CN111461124A - 基于大数据的遮挡车牌识别方法、设备及存储介质 - Google Patents

基于大数据的遮挡车牌识别方法、设备及存储介质 Download PDF

Info

Publication number
CN111461124A
CN111461124A CN202010136530.4A CN202010136530A CN111461124A CN 111461124 A CN111461124 A CN 111461124A CN 202010136530 A CN202010136530 A CN 202010136530A CN 111461124 A CN111461124 A CN 111461124A
Authority
CN
China
Prior art keywords
license plate
electronic equipment
special
database
vehicle
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202010136530.4A
Other languages
English (en)
Inventor
万华林
刘军发
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Advanced Institute of Information Technology AIIT of Peking University
Hangzhou Weiming Information Technology Co Ltd
Original Assignee
Advanced Institute of Information Technology AIIT of Peking University
Hangzhou Weiming Information Technology Co Ltd
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 Advanced Institute of Information Technology AIIT of Peking University, Hangzhou Weiming Information Technology Co Ltd filed Critical Advanced Institute of Information Technology AIIT of Peking University
Priority to CN202010136530.4A priority Critical patent/CN111461124A/zh
Publication of CN111461124A publication Critical patent/CN111461124A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/21—Design, administration or maintenance of databases
    • G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2465—Query processing support for facilitating data mining operations in structured databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Computational Linguistics (AREA)
  • Software Systems (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Quality & Reliability (AREA)
  • Traffic Control Systems (AREA)
  • Vehicle Waterproofing, Decoration, And Sanitation Devices (AREA)

Abstract

本发明涉及车牌识别以及大数据技术领域，尤其涉及一种基于大数据的遮挡车牌识别方法、设备及存储介质；识别方法，包括以下步骤：将被遮挡字符或缺失字符用特殊符号代替，生成特殊车牌；基于特殊车牌时空数据库和无线电子设备探测数据库，分别提取特殊车牌车辆、无线电子设备基于时间顺序的活动轨迹：判断特殊车牌和无线电子设备的关联关系；从电子设备与车牌的关联关系数据库中挖掘出与此电子设备ID关联的正常车牌。本发明所公开的基于大数据的遮挡车牌识别方法、设备及存储介质，不增加额外投入，充分利用已有社会大数据资源，识别出被遮挡车牌的真实车牌号码；不需要人工参与，也不需要车辆管理数据库支持，因而应用成本更低。

