CN111081027B - 一种车牌识别方法及装置、计算机装置及可读存储介质 - Google Patents
一种车牌识别方法及装置、计算机装置及可读存储介质 Download PDFInfo
- Publication number
- CN111081027B CN111081027B CN201911302459.6A CN201911302459A CN111081027B CN 111081027 B CN111081027 B CN 111081027B CN 201911302459 A CN201911302459 A CN 201911302459A CN 111081027 B CN111081027 B CN 111081027B
- Authority
- CN
- China
- Prior art keywords
- vehicles
- identified
- vehicle
- target
- unidentified
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- 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
- G08G1/0175—Detecting movement of traffic to be counted or controlled identifying vehicles by photographing vehicles, e.g. when violating traffic rules
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
- Character Discrimination (AREA)
Abstract
本发明提供了一种车牌识别方法及装置、计算机装置及可读存储介质,其中,所述方法包括:采集获得包括多个目标车辆的视频信息,所述视频信息包括多帧图像;从所述视频信息的任一帧图像中,确定位于抓拍区域的多个目标车辆;按照各目标车辆在图像坐标系中的坐标位置,从所述多个目标车辆中确定出不大于预设数量的待识别车辆;对所述待识别车辆进行车牌识别,获得所述待识别车辆的车牌信息。用于解决现有车牌识别效率较低的技术问题。
Description
技术领域
本发明涉及智能交通技术领域,特别涉及一种车牌识别方法及装置、计算机装置及可读存储介质。
背景技术
车辆抓拍并识别车牌是安防领域重要的一部分。现有车牌识别要么通过监控相机拍摄单张图像,并进行车牌识别,要么通过监控相机采集车辆视频,然后对视频中每帧图像的所有车辆进行车牌识别。然而,前者识别精度低,后者识别速度慢。
可见,现有车牌识别效率较低。
发明内容
本发明提供了一种车牌识别方法及装置、计算机装置及可读存储介质,用于解决现有车牌识别效率较低的技术问题。
第一方面,本发明实施例提供了一种车牌识别方法,包括:
采集获得包括多个目标车辆的视频信息,所述视频信息包括多帧图像;
从所述视频信息的任一帧图像中,确定位于抓拍区域的多个目标车辆;
按照各目标车辆在图像坐标系中的坐标位置,从所述多个目标车辆中确定出不大于预设数量的待识别车辆;
对所述待识别车辆进行车牌识别,获得所述待识别车辆的车牌信息。
可选地,所述按照各目标车辆在图像坐标系中的坐标位置,从所述多个目标车辆中确定出不大于预设数量的待识别车辆,包括:
从所述多个目标车辆中确定出已识别车辆和未识别车辆,其中,所述多个目标车辆的个数等于所述已识别车辆的个数与所述未识别车辆的个数之和;
确定所述已识别车辆中每个目标车辆在图像坐标系中的坐标位置,以及所述未识别车辆中每个目标车辆在所述图像坐标系中坐标位置,其中,每个坐标位置包括横坐标位置和纵坐标位置;
按照纵坐标位置由大到小对所述已识别车辆中的每个目标车辆进行排序,获得排序后的已识别车辆;
按照纵坐标位置由大到小对所述未识别车辆中的每个目标车辆进行排序,获得排序后的未识别车辆;
从所述排序后的已识别车辆和所述排序后的未识别车辆中确定出不大于预设数量的待识别车辆。
可选地,所述从所述排序后的已识别车辆和所述排序后的未识别车辆中确定出不大于预设数量的待识别车辆,包括:
确定所述多个目标车辆的个数T,所述预设数量n,所述已识别车辆的个数C,其中,C为不小于0的整数,T为大于1的整数,n为正整数;
根据T、n和C之间的大小关系,从所述排序后的已识别车辆和所述已排序后的未识别车辆中确定出不大于预设数量的所述待识别车辆。
