:00 am on November 1, 2016, and the first appearance location is A1.
  • the second time period division rule may be set according to actual conditions.
  • the second time period division rule divides one hour into one time period, and the second time period corresponding to the first appearance time may be November 1, 2016. 10:00-11:00 am, or 9:00-10:00 am on November 1, 2016, or 9:30-10:30 am on November 1, 2016, etc. .
  • the first area division rule is set according to the second time period division rule. It can be understood that if the second time period dividing rule divides an hour into a time period, the first area dividing rule can divide a place that a car can travel within one hour into one area.
  • the passing record other than the first passing record in the passing record located in the second target period and located in the first target area is referred to herein as the second passing record.
  • the license plate included in the second passing record is referred to as a second license plate.
  • the similarity calculation is performed for each second license plate and the first license plate. It can be understood that if the license plate recognition error is usually only a partial character recognition error in the license plate, the wrong license plate and the correct license plate should be similar license plates. If a license plate similar to the first license plate appears at a time when the vehicle corresponding to the first license plate may occur (the second time period) and a possible place (the first target area), the similar license plate may be the same. The correct license plate of the vehicle corresponding to the first license plate.
  • the second license plate is determined as the similar license plate of the license plate to be corrected.
  • S103 Determine, for each similar license plate, a corresponding to-matched vehicle record, and match the to-be-matched vehicle record with the to-be-corrected vehicle record, and determine the similarity according to the matching result. The probability of matching the license plate with the license plate to be corrected.
  • determining the corresponding to-be-matched travel record may include:
  • the historical passing record of the similar license plate located in the third target period and located in the second target area is determined as the to-be-matched passing record corresponding to the similar license plate.
  • the appearance time and location of the vehicle included in the first travel record are referred to as the first appearance time and the first appearance location, and the occurrence time of the vehicle included in the history first travel record will be referred to.
  • the location is referred to as a second appearance time and a second appearance location
  • the time and location of the vehicle included in the to-be-corrected vehicle record are referred to as a third appearance time and a third appearance location.
  • the first travel record may be the record of the vehicle to be corrected, and therefore, the first appearance time and the first appearance location may be the same as or different from the third appearance time and the third appearance location. It is assumed here that the third appearance time is 10:00 am on November 1, 2016, and the third appearance place is A1.
  • the third time segment division rule may be set according to an actual situation, and the third time segment division rule may be the same as or different from the first time segment division rule and the second time segment division rule. It is assumed here that the third time period division rule divides one hour into one time period, and the third time period corresponding to the third appearance time may be 10:00-11:00 on November 1, 2016, or 2016 11 From 9:00-10:00 am on the 1st of the month, or from 9:30-10:30 am on November 1, 2016, etc., it is assumed to be 9:30-10:30 on November 1, 2016.
  • the second area division rule is set according to the third time period division rule. It can be understood that if the third time period dividing rule divides one hour into one time period, the second area dividing rule can divide a place that a car can travel within one hour into one area.
  • the historical passing record of the similar license plate located in the third target area and located in the second target area is determined as the to-be-matched passing record corresponding to the similar license plate.
  • the matching of the to-be-matched vehicle record and the to-be-corrected vehicle record may be matched, and the matching manner may be various.
  • the matching manner when there is at least two to-match matching vehicle records corresponding to a similar license plate, the matching manner may include :
  • the time and place of occurrence of the vehicle included in the to-be-matched vehicle record are referred to as the fourth appearance time and the corresponding fourth appearance point.
  • the fourth appearance time of the vehicle included in the first to-be-matched travel record is 9:50 am, November 4, 2016, fourth.
  • the place of occurrence is A3.
  • the fourth appearance time of the vehicle included in the second to-be-matched vehicle record is 10:10 am on November 1, 2016, and the fourth appearance point is A4.
  • the third item is to be matched in the vehicle record.
  • the fourth appearance time of the included vehicles on November 1, 2016 is 10:20 am and the fourth appearance location is A5.
  • the three passing records can constitute the trajectory of the vehicle, that is, the trajectory corresponding to the similar license plate: 9:50 am on November 1, 2016, A3 - November 1, 2016 at 10:10 am, A4-2016 November 5, 10:20 am, A5.
  • Matching the third appearance time and the third appearance location (10:00 am, A1 on November 1, 2016) with the trajectory that is, calculating the probability of the vehicle corresponding to the similar license plate according to the trajectory in 2016 On November 1st, at 10:00 am, it appears in A1.
  • it can be calculated by a probability algorithm.
  • the probability can be calculated according to a normal distribution curve. This probability can be understood as the probability of matching the similar license plate with the license plate to be corrected.
  • the matching manner may include:
  • the fourth appearance time of the vehicle included in the to-be-matched vehicle record is 9:50 am on November 1, 2016, and the fourth appearance point is A3, and the fourth appearance time is calculated as 10 am on November 1, 2016.
  • the difference between the 10th and the third appearance time of 10:00 on the morning of November 1, 2016 is 10 minutes, and the second distance difference between the fourth appearance location A3 and the third appearance location A1 is assumed to be 10km. .
  • the matching vehicle-to-match vehicle record matches the to-be-corrected vehicle record, indicating that the matching probability of the similar license plate and the to-be-corrected license plate is 100%. If the matching passing record does not match the to-corrected passing record, it indicates that the matching probability of the similar license plate and the license plate to be corrected is 0%.
  • each of the to-be-matched travel records can be matched with the to-be-corrected travel record, and the similar license plate and the license plate to be corrected are determined according to each matching result. Match probability.
  • the matching probability of the similar license plate and the to-be-corrected license plate is 66%.
  • the matching manner may include:
  • the third appearance time is 10:00 am on November 1, 2016, and the third occurrence location is A1;
  • the fourth appearance time of the vehicle included in the to-be-matched travel record is 9 November 2016, 9 am : 50.
  • the fourth appearance location is A3, and the second time difference between the fourth appearance time and the third appearance time is 10 minutes.
  • the travel time data of the vehicle between A3 and A1 in the historical data can be stored in advance, so that the travel time data of the same vehicle between A3 and A1 can be obtained from the stored historical data.
  • the historical passing record collected at A3 and A1 may be acquired, and multiple passing records corresponding to the same license plate may be found in the obtained historical passing record, so that the same vehicle may be acquired between A3 and A1.
  • Driving time data can be obtained.
  • the probability (the duration probability) that the vehicle travels from A3 to A1 within 10 minutes can be determined.
  • the first scheme may be adopted.
  • the duration probability is greater than the set threshold, it is considered that the to-be-matched passing record matches the to-corrected passing record. Since the similar license plate only corresponds to one to-be-matched vehicle record, the matching vehicle-to-match vehicle record matches the to-be-corrected vehicle record, indicating that the matching probability of the similar license plate and the to-be-corrected license plate is 100%. If the matching passing record does not match the to-corrected passing record, it indicates that the matching probability of the similar license plate and the license plate to be corrected is 0%.
  • the second scheme may be adopted, and the duration probability is used as a matching result of the to-be-matched passing record and the to-be-corrected passing record, and the similar license plate only corresponds to one to-be-matched passing record. Therefore, the duration probability is the probability of matching the similar license plate with the license plate to be corrected.
  • each of the to-be-matched travel records can be matched with the to-be-corrected travel record, and the similar license plate and the license plate to be corrected are determined according to each matching result. Match probability.
  • the similar license plate corresponds to three to-be-matched vehicle records, wherein the matching result of the first to-be-matched vehicle record and the to-be-corrected vehicle record (corresponding duration probability) is 80%, The matching result of the two to-be-matched passing records and the to-be-corrected passing record (corresponding duration probability) is 70%, and the matching result of the third to-be-matched passing record and the to-be-corrected passing record (corresponding duration probability) is 60%; then the minimum duration probability can be determined as the matching probability of the similar license plate and the license plate to be corrected; or, the average of the three duration probabilities can be determined as the matching probability between the similar license plate and the license plate to be corrected, specifically Make a limit.
  • the embodiment of the present application further provides a license plate correction device.
  • FIG. 2 is a schematic structural diagram of a license plate calibration apparatus according to an embodiment of the present disclosure, including:
  • a first determining module 201 configured to determine a license plate to be corrected and a corresponding record of the vehicle to be corrected
  • a second determining module 202 configured to determine, according to the stored passing record, at least one similar license plate of the to-be-corrected license plate
  • the third determining module 203 is configured to determine, for each similar license plate, a corresponding to-be-matched car note record
  • a fourth determining module 204 configured to match the to-be-matched passing record with the to-be-corrected passing record, and determine a matching probability of the similar license plate and the to-corrected license plate according to the matching result;
  • the fifth determining module 205 is configured to determine the similar license plate with the highest matching probability as the corrected license plate.
  • the first determining module 201 may include: an obtaining submodule, a determining submodule, and a first determining submodule (not shown), where
  • Obtaining a submodule configured to acquire the first license plate that has been identified and the corresponding first passing record
  • a determining sub-module configured to determine, according to a preset rule, whether the identification of the first license plate is accurate for each first license plate; if not, triggering the first determining sub-module;
  • the first determining submodule is configured to determine the first license plate as the license plate to be corrected, and determine the first passing record corresponding to the first license plate as the to-be-corrected passing record.
  • the determining submodule may be specifically used to:
  • the first manner of determining determining whether the first license plate meets a preset naming rule; if not, indicating that the identification of the first license plate is inaccurate, triggering the first determining sub-module;
  • the second method of determining determining whether there is an indeterminate character in the first license plate; wherein the recognition result corresponding to the indeterminate character includes at least two candidate characters, and the difference between the probabilities corresponding to the at least two candidate characters The value is less than the first preset threshold; if yes, indicating that the identification of the first license plate is inaccurate, triggering the first determining sub-module;
  • a second manner of determining determining a vehicle type corresponding to the first license plate, determining whether the determined vehicle type is consistent with a vehicle type included in the first travel record corresponding to the first license plate; if not, indicating the first The identification of the license plate is inaccurate, triggering the first determining sub-module.
  • the determining submodule may be specifically used to:
  • the determining submodule may be specifically configured to:
  • the determining submodule may include:
  • An obtaining unit configured to acquire, for each first license plate, a stored historical first passing record of the first license plate
  • the determining unit is configured to determine whether the first passing record corresponding to the first license plate matches the historical first passing record; if not, indicating that the identification of the first license plate is inaccurate.
  • the determining unit may be specifically configured to:
  • Determining a first appearance time and a first appearance location of the vehicle included in the first travel record corresponding to the first license plate, and a second appearance time and a second appearance location of the vehicle included in the historical first travel record Determining a first time difference between the first appearance time and the second appearance time, and a first distance difference between the first appearance location and the second appearance location; determining the first distance difference Whether the quotient of the value and the first time difference is in a preset interval, and if not, indicating that the first passing record corresponding to the first license plate does not match the historical first passing record.
  • the second determining module 202 is specifically configured to:
  • the found license plate corresponding to the target second shape feature is determined as the similar license plate of the license plate to be corrected.
  • the second determining module 202 is specifically configured to:
  • a second license plate having a similarity greater than a third preset threshold is determined as a similar license plate of the license plate to be corrected.
  • the second determining module 202 may be specifically configured to:
  • the second license plate is determined as the similar license plate of the license plate to be corrected.
  • the third determining module 203 includes:
  • a second determining submodule configured to determine a third appearance time and a third appearance location of the vehicle included in the to-be-corrected vehicle record
  • a third determining submodule configured to determine a third time period corresponding to the third appearance time according to a preset third time period dividing rule
  • a fourth determining sub-module configured to determine, according to a preset second area dividing rule, a second target area corresponding to the third occurrence location; wherein the second area dividing rule is divided according to the third time period set up;
  • a fifth determining submodule configured, for each similar license plate, a historical passing record of the similar license plate located in the third time period and located in the second target area as corresponding to the similar license plate To match the passing record.
  • the fourth determining module 204 is specifically configured to:
  • the fourth determining module 204 is specifically configured to:
  • the fourth determining module 204 is specifically configured to:
  • the embodiment of the present application further provides an electronic device, as shown in FIG. 3, including: a processor 301 and a memory 302, wherein the memory 302 is configured to store executable program code, and the processor 301 reads the memory stored in the memory 302.
  • the program code is executed to execute a program corresponding to the executable program code for performing any of the license plate correction methods described above.
  • the embodiment of the present application also provides an executable program code for being executed to execute any of the license plate correction methods described above.
  • the embodiment of the present application further provides a computer readable storage medium for storing executable program code for being executed to execute any of the license plate correction methods described above.
  • the various embodiments in the present specification are described in a related manner, and the same or similar parts between the various embodiments may be referred to each other, and each embodiment focuses on the differences from the other embodiments.
  • the embodiment of the license plate correcting device shown in FIG. 2 the electronic device embodiment shown in FIG. 3, and the above-described executable program code embodiment and the above computer readable storage medium embodiment are basically similar to the figure.
  • the embodiment of the license plate correction method shown in FIG. 1 is so simple to describe, and the relevant portions can be referred to the description of the embodiment of the license plate correction method shown in FIG. 1.
  • the storage medium which is referred to herein as a storage medium, such as a ROM/RAM, a magnetic disk, an optical disk, or the like, can be read.