Description

基于大数据的遮挡车牌识别方法、设备及存储介质
技术领域
本发明涉及车牌识别以及大数据技术领域，尤其涉及一种基于大数据的遮挡车牌识别方法、设备及存储介质。
背景技术
随着人们生活水平的提高，道路上的车辆越来越多，为了避免拥堵，很多城市实行限号上路行驶措施。为了逃避限行措施以及交通电子眼，有些车主开始遮挡车牌或伪造车牌，对交通秩序和车辆管理造成极大障碍。遮挡车牌是指车辆驾驶者用某种物体遮挡部分或全部车牌区域，使得交警或电子眼不能识别出车辆的真实号牌，从而达到其违法或违章行为不被处罚的目的。
交通管理部门通常用人工设卡的方式现场查找被遮挡车牌的车辆，这种方式就像大海捞针，消耗大量人力物力，且效率低下。随着电子眼和车牌识别技术的发展和普及，使得快速识别出被遮挡号牌的车辆成为可能，然而，除非拍摄到遮挡车牌的过程和遮挡前的真实车牌，否则这类方法仍然不能确定被遮挡车牌的真实号码，也就难以识别出车辆拥有者并加以处罚。
张武丽【1】提出一种遮挡车牌识别方法及装置，首先对车牌候选区域进行初步车牌识别，输出包括初步识别字符及所述初步识别字符对应的置信度的初步识别结果，然后根据所述初步识别结果进行判断，对满足预设遮挡条件的车牌候选区域进行深度学习识别，获得深度学习识别得到的字符个数及字符的位置信息；最后根据所述初步识别字符、所述初步识别字符对应的置信度、所述字符数量及所述字符的位置信息，确定遮挡字符在车牌中的位置，在所述初步识别结果中用特殊符号替换所述遮挡字符，输出最终识别结果。方法的不足：识别出恶意遮挡车牌事件，并用特殊字符替换被遮挡字符生成车牌识别结果，但不能识别出被遮挡车牌的真实车牌。
杨英仓【2】提出一种车辆无牌及车牌遮挡实时检测方法。包括步骤：(1)单帧进行车牌识别和车辆检测；(2)将每帧识别到的车牌，与以往帧识别得到的车牌进行关联，综合识别后输出车牌轨迹链；(3)将多帧出现的同一个车辆关联起来，去除误检目标，在车辆驶出画面时输出车辆轨迹链；(4)对车牌轨迹链的综合识别结果进行分析，判断是否存在字符被遮挡的情况并给出被遮挡的字符位；(5)将车牌轨迹链和车辆轨迹链进行匹配，当没有匹配到车牌的车辆轨迹链被判断为车辆无牌。方法的不足：可以有效地自动检测出无牌或车牌遮挡事件，但不能识别出无牌或被遮挡车牌的真实车牌。
梁军等【3】提出一种遮挡车牌车辆的辅助辨别的辨别方法及***。该***包括电子眼端***及后台服务器。其中，电子眼端***包括：电子眼、本地存储单元、遮挡识别模块、数据发送模块；后台服务器包括：后台数据接收模块、后台存储单元、特征提取与识别单元、数据库处理单元、车辆信息数据库。车辆信息数据库包括车辆颜色、型号、号牌符号等信息。此方法在自动检测出无牌或车牌遮挡事件后，上传事件和抓拍的车辆图片，在后台采用计算机视觉技术与数据库中车辆图像及特征进行比对，从而过滤出具有相同车辆颜色、型号等特征的车辆。方法的不足：具有相同颜色和型号的车辆数量很多，一方面后期排查会增加人工工作量；另一方面，由于缺少事实证据，也容易造成“冤案”或“错案”。
随着移动互联网和物联网技术的发展，无线电子设备(如手机、智能音箱、智能手表、手环、车载WIFI，电子车牌等)正快速融入人们的生活，成为车辆驾驶员随身携带的生活必需品。WIFI路由器、RFID读卡器、蓝牙基站等无线基站通过分析接收到的移动设备数据报文可以提取出无线电子设备的全局ID或MAC地址，以及当时的时间和位置。
万华林等【4】提出一种基于时空轨迹匹配的移动目标关联方法，通过挖掘给定时间段的卡口车牌识别数据和无线电子设备探测数据，提取车辆和无线电子设备每天基于时间顺序的位置集合或活动轨迹，通过计算车辆轨迹与无线电子设备轨迹的常住地位置公共轨迹点，将车辆车牌与电子设备进行关联，并生成车牌、电子设备ID、常住地等关联数据记录。
因此，为了解决上述问题，急需发明一种新的基于大数据的遮挡车牌识别方法、设备及存储介质。
发明内容
本发明的目的在于：提供一种基于大数据的遮挡车牌识别方法、设备及存储介质。
本发明提供了下述方案：
一种基于大数据的遮挡车牌识别方法，包括以下步骤：
分析车辆监控视频流，识别出遮挡车牌和无车牌事件，并将被遮挡字符或缺失字符用特殊符号代替，生成特殊车牌；
导入并清洗给定时间段数据，得到特殊车牌时空数据库和无线电子设备探测数据库；
基于特殊车牌时空数据库和无线电子设备探测数据库，分别提取特殊车牌车辆、无线电子设备基于时间顺序的活动轨迹：
计算特殊车牌车辆和无线电子设备之间的轨迹匹配度或相似度，判断特殊车牌和无线电子设备的关联关系；
根据与特殊车牌关联的电子设备全局ID，从电子设备与车牌的关联关系数据库中挖掘出与此电子设备ID关联的正常车牌。
基于特殊车牌时空数据库和无线电子设备探测数据库，分别提取特殊车牌车辆、无线电子设备基于时间顺序的活动轨迹的步骤，具体为：
对于特殊车牌时空数据库中任意特殊车牌，提取该车牌在给定时间段的轨迹；
