專利名稱:一種基于視頻檢測的車牌自學習識別方法及裝置的制作方法
技術(shù)領(lǐng)域:
本發(fā)明涉及智能交通領(lǐng)域,尤其涉及一種基于視頻檢測的車牌自學習識別方法及
裝置
背景技術(shù):
汽車牌照字符識別簡稱車牌識別,車牌自動識別技術(shù)廣泛應用于治安卡ロ、交通流量檢測、電子警察和車牌查詢系統(tǒng)中,是現(xiàn)代智能交通重要領(lǐng)域之一。一個實時的車牌識別系統(tǒng),尤其是基于高清視頻流的車牌識別系統(tǒng),必須具備以下兩點(1)識別速度快;(2)識別準確率高。然而,現(xiàn)有的車牌識別算法難以同時滿足以上兩個要求。研究表明,影響算法速度的主要因素之ー是定位問題,因為如果定位技術(shù)不好,則要處理大量的非車牌區(qū)域,這種情況我們稱之為誤檢,從而要花費大量的時間在對誤檢的處理上。因此,如何快速有效的消除誤檢,是車牌識別需要解決的問題。現(xiàn)有技術(shù)在解決該問題時ー種是基于自適應能量濾波的車牌定位,用能量的思想對車牌進行粗定位,然后再進行分割和識別。另ー種是基于邊緣顏色對的車牌定位,利用顔色信息對車牌進行定位。兩者利用了固定的車牌位置信息來進行輔助定位,該種方式對車牌在圖像中同一位置時會有好的效果,一般應用于對單幀圖像的處理,但是如圖I所示,車輛在行使過程中,基于視頻流的車牌檢測,車牌在圖像中的位置是不同的,導致車牌的寬高信息在檢測區(qū)域中是變化的,如果用ー個固定的車牌寬高來約束的話,會對消除誤檢產(chǎn)生不利影響,甚至會導致車牌漏檢。而利用標定信息來獲取圖像中車牌的寬高是常用的手段之一,但由于在單目視覺中獲取高度方向的信息較困難,并且在標定過程中選取的參照物為地面,所以在世界坐標系與圖像坐標系相互轉(zhuǎn)換的過程中,獲取到的車牌寬高信息并非真實。因此,如何根據(jù)車牌在圖像中的位置,合理的選擇車牌寬高信息,將對檢測算法的性能和速度起到關(guān)鍵作用。
發(fā)明內(nèi)容
本發(fā)明實施例的目的是針對現(xiàn)有的車牌識別技術(shù)存在的不能準確獲取車牌在圖像中的寬高信息和不能對初始的標定進行修正,從而不能對車牌進行準確的定位和識別的問題,而提出一種基于視頻檢測的車牌自學習識別方法及裝置,即利用初始的標定信息,在車牌檢測過程中對定位進行輔助分析,不斷的對初始標定信息進行修正和驗證,最終準確的獲取車牌在圖像中每個位置的寬高,給車牌定位和消除誤檢帶來極大的方便。為了達到上述發(fā)明目的,本發(fā)明實施例提出的ー種基于視頻檢測的車牌自學習識別方法是通過以下技術(shù)方案實現(xiàn)的—種基于視頻檢測的車牌自學習識別方法,所述方法包括S101.根據(jù)采集到的圖像,利用車牌檢測算法,對車牌進行初始定位檢測,并且記錄初始定位的車牌在圖像中的位置、寬、高信息;S102.記錄不同位置的車牌寬高信息,井根據(jù)記錄的不同位置車牌寬高信息按統(tǒng)計法計算在某位置的車牌自學習寬高信息;S103.當判定該位置的車牌自學習寬高信息準確時將該信息存儲,所述自學習寬高信息供下一次直接讀取以輔助后續(xù)的車牌定位檢測。