Abstract

本申请实施例公开了一种车牌校正方法及装置，首先确定出待校正车牌及其对应的待校正过车记录，然后确定出待校正车牌的相似车牌，将每个相似车牌对应的过车记录与该待校正过车记录进行匹配，由此确定出每个相似车牌与待校正车牌的匹配概率，将匹配概率最大的相似车牌确定为校正后的车牌。因此，实现了对识别错误的车牌进行校正。

Description

一种车牌校正方法及装置
本申请要求于2016年11月9日提交中国专利局、申请号为201610986803.8、发明名称为“一种车牌校正方法及装置”的中国专利申请的优先权，其全部内容通过引用结合在本申请中。
技术领域
本申请涉及数据处理技术领域，特别涉及一种车牌校正方法及装置。
背景技术
车牌识别技术已经被广泛应用。通常情况下，将识别出的车辆的车牌及该车辆的出现时间、出现地点、外形特征、车辆类型等信息对应存储于过车记录中，以便后续使用。比如，当出现交通事件、抢劫事件等重大事件时，可以通过查询存储的过车记录，确定出可疑车辆。
但是，由于对车牌进行图像采集的采集设备的安装位置、拍摄角度等影响，或者进行图像采集时的能见度、可见光等环境影响，对车牌进行识别时，会出现识别错误的情况。
如果车牌识别错误，则存储的过车记录错误，使用错误的过车记录会造成不可预估的后果。
发明内容
本申请实施例的目的在于提供一种车牌校正方法及装置，对识别错误的车牌进行校正。
为达到上述目的，本申请实施例公开了一种车牌校正方法，包括：
确定待校正车牌及其对应的待校正过车记录；
根据存储的过车记录，确定所述待校正车牌的至少一个相似车牌；
针对每个相似车牌，确定其对应的待匹配过车记录，并将所述待匹配过车记录与所述待校正过车记录进行匹配，根据匹配结果，确定该相似车牌与所述待校正车牌的匹配概率；
将匹配概率最大的相似车牌确定为校正后的车牌。
可选的，所述确定待校正车牌及其对应的待校正过车记录的步骤可以包括：
获取已识别第一车牌及其对应的第一过车记录；
针对每个第一车牌，根据预设规则，判断对该第一车牌的识别是否准确；
如果否，将该第一车牌确定为待校正车牌，将该第一车牌对应的第一过车记录确定为待校正过车记录。
可选的，所述根据预设规则，判断对该第一车牌的识别是否准确的步骤可以包括：
采用以下至少一种判断方式，判断对该第一车牌的识别是否准确：
第一种判断方式：判断该第一车牌是否符合预设命名规则；如果否，表示对该第一车牌的识别不准确；
第二种判断方式：判断该第一车牌中是否存在不确定字符；其中，所述不确定字符对应的识别结果中包含至少两个候选字符，且所述至少候选两个字符对应的概率的差值小于第一预设阈值；如果是，表示对该第一车牌的识别不准确；
第三种判断方式：确定该第一车牌对应的车辆类型，判断所确定的车辆类型与该第一车牌对应的第一过车记录中包含的车辆类型是否一致；如果否，表示对该第一车牌的识别不准确。
可选的，所述根据预设规则，判断对该第一车牌的识别是否准确的步骤可以包括：
确定该第一车牌对应的第一过车记录中包含的车辆的第一出现时间及第一出现地点；
根据预设的第一时间段划分规则，确定所述第一出现时间对应的第一时间段；
统计所述第一时间段内的、所述第一车牌的历史第一过车记录的数量；
判断所述数量是否小于第二预设阈值，如果小于，根据预设的第二时间 段划分规则，确定所述第一出现时间对应的第二时间段；根据预设的第一区域划分规则，确定所述第一出现地点对应的第一目标区域；确定位于所述第二时间段内、且位于所述第一目标区域内的全部第二过车记录；其中，所述第二过车记录对应的第二车牌与该第一车牌不同；所述第一区域划分规则根据所述第二时间段划分规则设定；
针对所确定的每个第二过车记录，确定其对应的第二车牌与该第一车牌的相似度；
当存在相似度大于第三预设阈值的情况时，表示对该第一车牌的识别不准确。
可选的，所述根据预设规则，判断对该第一车牌的识别是否准确的步骤可以包括：
确定该第一车牌对应的第一过车记录中包含的车辆的第一出现时间及第一出现地点；
根据预设的第一时间段划分规则，确定所述第一出现时间对应的第一时间段；
统计所述第一时间段内的、所述第一车牌的历史第一过车记录的数量；
判断所述数量是否小于第二预设阈值，如果小于，根据预设的第二时间段划分规则，确定所述第一出现时间对应的第二时间段；根据预设的第一区域划分规则，确定所述第一出现地点对应的第一目标区域；确定位于所述第二时间段内、且位于所述第一目标区域内的全部过车记录；所述第一区域划分规则根据所述第二时间段划分规则设定；
在所确定的全部过车记录中，选择与该第一车牌不同的第二车牌；
针对所选择的每个第二车牌，确定其与该第一车牌的相似度；
当存在相似度大于第三预设阈值的情况时，表示对该第一车牌的识别不准确。
可选的，所述根据预设规则，判断对该第一车牌的识别是否准确的步骤可以包括：
获取存储的该第一车牌的历史第一过车记录；
判断该第一车牌对应的第一过车记录与所述历史第一过车记录是否相匹配；
如果否，表示对该第一车牌的识别不准确。
可选的，所述判断该第一车牌对应的第一过车记录与所述历史第一过车记录是否相匹配的步骤可以包括：
判断该第一车牌对应的第一过车记录中包含的车辆的外形特征与所述历史第一过车记录中包含的车辆的外形特征是否一致，如果否，表示该第一车牌对应的第一过车记录与所述历史第一过车记录不相匹配；
和/或，
确定该第一车牌对应的第一过车记录中包含的车辆的第一出现时间及第一出现地点、以及所述历史第一过车记录中包含的车辆的第二出现时间及第二出现地点；确定所述第一出现时间与所述第二出现时间的第一时间差值、以及所述第一出现地点与所述第二出现地点的第一距离差值；判断所述第一距离差值与所述第一时间差值的商是否在预设区间，如果否，表示该第一车牌对应的第一过车记录与所述历史第一过车记录不相匹配。
可选的，所述根据存储的过车记录，确定所述待校正车牌的至少一个相似车牌的步骤可以包括：
确定所述待校正过车记录中包含的第一外形特征；
确定存储的除所述待校正过车记录之外的过车记录中包含的每个第二外形特征；
在所确定的第二外形特征中，查找与所述第一外形特征相同的目标第二外形特征；
将所查找到的目标第二外形特征对应的车牌确定为所述待校正车牌的相似车牌。
可选的，所述根据存储的过车记录，确定所述待校正车牌的至少一个相 似车牌的步骤可以包括：
将相似度大于第三预设阈值的第二车牌确定为所述待校正车牌的相似车牌。
可选的，所述根据存储的过车记录，确定所述待校正车牌的至少一个相似车牌的步骤可以包括：
确定所述待校正过车记录中包含的车辆的第一出现时间及第一出现地点；
根据预设的第二时间段划分规则，确定所述第一出现时间对应的第二时间段；根据预设的第一区域划分规则，确定所述第一出现地点对应的第一目标区域；所述第一区域划分规则根据所述第二时间段划分规则设定；
在存储的过车记录中，确定位于所述第二时间段内、且位于所述第一目标区域内的全部过车记录；
在所述全部过车记录中，选择与所述待校正车牌不同的第二车牌；
针对每个第二车牌，确定其与所述待校正车牌的相似度；
若所述相似度大于第三预设阈值，则将该第二车牌确定为所述待校正车牌的相似车牌。
可选的，所述针对每个相似车牌，确定其对应的待匹配过车记录的步骤可以包括：
确定所述待校正过车记录中包含的车辆的第三出现时间及第三出现地点；
根据预设的第三时间段划分规则，确定所述第三出现时间对应的第三时间段；
根据预设的第二区域划分规则，确定所述第三出现地点对应的第二目标区域；其中，所述第二区域划分规则根据所述第三时间段划分规则设定；
针对每个相似车牌，将位于所述第三时间段内、且位于所述第二目标区域内的、该相似车牌的历史过车记录确定为该相似车牌对应的待匹配过车记录。
可选的，每个相似车牌对应的待匹配过车记录至少有两条；所述将所述 待匹配过车记录与所述待校正过车记录的进行匹配，根据匹配结果，确定该相似车牌与所述待校正车牌的匹配概率的步骤可以包括：
确定该相似车牌对应的每条待匹配过车记录中包含的车辆的第四出现时间及对应的第四出现地点；
根据所述每条待匹配过车记录中包含的车辆的第四出现时间及对应的第四出现地点，确定该相似车牌对应的轨迹；
将所述第三出现时间及第三出现地点与所述轨迹的进行匹配，根据匹配结果，确定该相似车牌与所述待校正车牌的匹配概率。
可选的，所述将所述待匹配过车记录与所述待校正过车记录的进行匹配，根据匹配结果，确定该相似车牌与所述待校正车牌的匹配概率的步骤可以包括：
确定该相似车牌对应的每条待匹配过车记录中包含的车辆的第四出现时间及对应的第四出现地点；
针对所述每条待匹配过车记录，计算其包含的第四出现时间与所述第三出现时间的第二时间差值、以及其包含的第四出现地点与所述第三出现地点的第二距离差值；根据所述第二时间差值及所述第二距离差值，确定该条待匹配过车记录与所述待校正过车记录的匹配结果；
根据该相似车牌对应的每条待匹配过车记录与所述待校正过车记录的匹配结果，确定该相似车牌与所述待校正车牌的匹配概率。
可选的，所述将所述待匹配过车记录与所述待校正过车记录的进行匹配，根据匹配结果，确定该相似车牌与所述待校正车牌的匹配概率的步骤可以包括：
确定该相似车牌对应的每条待匹配过车记录中包含的车辆的第四出现时间及对应的第四出现地点；
针对所述每条待匹配过车记录，计算其包含的第四出现时间与所述第三出现时间的第二时间差值；获取历史数据中、车辆在所述第四出现地点与所述第三出现地点之间的行驶时长数据；根据所获取的行驶时长数据，确定所 述第二时间差值对应的时长概率；根据所述时长概率，确定该条待匹配过车记录与所述待校正过车记录的匹配结果；
根据该相似车牌对应的每条待匹配过车记录与所述待校正过车记录的匹配结果，确定该相似车牌与所述待校正车牌的匹配概率。
为达到上述目的，本申请实施例还公开了一种车牌校正装置，包括：
第一确定模块，用于确定待校正车牌及其对应的待校正过车记录；
第二确定模块，用于根据存储的过车记录，确定所述待校正车牌的至少一个相似车牌；
第三确定模块，用于针对每个相似车牌，确定其对应的待匹配过车记录；
第四确定模块，用于将所述待匹配过车记录与所述待校正过车记录进行匹配，根据匹配结果，确定该相似车牌与所述待校正车牌的匹配概率；
第五确定模块，用于将匹配概率最大的相似车牌确定为校正后的车牌。
可选的，所述第一确定模块，可以包括：
获取子模块，用于获取已识别第一车牌及其对应的第一过车记录；
判断子模块，用于针对每个第一车牌，根据预设规则，判断对该第一车牌的识别是否准确；如果否，触发第一确定子模块；
第一确定子模块，用于将该第一车牌确定为待校正车牌，将该第一车牌对应的第一过车记录确定为待校正过车记录。
可选的，所述判断子模块，具体可以用于：
采用以下至少一种判断方式，判断对该第一车牌的识别是否准确：
第一种判断方式：判断该第一车牌是否符合预设命名规则；如果否，表示对该第一车牌的识别不准确，触发所述第一确定子模块；
第二种判断方式：判断该第一车牌中是否存在不确定字符；其中，所述不确定字符对应的识别结果中包含至少两个候选字符，且所述至少候选两个字符对应的概率的差值小于第一预设阈值；如果是，表示对该第一车牌的识 别不准确，触发所述第一确定子模块；
第三种判断方式：确定该第一车牌对应的车辆类型，判断所确定的车辆类型与该第一车牌对应的第一过车记录中包含的车辆类型是否一致；如果否，表示对该第一车牌的识别不准确，触发所述第一确定子模块。
可选的，所述判断子模块，具体可以用于：
确定该第一车牌对应的第一过车记录中包含的车辆的第一出现时间及第一出现地点；
根据预设的第一时间段划分规则，确定所述第一出现时间对应的第一时间段；
统计所述第一时间段内的、所述第一车牌的历史第一过车记录的数量；
判断所述数量是否小于第二预设阈值，如果小于，根据预设的第二时间段划分规则，确定所述第一出现时间对应的第二时间段；根据预设的第一区域划分规则，确定所述第一出现地点对应的第一目标区域；确定位于所述第二时间段内、且位于所述第一目标区域内的全部第二过车记录；其中，所述第二过车记录对应的第二车牌与该第一车牌不同；所述第一区域划分规则根据所述第二时间段划分规则设定；
针对所确定的每个第二过车记录，确定其对应的第二车牌与该第一车牌的相似度；
当存在相似度大于第三预设阈值的情况时，表示对该第一车牌的识别不准确。
可选的，所述判断子模块，具体可以用于：
确定该第一车牌对应的第一过车记录中包含的车辆的第一出现时间及第一出现地点；
根据预设的第一时间段划分规则，确定所述第一出现时间对应的第一时间段；
统计所述第一时间段内的、所述第一车牌的历史第一过车记录的数量；
判断所述数量是否小于第二预设阈值，如果小于，根据预设的第二时间段划分规则，确定所述第一出现时间对应的第二时间段；根据预设的第一区域划分规则，确定所述第一出现地点对应的第一目标区域；确定位于所述第二时间段内、且位于所述第一目标区域内的全部过车记录；所述第一区域划分规则根据所述第二时间段划分规则设定；
在所确定的全部过车记录中，选择与该第一车牌不同的第二车牌；
针对所选择的每个第二车牌，确定其与该第一车牌的相似度；
当存在相似度大于第三预设阈值的情况时，表示对该第一车牌的识别不准确。
可选的，所述判断子模块，可以包括：
获取单元，用于针对每个第一车牌，获取存储的该第一车牌的历史第一过车记录；
判断单元，用于判断该第一车牌对应的第一过车记录与所述历史第一过车记录是否相匹配；如果否，表示对该第一车牌的识别不准确。