对于无线电子设备探测数据库中任意电子设备全局ID，提取该电子设备在给定时间段的轨迹。
计算特殊车牌车辆和无线电子设备之间的轨迹匹配度或相似度，判断特殊车牌和无线电子设备的关联关系的步骤，具体为：
从特殊车牌时空数据库S1和无线电子设备探测数据库S2中分别取出特殊车牌轨迹TA与电子设备轨迹TB，计算TA和TB公共轨迹点的个数p；
如果p>q(q>0，为预定义阈值)，则关联特殊车牌platei与电子设备全局ID。
根据与特殊车牌关联的电子设备全局ID，从电子设备与车牌的关联关系数据库中挖掘出与此电子设备ID关联的正常车牌的步骤，具体为：
生成的车牌与电子设备关联关系数据库，生成以电子设备ID为主关键字的数据库S3；
遍历数据库S3，任意电子设备与车牌关联数据记录；
如果电子设备全局ID与特殊车牌的关联电子设备相同，则其关联的车牌即为被遮挡车牌的真实车牌。
基于时空轨迹匹配的移动目标关联方法，生成车牌与电子设备关联关系数据库。
基于时空轨迹匹配的移动目标关联方法，生成车牌与电子设备关联关系数据库的步骤，具体为：
导入并清洗给定时间段的卡口车牌识别数据和无线电子设备探测数据；
根据卡口车牌识别数据和无线电子设备探测数据，提取车辆和无线电子设备每天基于时间顺序的位置集合或活动轨迹：
根据提取出的车辆和无线电子设备的位置集合或活动轨迹，分别计算车辆和无线电子设备的宿主位置；
根据提取出的车辆和无线电子设备的位置集合或活动轨迹，计算车辆轨迹与无线电子设备轨迹的公共轨迹点，得到以时间为序的最大相同轨迹点集合；
根据计算得到的最大相同轨迹点集合以及车辆和无线电子设备的宿主位置，将车辆车牌与无线电子设备进行关联，并生成数据记录。
利用车牌识别算法识别车牌，对于不能识别的文字、字母或数字，标记为特殊符号，无牌或完全遮挡的车牌识别结果全为特殊符号。
导入并清洗给定时间段数据，获得特殊车牌时空数据库和无线电子设备探测数据库的步骤，具体为：
导入特殊车牌时空数据库：
导入无线电子设备探测数据库。
一种电子设备，包括存储器和处理器；所述存储器用于存储计算机程序；所述处理器执行所述存储器中的计算机程序，以实现所述的基于大数据的遮挡车牌识别方法。
一种计算机可读存储介质，存储有计算机程序，该计算机程序被处理器执行时，用于实现所述的基于大数据的遮挡车牌识别方法。
本发明产生的有益效果：
本发明所公开的基于大数据的遮挡车牌识别方法、设备及存储介质，识别方法，包括以下步骤：分析车辆监控视频流，识别出遮挡车牌和无车牌事件，并将被遮挡字符或缺失字符用特殊符号代替，生成特殊车牌；导入并清洗给定时间段数据，得到特殊车牌时空数据库和无线电子设备探测数据库；基于特殊车牌时空数据库和无线电子设备探测数据库，分别提取特殊车牌车辆、无线电子设备基于时间顺序的活动轨迹：计算特殊车牌车辆和无线电子设备之间的轨迹匹配度或相似度，判断特殊车牌和无线电子设备的关联关系；根据与特殊车牌关联的电子设备全局ID，从电子设备与车牌的关联关系数据库中挖掘出与此电子设备ID关联的正常车牌；不增加额外投入，充分利用已有社会大数据资源，从无牌或被遮挡车牌、无线电子设备ID等时空数据中识别出被遮挡车牌与无线电子设备的关联关系，进而识别出被遮挡车牌的真实车牌号码；不需要人工参与，也不需要车辆管理数据库支持，因而应用成本更低。
附图说明
图1为本发明的基于大数据的遮挡车牌识别方法的流程框图。
图2为本发明的电子设备的结构框图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整地传达给本领域的技术人员。
本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)，具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语，应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非被特定定义，否则不会用理想化或过于正式的含义来解释。
参见图1所示，一种基于大数据的遮挡车牌识别方法，包括以下步骤：
分析车辆监控视频流，识别出遮挡车牌和无车牌事件，并将被遮挡字符或缺失字符用特殊符号代替，生成特殊车牌；
导入并清洗给定时间段数据，得到特殊车牌时空数据库和无线电子设备探测数据库；
基于特殊车牌时空数据库和无线电子设备探测数据库，分别提取特殊车牌车辆、无线电子设备基于时间顺序的活动轨迹：
计算特殊车牌车辆和无线电子设备之间的轨迹匹配度或相似度，判断特殊车牌和无线电子设备的关联关系；
根据与特殊车牌关联的电子设备全局ID，从电子设备与车牌的关联关系数据库中挖掘出与此电子设备ID关联的正常车牌。
基于特殊车牌时空数据库和无线电子设备探测数据库，分别提取特殊车牌车辆、无线电子设备基于时间顺序的活动轨迹的步骤，具体为：
对于特殊车牌时空数据库中任意特殊车牌，提取该车牌在给定时间段的轨迹；