進ー步優(yōu)選地,所述方法還包括利用自學習車牌寬高信息進行車牌定位檢測后,若發(fā)現(xiàn)自學習車牌寬高信息不準確,則自動丟棄所述自學習車牌寬高信息,重復步驟SlOl S103的自學習過程直到自學習成功。進ー步優(yōu)選地,所述對車牌進行初始定位檢測具體包括利用人工給定的車牌標定信息進行初始定位檢測。進ー步優(yōu)選地,所述步驟S102還包括在計算車牌自學習寬高信息的同時,根據(jù)經(jīng)驗知識來排除誤檢車牌的干擾。為了實現(xiàn)前述發(fā)明目的,本發(fā)明實施例還提出了一種基于視頻檢測的車牌自學習識別裝置,所述裝置是通過以下技術(shù)方案實現(xiàn)的一種基于視頻檢測的車牌自學習識別裝置,所述裝置包括圖像采集模塊,用來采集包含車牌的圖像信息;標定模塊,用來對車牌進行初始標定;車牌定位檢測模塊,用來利用車牌檢測算法,對車牌進行初始定位檢測,并且記錄初始定位的車牌在圖像中的位置、寬、高信息,并記錄不同位置的車牌寬高信息,井根據(jù)記錄的不同位置車牌寬高信息按統(tǒng)計法計算在某位置的車牌自學習寬高信息;自學習模塊,用來當判定該位置的車牌自學習寬高信息準確時將該信息存儲,所述自學習寬高信息供下一次直接讀取以輔助后續(xù)的車牌定位檢測。進ー步優(yōu)選地,所述自學習模塊還用來當發(fā)現(xiàn)自學習車牌寬高信息不準確,則自動丟棄所述自學習車牌寬高信息,重復自學習過程直到自學習成功。與現(xiàn)有技術(shù)相比,本發(fā)明實施例提出的一種基于視頻檢測的車牌自學習識別方法及裝置,能夠準確的得到車牌在圖像檢測區(qū)域內(nèi)每ー個位置的寬高信息,利用該信息可以排除大量的干擾,不僅定位的準確度和精度提高了,而且定位算法的速度得到很大提升,處通甸秒25巾貞的聞清圖像,可以達到大于99%的摘獲率,算法的定位時間僅需8ms左右,實驗表明,基于視頻檢測的車牌自學習系統(tǒng)完全可以滿足實時車輛檢測與識別系統(tǒng)的需要。
通過下面結(jié)合附圖對其示例性實施例進行的描述,本發(fā)明上述特征和優(yōu)點將會變得更加清楚和容易理解。圖I為車輛行駛過程中車牌的寬高不斷變化的示意圖;圖2為本發(fā)明實施例I 一種基于視頻檢測的車牌自學習識別方法流程圖;圖3為本發(fā)明實施例2另ー種基于視頻檢測的車牌自學習識別方法流程圖;圖4為本發(fā)明實施例3初始標定信息獲得的車牌在圖像中不同位置的寬高信息;圖5為本發(fā)明實施例4自學習系統(tǒng)成功后的車牌在圖像中不同位置的寬高信息;圖6為本發(fā)明實施例5 —種基于視頻檢測的車牌自學習識別裝置組成示意圖。
具體實施方式
下面結(jié)合附圖對本發(fā)明作進ー步詳細說明。如圖2所示,為本發(fā)明實施例I 一種基于視頻檢測的車牌自學習識別方法的流程圖,所述方法包括S101.根據(jù)采集到的圖像,利用車牌檢測算法,對車牌進行初始定位檢測,并且記錄初始定位的車牌在圖像中的位置、寬、高信息;其中,車牌檢測算法利用現(xiàn)有的車牌檢測算法,主要包括初定位、精確定位、字符切分、字符識別等,對車牌進行初始定位檢測,并且記錄初始定位的車牌在圖像中的位置、
寬、高信息。S102.記錄不同位置的車牌寬高信息,井根據(jù)記錄的不同位置車牌寬高信息按統(tǒng)計法計算在某位置的車牌自學習寬高信息;在S102中,首先將車牌檢測區(qū)域網(wǎng)格化,平均分成若干個網(wǎng)格,根據(jù)SlOl檢測出來的車牌位置分別映射到各自的網(wǎng)格中,當網(wǎng)格中的車牌數(shù)量滿足一定的數(shù)目后,對每個網(wǎng)格中車牌的寬、高進行統(tǒng)計,計算出這些車牌寬和高的均值,作為此網(wǎng)格中車牌的寬和聞。S103.當判定該位置的車牌自學習寬高信息準確時將該信息存儲,所述自學習寬高信息以供下一次直接讀取以輔助后續(xù)的車牌定位檢測。