可选的，所述判断单元，具体可以用于：
判断该第一车牌对应的第一过车记录中包含的车辆的外形特征与所述历史第一过车记录中包含的车辆的外形特征是否一致，如果否，表示该第一车牌对应的第一过车记录与所述历史第一过车记录不相匹配；
和/或，
确定该第一车牌对应的第一过车记录中包含的车辆的第一出现时间及第一出现地点、以及所述历史第一过车记录中包含的车辆的第二出现时间及第二出现地点；确定所述第一出现时间与所述第二出现时间的第一时间差值、以及所述第一出现地点与所述第二出现地点的第一距离差值；判断所述第一距离差值与所述第一时间差值的商是否在预设区间，如果否，表示该第一车牌对应的第一过车记录与所述历史第一过车记录不相匹配。
可选的，所述第二确定模块，具体可以用于：
确定所述待校正过车记录中包含的第一外形特征；
确定存储的除所述待校正过车记录之外的过车记录中包含的每个第二外形特征；
在所确定的第二外形特征中，查找与所述第一外形特征相同的目标第二外形特征；
将所查找到的目标第二外形特征对应的车牌确定为所述待校正车牌的相似车牌。
可选的，所述第二确定模块，具体可以用于：
将相似度大于第三预设阈值的第二车牌确定为所述待校正车牌的相似车牌。
可选的，所述第二确定模块，具体可以用于：
确定所述待校正过车记录中包含的车辆的第一出现时间及第一出现地点；
根据预设的第二时间段划分规则，确定所述第一出现时间对应的第二时间段；根据预设的第一区域划分规则，确定所述第一出现地点对应的第一目标区域；所述第一区域划分规则根据所述第二时间段划分规则设定；
在存储的过车记录中，确定位于所述第二时间段内、且位于所述第一目标区域内的全部过车记录；
在所述全部过车记录中，选择与所述待校正车牌不同的第二车牌；
针对每个第二车牌，确定其与所述待校正车牌的相似度；
若所述相似度大于第三预设阈值，则将该第二车牌确定为所述待校正车牌的相似车牌。
可选的，所述第三确定模块，可以包括：
第二确定子模块，用于确定所述待校正过车记录中包含的车辆的第三出现时间及第三出现地点；
第三确定子模块，用于根据预设的第三时间段划分规则，确定所述第三 出现时间对应的第三时间段；
第四确定子模块，用于根据预设的第二区域划分规则，确定所述第三出现地点对应的第二目标区域；其中，所述第二区域划分规则根据所述第三时间段划分规则设定；
第五确定子模块，用于针对每个相似车牌，将位于所述第三时间段内、且位于所述第二目标区域内的、该相似车牌的历史过车记录确定为该相似车牌对应的待匹配过车记录。
可选的，每个相似车牌对应的待匹配过车记录至少有两条；所述第四确定模块，具体可以用于：
确定该相似车牌对应的每条待匹配过车记录中包含的车辆的第四出现时间及对应的第四出现地点；
根据所述每条待匹配过车记录中包含的车辆的第四出现时间及对应的第四出现地点，确定该相似车牌对应的轨迹；
将所述第三出现时间及第三出现地点与所述轨迹的进行匹配，根据匹配结果，确定该相似车牌与所述待校正车牌的匹配概率。
可选的，所述第四确定模块，具体可以用于：
确定该相似车牌对应的每条待匹配过车记录中包含的车辆的第四出现时间及对应的第四出现地点；
针对所述每条待匹配过车记录，计算其包含的第四出现时间与所述第三出现时间的第二时间差值、以及其包含的第四出现地点与所述第三出现地点的第二距离差值；根据所述第二时间差值及所述第二距离差值，确定该条待匹配过车记录与所述待校正过车记录的匹配结果；
根据该相似车牌对应的每条待匹配过车记录与所述待校正过车记录的匹配结果，确定该相似车牌与所述待校正车牌的匹配概率。
可选的，所述第四确定模块，具体可以用于：
确定该相似车牌对应的每条待匹配过车记录中包含的车辆的第四出现时 间及对应的第四出现地点；
针对所述每条待匹配过车记录，计算其包含的第四出现时间与所述第三出现时间的第二时间差值；获取历史数据中、车辆在所述第四出现地点与所述第三出现地点之间的行驶时长数据；根据所获取的行驶时长数据，确定所述第二时间差值对应的时长概率；根据所述时长概率，确定该条待匹配过车记录与所述待校正过车记录的匹配结果；
根据该相似车牌对应的每条待匹配过车记录与所述待校正过车记录的匹配结果，确定该相似车牌与所述待校正车牌的匹配概率。
为达到上述目的，本申请实施例还公开了一种电子设备，包括：处理器和存储器，其中，存储器用于存储可执行程序代码，处理器通过读取存储器中存储的可执行程序代码来运行与可执行程序代码对应的程序，以用于执行上述任一种车牌校正方法。
为达到上述目的，本申请实施例还公开了一种可执行程序代码，所述可执行程序代码用于被运行以执行上述任一种车牌校正方法。
为达到上述目的，本申请实施例还公开了一种计算机可读存储介质，所述计算机可读存储介质用于存储可执行程序代码，所述可执行程序代码用于被运行以执行上述任一种车牌校正方法。
应用本申请所示实施例，首先确定出待校正车牌及其对应的待校正过车记录，然后确定出待校正车牌的相似车牌，将每个相似车牌对应的过车记录与该待校正过车记录进行匹配，由此确定出每个相似车牌与待校正车牌的匹配概率，将匹配概率最大的相似车牌确定为校正后的车牌。因此，实现了对识别错误的车牌进行校正。
当然，实施本申请的任一产品或方法并不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本申请实施例和现有技术的技术方案，下面对实施例和现有技术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为本申请实施例提供的一种车牌校正方法的流程示意图；
图2为本申请实施例提供的一种车牌校正装置的结构示意图；
图3为本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
为使本申请的目的、技术方案、及优点更加清楚明白，以下参照附图并举实施例，对本申请进一步详细说明。显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
为了解决上述技术问题，本申请实施例提供了一种车牌校正方法及装置，可以应用于计算机、平板电脑等各种电子设备，具体不作限定。下面首先对本申请实施例提供的车牌校正方法进行详细说明。
图1为本申请实施例提供的一种车牌校正方法的流程示意图，包括：
S101：确定待校正车牌及其对应的待校正过车记录。
待校正车牌即可以理解为识别错误的车牌。确定出待校正车牌的方式可以有多种，作为一种实施方式：可以获取已识别第一车牌及其对应的第一过车记录；针对每个第一车牌，根据预设规则，判断对该第一车牌的识别是否准确；如果否，将该第一车牌确定为待校正车牌，将该第一车牌对应的第一过车记录确定为待校正过车记录。
本方案可以在获取到的全部已识别车牌中确定出待校正车牌，也可以根据实际需求，在预设的部分已识别车牌中确定出待校正车牌，具体不做限定。
假设在获取到的全部已识别车牌中确定出待校正车牌，则第一车牌可以为获取到的任一已识别车牌，针对所获取的每个已识别车牌(第一车牌)，判断其识别是否准确。具体方式可以多种，比如：
第一种判断方式，判断第一车牌是否符合预设命名规则；如果否，表示对该第一车牌的识别不准确。
举例来说，该预设命名规则可以包括：车牌长度为7个字符；如果出现长度不为7个字符的车牌，则表示对该车牌的识别不准确，该车牌为待校正车牌。再举一个例子，该预设命名规则可以包括：上海车牌的前两个字符包括：沪A、沪B、沪C、沪D四种情况；如果出现这四种情况以外的上海车牌，比如沪E、沪F等，表示对该车牌的识别不准确，该车牌为待校正车牌。
第二种判断方式，判断第一车牌中是否存在不确定字符；其中，所述不确定字符对应的识别结果中包含至少两个候选字符，且所述至少候选两个字符对应的概率的差值小于第一预设阈值；如果是，表示对该第一车牌的识别不准确。
利用现有的识别技术对车牌进行识别时，每个字符对应的识别结果中包括候选字符及其对应的概率；当候选字符只有一个时，其对应的概率一般为100％，当候选字符有多个时，这多个候选字符对应的概率之和一般为100％。
举例来说，假设对车牌中的字符“D”进行识别，得到的识别结果中包括三个候选字符“D”、“O”和“Q”。其中，“D”对应的概率为70％，“O”对应的概率为20％，“Q”对应的概率为10％。这表示车牌中的字符“D”有70％的可能为“D”，有20％的可能为“O”，有10％的可能为“Q”。
如果每个候选字符对应的概率的差值小于预设阈值，假设该预设阈值为10％，假设车牌中的某个字符对应的识别结果中包含两个候选字符“Z”和“2”，其中，“Z”对应的概率为53％，“2”对应的概率为47％。两个候选字符“Z”和“2”对应的概率的差值小于预设阈值，也就是说，车牌中的该字符为“Z”或者为“2”的可能性相差不大，这种情况下，该字符为不确定字符。
当一个车牌中存在上述不确定字符时，表示对该车牌的识别不准确，该车牌为待校正车牌。
第三种判断方式，确定第一车牌对应的车辆类型，判断所确定的车辆类型与该第一车牌对应的第一过车记录中包含的车辆类型是否一致；如果否，表示对该第一车牌的识别不准确。
通常情况下，可以通过车牌确定车辆类型，比如，车牌中包含“津E”，则表示该车牌对应的车辆类型为出租车。如果第一车牌中包含“津E”，但是 该第一车牌对应的第一过车记录中包含的车辆类型不为出租车，则表示对该第一车牌的识别不准确，该第一车牌为待校正车牌。
第四种判断方式，确定第一车牌对应的第一过车记录中包含的车辆的第一出现时间及第一出现地点；根据预设的第一时间段划分规则，确定所述第一出现时间对应的第一时间段；统计所述第一时间段内的、所述第一车牌的历史第一过车记录的数量；判断所述数量是否小于第二预设阈值，如果小于，根据预设的第二时间段划分规则，确定所述第一出现时间对应的第二时间段；根据预设的第一区域划分规则，确定所述第一出现地点对应的第一目标区域；确定位于所述第二时间段内、且位于所述第一目标区域内的全部第二过车记录；其中，所述第二过车记录对应的第二车牌与该第一车牌不同；所述第一区域划分规则根据所述第二时间段划分规则设定；针对所确定的每个第二过车记录，确定其对应的第二车牌与该第一车牌的相似度；当存在相似度大于第三预设阈值的情况时，表示对该第一车牌的识别不准确。
或者，在第四种判断方式中，在确定位于所述第二时间段内、且位于所述第一目标区域内的全部第二过车记录之后，可以在所确定的全部过车记录中，选择与该第一车牌不同的第二车牌；针对所选择的每个第二车牌，确定其与该第一车牌的相似度；当存在相似度大于第三预设阈值的情况时，表示对该第一车牌的识别不准确。
举例来说，假设第一车牌对应的第一过车记录中包含的车辆的第一出现时间为2016年11月1日上午10：00、第一出现地点为A1。第一时间段划分规则可以根据实际情况进行设定，比如，将一天设定为一个时间段，则第一出现时间对应的第一时间段为2016年11月1日。
统计第一时间段(2016年11月1日)内的、该第一车牌的历史第一过车记录的数量，并判断该数量是否小于第二预设阈值。可以理解的是，通常情况下，一辆车在一次出行中会通过多个卡口，一般卡口处都会采集过车记录，这样，一个车牌在一个时间段内一般都会有多条历史过车记录。如果在第一时间段内，该第一车牌的历史第一过车记录的数量很少，则对该第一车牌的识别有可能不准确。
假设该数量为1次，第二预设阈值为2，也就是说，该数量小于第二预设 阈值，这种情况下，根据预设的第二时间段划分规则，确定所述第一出现时间对应的第二时间段。该第二时间段划分规则可以根据实际情况进行设定，可以跟第一时间段划分规则相同或不同。这里假设第二时间段划分规则将一个小时划分为一个时间段，则第一出现时间对应的第二时间段可以为2016年11月1日上午10：00-11：00，或者为2016年11月1日上午9：00-10：00，或者为2016年11月1日上午9：30-10：30等等，具体不做限定。
根据预设的第一区域划分规则，确定第一出现地点A1对应的第一目标区域。需要说明的是，第一区域划分规则根据第二时间段划分规则设定。可以理解的是，如果第二时间段划分规则将一个小时划分为一个时间段，第一区域划分规则便可以将一辆车在一个小时之内可以行驶到的地点划分为一个区域。
确定位于第二时间段内、且位于第一目标区域内的全部第二过车记录。为了区分描述，这里将位于第二时间段内、且位于第一目标区域内的过车记录中除该第一过车记录以外的过车记录称为第二过车记录。
将第二过车记录中包含的车牌称为第二车牌。将每个第二车牌与第一车牌进行相似度计算。可以理解的是，如果对车牌识别错误，通常只是对车牌中部分字符识别错误，错误车牌与正确车牌应为相似车牌。根据上面描述，在第一时间段内，该第一车牌的历史第一过车记录的数量很少，对该第一车牌的识别可能不准确，这种情况下，如果在该第一车牌对应的车辆可能出现的时间(第二时间段内)、可能出现的地点(第一目标区域)出现了与该第一车牌相似的车牌，则该相似车牌可能才是该第一车牌对应的车辆的正确车牌。
也就是说，当存在相似度大于第三预设阈值的情况时，表示对该第一车牌的识别不准确。
第五种判断方式，获取存储的该第一车牌的历史第一过车记录；判断该第一车牌对应的第一过车记录与所述历史第一过车记录是否相匹配；如果否，表示对该第一车牌的识别不准确。
具体的，判断该第一车牌对应的第一过车记录与所述历史第一过车记录是否相匹配的方式也可以有多种，比如：