对于无线电子设备探测数据库中任意电子设备全局ID，提取该电子设备在给定时间段的轨迹。
计算特殊车牌车辆和无线电子设备之间的轨迹匹配度或相似度，判断特殊车牌和无线电子设备的关联关系的步骤，具体为：
从特殊车牌时空数据库S1和无线电子设备探测数据库S2中分别取出特殊车牌轨迹TA与电子设备轨迹TB，计算TA和TB公共轨迹点的个数p；
如果p>q(q>0，为预定义阈值)，则关联特殊车牌platei与电子设备全局ID。
根据与特殊车牌关联的电子设备全局ID，从电子设备与车牌的关联关系数据库中挖掘出与此电子设备ID关联的正常车牌的步骤，具体为：
生成的车牌与电子设备关联关系数据库，生成以电子设备ID为主关键字的数据库S3；
遍历数据库S3，任意电子设备与车牌关联数据记录；
如果电子设备全局ID与特殊车牌的关联电子设备相同，则其关联的车牌即为被遮挡车牌的真实车牌。
基于时空轨迹匹配的移动目标关联方法，生成车牌与电子设备关联关系数据库。
基于时空轨迹匹配的移动目标关联方法，生成车牌与电子设备关联关系数据库的步骤，具体为：
导入并清洗给定时间段的卡口车牌识别数据和无线电子设备探测数据；
根据卡口车牌识别数据和无线电子设备探测数据，提取车辆和无线电子设备每天基于时间顺序的位置集合或活动轨迹：
根据提取出的车辆和无线电子设备的位置集合或活动轨迹，分别计算车辆和无线电子设备的宿主位置；
根据提取出的车辆和无线电子设备的位置集合或活动轨迹，计算车辆轨迹与无线电子设备轨迹的公共轨迹点，得到以时间为序的最大相同轨迹点集合；
根据计算得到的最大相同轨迹点集合以及车辆和无线电子设备的宿主位置，将车辆车牌与无线电子设备进行关联，并生成数据记录。
利用车牌识别算法识别车牌，对于不能识别的文字、字母或数字，标记为特殊符号，无牌或完全遮挡的车牌识别结果全为特殊符号。
导入并清洗给定时间段数据，获得特殊车牌时空数据库和无线电子设备探测数据库的步骤，具体为：
导入特殊车牌时空数据库：
导入无线电子设备探测数据库。
一种电子设备，包括存储器和处理器；所述存储器用于存储计算机程序；所述处理器执行所述存储器中的计算机程序，以实现所述的基于大数据的遮挡车牌识别方法。
一种计算机可读存储介质，存储有计算机程序，该计算机程序被处理器执行时，用于实现所述的基于大数据的遮挡车牌识别方法。
参见图2所示，一种电子设备，包括存储器1和处理器2；所述存储器用于存储计算机程序；所述处理器执行所述存储器中的计算机程序，以实现所述的基于大数据的遮挡车牌识别方法。
一种计算机可读存储介质，存储有计算机程序，该计算机程序被处理器执行时，用于实现所述的基于大数据的遮挡车牌识别方法。
本实施例中所述的基于大数据的遮挡车牌识别方法、设备及存储介质，识别方法，包括以下步骤：分析车辆监控视频流，识别出遮挡车牌和无车牌事件，并将被遮挡字符或缺失字符用特殊符号代替，生成特殊车牌；导入并清洗给定时间段数据，得到特殊车牌时空数据库和无线电子设备探测数据库；基于特殊车牌时空数据库和无线电子设备探测数据库，分别提取特殊车牌车辆、无线电子设备基于时间顺序的活动轨迹：计算特殊车牌车辆和无线电子设备之间的轨迹匹配度或相似度，判断特殊车牌和无线电子设备的关联关系；根据与特殊车牌关联的电子设备全局ID，从电子设备与车牌的关联关系数据库中挖掘出与此电子设备ID关联的正常车牌；不增加额外投入，充分利用已有社会大数据资源，从无牌或被遮挡车牌、无线电子设备ID等时空数据中识别出被遮挡车牌与无线电子设备的关联关系，进而识别出被遮挡车牌的真实车牌号码；不需要人工参与，也不需要车辆管理数据库支持，因而应用成本更低。
本实施例中所述的基于大数据的遮挡车牌识别方法，具体流程为：
1，基于专利方法【1】或【2】检测遮挡车牌和无车牌事件，将被遮挡字符或缺失字符用“*”代替。如果车牌号码中“*”的个数大于3，则标记该车牌为特殊车牌；
2，导入并清洗最近1天车牌和无线电子设备时空数据：
2.1导入特殊车牌时空数据库：S1＝{(platei,timei,loci(longitude,latitude)),i∈N}
2.2导入无线电子设备(WIFI或蓝牙)探测数据库：S2＝{(MACj,timej,locj(longitude,latitude)),j∈N})
3，基于时空数据库S1和S2，分别提取特殊车牌车辆和线电子设备在这1天的活动轨迹(基于时间顺序)：
3.1对于集合S1中任意特殊车牌platei，基于platei时空数据，生成车牌platei在这1天的活动轨迹，数据格式可以是(platei，(timestart,locstart)，(time1,loc1)，(time2,loc2)，...，(timeend,locend))；
3.2对于集合S2中任意电子设备全局地址MACj，提取该MAC每天轨迹数据，数据格式(MACj，(timestart,locstart)，(time1,loc1)，(time2,loc2)，...，(timeend,locend))；