如圖3所示,進ー步優(yōu)選地,本發(fā)明實施例2所述方法還包括利用自學習車牌寬高信息進行車牌定位檢測后,若發(fā)現(xiàn)自學習車牌寬高信息不準確,則自動丟棄所述自學習車牌寬高信息,重復步驟SlOl S103的自學習過程直到自學習成功。以上步驟流程如圖3所示。進ー步優(yōu)選地,所述對車牌進行初始定位檢測具體包括利用人工給定的車牌標定信息進行初始定位檢測。進ー步優(yōu)選地,所述步驟S102還包括在計算車牌自學習寬高信息的同時,根據(jù)經(jīng)驗知識來排除誤檢車牌的干擾。如圖4和圖5所示,圖4、5中的框為車牌在同一個位置的寬和高,從實際的測量發(fā)現(xiàn),此位置車牌的寬和高分別為91和21個像素,與學習后此位置車牌的寬和高吻合。與現(xiàn)有技術(shù)相比,本發(fā)明實施例提出的一種基于視頻檢測的車牌自學習識別方法,能夠準確的得到車牌在圖像檢測區(qū)域內(nèi)每ー個位置的寬高信息,由于誤檢、干擾的車牌寬和高,與通過學習得到的車牌寬和高,在同一個位置上是匹配不上的,因此,利用該信息可以排除大量的干擾,不僅定位的準確度和精度提高了,而且定位算法的速度得到很大提升,處理每秒25幀的高清圖像,可以達到大于99%的捕獲率,算法的定位時間僅需8ms左右,實驗表明,基于視頻檢測的車牌自學習系統(tǒng)完全可以滿足實時車輛檢測與識別系統(tǒng)的需要。如圖6所示,為了實現(xiàn)前述發(fā)明目的,本發(fā)明實施例5還提出了ー種基于視頻檢測的車牌自學習識別裝置,所述裝置是通過以下技術(shù)方案實現(xiàn)的一種基于視頻檢測的車牌自學習識別裝置,所述裝置包括圖像采集模塊,用來采集包含車牌的圖像信息;
標定模塊,用來對道路進行標定;其中,標定模塊在圖像的不同區(qū)域選取兩幅車牌,利用線性關(guān)系,計算出車牌在不同位置的寬和高。
車牌定位檢測模塊,用來利用車牌檢測算法,對車牌進行初始定位檢測,并且記錄初始定位的車牌在圖像中的位置、寬、高信息,并記錄不同位置的車牌寬高信息,井根據(jù)記錄的不同位置車牌寬高信息按統(tǒng)計法計算在某位置的車牌自學習寬高信息;自學習模塊,用來當判定該位置的車牌自學習寬高信息準確時將該信息存儲,所述自學習寬高信息以供下一次直接讀取以輔助后續(xù)的車牌定位檢測。進ー步優(yōu)選地,所述自學習模塊還用來當發(fā)現(xiàn)自學習車牌寬高信息不準確,則自動丟棄所述自學習車牌寬高信息,重復自學習過程直到自學習成功。與現(xiàn)有技術(shù)相比,本發(fā)明實施例提出的一種基于視頻檢測的車牌自學習識別裝置,能夠準確的得到車牌在圖像檢測區(qū)域內(nèi)每ー個位置的寬高信息,利用該信息可以排除大量的干擾,不僅定位的準確度和精度提高了,而且定位算法的速度得到很大提升,處理每秒25巾貞的聞清圖像,可以達到大于99 %的摘獲率,算法的定位時間僅需8ms左右,實驗表明,基于視頻檢測的車牌自學習系統(tǒng)完全可以滿足實時車輛檢測與識別系統(tǒng)的需要。本發(fā)明所屬領(lǐng)域的一般技術(shù)人員可以理解,本發(fā)明以上實施例僅為本發(fā)明的優(yōu)選實施例之一,為篇幅限制,這里不能逐一列舉所有實施方式,任何可以體現(xiàn)本發(fā)明權(quán)利要求技術(shù)方案的實施,都在本發(fā)明的保護范圍內(nèi)。需要注意的是,以上內(nèi)容是結(jié)合具體的實施方式對本發(fā)明所作的進ー步詳細說明,不能認定本發(fā)明的具體實施方式