判断该第一车牌对应的第一过车记录中包含的车辆的外形特征与所述历史第一过车记录中包含的车辆的外形特征是否一致，如果否，表示该第一车牌对应的第一过车记录与所述历史第一过车记录不相匹配。
在本实施方式中，过车记录中可以包含车辆的外形特征，该外形特征可以理解为车辆的颜色、型号等。举例来说，假设第一过车记录中包含的车辆的外形特征为“黑色的奥迪A6”，而第一车牌的历史第一过车记录中包含的车辆的外形特征为“红色的东风标致308S”，则该第一车牌对应的第一过车记录与所述历史第一过车记录不相匹配，表示对该第一车牌的识别不准确，该第一车牌为待校正车牌。
需要说明的是，在本实施方式中，可以获取该第一车牌的多条历史第一过车记录，将这多条历史第一过车记录分别与该第一过车记录进行匹配；可以设定一个比例阈值，当不相匹配的历史第一过车记录与所获取的全部历史第一过车记录的数量之比大于该比例阈值时，则该第一车牌对应的第一过车记录与所述历史第一过车记录不相匹配，表示对该第一车牌的识别不准确，该第一车牌为待校正车牌。这样，可以避免只进行一次匹配的偶然性。
或者，判断该第一车牌对应的第一过车记录与所述历史第一过车记录是否相匹配的方式可以包括：
确定该第一车牌对应的第一过车记录中包含的车辆的第一出现时间及第一出现地点、以及所述历史第一过车记录中包含的车辆的第二出现时间及第二出现地点；
确定所述第一出现时间与所述第二出现时间的第一时间差值、以及所述第一出现地点与所述第二出现地点的第一距离差值；
判断所述第一距离差值与所述第一时间差值的商是否在预设区间，如果否，表示该第一车牌对应的第一过车记录与所述历史第一过车记录不相匹配。
需要说明的是，本申请所示实施例中的历史第一过车记录中包含的车辆的第二出现时间不一定晚于第一过车记录中包含的车辆的第一出现时间。也就是说，在本实施例中，存储的过车记录都称为历史过车记录，并不代表存储历史过车记录的时间一定晚于存储该第一过车记录的时间。
假设第一过车记录中包含的车辆的第一出现时间为2016年11月1日上午10：00、第一出现地点为A1，历史第一过车记录中包含的车辆的第二出现时间为2016年11月1日上午10：20、第二出现地点为A2。确定第一出现时间与第二出现时间的第一时间差值为20分钟，第一出现地点与第二出现地点的第一距离差值A2-A1，假设为40km。
第一距离差值与第一时间差值的商，也就是该车辆从A1行驶至A2的平均速度，为40km/20分钟＝120km/h。假设该预设区间为10km/h-90km/h，该预设区间可以理解为正常情况下车辆的行驶速度。第一距离差值与第一时间差值的商不在该预设区间，也就是说，正常情况下，该车辆无法在20分钟内从A1行驶到A2，因此，该第一车牌对应的第一过车记录与该历史第一过车记录不相匹配，表示对该第一车牌的识别不准确，该第一车牌为待校正车牌。
需要说明的是，在本实施方式中，可以获取该第一车牌的多条历史第一过车记录，将这多条历史第一过车记录分别与该第一过车记录进行匹配；可以设定一个比例阈值，当不相匹配的历史第一过车记录与所获取的全部历史第一过车记录的数量之比大于该比例阈值时，则该第一车牌对应的第一过车记录与所述历史第一过车记录不相匹配，表示对该第一车牌的识别不准确，该第一车牌为待校正车牌。这样，可以避免只进行一次匹配的偶然性。
在本实施例中，也可以将上述几种判断方式任意组合来判断对该第一车牌的识别是否准确，比如，针对每个第一车牌，先判断其是否符合预设命名规则；如果是，再判断该第一车牌中是否存在不确定字符；如果否，再确定该第一车牌对应的车辆类型，判断所确定的车辆类型与该第一车牌对应的第一过车记录中包含的车辆类型是否一致；如果是，表示对该第一车牌的识别准确。
或者，也可以针对不同的第一车牌，采用上述不同的判断方式。
S102：根据存储的过车记录，确定所述待校正车牌的至少一个相似车牌。
作为一种实施方式，S102可以包括：
确定所述待校正过车记录中包含的第一外形特征；
确定存储的除所述待校正过车记录之外的过车记录中包含的每个第二外 形特征；
在所确定的第二外形特征中，查找与所述第一外形特征一致的目标第二外形特征；
将所查找到的目标第二外形特征对应的车牌确定为所述待校正车牌的相似车牌。
在本实施方式中，过车记录中可以包含车辆的外形特征，该外形特征可以理解为车辆的颜色、型号等。为了方便描述，这里把待校正过车记录中包含的外形特征称为第一外形特征，将存储的过车记录中包含的外形特征称为第二外形特征。
举例来说，假设第一外形特征为“红色的东风标致308S”，则在存储的过车记录中查找“红色的东风标致308S”，将查找结果作为目标第二外形特征，将所查找到的目标第二外形特征对应的车牌确定为所述待校正车牌的相似车牌。
需要说明的是，如果采用上述第四种判断方式判断对第一车牌的识别是否准确，则可以直接将相似度大于第三预设阈值的第二车牌确定为待校正车牌的相似车牌。
作为一种实施方式，S102可以包括：
确定所述待校正过车记录中包含的车辆的第一出现时间及第一出现地点；
根据预设的第二时间段划分规则，确定所述第一出现时间对应的第二时间段；根据预设的第一区域划分规则，确定所述第一出现地点对应的第一目标区域；所述第一区域划分规则根据所述第二时间段划分规则设定；
在存储的过车记录中，确定位于所述第二时间段内、且位于所述第一目标区域内的全部过车记录；
在所述全部过车记录中，选择与所述待校正车牌不同的第二车牌；
针对每个第二车牌，确定其与所述待校正车牌的相似度；
若所述相似度大于第三预设阈值，则将该第二车牌确定为所述待校正车 牌的相似车牌。
举例来说，假设待校正车牌对应的待校正过车记录中包含的车辆的第一出现时间为2016年11月1日上午10：00、第一出现地点为A1。根据预设的第二时间段划分规则，确定所述第一出现时间对应的第二时间段。该第二时间段划分规则可以根据实际情况进行设定，这里假设第二时间段划分规则将一个小时划分为一个时间段，则第一出现时间对应的第二时间段可以为2016年11月1日上午10：00-11：00，或者为2016年11月1日上午9：00-10：00，或者为2016年11月1日上午9：30-10：30等等，具体不做限定。
根据预设的第一区域划分规则，确定第一出现地点A1对应的第一目标区域。需要说明的是，第一区域划分规则根据第二时间段划分规则设定。可以理解的是，如果第二时间段划分规则将一个小时划分为一个时间段，第一区域划分规则便可以将一辆车在一个小时之内可以行驶到的地点划分为一个区域。
在存储的过车记录中，确定位于第二时间段内、且位于第一目标区域内的全部第二过车记录。为了区分描述，这里将位于第二时间段内、且位于第一目标区域内的过车记录中除该第一过车记录以外的过车记录称为第二过车记录。
将第二过车记录中包含的车牌称为第二车牌。将每个第二车牌与第一车牌进行相似度计算。可以理解的是，如果对车牌识别错误，通常只是对车牌中部分字符识别错误，错误车牌与正确车牌应为相似车牌。如果在该第一车牌对应的车辆可能出现的时间(第二时间段内)、可能出现的地点(第一目标区域)出现了与该第一车牌相似的车牌，则该相似车牌可能才是该第一车牌对应的车辆的正确车牌。
因此，当存在相似度大于第三预设阈值的情况时，将该第二车牌确定为所述待校正车牌的相似车牌。
S103：针对每个相似车牌，确定其对应的待匹配过车记录，并将所述待匹配过车记录与所述待校正过车记录进行匹配，根据匹配结果，确定该相似 车牌与所述待校正车牌的匹配概率。
具体的，针对每个相似车牌，确定其对应的待匹配过车记录可以包括：
确定所述待校正过车记录中包含的车辆的第三出现时间及第三出现地点；
根据预设的第三时间段划分规则，确定所述第三出现时间对应的第三时间段；
根据预设的第二区域划分规则，确定所述第三出现地点对应的第二目标区域；其中，所述第二区域划分规则根据所述第三时间段划分规则设定；
针对每个相似车牌，将位于所述第三时间段内、且位于所述第二目标区域内的、该相似车牌的历史过车记录确定为该相似车牌对应的待匹配过车记录。
本实施例中，为了区分描述，将第一过车记录中包含的车辆的出现时间及地点称为第一出现时间及第一出现地点，将历史第一过车记录中包含的车辆的出现时间及地点称为第二出现时间及第二出现地点，将待校正过车记录中包含的车辆的出现时间及地点称为第三出现时间及第三出现地点。第一过车记录可能是待校正过车记录，因此，第一出现时间及第一出现地点可能与第三出现时间及第三出现地点相同或不同。这里假设第三出现时间为2016年11月1日上午10：00，第三出现地点为A1。
第三时间段划分规则可以根据实际情况进行设定，第三时间段划分规则可以与第一时间段划分规则及第二时间段划分规则相同或不同。这里假设第三时间段划分规则将一个小时划分为一个时间段，则第三出现时间对应的第三时间段可以为2016年11月1日上午10：00-11：00，或者为2016年11月1日上午9：00-10：00，或者为2016年11月1日上午9：30-10：30等等，这里假设为2016年11月1日上午9：30-10：30。
根据预设的第二区域划分规则，确定第三出现地点对应的第二目标区域。需要说明的是，第二区域划分规则根据第三时间段划分规则设定。可以理解的是，如果第三时间段划分规则将一个小时划分为一个时间段，第二区域划分规则便可以将一辆车在一个小时之内可以行驶到的地点划分为一个区域。
针对S102确定出的每个相似车牌，将位于第三时间段内、且位于第二目标区域内的、该相似车牌的历史过车记录确定为该相似车牌对应的待匹配过车记录。
将待匹配过车记录与待校正过车记录的进行匹配，匹配方式可以有多种，作为一种实施方式，当一个相似车牌对应的待匹配过车记录至少有两条时，匹配方式可以包括：
确定该相似车牌对应的每条待匹配过车记录中包含的车辆的第四出现时间及对应的第四出现地点；
根据所述每条待匹配过车记录中包含的车辆的第四出现时间及对应的第四出现地点，确定该相似车牌对应的轨迹；
将所述第三出现时间及第三出现地点与所述轨迹的进行匹配，根据匹配结果，确定该相似车牌与所述待校正车牌的匹配概率。
这里将待匹配过车记录中包含的车辆的出现时间及地点称为第四出现时间及对应的第四出现地点。举例来说，假设某个相似车牌对应三条待匹配过车记录，其中，第一条待匹配过车记录中包含的车辆的第四出现时间为2016年11月1日上午9：50、第四出现地点为A3，第二条待匹配过车记录中包含的车辆的第四出现时间为2016年11月1日上午10：10、第四出现地点为A4，第三条待匹配过车记录中包含的车辆的2016年11月1日第四出现时间为上午10：20、第四出现地点为A5。这样，三条过车记录便可以构成车辆的行驶轨迹，也就是该相似车牌对应的轨迹：2016年11月1日上午9：50、A3—2016年11月1日上午10：10、A4—2016年11月1日上午10：20、A5。
将上述第三出现时间及第三出现地点(2016年11月1日上午10：00、A1)与该轨迹进行匹配，也就是根据该轨迹计算该相似车牌对应的车辆有多大的概率在2016年11月1日上午10：00出现在A1，具体的，可以利用概率算法来计算，比如可以根据正态分布曲线来计算该概率。该概率即可以理解为该相似车牌与待校正车牌的匹配概率。
作为另一种实施方式，匹配方式可以包括：
确定该相似车牌对应的每条待匹配过车记录中包含的车辆的第四出现时 间及对应的第四出现地点；
针对所述每条待匹配过车记录，计算其包含的第四出现时间与所述第三出现时间的第二时间差值、以及其包含的第四出现地点与所述第三出现地点的第二距离差值；根据所述第二时间差值及所述第二距离差值，确定该条待匹配过车记录与所述待校正过车记录的匹配结果；
根据该相似车牌对应的每条待匹配过车记录与所述待校正过车记录的匹配结果，确定该相似车牌与所述待校正车牌的匹配概率。
当相似车牌只对应一条待匹配过车记录时：
假设该条待匹配过车记录中包含的车辆的第四出现时间为2016年11月1日上午9：50、第四出现地点为A3，计算该第四出现时间2016年11月1日上午10：10与第三出现时间2016年11月1日上午10：00的第二时间差值为10分钟、以及该第四出现地点A3与第三出现地点A1的第二距离差值，假设为10km。
可以计算第二距离差值与第二时间差值的商，也就是该车辆从A3行驶至A1的平均速度，为10km/10分钟＝60km/h，正常情况下车辆的行驶速度可以到达60km/h，也就是说，正常情况下，该车辆能够在10分钟内从A3行驶到A1。因此，该条待匹配过车记录与所述待校正过车记录相匹配。
由于该相似车牌只对应一条待匹配过车记录，因此，该条待匹配过车记录与待校正过车记录相匹配，则表示该相似车牌与待校正车牌的匹配概率为100％，该条待匹配过车记录与待校正过车记录不匹配，则表示该相似车牌与待校正车牌的匹配概率为0％。
同理，当相似车牌对应至少两条待匹配过车记录时，可以分别将每条待匹配过车记录与待校正过车记录相匹配，根据每个匹配结果，确定该相似车牌与待校正车牌的匹配概率。
假设相似车牌对应三条待匹配过车记录，其中，有两条待匹配过车记录与待校正车牌相匹配，则可以确定该相似车牌与待校正车牌的匹配概率为66％。
作为另一种实施方式，匹配方式可以包括：
确定该相似车牌对应的每条待匹配过车记录中包含的车辆的第四出现时 间及对应的第四出现地点；