3.3其它唯一标识电子设备的全局ID，用同样的方法提取该设备每天活动轨迹数据；
4，根据轨迹匹配度或相似度，判断特殊车牌和电子设备的关联关系：
4.1计算车辆platei轨迹
Figure BDA0002397520890000101
与电子设备MACj轨迹
Figure BDA0002397520890000102
公共轨迹点的个数：
4.1.1顺序遍历TA，对于TA中每一个
Figure BDA0002397520890000111
(0<i<m)；
4.1.2如果TB中存在
Figure BDA0002397520890000112
(0<j<n)，使得
Figure BDA0002397520890000113
秒且
Figure BDA0002397520890000114
米，则
Figure BDA0002397520890000115
与
Figure BDA0002397520890000119
为TA和TB的相同轨迹点，记作
Figure BDA0002397520890000117
k表示第k+1个相同轨迹点；否则j＝j+1，返回步骤4.1.1；
4.1.3遍历轨迹TA和轨迹TB，得到以时间为序的最大相同轨迹点集合，
Figure BDA0002397520890000118
4.1.4计算集合Tmax中元素的个数，记为p(p∈N)；
4.2如果p>q(q>0，为预定义阈值)，则可判断车牌platei与电子设备MACj有关联；
5，导入专利【4】生成的车牌与电子设备关联关系数据库，生成以电子设备MAC为主关键字的数据记录集合S3，S3＝{(MACk,platek),k∈N}；
5.2遍历集合S3，对于集合S3中每一条记录(MACk,platek),k∈N；
5.3如果MACk＝MACj，则platek为遮挡车牌platei的真实车牌。
如果与MACk相关联的车牌数量大于1：可以结合车辆的结构化特征(品牌、车型、车款、车色等)进行比对；对于部分遮挡的车牌，可以比对platei和platek字符串；进一步提高真实车牌识别的准确率。
本实施例中所述的基于大数据的遮挡车牌识别方法，公开了一种识别无牌或被遮挡车牌真实车牌的方法：首先通过计算机视觉方法检测无牌和遮挡车牌事件，结合车辆定位和电子设备定位/轨迹匹配技术，挖掘出无牌或遮挡车牌和电子设备全局ID的关联关系，进而基于专利【4】挖掘出的移动电子设备全局ID与车牌的关联关系，识别出无牌或遮挡车牌真实车牌的方法。现实生活中，因为故意遮挡车牌或拆卸车牌是违法行为，所以道路上出现无牌或遮挡车牌的概率很低，也就是说，在同一时刻同一个地点出现两个以上“**.******”识别结果的可能性很小，因此可将用特殊字符标识的车牌作为“特殊车牌”处理。即使“特殊车牌”车辆同时在多个地点出现，也可以根据根据前一时刻车牌位置、车速及道路规划，判断该“特殊车牌”车辆在该时刻的物理位置，从而生成“特殊车牌”活动轨迹。
本实施例中所述的基于大数据的遮挡车牌识别方法，背景数据为：
机动车经过卡口或摄像头路口，利用车牌识别算法识别车牌，对于不能识别的文字、字母或数字，标记为特殊符号(例如“*”)。无牌或完全遮挡的车牌识别结果为“**.*****”，车牌部分遮挡的识别结果可能为“京F.*****”。
遮挡或无牌(车牌中含有“*”字符)车辆活动信息数据库：包含车牌plate，时间time(格式为yyyy-MM-dd hh:mm:ss)，地点loc，...；
无线电子设备扫描数据库：
1)WIFI设备：MAC地址，时间time，地点loc，...；
2)蓝牙设备：MAC地址，日期date，时间time，地点loc，...；
3)RFID设备：TID，日期date，时间time，地点loc，...；
这里，地点loc为通过GPS/北斗等定位***得到的经度和纬度数据对(longitude,latitude)。
当两个特征的采集时间差值|time1-time2|<α(α>0)时，可认为time1和time2时间相同；当两个特征的采集地点距离distance(loc1,loc2)<β(β>0)时，可认为loc1和loc2地点相同。
本实施例中所述的基于大数据的遮挡车牌识别方法，要解决的技术问题为：识别出遮挡车牌事件，并将被遮挡车牌字符用特定字符标识，生成特殊车牌；提取遮挡车牌出现前后一段时间内特殊车牌和电子设备全局ID的位置和轨迹，挖掘出特殊车牌和某电子设备的关联关系；根据电子设备的全局I D以及电子设备/车牌关联数据库，进一步分析挖掘出被遮挡车牌的真实车牌。