可选地,所述根据T、n和C之间的大小关系,从所述排序后的已识别车辆和所述已排序后的未识别车辆中确定出所述待识别车辆,包括:
若(T-C)≤n<T,则将(T-C)个所述排序后的未识别车辆,以及从C个所述排序后的已识别车辆中选取的前n-(T-C)个目标车辆作为所述待识别车辆。
可选地,所述根据T、n和C之间的大小关系,从所述排序后的已识别车辆和所述已排序后的未识别车辆中确定出所述待识别车辆,包括:
若n<(T-C),则将从(T-C)个所述排序后的未识别车辆中选取的前n个目标车辆作为所述待识别车辆。可选地,所述根据T、n和C之间的大小关系,从所述排序后的已识别车辆和所述已排序后的未识别车辆中确定出所述待识别车辆,包括:
若n>T,则将T个所述多个目标车辆作为所述待识别车辆。
可选地,在所述对所述待识别车辆进行车牌识别,获得所述待识别车辆的车牌信息之后,所述方法还包括:
将所述待识别车辆标记为已识别状态,所述已识别状态用于表征所述待识别车辆为已识别车辆。
第二方面,本发明实施例提供了一种车牌识别装置,包括:
采集单元,用于采集获得包括多个目标车辆的视频信息,所述视频信息包括多帧图像;
第一确定单元,用于确定从所述视频信息的任一帧图像中,确定位于抓拍区域的多个目标车辆;
第二确定单元,用于按照各目标车辆在图像坐标系中的坐标位置,从所述多个目标车辆中确定出不大于预设数量的待识别车辆;
获得单元,用于对所述待识别车辆进行车牌识别,获得所述待识别车辆的车牌信息。
可选地,所述第二确定单元用于:
从所述多个目标车辆中确定出已识别车辆和未识别车辆;
确定所述已识别车辆中每个目标车辆在图像坐标系中的坐标位置,以及所述未识别车辆中每个目标车辆在所述图像坐标系中坐标位置,其中,每个坐标位置包括横坐标位置和纵坐标位置;
按照纵坐标位置由大到小对所述已识别车辆中的每个目标车辆进行排序,获得排序后的已识别车辆;
按照纵坐标位置由大到小对所述未识别车辆中的每个目标车辆进行排序,获得排序后的未识别车辆;
从所述排序后的已识别车辆和所述排序后的未识别车辆中确定出不大于预设数量的待识别车辆。
可选地,所述第二确定单元用于:
确定所述多个目标车辆的个数T,所述预设数量n,所述已识别车辆的个数C,其中,C为不小于0的整数,T为大于1的整数,n为正整数;
根据T、n和C之间的大小关系,从所述排序后的已识别车辆和所述已排序后的未识别车辆中确定出不大于预设数量的所述待识别车辆。
可选地,所述第二确定单元用于:
若(T-C)≤n<T,则将(T-C)个所述排序后的未识别车辆,以及从C个所述排序后的已识别车辆中选取的前n-(T-C)个目标车辆作为所述待识别车辆。
可选地,所述第二确定单元用于:
若n<(T-C),则将从(T-C)个所述排序后的未识别车辆中选取的前n个目标车辆作为所述待识别车辆。
可选地,所述第二确定单元用于:
若n>T,则将T个所述多个目标车辆作为所述待识别车辆。
可选地,在所述获得单元对所述待识别车辆进行车牌识别,获得所述待识别车辆的车牌信息之后,所述方法还包括:
将所述待识别车辆标记为已识别状态,所述已识别状态用于表征所述待识别车辆为已识别车辆。
第三方面,本发明实施例提供了一种计算机装置,包括:
所述计算机装置包括处理器,所述处理器用于执行存储器中存储的计算机程序时实现如上所述的车牌识别方法的步骤。
第四方面,本发明实施例提供了可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如上所述的车牌识别方法。
本发明的有益效果如下:
本发明提供的车牌识别方法、装置、设备及计算机可读存储介质,通过采集获得包括多个车辆的视频信息,然后从视频信息的多帧图像的任一帧图像中,确定位于抓拍区域的多个目标车辆,然后按照各目标车辆在图像坐标系中的坐标位置,从该多个目标车辆中确定出不大于预设数量的待识别车辆,然后对所筛选出的待识别车辆进行车牌识别,从而获得相应的车牌信息。也就是说,对每帧图像中的位于抓拍区域的目标车辆,根据其在图像坐标系中的坐标位置,从中筛选出不大于预设数量的待识别车辆,即对视频的每帧图像中要进行车牌识别的目标车辆及数量进行控制,从而在保证车牌识别精度的同时,提高了车牌识别的效率。
附图说明
图1为本发明实施例提供的一种车牌识别方法的方法流程图;
图2为本发明实施例提供的一种车牌识别方法中步骤S103的方法流程图;
图3为本发明实施实例提供的相机成像原理图;
图4为本发明实施例提供的一种车牌识别方法中步骤S205的方法流程图;