僅限于此,在本發(fā)明的上述指導下,本領(lǐng)域技術(shù)人員可以在上述實施例的基礎(chǔ)上進行各種改進和變形,而這些改進或者變形落在本發(fā)明的保護范圍內(nèi)。
權(quán)利要求
1.一種基于視頻檢測的車牌自學習識別方法,其特征在于,所述方法包括 5101.根據(jù)采集到的圖像,利用車牌檢測算法,對車牌進行初始定位檢測,并且記錄初始定位的車牌在圖像中的位置、寬、高信息; 5102.記錄不同位置的車牌寬高信息,井根據(jù)記錄的不同位置車牌寬高信息按統(tǒng)計法計算在某位置的車牌自學習寬高信息; 5103.當判定該位置的車牌自學習寬高信息準確時將該信息存儲,所述自學習寬高信 息供下一次直接讀取以輔助后續(xù)的車牌定位檢測。
2.如權(quán)利要求I所述的方法,其特征在于,所述方法還包括 利用自學習車牌寬高信息進行車牌定位檢測后,若發(fā)現(xiàn)自學習車牌寬高信息不準確,則自動丟棄所述自學習車牌寬高信息,重復步驟SlOl S103的自學習過程直到自學習成功。
3.如權(quán)利要求I所述的方法,其特征在于,所述對車牌進行初始定位檢測具體包括 利用人工給定的車牌標定信息進行初始定位檢測。
4.如權(quán)利要求I所述的方法,其特征在于,所述步驟S102還包括 在計算車牌自學習寬高信息的同時,根據(jù)經(jīng)驗知識來排除誤檢車牌的干擾。
5.一種基于視頻檢測的車牌自學習識別裝置,其特征在于,所述裝置包括 圖像采集模塊,用來采集包含車牌的圖像信息; 標定模塊,用來對道路進行標定; 車牌定位檢測模塊,用來利用車牌檢測算法,對車牌進行初始定位檢測,并且記錄初始定位的車牌在圖像中的位置、寬、高信息,并記錄不同位置的車牌寬高信息,井根據(jù)記錄的不同位置車牌寬高信息按統(tǒng)計法計算在某位置的車牌自學習寬高信息; 自學習模塊,用來當判定該位置的車牌自學習寬高信息準確時將該信息存儲,所述自學習寬高信息供下一次直接讀取以輔助后續(xù)的車牌定位檢測。
6.如權(quán)利要求5所述的裝置,其特征在干,所述自學習模塊還用來當發(fā)現(xiàn)自學習車牌寬高信息不準確,則自動丟棄所述自學習車牌寬高信息,重復自學習過程直到自學習成功。
全文摘要
本發(fā)明公開了一種基于視頻檢測的車牌自學習識別方法,用于智能交通領(lǐng)域,所述方法包括S101.根據(jù)采集到的圖像,利用車牌檢測算法,對車牌進行初始定位檢測,并且記錄初始定位的車牌在圖像中的位置、寬、高信息;S102.記錄不同位置的車牌寬高信息,并根據(jù)記錄的不同位置車牌寬高信息按統(tǒng)計法計算在某位置的車牌自學習寬高信息;S103.當判定該位置的車牌自學習寬高信息準確時將該信息存儲,所述自學習寬高信息供下一次直接讀取以輔助后續(xù)的車牌定位檢測。本發(fā)明還提供了一種基于視頻檢測的車牌自學習識別裝置,能夠準確的得到車牌在圖像檢測區(qū)域內(nèi)每一個位置的寬高信息,不僅定位的準確度和精度提高了,而且定位算法的速度得到很大提升,完全可以滿足實時車輛檢測與識別系統(tǒng)的需要。
文檔編號G08G1/017GK102622888SQ20121008946
公開日2012年8月1日 申請日期2012年3月30日 優(yōu)先權(quán)日2012年3月30日
發(fā)明者張如高, 張安發(fā), 虞正華, 賀岳平 申請人:上海博康智能信息技術(shù)有限公司