针对所述每条待匹配过车记录，计算其包含的第四出现时间与所述第三出现时间的第二时间差值；获取历史数据中、车辆在所述第四出现地点与所述第三出现地点之间的行驶时长数据；根据所获取的行驶时长数据，确定所述第二时间差值对应的时长概率；根据所述时长概率，确定该条待匹配过车记录与所述待校正过车记录的匹配结果；
根据该相似车牌对应的每条待匹配过车记录与所述待校正过车记录的匹配结果，确定该相似车牌与所述待校正车牌的匹配概率。
当相似车牌只对应一条待匹配过车记录时：
假设第三出现时间为2016年11月1日上午10：00，第三出现地点为A1；假设该条待匹配过车记录中包含的车辆的第四出现时间为2016年11月1日上午9：50、第四出现地点为A3，第四出现时间与第三出现时间的第二时间差值为10分钟。
获取历史数据中、车辆在A3与A1之间的行驶时长数据。具体的，可以预先存储同一车辆在各个卡口的出现时间，这样，便可以从存储的历史数据中获取同一车辆在A3与A1之间的行驶时长数据。或者，也可以获取A3及A1处采集的历史过车记录，在所获取的历史过车记录中查找同一车牌对应的多条过车记录，这样，也可以获取同一车辆在A3与A1之间的行驶时长数据。
根据所获取的行驶时长数据，可以确定通常情况下车辆在A3与A1之间行驶时长的分布情况，基于该分布情况可以确定车辆在10分钟内从A3行驶至A1的概率(时长概率)。
可以采用第一种方案，当该时长概率大于设定阈值时，认为该条待匹配过车记录与待校正过车记录相匹配。由于该相似车牌只对应一条待匹配过车记录，因此，该条待匹配过车记录与待校正过车记录相匹配，则表示该相似车牌与待校正车牌的匹配概率为100％，该条待匹配过车记录与待校正过车记录不匹配，则表示该相似车牌与待校正车牌的匹配概率为0％。
或者，可以采用第二种方案，将该时长概率作为该条待匹配过车记录与待校正过车记录的匹配结果，由于该相似车牌只对应一条待匹配过车记录， 因此，该时长概率为该相似车牌与待校正车牌的匹配概率。
同理，当相似车牌对应至少两条待匹配过车记录时，可以分别将每条待匹配过车记录与待校正过车记录相匹配，根据每个匹配结果，确定该相似车牌与待校正车牌的匹配概率。
当采用上述第一种方案时，假设相似车牌对应三条待匹配过车记录，其中，有两条待匹配过车记录与待校正车牌相匹配，则可以确定该相似车牌与待校正车牌的匹配概率为66％。
当采用上述第二种方案时，假设相似车牌对应三条待匹配过车记录，其中，第一条待匹配过车记录与待校正过车记录的匹配结果(对应的时长概率)为80％，第二条待匹配过车记录与待校正过车记录的匹配结果(对应的时长概率)为70％，第三条待匹配过车记录与待校正过车记录的匹配结果(对应的时长概率)为60％；则可以将最小的时长概率确定为该相似车牌与待校正车牌的匹配概率；或者，也可以将三个时长概率的平均值确定为该相似车牌与待校正车牌的匹配概率，具体不做限定。
S104：将匹配概率最大的相似车牌确定为校正后的车牌。
应用本申请图1所示实施例，首先确定出待校正车牌及其对应的待校正过车记录，然后确定出待校正车牌的相似车牌，将每个相似车牌对应的过车记录与该待校正过车记录进行匹配，由此确定出每个相似车牌与待校正车牌的匹配概率，将匹配概率最大的相似车牌确定为校正后的车牌。因此，实现了对识别错误的车牌进行校正。
与上述方法实施例相对应，本申请实施例还提供一种车牌校正装置。
图2为本申请实施例提供的一种车牌校正装置的结构示意图，包括：
第一确定模块201，用于确定待校正车牌及其对应的待校正过车记录；
第二确定模块202，用于根据存储的过车记录，确定所述待校正车牌的至少一个相似车牌；
第三确定模块203，用于针对每个相似车牌，确定其对应的待匹配过车记 录；
第四确定模块204，用于将所述待匹配过车记录与所述待校正过车记录进行匹配，根据匹配结果，确定该相似车牌与所述待校正车牌的匹配概率；
第五确定模块205，用于将匹配概率最大的相似车牌确定为校正后的车牌。
在本实施例中，第一确定模块201，可以包括：获取子模块、判断子模块和第一确定子模块(图中未示出)，其中，
获取子模块，用于获取已识别第一车牌及其对应的第一过车记录；
判断子模块，用于针对每个第一车牌，根据预设规则，判断对该第一车牌的识别是否准确；如果否，触发第一确定子模块；
第一确定子模块，用于将该第一车牌确定为待校正车牌，将该第一车牌对应的第一过车记录确定为待校正过车记录。
在本实施例中，判断子模块，具体可以用于：
采用以下至少一种判断方式，判断对该第一车牌的识别是否准确：
第一种判断方式：判断该第一车牌是否符合预设命名规则；如果否，表示对该第一车牌的识别不准确，触发所述第一确定子模块；
第二种判断方式：判断该第一车牌中是否存在不确定字符；其中，所述不确定字符对应的识别结果中包含至少两个候选字符，且所述至少候选两个字符对应的概率的差值小于第一预设阈值；如果是，表示对该第一车牌的识别不准确，触发所述第一确定子模块；
第二种判断方式：确定该第一车牌对应的车辆类型，判断所确定的车辆类型与该第一车牌对应的第一过车记录中包含的车辆类型是否一致；如果否，表示对该第一车牌的识别不准确，触发所述第一确定子模块。
在本实施例中，判断子模块，具体可以用于：
针对每个第一车牌，确定该第一车牌对应的第一过车记录中包含的车辆的第一出现时间及第一出现地点；
根据预设的第一时间段划分规则，确定所述第一出现时间对应的第一时 间段；
统计所述第一时间段内的、所述第一车牌的历史第一过车记录的数量；
判断所述数量是否小于第二预设阈值，如果小于，根据预设的第二时间段划分规则，确定所述第一出现时间对应的第二时间段；根据预设的第一区域划分规则，确定所述第一出现地点对应的第一目标区域；确定位于所述第二时间段内、且位于所述第一目标区域内的全部第二过车记录；其中，所述第二过车记录对应的第二车牌与该第一车牌不同；所述第一区域划分规则根据所述第二时间段划分规则设定；
针对所确定的每个第二过车记录，确定其对应的第二车牌与该第一车牌的相似度；
当存在相似度大于第三预设阈值的情况时，表示对该第一车牌的识别不准确。
作为一种实施方式，所述判断子模块，具体可以用于：
确定该第一车牌对应的第一过车记录中包含的车辆的第一出现时间及第一出现地点；
根据预设的第一时间段划分规则，确定所述第一出现时间对应的第一时间段；
统计所述第一时间段内的、所述第一车牌的历史第一过车记录的数量；
判断所述数量是否小于第二预设阈值，如果小于，根据预设的第二时间段划分规则，确定所述第一出现时间对应的第二时间段；根据预设的第一区域划分规则，确定所述第一出现地点对应的第一目标区域；确定位于所述第二时间段内、且位于所述第一目标区域内的全部过车记录；所述第一区域划分规则根据所述第二时间段划分规则设定；
在所确定的全部过车记录中，选择与该第一车牌不同的第二车牌；
针对所选择的每个第二车牌，确定其与该第一车牌的相似度；
当存在相似度大于第三预设阈值的情况时，表示对该第一车牌的识别不 准确。
在本实施例中，判断子模块，可以包括：
获取单元，用于针对每个第一车牌，获取存储的该第一车牌的历史第一过车记录；
判断单元，用于判断该第一车牌对应的第一过车记录与所述历史第一过车记录是否相匹配；如果否，表示对该第一车牌的识别不准确。
在本实施例中，判断单元，具体可以用于：
判断该第一车牌对应的第一过车记录中包含的车辆的外形特征与所述历史第一过车记录中包含的车辆的外形特征是否一致，如果否，表示该第一车牌对应的第一过车记录与所述历史第一过车记录不相匹配；
和/或，
确定该第一车牌对应的第一过车记录中包含的车辆的第一出现时间及第一出现地点、以及所述历史第一过车记录中包含的车辆的第二出现时间及第二出现地点；确定所述第一出现时间与所述第二出现时间的第一时间差值、以及所述第一出现地点与所述第二出现地点的第一距离差值；判断所述第一距离差值与所述第一时间差值的商是否在预设区间，如果否，表示该第一车牌对应的第一过车记录与所述历史第一过车记录不相匹配。
在本实施例中，第二确定模块202，具体可以用于：
确定所述待校正过车记录中包含的第一外形特征；
确定存储的除所述待校正过车记录之外的过车记录中包含的每个第二外形特征；
在所确定的第二外形特征中，查找与所述第一外形特征相同的目标第二外形特征；
将所查找到的目标第二外形特征对应的车牌确定为所述待校正车牌的相似车牌。
在本实施例中，第二确定模块202，具体可以用于：
将相似度大于第三预设阈值的第二车牌确定为所述待校正车牌的相似车牌。
作为一种实施方式，第二确定模块202，具体可以用于：
确定所述待校正过车记录中包含的车辆的第一出现时间及第一出现地点；
根据预设的第二时间段划分规则，确定所述第一出现时间对应的第二时间段；根据预设的第一区域划分规则，确定所述第一出现地点对应的第一目标区域；所述第一区域划分规则根据所述第二时间段划分规则设定；
在存储的过车记录中，确定位于所述第二时间段内、且位于所述第一目标区域内的全部过车记录；
在所述全部过车记录中，选择与所述待校正车牌不同的第二车牌；
针对每个第二车牌，确定其与所述待校正车牌的相似度；
若所述相似度大于第三预设阈值，则将该第二车牌确定为所述待校正车牌的相似车牌。
在本实施例中，第三确定模块203，包括：
第二确定子模块，用于确定所述待校正过车记录中包含的车辆的第三出现时间及第三出现地点；
第三确定子模块，用于根据预设的第三时间段划分规则，确定所述第三出现时间对应的第三时间段；
第四确定子模块，用于根据预设的第二区域划分规则，确定所述第三出现地点对应的第二目标区域；其中，所述第二区域划分规则根据所述第三时间段划分规则设定；
第五确定子模块，用于针对每个相似车牌，将位于所述第三时间段内、且位于所述第二目标区域内的、该相似车牌的历史过车记录确定为该相似车牌对应的待匹配过车记录。
在本实施例中，每个相似车牌对应的待匹配过车记录至少有两条；第四确定模块204，具体可以用于：
确定该相似车牌对应的每条待匹配过车记录中包含的车辆的第四出现时间及对应的第四出现地点；
根据所述每条待匹配过车记录中包含的车辆的第四出现时间及对应的第四出现地点，确定该相似车牌对应的轨迹；
将所述第三出现时间及第三出现地点与所述轨迹的进行匹配，根据匹配结果，确定该相似车牌与所述待校正车牌的匹配概率。
在本实施例中，第四确定模块204，具体可以用于：
确定该相似车牌对应的每条待匹配过车记录中包含的车辆的第四出现时间及对应的第四出现地点；
针对所述每条待匹配过车记录，计算其包含的第四出现时间与所述第三出现时间的第二时间差值、以及其包含的第四出现地点与所述第三出现地点的第二距离差值；根据所述第二时间差值及所述第二距离差值，确定该条待匹配过车记录与所述待校正过车记录的匹配结果；
根据该相似车牌对应的每条待匹配过车记录与所述待校正过车记录的匹配结果，确定该相似车牌与所述待校正车牌的匹配概率。
在本实施例中，第四确定模块204，具体可以用于：
确定该相似车牌对应的每条待匹配过车记录中包含的车辆的第四出现时间及对应的第四出现地点；
针对所述每条待匹配过车记录，计算其包含的第四出现时间与所述第三出现时间的第二时间差值；获取历史数据中、车辆在所述第四出现地点与所述第三出现地点之间的行驶时长数据；根据所获取的行驶时长数据，确定所述第二时间差值对应的时长概率；根据所述时长概率，确定该条待匹配过车记录与所述待校正过车记录的匹配结果；
根据该相似车牌对应的每条待匹配过车记录与所述待校正过车记录的匹配结果，确定该相似车牌与所述待校正车牌的匹配概率。
应用本申请图2所示实施例，首先确定出待校正车牌及其对应的待校正过车记录，然后确定出待校正车牌的相似车牌，将每个相似车牌对应的过车记 录与该待校正过车记录进行匹配，由此确定出每个相似车牌与待校正车牌的匹配概率，将匹配概率最大的相似车牌确定为校正后的车牌。因此，实现了对识别错误的车牌进行校正。
本申请实施例还提供一种电子设备，如图3所示，包括：处理器301和存储器302，其中，存储器302用于存储可执行程序代码，处理器301通过读取存储器302中存储的可执行程序代码来运行与可执行程序代码对应的程序，以用于执行上述任一种车牌校正方法。
本申请实施例还提供一种可执行程序代码，所述可执行程序代码用于被运行以执行上述任一种车牌校正方法。
本申请实施例还提供一种计算机可读存储介质，所述计算机可读存储介质用于存储可执行程序代码，所述可执行程序代码用于被运行以执行上述任一种车牌校正方法。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于图2所示的车牌校正装置实施例、图3所示的电子设备实施例、以及上述可执行程序代码实施例、上述计算机可读存储介质实施例而言，由于其基本相似于图1所示的车牌校正方法实施例，所以描述的比较简单，相关之处参见图1所示的车牌校正方法实施例的部分说明即可。
本领域普通技术人员可以理解实现上述方法实施方式中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，所述的程序可以存储于计算机 可读取存储介质中，这里所称得的存储介质，如：ROM/RAM、磁碟、光盘等。
以上所述仅为本申请的较佳实施例而已，并不用以限制本申请，凡在本申请的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本申请保护的范围之内。