图5为本发明实施例提供的一种车牌识别装置的结构框图。
具体实施方式
本发明的说明书和权利要求书及上述附图中的“第一”、“第二”等是用于区别不同对象,而不是用于描述特定顺序。此外,术语“包括”以及它们的任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、***、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
为了更好的理解上述技术方案,下面通过附图以及具体实施例对本发明技术方案做详细的说明,应当理解本发明实施例以及实施例中的具体特征是对本发明技术方案的详细的说明,而不是对本发明技术方案的限定,在不冲突的情况下,本发明实施例以及实施例中的技术特征可以相互结合。
请参考图1,本发明实施例提供了一种车牌识别方法,该方法具体包括:
S101:采集获得包括多个车辆的视频信息,所述视频信息包括多帧图像;
比如,在时间段A内,通过设置在路口的单个监控相机采集获得包括多个车辆的视频信息。此外,车辆可以是机动车,比如大卡车、小轿车。还可以是非机动车,比如电动自行车、摩托车。
S102:从所述视频信息的任一帧图像中,确定位于抓拍区域的多个目标车辆;
在具体实施过程中,抓拍区域可以是针对视频采集设备(比如,监控相机)所预先设置的区域,一旦车辆位于该抓拍区域则触发视频采集设备的抓拍功能,由视频采集设备进行抓拍获得相应的图像。
S103:按照各目标车辆在图像坐标系中的坐标位置,从所述多个目标车辆中确定出不大于预设数量的待识别车辆;
在具体实施过程中,该预设数量可以是根据路口车道数的具体设置情况所设定的数量,比如,在路口车道数为2个时,预设数量可以是2个,在路口车道数为3个时,预设数量可以是3个,等等。当然,在实际应用中还可以根据其它情况来设置该预设数量,在此不做不限定。
S104:对所述待识别车辆进行车牌识别,获得所述待识别车辆的车牌信息。
在具体实施过程中,该车牌信息可以是车牌所包括的汉字、字母、数字,等等。
本发明提供的车牌识别方法及装置、计算机装置及可读存储介质,通过采集获得包括多个车辆的视频信息,然后从视频信息的多帧图像的任一帧图像中,确定位于抓拍区域的多个目标车辆,然后按照各目标车辆在图像坐标系中的坐标位置,从该多个目标车辆中确定出不大于预设数量的待识别车辆,然后对所筛选出的待识别车辆进行车牌识别,从而获得相应的车牌信息。也就是说,对每帧图像中的位于抓拍区域的目标车辆,根据其在图像坐标系中的坐标位置,从中筛选出不大于预设数量的待识别车辆,即对视频的每帧图像中要进行车牌识别的目标车辆及数量进行控制,从而在保证车牌识别精度的同时,提高了车牌识别的效率。
在具体实施过程中,可以采用步骤S101至步骤S104中的技术方案来从单个监控相机所采集获得的视频信息中的所有帧中的目标车辆,筛选出一定数量的待识别车辆,并对待识别车辆进行车牌识别,从而实现了车辆的快速识别,并保证了识别的精度。
在本发明实施例中,请参考图2,步骤S103:按照各目标车辆在图像坐标系中的坐标位置,从所述多个目标车辆中确定出不大于预设数量的待识别车辆,包括:
S201:从所述多个目标车辆中确定出已识别车辆和未识别车辆,其中,所述多个目标车辆的个数等于所述已识别车辆的个数与所述未识别车辆的个数之和;
S202:确定所述已识别车辆中每个目标车辆在图像坐标系中的坐标位置,以及所述未识别车辆中每个目标车辆在所述图像坐标系中坐标位置,其中,每个坐标位置包括横坐标位置和纵坐标位置;
S203:按照纵坐标位置由大到小对所述已识别车辆中的每个目标车辆进行排序,获得排序后的已识别车辆;
S204:按照纵坐标位置由大到小对所述未识别车辆中的每个目标车辆进行排序,获得排序后的未识别车辆;
S205:从所述排序后的已识别车辆和所述排序后的未识别车辆中确定出不大于预设数量的待识别车辆。
在具体实施过程中,步骤S203和步骤S204二者无执行的先后顺序之分,可以是先执行步骤S203再执行步骤S204,还可以是先执行步骤S204再执行步骤S203,还可以是同时执行步骤S203和步骤S204。图2所示出的为先执行步骤S203再执行步骤S204的情况。