对于方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明实施例并不受所描述的动作顺序的限制，因为依据本发明实施例，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作并不一定是本发明实施例所必须的。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种基于大数据的遮挡车牌识别方法，其特征在于，包括以下步骤：
分析车辆监控视频流，识别出遮挡车牌和无车牌事件，并将被遮挡字符或缺失字符用特殊符号代替，生成特殊车牌；
导入并清洗给定时间段数据，得到特殊车牌时空数据库和无线电子设备探测数据库；
基于特殊车牌时空数据库和无线电子设备探测数据库，分别提取特殊车牌车辆、无线电子设备基于时间顺序的活动轨迹：
计算特殊车牌车辆和无线电子设备之间的轨迹匹配度或相似度，判断特殊车牌和无线电子设备的关联关系；
根据与特殊车牌关联的电子设备全局ID，从电子设备与车牌的关联关系数据库中挖掘出与此电子设备ID关联的正常车牌。
2.根据权利要求1所述的基于大数据的遮挡车牌识别方法，其特征在于，基于特殊车牌时空数据库和无线电子设备探测数据库，分别提取特殊车牌车辆、无线电子设备基于时间顺序的活动轨迹的步骤，具体为：
对于特殊车牌时空数据库中任意特殊车牌，提取该车牌在给定时间段的轨迹；
对于无线电子设备探测数据库中任意电子设备全局ID，提取该电子设备在给定时间段的轨迹。
3.根据权利要求2所述的基于大数据的遮挡车牌识别方法，其特征在于，计算特殊车牌车辆和无线电子设备之间的轨迹匹配度或相似度，判断特殊车牌和无线电子设备的关联关系的步骤，具体为：
从特殊车牌时空数据库S1和无线电子设备探测数据库S2中分别取出特殊车牌轨迹TA与电子设备轨迹TB，计算TA和TB公共轨迹点的个数p；
如果p>q(q>0，为预定义阈值)，则关联特殊车牌platei与电子设备全局ID。
4.根据权利要求3所述的基于大数据的遮挡车牌识别方法，其特征在于，根据与特殊车牌关联的电子设备全局ID，从电子设备与车牌的关联关系数据库中挖掘出与此电子设备ID关联的正常车牌的步骤，具体为：
生成的车牌与电子设备关联关系数据库，生成以电子设备ID为主关键字的数据库S3；
遍历数据库S3，任意电子设备与车牌关联数据记录；
如果电子设备全局ID与特殊车牌的关联电子设备相同，则其关联的车牌即为被遮挡车牌的真实车牌。
5.根据权利要求4所述的基于大数据的遮挡车牌识别方法，其特征在于，基于时空轨迹匹配的移动目标关联方法，生成车牌与电子设备关联关系数据库。
6.根据权利要求5所述的基于大数据的遮挡车牌识别方法，其特征在于，基于时空轨迹匹配的移动目标关联方法，生成车牌与电子设备关联关系数据库的步骤，具体为：
导入并清洗给定时间段的卡口车牌识别数据和无线电子设备探测数据；
根据卡口车牌识别数据和无线电子设备探测数据，提取车辆和无线电子设备每天基于时间顺序的位置集合或活动轨迹：
根据提取出的车辆和无线电子设备的位置集合或活动轨迹，分别计算车辆和无线电子设备的宿主位置；
根据提取出的车辆和无线电子设备的位置集合或活动轨迹，计算车辆轨迹与无线电子设备轨迹的公共轨迹点，得到以时间为序的最大相同轨迹点集合；
根据计算得到的最大相同轨迹点集合以及车辆和无线电子设备的宿主位置，将车辆车牌与无线电子设备进行关联，并生成数据记录。
7.根据权利要求6所述的基于大数据的遮挡车牌识别方法，其特征在于，
利用车牌识别算法识别车牌，对于不能识别的文字、字母或数字，标记为特殊符号，无牌或完全遮挡的车牌识别结果全为特殊符号。
8.根据权利要求7所述的基于大数据的遮挡车牌识别方法，其特征在于，导入并清洗给定时间段数据，获得特殊车牌时空数据库和无线电子设备探测数据库的步骤，具体为：
导入特殊车牌时空数据库：
导入无线电子设备探测数据库。
9.一种电子设备，其特征在于：包括存储器和处理器；所述存储器用于存储计算机程序；所述处理器执行所述存储器中的计算机程序，以实现如权利要求1-8中任一所述的基于大数据的遮挡车牌识别方法。
10.一种计算机可读存储介质，其特征在于：存储有计算机程序，该计算机程序被处理器执行时，用于实现如权利要求1-8中任一所述的基于大数据的遮挡车牌识别方法。
CN202010136530.4A 2020-03-02 2020-03-02 基于大数据的遮挡车牌识别方法、设备及存储介质 Pending CN111461124A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010136530.4A CN111461124A (zh) 2020-03-02 2020-03-02 基于大数据的遮挡车牌识别方法、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010136530.4A CN111461124A (zh) 2020-03-02 2020-03-02 基于大数据的遮挡车牌识别方法、设备及存储介质

Publications (1)

Publication Number Publication Date
CN111461124A true CN111461124A (zh) 2020-07-28

Family

ID=71682432

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010136530.4A Pending CN111461124A (zh) 2020-03-02 2020-03-02 基于大数据的遮挡车牌识别方法、设备及存储介质

Country Status (1)

Country Link
CN (1) CN111461124A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113052094A (zh) * 2021-03-30 2021-06-29 北京卓视智通科技有限责任公司 遮挡号牌原车确定方法、装置和电子设备
CN113723316A (zh) * 2021-09-01 2021-11-30 杭州智诚惠通科技有限公司 一种车辆识别方法、装置、设备及存储介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101308605A (zh) * 2008-05-23 2008-11-19 陈汇鑫 一种通过车辆信息识别实现交通动态管理的方法
CN102737506A (zh) * 2011-07-01 2012-10-17 山东佳信自动化有限公司 一种实现行驶车辆信息即时采集的方法
CN103021184A (zh) * 2012-12-26 2013-04-03 江苏大学 遮挡车牌车辆的辅助辨别方法及***
CN104200669A (zh) * 2014-08-18 2014-12-10 华南理工大学 一种基于Hadoop的***识别方法及***
CN108305466A (zh) * 2018-03-13 2018-07-20 北京智芯原动科技有限公司 基于车辆特征分析的路侧停车检测方法及装置
CN110335473A (zh) * 2019-08-14 2019-10-15 中国联合网络通信集团有限公司 遮挡车牌车辆的身份识别方法及***
CN110674236A (zh) * 2019-09-23 2020-01-10 浙江省北大信息技术高等研究院 基于时空轨迹匹配的移动目标关联方法、装置、设备及存储介质