Claims (31)

  1. 一种车牌校正方法，其特征在于，包括：
    确定待校正车牌及其对应的待校正过车记录；
    根据存储的过车记录，确定所述待校正车牌的至少一个相似车牌；
    针对每个相似车牌，确定其对应的待匹配过车记录，并将所述待匹配过车记录与所述待校正过车记录进行匹配，根据匹配结果，确定该相似车牌与所述待校正车牌的匹配概率；
    将匹配概率最大的相似车牌确定为校正后的车牌。
  2. 根据权利要求1所述的方法，其特征在于，所述确定待校正车牌及其对应的待校正过车记录的步骤包括：
    获取已识别第一车牌及其对应的第一过车记录；
    针对每个第一车牌，根据预设规则，判断对该第一车牌的识别是否准确；
    如果否，将该第一车牌确定为待校正车牌，将该第一车牌对应的第一过车记录确定为待校正过车记录。
  3. 根据权利要求2所述的方法，其特征在于，所述根据预设规则，判断对该第一车牌的识别是否准确的步骤包括：
    采用以下至少一种判断方式，判断对该第一车牌的识别是否准确：
    第一种判断方式：判断该第一车牌是否符合预设命名规则；如果否，表示对该第一车牌的识别不准确；
    第二种判断方式：判断该第一车牌中是否存在不确定字符；其中，所述不确定字符对应的识别结果中包含至少两个候选字符，且所述至少候选两个字符对应的概率的差值小于第一预设阈值；如果是，表示对该第一车牌的识别不准确；
    第三种判断方式：确定该第一车牌对应的车辆类型，判断所确定的车辆类型与该第一车牌对应的第一过车记录中包含的车辆类型是否一致；如果否，表示对该第一车牌的识别不准确。
  4. 根据权利要求2所述的方法，其特征在于，所述根据预设规则，判断对该第一车牌的识别是否准确的步骤包括：
    确定该第一车牌对应的第一过车记录中包含的车辆的第一出现时间及第一出现地点；
    根据预设的第一时间段划分规则，确定所述第一出现时间对应的第一时间段；
    统计所述第一时间段内的、所述第一车牌的历史第一过车记录的数量；
    判断所述数量是否小于第二预设阈值，如果小于，根据预设的第二时间段划分规则，确定所述第一出现时间对应的第二时间段；根据预设的第一区域划分规则，确定所述第一出现地点对应的第一目标区域；确定位于所述第二时间段内、且位于所述第一目标区域内的全部第二过车记录；其中，所述第二过车记录对应的第二车牌与该第一车牌不同；所述第一区域划分规则根据所述第二时间段划分规则设定；
    针对所确定的每个第二过车记录，确定其对应的第二车牌与该第一车牌的相似度；
    当存在相似度大于第三预设阈值的情况时，表示对该第一车牌的识别不准确。
  5. 根据权利要求2所述的方法，其特征在于，所述根据预设规则，判断对该第一车牌的识别是否准确的步骤包括：
    确定该第一车牌对应的第一过车记录中包含的车辆的第一出现时间及第一出现地点；
    根据预设的第一时间段划分规则，确定所述第一出现时间对应的第一时间段；
    统计所述第一时间段内的、所述第一车牌的历史第一过车记录的数量；
    判断所述数量是否小于第二预设阈值，如果小于，根据预设的第二时间段划分规则，确定所述第一出现时间对应的第二时间段；根据预设的第一区域划分规则，确定所述第一出现地点对应的第一目标区域；确定位于所述第 二时间段内、且位于所述第一目标区域内的全部过车记录；所述第一区域划分规则根据所述第二时间段划分规则设定；
    在所确定的全部过车记录中，选择与该第一车牌不同的第二车牌；
    针对所选择的每个第二车牌，确定其与该第一车牌的相似度；
    当存在相似度大于第三预设阈值的情况时，表示对该第一车牌的识别不准确。
  6. 根据权利要求2所述的方法，其特征在于，所述根据预设规则，判断对该第一车牌的识别是否准确的步骤包括：
    获取存储的该第一车牌的历史第一过车记录；
    判断该第一车牌对应的第一过车记录与所述历史第一过车记录是否相匹配；
    如果否，表示对该第一车牌的识别不准确。
  7. 根据权利要求6所述的方法，其特征在于，所述判断该第一车牌对应的第一过车记录与所述历史第一过车记录是否相匹配的步骤包括：
    判断该第一车牌对应的第一过车记录中包含的车辆的外形特征与所述历史第一过车记录中包含的车辆的外形特征是否一致，如果否，表示该第一车牌对应的第一过车记录与所述历史第一过车记录不相匹配；
    和/或，
    确定该第一车牌对应的第一过车记录中包含的车辆的第一出现时间及第一出现地点、以及所述历史第一过车记录中包含的车辆的第二出现时间及第二出现地点；确定所述第一出现时间与所述第二出现时间的第一时间差值、以及所述第一出现地点与所述第二出现地点的第一距离差值；判断所述第一距离差值与所述第一时间差值的商是否在预设区间，如果否，表示该第一车牌对应的第一过车记录与所述历史第一过车记录不相匹配。
  8. 根据权利要求1所述的方法，其特征在于，所述根据存储的过车记录，确定所述待校正车牌的至少一个相似车牌的步骤包括：
    确定所述待校正过车记录中包含的第一外形特征；
    确定存储的除所述待校正过车记录之外的过车记录中包含的每个第二外形特征；
    在所确定的第二外形特征中，查找与所述第一外形特征相同的目标第二外形特征；
    将所查找到的目标第二外形特征对应的车牌确定为所述待校正车牌的相似车牌。
  9. 根据权利要求4或5所述的方法，其特征在于，所述根据存储的过车记录，确定所述待校正车牌的至少一个相似车牌的步骤包括：
    将相似度大于第三预设阈值的第二车牌确定为所述待校正车牌的相似车牌。
  10. 根据权利要求1所述的方法，其特征在于，所述根据存储的过车记录，确定所述待校正车牌的至少一个相似车牌的步骤包括：
    确定所述待校正过车记录中包含的车辆的第一出现时间及第一出现地点；
    根据预设的第二时间段划分规则，确定所述第一出现时间对应的第二时间段；根据预设的第一区域划分规则，确定所述第一出现地点对应的第一目标区域；所述第一区域划分规则根据所述第二时间段划分规则设定；
    在存储的过车记录中，确定位于所述第二时间段内、且位于所述第一目标区域内的全部过车记录；
    在所述全部过车记录中，选择与所述待校正车牌不同的第二车牌；
    针对每个第二车牌，确定其与所述待校正车牌的相似度；
    若所述相似度大于第三预设阈值，则将该第二车牌确定为所述待校正车牌的相似车牌。
  11. 根据权利要求1所述的方法，其特征在于，所述针对每个相似车牌，确定其对应的待匹配过车记录的步骤包括：
    确定所述待校正过车记录中包含的车辆的第三出现时间及第三出现地点；
    根据预设的第三时间段划分规则，确定所述第三出现时间对应的第三时间段；
    根据预设的第二区域划分规则，确定所述第三出现地点对应的第二目标区域；其中，所述第二区域划分规则根据所述第三时间段划分规则设定；
    针对每个相似车牌，将位于所述第三时间段内、且位于所述第二目标区域内的、该相似车牌的历史过车记录确定为该相似车牌对应的待匹配过车记录。
  12. 根据权利要求11所述的方法，其特征在于，每个相似车牌对应的待匹配过车记录至少有两条；所述将所述待匹配过车记录与所述待校正过车记录的进行匹配，根据匹配结果，确定该相似车牌与所述待校正车牌的匹配概率的步骤包括：
    确定该相似车牌对应的每条待匹配过车记录中包含的车辆的第四出现时间及对应的第四出现地点；
    根据所述每条待匹配过车记录中包含的车辆的第四出现时间及对应的第四出现地点，确定该相似车牌对应的轨迹；
    将所述第三出现时间及第三出现地点与所述轨迹的进行匹配，根据匹配结果，确定该相似车牌与所述待校正车牌的匹配概率。
  13. 根据权利要求11所述的方法，其特征在于，所述将所述待匹配过车记录与所述待校正过车记录的进行匹配，根据匹配结果，确定该相似车牌与所述待校正车牌的匹配概率的步骤包括：
    确定该相似车牌对应的每条待匹配过车记录中包含的车辆的第四出现时间及对应的第四出现地点；
    针对所述每条待匹配过车记录，计算其包含的第四出现时间与所述第三出现时间的第二时间差值、以及其包含的第四出现地点与所述第三出现地点的第二距离差值；根据所述第二时间差值及所述第二距离差值，确定该条待匹配过车记录与所述待校正过车记录的匹配结果；
    根据该相似车牌对应的每条待匹配过车记录与所述待校正过车记录的匹 配结果，确定该相似车牌与所述待校正车牌的匹配概率。
  14. 根据权利要求11所述的方法，其特征在于，所述将所述待匹配过车记录与所述待校正过车记录的进行匹配，根据匹配结果，确定该相似车牌与所述待校正车牌的匹配概率的步骤包括：
    确定该相似车牌对应的每条待匹配过车记录中包含的车辆的第四出现时间及对应的第四出现地点；
    针对所述每条待匹配过车记录，计算其包含的第四出现时间与所述第三出现时间的第二时间差值；获取历史数据中、车辆在所述第四出现地点与所述第三出现地点之间的行驶时长数据；根据所获取的行驶时长数据，确定所述第二时间差值对应的时长概率；根据所述时长概率，确定该条待匹配过车记录与所述待校正过车记录的匹配结果；
    根据该相似车牌对应的每条待匹配过车记录与所述待校正过车记录的匹配结果，确定该相似车牌与所述待校正车牌的匹配概率。
  15. 一种车牌校正装置，其特征在于，包括：
    第一确定模块，用于确定待校正车牌及其对应的待校正过车记录；
    第二确定模块，用于根据存储的过车记录，确定所述待校正车牌的至少一个相似车牌；
    第三确定模块，用于针对每个相似车牌，确定其对应的待匹配过车记录；
    第四确定模块，用于将所述待匹配过车记录与所述待校正过车记录进行匹配，根据匹配结果，确定该相似车牌与所述待校正车牌的匹配概率；