在本发明实施例中,首先,从多个目标车辆中确定出已识别车辆和未识别车辆;比如,可以通过第一标识符来表征相应的目标车辆为已经车牌识别过的车辆,即通过该第一标识符表征相应的目标车辆为已识别车辆,也就是说,位于抓拍区域中多个目标车辆中由第一标识符标识的车辆为已识别车辆,相应地位于抓拍区域中的多个目标车辆中并非由第一标识符标识的其它车辆则为未识别车辆。即位于抓拍区域中多个目标车辆的个数等于已识别车辆的个数与未识别车辆的个数之和。在具体实施过程中,还可以通过第二标识符来表征相应的目标车辆为未进行车牌识别的车辆,即通过该第二标识符表征相应的目标车辆为未识别车辆。比如,第一标识符可以是“1”,第二标识符可以是“0”。即位于抓拍区域中多个目标车辆中由标识符“1”标识的车辆为已识别车辆,由标识符“0”标识的车辆为未识别车辆。当然,本领域技术人员可以根据实际需要来设置相应的标识符,在此不做限定。
然后,确定已识别车辆中每个目标车辆在图像坐标系中的坐标位置,以及未识别车辆中每个目标车辆在图像坐标系中的坐标位置,其中,每个坐标位置包括横坐标位置和纵坐标位置。然后,按照纵坐标位置由大到小对已识别车辆中的每个目标车辆进行排序,从而获得排序后的已识别车辆;并按照纵坐标由大到小对未识别车辆中的每个目标车辆进行排序,获得排序后的未识别车辆。也就是说,分别对已识别车辆和未识别车辆按照所处的纵坐标由大到小的顺序进行排序。其中,纵坐标位置越大排序越靠前,反之,纵坐标位置越小排序越靠后。
然后,从排序后的已识别车辆和排序后的未识别车辆中确定出不大于预设数量的待识别车辆。也就是说,根据排序后的已识别车辆和排序后的未识别车辆进一步筛选出一定数量的待识别车辆,从而通过目标车辆在图像坐标系中的坐标位置来进一步筛选出所需数量的待识别车辆,在提高车牌识别精度的同时,提高了识别速度。发明人在车牌识别的实际研究中发现,目标车辆在图像坐标系中所处位置的纵坐标位置越大其距离监控相机的越近,相应地,该目标车辆的图像分辨率越高,车牌识别精度越高。结合图3所示的相机成像原理图。其中,f表示相机镜头的焦距,S表示真实物体D离相机镜头J光心O的距离,S1表示物体成像平面M离镜头J中心点的距离,m表示真实物体D离焦距的距离,m1表示成像平面M距离相机焦距的距离。其中,m、m1与f的关系如下:
f2=m×m1 (1)
结合公式(1)可知,当镜头焦距f保持不变,m和m1负相关,在m的值减小时,m1的值增大。
其中,S、S1与f间关系如下:
其中,m和S正相关,即当镜头焦距f保持不变,m的值减小时,S的值也会减少,结合公式(1)和公式(2)可知,S1和m1的值会增大,也就是说,真实物体D离相机越来越近时,在成像平面M上反映的现象为:真实物体D的顶点P通过镜头光心O在成像平面M上的P’点的纵坐标将越来越大,相应地真实物体D在成像平面M上所呈的像D’的尺寸也越来越大。即图3中成像平面M内P’点在图像坐标系(xO’y)中的纵坐标的大小,与m的大小负相关。基于此可知,目标车辆在图像坐标系中所处位置的纵坐标位置越大其距离监控相机的越近。
如此一来,通过纵坐标位置由大到小,分别对已识别车辆和未识别车辆进行排序,可以对单个监控相机所进行的车牌识别精度进行调控。比如,优先选择纵坐标位置越大的车辆进行识别,识别准确度较高。
在具体实施过程中,以数组为例来说明一下根据目标车辆在图像坐标系中的坐标位置来筛选待识别车辆的过程,具体来讲,可以是通过数组来对已识别车辆和未识别车辆进行区分,比如,已识别数组为Vr,未识别数组为Vn,Py表示任一目标车辆P在单个监控相机图像坐标系中的纵坐标,在抓拍区域为Ω时,若位于抓拍区域Ω内的目标车辆P是已识别车辆,则将其放入到已识别数组Vr中,并对该已识别数组Vr中的所有元素按照Py值由大到小排序;若位于抓拍区域Ω内的目标车辆P是未识别车辆,则将其放入未识别数组Vn中,并对该未识别数组Vn中的所有元素按照Py值由大到小排序。从而获得排序后的已识别数组Vr和未识别数组Vn,然后从排序后的已识别数组Vr和未识别数组Vn中确定出排序靠前且不大于预设数量的待识别对象,将该待识别对象作为待识别车辆,从而提高了单个监控相机车牌识别的精度。
在具体实施过程中,如图4所示,步骤S205:从所述排序后的已识别车辆和所述排序后的未识别车辆中确定出不大于预设数量的待识别车辆,包括:
S301:确定所述多个目标车辆的个数T,所述预设数量n,所述已识别车辆的个数C,其中,C为不小于0的整数,T为大于1的整数,n为正整数;
S302:根据T、n和C之间的大小关系,从所述排序后的已识别车辆和所述已排序后的未识别车辆中确定出不大于预设数量的所述待识别车辆。
在具体实施过程中,步骤S301至步骤S302的具体实现过程如下:
首先,确定多个目标车辆的个数T,预设数量n,已识别车辆的个数C,则相应地未识别车辆的个数为(T-C),其中,C为不小于0的整数,T为大于1的整数,n为正整数;然后,根据T、n和C数量之间的大小关系,从排序后的已识别车辆和已排序后的未识别车辆中确定出不大于预设数量的待识别车辆。比如,位于抓拍区域Ω内有8个目标车辆,限定每帧图像只需识别4个目标车辆的车牌,其中,位于抓拍区域Ω内有3个已识别车辆,则相应地位于抓拍区域Ω内有5个未识别车辆。再比如,位于抓拍区域Ω内有5个目标车辆,限定每帧图像只需识别2个目标车辆的车牌,其中,位于抓拍区域Ω内有3个已识别车辆,则相应地位于抓拍区域Ω内有2个未识别车辆。然后,根据当前T、n和C之间的大小关系,进一步从排序后的已识别车辆和排序后的未识别车辆中确定出不大于预设数量的待识别车辆。由于随着时间的变化,视频信息中每帧图像对应的T、n和C之间的大小关系也会随之发生变化,如此一来在对目标车辆的车牌进行灵活识别的同时,提高了车牌识别的精度。
在具体实施过程中,步骤S302:根据T、n和C之间的大小关系,从所述排序后的已识别车辆和所述已排序后的未识别车辆中确定出不大于预设数量的所述待识别车辆,可以有以下三种实现方式,但又不仅限于以下三种实现方式。
第一种实现方式包括:若(T-C)≤n<T,则将(T-C)个所述排序后的未识别车辆,以及从C个所述排序后的已识别车辆中选取的前n-(T-C)个目标车辆作为所述待识别车辆,其中,T≥C。具体来讲,若(T-C)≤n<T在当前帧图像的抓拍区域中存在(T-C)个未识别车辆时,则优先将(T-C)个未识别车辆作为待识别车辆,以便尽可能多地对抓拍区域中的未识别车辆进行车牌识别。同时,在(T-C)<n时,从C个排序后的已识别车辆中选取前n-(T-C)个目标车辆,并将其作为待识别车辆,这样从排序后的已识别车辆中所选取出的前n-(T-C)个目标车辆距离监控相机较近,进而保证了对所选取出的前n-(T-C)个目标车辆的车牌的精确识别。
在具体实施过程中,若对同一目标车辆多次识别的结果不一样,则对所有识别结果进行统计,以出现较多的同一识别结果为准。比如,对目标车辆B的车牌重复识别了5,其中有3次车牌识别的结果为a,有1次车牌识别的结果为b,有1次车牌识别的结果为c,则最终以该目标车辆的车牌为a作为识别结果。
第二种实现方式包括:若n<(T-C),则将从(T-C)个所述排序后的未识别车辆中选取的前n个目标车辆作为所述待识别车辆。这样从未识别车辆中所选取出的前n个目标车辆距离监控相机较近,进而保证了对所选取出的前n个目标车辆的车牌的精确识别。若n<(T-C),由于在本发明实施例中限定单帧图像最多只能对n个目标车辆的车牌进行识别,这样的话,通过从(T-C)个排序后的未识别车辆中选取前n个目标车辆作为待识别车辆,在保证识别速度的同时,保证了对所选目标车辆的车牌的识别精度。
第三种实现方式包括:若n>T,则将T个所述多个目标车辆作为所述待识别车辆。在具体实施过程中,在当前帧图像的抓拍区域中存在T个目标车辆,且T<n时,由于单帧需要识别的目标车辆个数n大于位于其抓拍区域内的目标车辆的个数T,则将位于抓拍区域中的T个目标车辆全部作为待识别对象,在保证识别精度的同时,保证了识别能力的有效利用。
此外,还可以是若识别区域中不存在已识别车辆,且T>n,则从位于抓拍区域中的T个未识别车辆中选取前n个车辆作为待识别车辆,从而保证了识别精度。当然,还可以根据实际应用场景来确定相应待识别对象,在此不再详述。
在本发明实施例中,为了提高车牌识别的效率,在步骤S104:对所述待识别车辆进行车牌识别之后,所述方法还包括:
将所述待识别车辆标记为已识别状态,所述已识别状态用于表征所述待识别车辆为已识别车辆。在具体实施过程中,可以对已识别车辆和/或未识别车辆进行相应的标记,比如,将待识别车辆标记为已识别状态,将未识别车辆标记为未识别状态。相应地,对视频信息的每一帧中目标对象均进行标记。这样的话,就可以实现对每一帧中已识别车辆和/或未识别车辆的快速确定,从而在提高车牌识别精度的同时,提高了车牌识别的速度。
基于同样的发明构思,如图5所示,本发明实施例提供了一种车牌识别装置,包括:
采集单元10,用于采集获得包括多个目标车辆的视频信息,所述视频信息包括多帧图像;
第一确定单元20,用于确定从所述视频信息的任一帧图像中,确定位于抓拍区域的多个目标车辆;
第二确定单元30,用于按照各目标车辆在图像坐标系中的坐标位置,从所述多个目标车辆中确定出不大于预设数量的待识别车辆;
获得单元40,用于对所述待识别车辆进行车牌识别,获得所述待识别车辆的车牌信息。