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101308605A (zh) * 2008-05-23 2008-11-19 陈汇鑫 一种通过车辆信息识别实现交通动态管理的方法
CN102737506A (zh) * 2011-07-01 2012-10-17 山东佳信自动化有限公司 一种实现行驶车辆信息即时采集的方法
CN103021184A (zh) * 2012-12-26 2013-04-03 江苏大学 遮挡车牌车辆的辅助辨别方法及***
CN104200669A (zh) * 2014-08-18 2014-12-10 华南理工大学 一种基于Hadoop的***识别方法及***
CN108305466A (zh) * 2018-03-13 2018-07-20 北京智芯原动科技有限公司 基于车辆特征分析的路侧停车检测方法及装置
CN110335473A (zh) * 2019-08-14 2019-10-15 中国联合网络通信集团有限公司 遮挡车牌车辆的身份识别方法及***
CN110674236A (zh) * 2019-09-23 2020-01-10 浙江省北大信息技术高等研究院 基于时空轨迹匹配的移动目标关联方法、装置、设备及存储介质

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113052094A (zh) * 2021-03-30 2021-06-29 北京卓视智通科技有限责任公司 遮挡号牌原车确定方法、装置和电子设备
CN113723316A (zh) * 2021-09-01 2021-11-30 杭州智诚惠通科技有限公司 一种车辆识别方法、装置、设备及存储介质
CN113723316B (zh) * 2021-09-01 2024-04-16 杭州智诚惠通科技有限公司 一种车辆识别方法、装置、设备及存储介质

Similar Documents

Publication Publication Date Title
WO2019153193A1 (zh) 一种出租车运营监测方法、设备、存储介质和***
CN106384513B (zh) 一种基于智能交通的***捕捉***及方法
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
CN110674236A (zh) 基于时空轨迹匹配的移动目标关联方法、装置、设备及存储介质
US11734783B2 (en) System and method for detecting on-street parking violations
CN103699677B (zh) 一种基于人脸识别技术的罪犯行踪地图绘制***及其方法
CN105574506A (zh) 基于深度学习和大规模集群的智能人脸追逃***及方法
CN104766479A (zh) 基于超高频射频与视频图像双识别匹配的汽车身份识别方法及装置
CN111353369B (zh) 一种城市路侧停车高位视频在辅助刑侦中的应用方法及***
CN108986472A (zh) 一种掉头车辆监控方法及装置
CN105046966A (zh) 即停即离区域的违章停车行为自动检测***和方法
CN106529401A (zh) 一种车辆反跟踪方法、装置及***
CN105448105A (zh) 一种基于巡逻警车的监控***
US20230073717A1 (en) Systems And Methods For Electronic Surveillance
CN105528626A (zh) 一种rfid读写器和摄像机集成一体机及其应用
CN111369797A (zh) 车辆监测方法、电子围栏的构建方法、电子围栏及装置
CN111461124A (zh) 基于大数据的遮挡车牌识别方法、设备及存储介质
CN111008574A (zh) 一种基于形体识别技术的重点人员轨迹分析方法
CN114067270B (zh) 一种车辆追踪方法和装置、计算机设备及存储介质
CN112380892B (zh) 一种图像识别方法、装置、设备及介质
CN114898297A (zh) 基于目标检测和目标跟踪的非机动车违法行为判定的方法
CN111078973A (zh) 基于大数据的***识别方法、设备及存储介质
CN112836683A (zh) 用于便携式摄像设备的车牌识别方法、装置、设备和介质
CN113901946A (zh) 一种异常行为检测的方法、装置、电子设备及存储介质
Kumar et al. An Implementation of Automatic Number Plate Detection and Recognition using AI

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20200728

RJ01 Rejection of invention patent application after publication