    第五确定模块，用于将匹配概率最大的相似车牌确定为校正后的车牌。
  16. 根据权利要求15所述的装置，其特征在于，所述第一确定模块，包括：
    获取子模块，用于获取已识别第一车牌及其对应的第一过车记录；
    判断子模块，用于针对每个第一车牌，根据预设规则，判断对该第一车牌的识别是否准确；如果否，触发第一确定子模块；
    第一确定子模块，用于将该第一车牌确定为待校正车牌，将该第一车牌对应的第一过车记录确定为待校正过车记录。
  17. 根据权利要求16所述的装置，其特征在于，所述判断子模块，具体用于：
    采用以下至少一种判断方式，判断对该第一车牌的识别是否准确：
    第一种判断方式：判断该第一车牌是否符合预设命名规则；如果否，表示对该第一车牌的识别不准确，触发所述第一确定子模块；
    第二种判断方式：判断该第一车牌中是否存在不确定字符；其中，所述不确定字符对应的识别结果中包含至少两个候选字符，且所述至少候选两个字符对应的概率的差值小于第一预设阈值；如果是，表示对该第一车牌的识别不准确，触发所述第一确定子模块；
    第三种判断方式：确定该第一车牌对应的车辆类型，判断所确定的车辆类型与该第一车牌对应的第一过车记录中包含的车辆类型是否一致；如果否，表示对该第一车牌的识别不准确，触发所述第一确定子模块。
  18. 根据权利要求16所述的装置，其特征在于，所述判断子模块，具体用于：
    确定该第一车牌对应的第一过车记录中包含的车辆的第一出现时间及第一出现地点；
    根据预设的第一时间段划分规则，确定所述第一出现时间对应的第一时间段；
    统计所述第一时间段内的、所述第一车牌的历史第一过车记录的数量；
    判断所述数量是否小于第二预设阈值，如果小于，根据预设的第二时间段划分规则，确定所述第一出现时间对应的第二时间段；根据预设的第一区域划分规则，确定所述第一出现地点对应的第一目标区域；确定位于所述第二时间段内、且位于所述第一目标区域内的全部第二过车记录；其中，所述第二过车记录对应的第二车牌与该第一车牌不同；所述第一区域划分规则根据所述第二时间段划分规则设定；
    针对所确定的每个第二过车记录，确定其对应的第二车牌与该第一车牌的相似度；
    当存在相似度大于第三预设阈值的情况时，表示对该第一车牌的识别不准确。
  19. 根据权利要求16所述的装置，其特征在于，所述判断子模块，具体用于：
    确定该第一车牌对应的第一过车记录中包含的车辆的第一出现时间及第一出现地点；
    根据预设的第一时间段划分规则，确定所述第一出现时间对应的第一时间段；
    统计所述第一时间段内的、所述第一车牌的历史第一过车记录的数量；
    判断所述数量是否小于第二预设阈值，如果小于，根据预设的第二时间段划分规则，确定所述第一出现时间对应的第二时间段；根据预设的第一区域划分规则，确定所述第一出现地点对应的第一目标区域；确定位于所述第二时间段内、且位于所述第一目标区域内的全部过车记录；所述第一区域划分规则根据所述第二时间段划分规则设定；
    在所确定的全部过车记录中，选择与该第一车牌不同的第二车牌；
    针对所选择的每个第二车牌，确定其与该第一车牌的相似度；
    当存在相似度大于第三预设阈值的情况时，表示对该第一车牌的识别不准确。
  20. 根据权利要求16所述的装置，其特征在于，所述判断子模块，包括：
    获取单元，用于针对每个第一车牌，获取存储的该第一车牌的历史第一过车记录；
    判断单元，用于判断该第一车牌对应的第一过车记录与所述历史第一过车记录是否相匹配；如果否，表示对该第一车牌的识别不准确。
  21. 根据权利要求20所述的装置，其特征在于，所述判断单元，具体用 于：
    判断该第一车牌对应的第一过车记录中包含的车辆的外形特征与所述历史第一过车记录中包含的车辆的外形特征是否一致，如果否，表示该第一车牌对应的第一过车记录与所述历史第一过车记录不相匹配；
    和/或，
    确定该第一车牌对应的第一过车记录中包含的车辆的第一出现时间及第一出现地点、以及所述历史第一过车记录中包含的车辆的第二出现时间及第二出现地点；确定所述第一出现时间与所述第二出现时间的第一时间差值、以及所述第一出现地点与所述第二出现地点的第一距离差值；判断所述第一距离差值与所述第一时间差值的商是否在预设区间，如果否，表示该第一车牌对应的第一过车记录与所述历史第一过车记录不相匹配。
  22. 根据权利要求15所述的装置，其特征在于，所述第二确定模块，具体用于：
    确定所述待校正过车记录中包含的第一外形特征；
    确定存储的除所述待校正过车记录之外的过车记录中包含的每个第二外形特征；
    在所确定的第二外形特征中，查找与所述第一外形特征相同的目标第二外形特征；
    将所查找到的目标第二外形特征对应的车牌确定为所述待校正车牌的相似车牌。
  23. 根据权利要求18或19所述的装置，其特征在于，所述第二确定模块，具体用于：
    将相似度大于第三预设阈值的第二车牌确定为所述待校正车牌的相似车牌。
  24. 根据权利要求15所述的装置，其特征在于，所述第二确定模块，具体用于：
    确定所述待校正过车记录中包含的车辆的第一出现时间及第一出现地点；
    根据预设的第二时间段划分规则，确定所述第一出现时间对应的第二时间段；根据预设的第一区域划分规则，确定所述第一出现地点对应的第一目标区域；所述第一区域划分规则根据所述第二时间段划分规则设定；
    在存储的过车记录中，确定位于所述第二时间段内、且位于所述第一目标区域内的全部过车记录；
    在所述全部过车记录中，选择与所述待校正车牌不同的第二车牌；
    针对每个第二车牌，确定其与所述待校正车牌的相似度；
    若所述相似度大于第三预设阈值，则将该第二车牌确定为所述待校正车牌的相似车牌。
  25. 根据权利要求15所述的装置，其特征在于，所述第三确定模块，包括：
    第二确定子模块，用于确定所述待校正过车记录中包含的车辆的第三出现时间及第三出现地点；
    第三确定子模块，用于根据预设的第三时间段划分规则，确定所述第三出现时间对应的第三时间段；
    第四确定子模块，用于根据预设的第二区域划分规则，确定所述第三出现地点对应的第二目标区域；其中，所述第二区域划分规则根据所述第三时间段划分规则设定；
    第五确定子模块，用于针对每个相似车牌，将位于所述第三时间段内、且位于所述第二目标区域内的、该相似车牌的历史过车记录确定为该相似车牌对应的待匹配过车记录。
  26. 根据权利要求25所述的装置，其特征在于，每个相似车牌对应的待匹配过车记录至少有两条；所述第四确定模块，具体用于：
    确定该相似车牌对应的每条待匹配过车记录中包含的车辆的第四出现时间及对应的第四出现地点；
    根据所述每条待匹配过车记录中包含的车辆的第四出现时间及对应的第四出现地点，确定该相似车牌对应的轨迹；
    将所述第三出现时间及第三出现地点与所述轨迹的进行匹配，根据匹配结果，确定该相似车牌与所述待校正车牌的匹配概率。
  27. 根据权利要求25所述的装置，其特征在于，所述第四确定模块，具体用于：
    确定该相似车牌对应的每条待匹配过车记录中包含的车辆的第四出现时间及对应的第四出现地点；
    针对所述每条待匹配过车记录，计算其包含的第四出现时间与所述第三出现时间的第二时间差值、以及其包含的第四出现地点与所述第三出现地点的第二距离差值；根据所述第二时间差值及所述第二距离差值，确定该条待匹配过车记录与所述待校正过车记录的匹配结果；
    根据该相似车牌对应的每条待匹配过车记录与所述待校正过车记录的匹配结果，确定该相似车牌与所述待校正车牌的匹配概率。
  28. 根据权利要求25所述的装置，其特征在于，所述第四确定模块，具体用于：
    确定该相似车牌对应的每条待匹配过车记录中包含的车辆的第四出现时间及对应的第四出现地点；
    针对所述每条待匹配过车记录，计算其包含的第四出现时间与所述第三出现时间的第二时间差值；获取历史数据中、车辆在所述第四出现地点与所述第三出现地点之间的行驶时长数据；根据所获取的行驶时长数据，确定所述第二时间差值对应的时长概率；根据所述时长概率，确定该条待匹配过车记录与所述待校正过车记录的匹配结果；
    根据该相似车牌对应的每条待匹配过车记录与所述待校正过车记录的匹配结果，确定该相似车牌与所述待校正车牌的匹配概率。
  29. 一种电子设备，其特征在于，包括：处理器和存储器，其中，存储器用于存储可执行程序代码，处理器通过读取存储器中存储的可执行程序代 码来运行与可执行程序代码对应的程序，以用于执行权利要求1-14任一项所述的车牌校正方法。
  30. 一种可执行程序代码，其特征在于，所述可执行程序代码用于被运行以执行权利要求1-14任一项所述的车牌校正方法。
  31. 一种计算机可读存储介质，其特征在于，所述计算机可读存储介质用于存储可执行程序代码，所述可执行程序代码用于被运行以执行权利要求1-14任一项所述的车牌校正方法。
PCT/CN2017/107736 2016-11-09 2017-10-26 一种车牌校正方法及装置 WO2018086460A1 (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
US16/348,431 US11023759B2 (en) 2016-11-09 2017-10-26 Method and device for correcting license plate
EP17868799.2A EP3540646A4 (en) 2016-11-09 2017-10-26 DEVICE AND METHOD FOR CORRECTING LICENSE PLATE

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201610986803.8 2016-11-09
CN201610986803.8A CN108073923B (zh) 2016-11-09 2016-11-09 一种车牌校正方法及装置

Publications (1)

Publication Number Publication Date
WO2018086460A1 true WO2018086460A1 (zh) 2018-05-17

Family

ID=62110017

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2017/107736 WO2018086460A1 (zh) 2016-11-09 2017-10-26 一种车牌校正方法及装置

Country Status (4)

Country Link
US (1) US11023759B2 (zh)
EP (1) EP3540646A4 (zh)
CN (1) CN108073923B (zh)
WO (1) WO2018086460A1 (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111078973A (zh) * 2019-12-16 2020-04-28 浙江省北大信息技术高等研究院 基于大数据的套牌车识别方法、设备及存储介质
CN112419366A (zh) * 2020-11-30 2021-02-26 深圳力维智联技术有限公司 车辆的追踪方法、系统及计算机可读存储介质

Families Citing this family (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108846906B (zh) * 2018-06-04 2021-07-30 西安艾润物联网技术服务有限责任公司 停车管理方法、系统及计算机可读存储介质
JP6828719B2 (ja) * 2018-06-27 2021-02-10 トヨタ自動車株式会社 車載装置および制御方法
CN109523790B (zh) * 2018-10-26 2020-07-14 安徽四创电子股份有限公司 一种基于车牌相似度的车牌纠错方法
CN111833591A (zh) * 2019-04-17 2020-10-27 北京嘀嘀无限科技发展有限公司 交通卡口的信息校验方法、装置、电子设备与存储介质
CN111368134B (zh) * 2019-07-04 2023-10-27 杭州海康威视系统技术有限公司 一种交通数据处理的方法、装置、电子设备及存储介质
CN111369790B (zh) * 2019-10-16 2021-11-09 杭州海康威视系统技术有限公司 过车记录校正方法、装置、设备及存储介质
CN111223305B (zh) * 2019-12-25 2022-05-17 华为技术有限公司 涉牌违法的检测方法和装置
CN111523544A (zh) * 2020-04-23 2020-08-11 上海眼控科技股份有限公司 车牌类型检测方法、系统、计算机设备及可读存储介质
CN111860412A (zh) * 2020-07-29 2020-10-30 贵州数据宝网络科技有限公司 基于历史数据的车牌信息修复方法及系统
CN112183367B (zh) * 2020-09-29 2022-12-02 重庆紫光华山智安科技有限公司 车辆数据检错方法、装置、服务器及存储介质
CN112396708B (zh) * 2020-11-02 2022-11-04 北京精英路通科技有限公司 停车管理方法、装置、计算机设备及存储介质
CN112559507A (zh) * 2020-12-22 2021-03-26 安徽百诚慧通科技有限公司 一种校正过车数据的方法
CN112800721A (zh) * 2021-01-21 2021-05-14 浙江大华技术股份有限公司 车牌识别方法、装置、存储介质以及电子装置
CN114495031A (zh) * 2022-03-31 2022-05-13 青岛海信网络科技股份有限公司 一种车牌信息校正方法、设备及装置

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102722704A (zh) * 2012-06-12 2012-10-10 厦门宸天电子科技有限公司 一种融合视频动态跟踪的车牌识别方法和系统
KR20140118361A (ko) * 2013-03-29 2014-10-08 주식회사 엡스 종합 주차 관제 시스템
CN104392232A (zh) * 2014-11-07 2015-03-04 北京邮电大学 一种交通场景下视频元数据的校正方法

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101630361A (zh) * 2008-12-30 2010-01-20 北京邮电大学 一种基于车牌、车身颜色和车标识别的套牌车辆识别设备及方法
CN102881169B (zh) * 2012-09-26 2015-06-03 青岛海信网络科技股份有限公司 套牌车的检测方法
MY182746A (en) 2013-05-28 2021-02-04 Mimos Berhad System and method for multiple license plates identification
US10733471B1 (en) * 2014-06-27 2020-08-04 Blinker, Inc. Method and apparatus for receiving recall information from an image
CN104464302B (zh) * 2014-12-22 2016-07-13 南京中兴力维软件有限公司 一种车牌识别智能纠错方法和系统
US10901967B2 (en) * 2015-04-09 2021-01-26 Veritoll, Llc License plate matching systems and methods
CN105117725B (zh) * 2015-07-29 2018-05-04 安徽四创电子股份有限公司 一种基于车牌可信度的车牌自纠正识别方法
CN105118300B (zh) * 2015-08-28 2017-05-10 浙江工业大学 交通抓拍自动识别车牌号码的纠错方法
CN105702047B (zh) * 2016-03-04 2018-06-05 浙江宇视科技有限公司 一种套牌分析中车牌识别错误过滤方法及装置
US9922560B2 (en) * 2016-03-14 2018-03-20 International Business Machines Corporation Interactive camera viewpoint and adjustment sharing system
US10019640B2 (en) * 2016-06-24 2018-07-10 Accenture Global Solutions Limited Intelligent automatic license plate recognition for electronic tolling environments

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102722704A (zh) * 2012-06-12 2012-10-10 厦门宸天电子科技有限公司 一种融合视频动态跟踪的车牌识别方法和系统
KR20140118361A (ko) * 2013-03-29 2014-10-08 주식회사 엡스 종합 주차 관제 시스템
CN104392232A (zh) * 2014-11-07 2015-03-04 北京邮电大学 一种交通场景下视频元数据的校正方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
See also references of EP3540646A4
ZAN, XIAOBO ET AL.: "Fuzzy Block Port Query Combined with Feature Comparison Method", XINGSHI JISHU - FORENSIC SCIENCE AND TECHNOLOGY, vol. 2014, no. 4, 15 August 2014 (2014-08-15), CN, pages 53 - 54, XP009514065, ISSN: 1008-3650 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111078973A (zh) * 2019-12-16 2020-04-28 浙江省北大信息技术高等研究院 基于大数据的套牌车识别方法、设备及存储介质
CN111078973B (zh) * 2019-12-16 2023-10-20 浙江省北大信息技术高等研究院 基于大数据的套牌车识别方法、设备及存储介质
CN112419366A (zh) * 2020-11-30 2021-02-26 深圳力维智联技术有限公司 车辆的追踪方法、系统及计算机可读存储介质

Also Published As

Publication number Publication date
US20190272437A1 (en) 2019-09-05
CN108073923A (zh) 2018-05-25
EP3540646A1 (en) 2019-09-18
CN108073923B (zh) 2021-09-17
EP3540646A4 (en) 2019-10-30
US11023759B2 (en) 2021-06-01

Similar Documents

Publication Publication Date Title
WO2018086460A1 (zh) 一种车牌校正方法及装置
US10950124B2 (en) License plate recognition
US20200152060A1 (en) Underground garage parking space extraction method and system for high-definition map making
CN108389396B (zh) 一种基于视频的车型匹配方法、装置和计费系统
CN110688902B (zh) 一种检测停车位内车辆区域的方法及装置
CN111369801B (zh) 车辆识别方法、装置、设备和存储介质
US11748593B2 (en) Sensor fusion target prediction device and method for vehicles and vehicle including the device
CN112861567B (zh) 一种车型分类方法及装置
US20210089790A1 (en) Bidirectional statistical consolidation of multi-modal grouped observations
CN112699711A (zh) 车道线检测方法、装置、存储介质及电子设备
CN114067326A (zh) 一种车牌号码补齐方法及装置
CN111369790B (zh) 过车记录校正方法、装置、设备及存储介质
CN110084157B (zh) 图像重识别的数据处理方法及装置
CN111814459A (zh) 交通规则数据的处理方法、装置、存储介质及电子设备
WO2023179031A1 (zh) 一种图像处理方法、装置、电子设备、存储介质及计算机程序产品
CN114882491B (zh) 一种非机动车目标的跟踪方法、装置和电子设备
CN111860512A (zh) 一种车辆识别方法、装置、电子设备及计算机可读存储介质
CN115116022A (zh) 跟踪对象的方法和设备以及计算机可读记录介质
CN111695563B (zh) 一种单双层车牌识别方法、服务器及停车收费系统
CN111784730B (zh) 一种对象跟踪方法、装置、电子设备及存储介质
CN115512147B (zh) 基于语义信息的聚类方法、装置、电子设备及存储介质
CN116824549B (zh) 基于多检测网络融合的目标检测方法、装置及车辆
CN115206130B (zh) 一种车位检测方法、系统、终端及存储介质
CN112767512B (zh) 一种环境线状元素生成方法、装置、电子设备及存储介质
US11170647B2 (en) Detection of vacant parking spaces

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 17868799

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

ENP Entry into the national phase

Ref document number: 2017868799

Country of ref document: EP

Effective date: 20190611