在本发明实施例中,第二确定单元30用于:
从所述多个目标车辆中确定出已识别车辆和未识别车辆,其中,所述多个目标车辆的个数等于所述已识别车辆的个数与所述未识别车辆的个数之和;
确定所述已识别车辆中每个目标车辆在图像坐标系中的坐标位置,以及所述未识别车辆中每个目标车辆在所述图像坐标系中坐标位置,其中,每个坐标位置包括横坐标位置和纵坐标位置;
按照纵坐标位置由大到小对所述已识别车辆中的每个目标车辆进行排序,获得排序后的已识别车辆;
按照纵坐标位置由大到小对所述未识别车辆中的每个目标车辆进行排序,获得排序后的未识别车辆;
从所述排序后的已识别车辆和所述排序后的未识别车辆中确定出不大于预设数量的待识别车辆。
在本发明实施例中,由于车牌识别装置中的相关实现过程在相应的车牌识别方法中已经详尽描述,在此不做限定。
在本发明实施例中,该车牌识别装置具体可以是用在交通路口,还可以是用在停车场,还可以是用在其它用来车牌识别的场景,在此不做限定。
在本发明实施例中,第二确定单元30用于:
确定所述多个目标车辆的个数T,所述预设数量n,所述已识别车辆的个数C,其中,C为不小于0的整数,T为大于1的整数,n为正整数;
根据T、n和C之间的大小关系,从所述排序后的已识别车辆和所述已排序后的未识别车辆中确定出不大于预设数量的所述待识别车辆。
在本发明实施例中,第二确定单元30用于:
若(T-C)≤n<T,则将(T-C)个所述排序后的未识别车辆,以及从C个所述排序后的已识别车辆中选取的前n-(T-C)个目标车辆作为所述待识别车辆。在本发明实施例中,第二确定单元30用于:
若n<(T-C),则将从(T-C)个所述排序后的未识别车辆中选取的前n个目标车辆作为所述待识别车辆。在本发明实施例中,第二确定单元30用于:
若n>T,则将T个所述多个目标车辆作为所述待识别车辆。
在本发明实施例中,在获得单元40对所述待识别车辆进行车牌识别,获得所述待识别车辆的车牌信息之后,所述方法还包括:
将所述待识别车辆标记为已识别状态,所述已识别状态用于表征所述待识别车辆为已识别车辆。
基于同一发明构思,本发明实施例还提供了一种计算机装置,所述计算机装置包括处理器,所述处理器用于执行存储器中存储的计算机程序时实现如上所述的车牌识别方法的步骤。
基于同一发明构思,本发明实施例还提供了一种可读存储介质,其上存储有计算机程序,当所述计算机程序被处理器执行时实现如上所述的车牌识别方法。
显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样,倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。
Claims (9)
1.一种车牌识别方法,其特征在于,包括:
采集获得包括多个车辆的视频信息,所述视频信息包括多帧图像;
从所述视频信息的任一帧图像中,确定位于抓拍区域的多个目标车辆;
按照各目标车辆在图像坐标系中的坐标位置,从所述多个目标车辆中确定出不大于预设数量的待识别车辆;
对所述待识别车辆进行车牌识别,获得所述待识别车辆的车牌信息;
其中,所述按照各目标车辆在图像坐标系中的坐标位置,从所述多个目标车辆中确定出不大于预设数量的待识别车辆,包括:
从所述多个目标车辆中确定出已识别车辆和未识别车辆,其中,所述多个目标车辆的个数等于所述已识别车辆的个数与所述未识别车辆的个数之和;
确定所述已识别车辆中每个目标车辆在图像坐标系中的坐标位置,以及所述未识别车辆中每个目标车辆在所述图像坐标系中坐标位置,其中,每个坐标位置包括横坐标位置和纵坐标位置;
按照纵坐标位置由大到小对所述已识别车辆中的每个目标车辆进行排序,获得排序后的已识别车辆;
按照纵坐标位置由大到小对所述未识别车辆中的每个目标车辆进行排序,获得排序后的未识别车辆;
从所述排序后的已识别车辆和所述排序后的未识别车辆中确定出不大于预设数量的待识别车辆。
2.如权利要求1所述的方法,其特征在于,所述从所述排序后的已识别车辆和所述排序后的未识别车辆中确定出不大于预设数量的待识别车辆,包括:
确定所述多个目标车辆的个数T,所述预设数量n,所述已识别车辆的个数C,其中,C为不小于0的整数,T为大于1的整数,n为正整数;
根据T、n和C之间的大小关系,从所述排序后的已识别车辆和所述排序后的未识别车辆中确定出不大于预设数量的所述待识别车辆。
3.如权利要求2所述的方法,其特征在于,所述根据T、n和C之间的大小关系,从所述排序后的已识别车辆和所述排序后的未识别车辆中确定出所述待识别车辆,包括:
若(T-C)≤n<T,则将(T-C)个所述排序后的未识别车辆,以及从C个所述排序后的已识别车辆中选取的前n-(T-C)个目标车辆作为所述待识别车辆。
4.如权利要求2所述的方法,其特征在于,所述根据T、n和C之间的大小关系,从所述排序后的已识别车辆和所述排序后的未识别车辆中确定出所述待识别车辆,包括:
若n<(T-C),则将从(T-C)个所述排序后的未识别车辆中选取的前n个目标车辆作为所述待识别车辆。
5.如权利要求2所述的方法,其特征在于,所述根据T、n和C之间的大小关系,从所述排序后的已识别车辆和所述排序后的未识别车辆中确定出所述待识别车辆,包括:
若n>T,则将T个所述多个目标车辆作为所述待识别车辆。
6.如权利要求1所述的方法,其特征在于,在所述对所述待识别车辆进行车牌识别,获得所述待识别车辆的车牌信息之后,所述方法还包括:
将所述待识别车辆标记为已识别状态,所述已识别状态用于表征所述待识别车辆为已识别车辆。
7.一种车牌识别装置,其特征在于,包括:
采集单元,用于采集获得包括多个目标车辆的视频信息,所述视频信息包括多帧图像;
第一确定单元,用于确定从所述视频信息的任一帧图像中,确定位于抓拍区域的多个目标车辆;
第二确定单元,用于按照各目标车辆在图像坐标系中的坐标位置,从所述多个目标车辆中确定出不大于预设数量的待识别车辆;
获得单元,用于对所述待识别车辆进行车牌识别,获得所述待识别车辆的车牌信息;
其中,所述第二确定单元用于:
从所述多个目标车辆中确定出已识别车辆和未识别车辆,其中,所述多个目标车辆的个数等于所述已识别车辆的个数与所述未识别车辆的个数之和;
确定所述已识别车辆中每个目标车辆在图像坐标系中的坐标位置,以及所述未识别车辆中每个目标车辆在所述图像坐标系中坐标位置,其中,每个坐标位置包括横坐标位置和纵坐标位置;
按照纵坐标位置由大到小对所述已识别车辆中的每个目标车辆进行排序,获得排序后的已识别车辆;
按照纵坐标位置由大到小对所述未识别车辆中的每个目标车辆进行排序,获得排序后的未识别车辆;
从所述排序后的已识别车辆和所述排序后的未识别车辆中确定出不大于预设数量的待识别车辆。
8.一种计算机装置,其特征在于,所述计算机装置包括处理器,所述处理器用于执行存储器中存储的计算机程序时实现如权利要求1-6中任意一项所述的车牌识别方法的步骤。
9.一种可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-6任一项所述的车牌识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911302459.6A CN111081027B (zh) | 2019-12-17 | 2019-12-17 | 一种车牌识别方法及装置、计算机装置及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911302459.6A CN111081027B (zh) | 2019-12-17 | 2019-12-17 | 一种车牌识别方法及装置、计算机装置及可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111081027A CN111081027A (zh) | 2020-04-28 |
CN111081027B true CN111081027B (zh) | 2021-06-15 |
Family
ID=70315130
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911302459.6A Active CN111081027B (zh) | 2019-12-17 | 2019-12-17 | 一种车牌识别方法及装置、计算机装置及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111081027B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111881741B (zh) * | 2020-06-22 | 2024-06-14 | 浙江大华技术股份有限公司 | 车牌识别方法、装置、计算机设备和计算机可读存储介质 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103679214B (zh) * | 2013-12-20 | 2017-10-20 | 华南理工大学 | 基于在线面积估计和多特征决策融合的车辆检测方法 |
KR101596896B1 (ko) * | 2015-08-21 | 2016-02-23 | 백청열 | 이종 카메라로부터의 영상을 이용하여 불법 주정차 단속을 수행하는 단속 시스템 및 이를 포함하는 관제 시스템 |
CN106874954A (zh) * | 2017-02-20 | 2017-06-20 | 佛山市络思讯科技有限公司 | 一种信息获取的方法以及相关装置 |
CN110163199A (zh) * | 2018-09-30 | 2019-08-23 | 腾讯科技(深圳)有限公司 | 车牌识别方法、车牌识别装置、车牌识别设备及介质 |
CN109887040B (zh) * | 2019-02-18 | 2020-04-14 | 北京航空航天大学 | 面向视频监控的运动目标主动感知方法及*** |
CN110188749A (zh) * | 2019-05-09 | 2019-08-30 | 青岛讯极科技有限公司 | 一种多车辆下的指定车辆车牌识别***和方法 |
-
2019
- 2019-12-17 CN CN201911302459.6A patent/CN111081027B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN111081027A (zh) | 2020-04-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107305627B (zh) | 一种车辆视频监控方法、服务器及*** | |
CN105702048B (zh) | 基于行车记录仪的高速公路前车违法占道识别***及方法 | |
CN110751012B (zh) | 目标检测评估方法、装置、电子设备及存储介质 | |
WO2020258714A1 (zh) | 一种骑行者重识别方法、装置及设备 | |
CN111860219B (zh) | 一种高速占道判断方法、装置及电子设备 | |
KR20160109761A (ko) | 건설현장 맞춤형 이미지 분석기술을 활용한 중장비/근로자 인식 및 추적 방법 및 시스템 | |
CN109685062B (zh) | 一种目标检测方法、装置、设备及存储介质 | |
CN109670366A (zh) | 车用摄像装置的车牌辩识方法及车用摄像装置 | |
CN111081027B (zh) | 一种车牌识别方法及装置、计算机装置及可读存储介质 | |
CN111553339A (zh) | 图像单元确定方法、小目标检测方法及计算机设备 | |
CN114821519A (zh) | 一种基于坐标注意力的交通标志识别方法及*** | |
CN113850237A (zh) | 基于视频和轨迹数据的网联车目标检测评价方法及*** | |
CN110633606A (zh) | 一种车位识别方法、装置及设备、存储介质 | |
CN106778765B (zh) | 一种车牌识别的方法及装置 | |
CN113014876A (zh) | 视频监控方法、装置、电子设备及可读存储介质 | |
CN113095345A (zh) | 数据匹配方法、装置和数据处理设备 | |
CN116052059A (zh) | 一种交通违法行为的检测方法、装置及*** | |
CN113392680A (zh) | 道路识别装置及方法、电子设备 | |
CN113674307B (zh) | 一种目标检测跟踪方法、装置及设备 | |
CN114022924A (zh) | 一种人脸识别方法及相关装置 | |
CN111741267B (zh) | 一种车辆延误的确定方法、装置、设备及介质 | |
CN114241373A (zh) | 一种端到端的车辆行为检测方法、***、设备及存储介质 | |
CN111639640A (zh) | 基于人工智能的车牌识别方法、装置及设备 | |
CN112131935B (zh) | 一种机动车车厢载人识别方法、装置和计算机设备 | |
CN109145715B (zh) | 轨道交通的空基行人侵界检测方法、装置和*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |