CN111899389A - 一种车队管理***进行车型和车牌识别的方法 - Google Patents
一种车队管理***进行车型和车牌识别的方法 Download PDFInfo
- Publication number
- CN111899389A CN111899389A CN202010732306.1A CN202010732306A CN111899389A CN 111899389 A CN111899389 A CN 111899389A CN 202010732306 A CN202010732306 A CN 202010732306A CN 111899389 A CN111899389 A CN 111899389A
- Authority
- CN
- China
- Prior art keywords
- license plate
- plate information
- consistent
- information
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C9/00—Individual registration on entry or exit
- G07C9/20—Individual registration on entry or exit involving the use of a pass
-
- 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
- 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
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种车队管理***进行车型和车牌识别的方法,包括如下步骤:S01:车辆驶入车道口,入口摄像头拍摄车牌图像B,并传输至入口识别中心;所述入口识别中心得出车牌信息B;S02:车型识别摄像头拍摄车辆图像,并传输至车型识别中心;所述车型识别中心得出车型信息;S03:车辆驶出车道口,出口摄像头拍摄车牌图像A,并传输至出口识别中心;所述出口识别中心得出车牌信息A;S04:车牌信息B、车型信息和车牌信息A传输至控制中心,所述控制中心采用自适应智能校核匹配算法获取准确的车牌信息C和车型信息。本发明能够大大提高车牌识别和车型识别的准确性,可以广泛用于车辆管理的各个***中。
Description
技术领域
本发明涉及车队关系***领域,具体涉及一种车队管理***进行车型和车牌识别的方法。
背景技术
随着私家车的普及以及智能化管理***的广泛应用,车牌识别和车型识别已经成为车辆管理***中最重要也是最基础的部分,车辆管理***的进一步应用和操作均需建立在车牌识别和车型识别的基础上。
现有技术中车牌识别技术均采用对车牌图像直接识别的方法,而在车流量较大且车间距较小的情况下,车牌图像拍摄比较困难,容易导致漏车或者重复拍摄,进而导致识别***重复识别或者漏车。并且现有技术中车型识别和车牌识别是相互独立的,彼此之间不能相互验证。
尤其在高速收费站进行车辆识别时,车牌识别和车型识别与收发卡紧密关联,若出现重复识别或者漏车现象,则会导致收发卡出现问题,严重影响收费站的车辆通行效率。
除此以外,现有技术中车辆速度、外界环境、车牌在车辆中位置、车牌识别算法等诸多因素均会导致车牌识别和车型识别无法达到足够高的准确率。
发明内容
本发明的目的是提供一种车队管理***及其进行车型和车牌识别的方法,通过入口和出口两次识别,并结合车型信息,确定准确的车牌信息和车型信息。
为了实现上述目的,本发明采用如下技术方案:一种车队管理***进行车型和车牌识别的方法,包括如下步骤:
S01:车辆驶入车道口,入口摄像头拍摄车牌图像B,并传输至入口识别中心;所述入口识别中心对车牌图像B进行计算,得出车牌信息B;其中,所述入口识别中心在M秒内识别到少于等于2个车牌信息B;M大于0;
S02:车型识别摄像头拍摄车辆图像,并传输至车型识别中心;所述车型识别中心对车辆图像进行计算,得出车型信息;
S03:车辆驶出车道口,出口摄像头拍摄车牌图像A,并传输至出口识别中心;所述出口识别中心对车牌图像A进行计算,得出车牌信息A;其中,所述出口识别中心在2M秒内识别到少于等于3个车牌信息A;
S04:车牌信息B、车型信息和车牌信息A传输至控制中心,所述控制中心采用自适应智能校核匹配算法获取准确的车牌信息C和车型信息。
进一步地,所述车牌信息B包括车牌信息B1和车牌信息B2,所述车牌信息A包括车牌信息A1、车牌信息A2和车牌信息A3;
若车牌信息B1与车牌信息A1一致,且车牌信息B2与车牌信息A2一致,则车牌信息C与车牌信息B1一致;
若车牌信息B1与车牌信息A1一致,且车牌信息B2与车牌信息A3一致,则车牌信息C与车牌信息B1一致;
若车牌信息B1与车牌信息A2一致,且车牌信息B2与车牌信息A3一致,则车牌信息C与车牌信息B1一致;
若仅车牌信息B2与车牌信息A1一致,则车牌信息C与车牌信息B2一致;
若仅车牌信息B1与车牌信息A1一致,则车牌信息C与车牌信息B1一致。
进一步地,所述车牌信息B包括车牌信息B1和车牌信息B2,所述车牌信息A包括车牌信息A1和车牌信息A2;
若车牌信息B1与车牌信息A1一致,且车牌信息B2与车牌信息A2一致,则车牌信息C与车牌信息B1一致;
若车牌信息B1与车牌信息A2一致,且车牌信息B1为空,则车牌信息C与车牌信息B2一致;若车牌信息B1与车牌信息A2一致,且车牌信息B1不为空,否则车牌信息C与车牌信息B1一致;
若车牌信息B1、车牌信息B2与车牌信息A1、车牌信息A2均不一致,则车牌信息C与车牌信息A1一致。
进一步地,所述车牌信息B包括车牌信息B1和车牌信息B2,所述车牌信息A包括车牌信息A1;
若车牌信息B1与车牌信息A1一致,则车牌信息C与车牌信息B1一致;
若车牌信息B1与车牌信息A2一致,则车牌信息C与车牌信息B1一致;
若车牌信息B2与车牌信息A1一致,则车牌信息C与车牌信息B2一致;
若车牌信息B1和车牌信息B2与车牌信息A1均不一致,则车牌信息C与车牌信息B1一致。
进一步地,当所述车牌信息B包括车牌信息B1和车牌信息B2,所述车牌信息A为空时;则车牌信息C与车牌信息B1一致;
当所述车牌信息B包括车牌信息B1,所述车牌信息A为空时;则车牌信息C与车牌信息B1一致。
进一步地,所述车牌信息B包括车牌信息B1,所述车牌信息A包括车牌信息A1、车牌信息A2和车牌信息A3;
若车牌信息B1与车牌信息A1一致,则车牌信息C与车牌信息B1一致;
若车牌信息B1与车牌信息A2一致,且车牌信息A1为空时,车牌信息C与车牌信息B1一致;若车牌信息B1与车牌信息A2一致,且车牌信息A1不为空时,车牌信息C与车牌信息A1一致;
若车牌信息B1与车牌信息A3一致,比较车牌信息A1、车牌信息A2、车牌信息A3中相邻车牌信息之间的时间差,若时间差均小于时间阈值,则车牌信息C与车牌信息A3一致;若车牌信息B1与车牌信息A3一致,比较车牌信息A1、车牌信息A2、车牌信息A3中相邻车牌信息之间的时间差,若至少一个时间差大于时间阈值,则比较车牌信息A1、车牌信息A2之间的时间差A21,若时间差A21小于时间阈值,则车牌信息C与车牌信息A2一致;否则,车牌信息C与车牌信息A1一致;
若车牌信息B1与车牌信息A1、车牌信息A2、车牌信息A3均不一致,比较车牌信息A1、车牌信息A2、车牌信息A3中相邻车牌信息之间的时间差,若时间差均小于时间阈值,则车牌信息C与车牌信息A1一致。
进一步地,所述车牌信息B包括车牌信息B1,所述车牌信息A包括车牌信息A1和车牌信息A2;
若车牌信息B1与车牌信息A1一致,则车牌信息C与车牌信息B1一致;
若车牌信息B1与车牌信息A2一致,则车牌信息C与车牌信息B1一致;
若车牌信息B1与车牌信息A1和车牌信息A2均不一致,则车牌信息C与车牌信息A1一致。
进一步地,所述车牌信息B包括车牌信息B1,所述车牌信息A包括车牌信息A1;
若车牌信息B1与车牌信息A1一致,则车牌信息C与车牌信息B1一致;
若车牌信息B1与车牌信息A1不一致,且车牌信息B1为空,则车牌信息C与车牌信息A1一致;若车牌信息B1与车牌信息A1不一致,且车牌信息B1不为空,则车牌信息C与车牌信息B1一致;
进一步地,所述步骤S02中车型识别摄像头的视野中心线与车道夹角为80度至100度之间的任意值,且所述车型识别摄像头拍摄M帧车辆图像,所述识别中心先将M帧车辆图像拼接为完整的车辆侧面图,再根据所述车辆侧面图进行车型识别。
进一步地,所述步骤S04中控制中心根据车牌信息B和车牌信息A,并采用自适应智能校核匹配算法获取准确的车牌信息C;所述控制中心将车牌信息C和车型信息进行对比核验,若二者一致,则输出车牌信息C和车型信息。
本发明具有如下有益效果:本发明采用入口摄像头和入口识别中心获取车牌信息B,采用出口摄像头和出口识别中心获取车牌信息A,再通过自适应智能校核匹配算法获取准确的车牌信息C,并将车牌信息C和车型信息进行对比验证;本发明能够大大提高车牌识别和车型识别的准确性,可以广泛用于车辆管理的各个***中。
附图说明
附图1为实施例1中车队管理***的装置示意图;
附图2为实施例2中车队管理***的装置示意图;
附图3为实施例3中车队管理***的装置示意图;
图中:101车道左边沿,102车道右边沿,103车辆,104出口识别模块,105车型识别模块,106入口识别模块。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面结合附图对本发明的具体实施方式做进一步的详细说明。
如附图1-3所示,本发明提供的一种提高车道口车牌识别准确率的装置,包括控制中心、位于车道入口的入口摄像头、入口识别中心、车型识别摄像头、车型识别中心和位于车道出口的出口摄像头、出口识别中心。优选地,入口摄像头和入口识别中心可以集成在入口识别模块106中,出口摄像头和出口识别中心可以集成在出口识别模块104中,车型识别摄像头和车型识别中心可以集成在车型识别模块105中。
本发明中入口识别模块106、车型识别模块105和出口识别模块104可以设置在车道边沿以外的同一侧或者设置在车道边沿以外的两侧,具体可以根据实际需求进行设置。如附图1所示,为实施例1中入口识别模块106、车型识别模块105和出口识别模块104设置在车道同一侧的装置示意图;如附图2所示,为实施例2中入口识别模块106设置在车道右侧,出口识别模块104和车型识别模块105设置在车道左侧的装置示意图;如附图3所示,为实施例3中车型识别模块105设置在车道左侧,出口识别模块104和入口识别模块106设置在车道右侧的装置示意图。除此以外,本发明中出口识别模块104、车型识别模块105和入口识别模块106可以在车道两侧随意排列组合。
本发明入口摄像头和出口摄像头只需要拍摄车牌图像即可,车牌图像可以为前车牌图像,也可以为后车牌图像,具体可以根据实际需要设置入口摄像头、出口摄像头所拍摄车牌图像的位置。在实际应用中,若本发明装置用于收费站等需要根据车牌信息确定下一步操作的车辆管理体系中,优选车牌图像B和车牌图像A均为前车牌图像,因为入口摄像头正对车辆驶入方向,在车辆驶入车道之间即可进行拍摄,还能节省整个识别时间;出口摄像头拍摄的车牌图像的识别结果直接决定最终的识别结果,进而关系车辆识别***的下一步操作,因此需要在车辆驶出车道之前,获取车牌信息A,这就需要出口摄像头拍摄的也是前车牌信息。
本发明中入口识别模块对车牌图像B的处理过程以及出口识别模块对车牌图像A的处理过程为独立的两个过程,二者采用的算法以及对图像的预处理操作均不相同。
本发明中车型识别模块可以采用现有技术中任意车型识别模块。优选地,由于交通部新规规定了高速收费需要根据以车长、车轴和载客数为基准的车型进行确定。因此,本发明中识别单元根据车辆侧面图识别出车辆的车轴和车长,再结合该车辆的载客量确定其对应的车型信息,其中,车轴指的是车辆中车轴的排数,在车辆侧面图中,同一排的车轴被重叠覆盖,因此,识别出的车轴个数即可代表该车辆的车轴排数。车长也可以根据摄像头参数进行确定,再结合载客数,即可获取该车辆的准确车型信息。
本发明提供的一种提高车道口车牌识别准确率的方法,包括如下步骤:
S01:车辆驶入车道口,入口摄像头拍摄车牌图像B,并传输至入口识别中心;入口识别中心对车牌图像B进行计算,得出车牌信息B;其中,入口识别中心在M秒内识别到少于等于2个车牌信息B;M大于0。例如,入口识别中心识别出车牌信息B1和车牌信息B2时,将其传输至控制中心,若入口识别中心仅识别出车牌信息B1,则继续等待5秒,若超过5秒,仍然只识别到车牌信息B1,则将车牌信息B1传输至控制中心。
S02:车型识别摄像头拍摄车辆图像,并传输至车型识别中心;所述车型识别中心对车辆图像进行计算,得出车型信息X。
具体的,车型识别摄像头的视野中心线与车道夹角为80度至100度之间的任意值,优选地,车型识别摄像头的视野中心线与车道夹角为90度,即车型识别摄像头位于车道的一侧,且车型识别摄像头的视野并不能涵盖整个车辆侧面,需要M拍摄图像,才能拼接出完整的图像,M为大于0的整数。
车型识别中心根据车辆速度值,以及车头、车身和车尾的位置,拼接出完整的车辆侧面图,拼接时,以车头位置所在的图像为拼接起始,以车尾位置所在的图像为拼接终止,再结合车辆行驶速度以及摄像头的拍摄帧率,以相同的特征点为桥梁,将相同特征点之间的重复部分进行覆盖,拼接子单元拼接出从车头到车尾的车辆侧面图;拼接子单元拼接出从车头到车尾的车辆侧面图。上述各个特征点位于车辆的同一侧面中,且该侧面距离摄像头的距离处处相等;只有确保用于拼接图像的各个图像中的特征点在实际车辆中的位置距离摄像头的景深相同,才能确保拼接出来的图像完整不变形。这是因为从车辆的三维结构到图像的二维平面图变化过程中,只有距离摄像头相同深度位置的同一侧面上的特征点才能作为拼接的桥梁,以此拼接出来的图像才能准确反映车辆形状。
车型识别中心再根据车辆侧面图识别车型信息。具体可以采用现有技术中任意识别方式进行车型识别。
S03:车辆驶出车道口,出口摄像头拍摄车牌图像A,并传输至出口识别中心;出口识别中心对车牌图像A进行计算,得出车牌信息A;其中,出口识别中心在2M秒内识别到少于等于3个车牌信息A。例如,出口识别中心识别出车牌信息A1、车牌信息A2和车牌信息A3时,将其传输至控制中心,若入口识别中心仅识别出车牌信息A1和/或车牌信息A2,则继续等待10秒,若超过10秒,仍然只识别到车牌信息A1和/或车牌信息A2,则将车牌信息A1和/或车牌信息A2传输至控制中心。
值的说明的是,本发明中入口摄像头和出口摄像头拍摄的车牌图像中包含拍摄时刻的时间戳,该时间戳也会伴随车牌信息B和车牌信息A存在,当控制中心对车牌信息B和车牌信息A进行综合判断时,可以根据车牌信息B和车牌信息A中时间戳确定该车牌信息的来源以及对应的计算算法。
S04:车牌信息B、车型信息X和车牌信息A传输至控制中心,控制中心采用自适应智能校核匹配算法获取准确的车牌信息C和车型信息X。其中,这里的车牌信息C和车型信息D进行对比验证,验证过程如下:首先,判断该段时间内是否有车牌信息C和车型信息D输出,若都有,则将车牌信息C和车型信息D进行绑定;其次,若车牌信息C识别结果得到的车牌包括颜色和字符按车牌大数据统计规律得到该车类型明显与车牌信息D不同,例如,车牌信息C为黄牌,车型信息D为客车或货一;此时,则忽略车型识别结果,根据车辆的车轴确定车型,具体的,若车轴小于等于2,则统一判定车型为货二;若车轴等于3,则统一判定车型为货三;若车轴等于4,则统一判定车型为货四;若车轴等于5,则统一判定车型为货五;若车轴大于6,则统一判定车型为货六。这里的车轴指的是车辆的车轴排数。再比如,若车牌字符中带有专项车字符,则车型信息必须要专项车认定。
若有车牌信息C输出而无车型信息D输出,需要看入口车牌B;如该时间段内入口车牌B的个数无新增,说明出口车牌A1重复,此时需要对车牌进行再次校正,即将入口车牌信息A和出口车牌信息B重新反馈给控制中心进行校正,重新对车牌信息C赋值,且此次视作无车处理;如该时间段内入口车牌B的个数有新增,则说明车型信息D对应车辆漏车,需要再次校正车型,再次进行车型识别,再次比对,如再识别不出车型信息,则根据车牌颜色,字符,按车牌大数据统计规律得到该车的车型信息D。本步骤中该时间段内指的是车辆经过入口摄像头和出口摄像头之间的时间段内。
若有车型信息D输出而无车牌信息C输出,需要看出口车牌A,如该时间段内出口车牌A的个数无新增,说明车型信息D对应车辆重复识别,将此次车型识别判为无效,如该时间段内出口车牌A的个数有新增,说明出口车牌B存在漏车现象,需要再次校正车牌信息,即将入口车牌信息A和出口车牌信息B重新反馈给控制中心进行校正,重新对车牌信息C赋值,并将重新赋值之后的车牌信息C和车型信息D进行绑定。本步骤中该时间段内指的是车辆经过入口摄像头和出口摄像头之间的时间段内。
具体的,控制中心获取准确的车牌信息C的过程包含以下情形:
(1)车牌信息B包括车牌信息B1和车牌信息B2,车牌信息A包括车牌信息A1、车牌信息A2和车牌信息A3;
若车牌信息B1与车牌信息A1一致,且车牌信息B2与车牌信息A2一致,则车牌信息C与车牌信息B1一致;
若车牌信息B1与车牌信息A1一致,且车牌信息B2与车牌信息A3一致,则说明车牌信息A2为重复识别结果,车牌信息C与车牌信息B1一致;
若车牌信息B1与车牌信息A2一致,且车牌信息B2与车牌信息A3一致,则说明车牌信息A1为重复识别结果,则车牌信息C与车牌信息B1一致;
若仅车牌信息B2与车牌信息A1一致,则说明车牌信息B1为重复识别结果,车牌信息C与车牌信息B2一致;
若仅车牌信息B1与车牌信息A1一致,则说明车牌信息A1后面出现漏车,当前车辆的车牌信息C与车牌信息B1一致,下一车辆的车牌信息C与车牌信息B2一致。
(2)车牌信息B包括车牌信息B1和车牌信息B2,车牌信息A包括车牌信息A1和车牌信息A2;
若车牌信息B1与车牌信息A1一致,且车牌信息B2与车牌信息A2一致,则车牌信息C与车牌信息B1一致;
若车牌信息B1与车牌信息A2一致,则说明车牌信息A1为重复识别结果,车牌信息C与车牌信息B1一致;
若车牌信息B2与车牌信息A1一致,说明车牌信息A1之前漏车或者车牌信息B1为重复识别结果,此时,若车牌信息B1为空(无车牌),则车牌信息C与车牌信息B2一致;若车牌信息B1不为空,否则车牌信息C与车牌信息B1一致;
若车牌信息B1、车牌信息B2与车牌信息A1、车牌信息A2均不一致,则说明车牌信息B1、车牌信息B2重复,车牌信息C与车牌信息A1一致。
(3)车牌信息B包括车牌信息B1和车牌信息B2,车牌信息A包括车牌信息A1;
若车牌信息B1与车牌信息A1一致,则车牌信息C与车牌信息B1一致;
若车牌信息B2与车牌信息A1一致,则说明车牌信息B1为重复识别结果,车牌信息C与车牌信息B2一致;
若车牌信息B1和车牌信息B2与车牌信息A1均不一致,则说明车牌信息A1前漏车,车牌信息C与车牌信息B1一致。
(4)车牌信息B包括车牌信息B1和车牌信息B2,车牌信息A为空;则说明出口识别中心漏车严重,车牌信息C与车牌信息B1一致。
(5)车牌信息B包括车牌信息B1,车牌信息A包括车牌信息A1、车牌信息A2和车牌信息A3;
若车牌信息B1与车牌信息A1一致,则说明车牌信息B1后面漏车严重,车牌信息C与车牌信息B1一致;
若车牌信息B1与车牌信息A2一致,则说明车牌信息B1之前漏车,或者车牌信息A1位重复识别结果;此时,若车牌信息A1为空时,则车牌信息C与车牌信息B1一致;若车牌信息A1不为空时,车牌信息C与车牌信息A1一致;
若车牌信息B1与车牌信息A3一致,说明入口识别中心漏车严重;比较车牌信息A1、车牌信息A2、车牌信息A3中相邻车牌信息之间的时间差,若时间差均小于时间阈值,则车牌信息C与车牌信息A3一致;若至少一个时间差大于时间阈值,则比较车牌信息A1、车牌信息A2之间的时间差A21,若时间差A21小于时间阈值,则车牌信息C与车牌信息A2一致;否则,车牌信息C与车牌信息A1一致;
若车牌信息B1与车牌信息A1、车牌信息A2、车牌信息A3均不一致,比较车牌信息A1、车牌信息A2、车牌信息A3中相邻车牌信息之间的时间差,若时间差均小于时间阈值,则合并车牌信息A,车牌信息C与前者车牌信息A一致。例如,若车牌信息A2与车牌信息A1之间的时间差远远小于车牌信息A3与车牌信息A2之间的时间差,则车牌信息C与车牌信息A1一致。
(6)车牌信息B包括车牌信息B1,车牌信息A包括车牌信息A1和车牌信息A2;
若车牌信息B1与车牌信息A1一致,则车牌信息C与车牌信息B1一致;
若车牌信息B1与车牌信息A2一致,则说明车牌信息A1为重复识别结果,车牌信息C与车牌信息B1一致;
若车牌信息B1与车牌信息A1和车牌信息A2均不一致,则说明车牌信息B1位重复识别结果,车牌信息C与车牌信息A1一致。
(7)车牌信息B包括车牌信息B1,车牌信息A包括车牌信息A1;
若车牌信息B1与车牌信息A1一致,则车牌信息C与车牌信息B1一致;
若车牌信息B1与车牌信息A1不一致,则说明车牌信息B1重复,或者车牌信息A1之间漏车,此时,若车牌信息B1为空,则车牌信息C与车牌信息A1一致;若车牌信息B1不为空,则车牌信息C与车牌信息B1一致;
(8)车牌信息B包括车牌信息B1,所述车牌信息A为空;则说明出口识别中心漏车,车牌信息C与车牌信息B1一致。
本发明采用入口摄像头和入口识别中心获取车牌信息B,采用出口摄像头和出口识别中心获取车牌信息A,再通过自适应智能校核匹配算法获取准确的车牌信息C,并将车牌信息C和车型信息进行对比验证;本发明能够大大提高车牌识别和车型识别的准确性,可以广泛用于车辆管理的各个***中。
以上所述仅为本发明的优选实施例,所述实施例并非用于限制本发明的专利保护范围,因此凡是运用本发明的说明书及附图内容所作的等同结构变化,同理均应包含在本发明所附权利要求的保护范围内。
Claims (10)
1.一种车队管理***进行车型和车牌识别的方法,其特征在于,包括如下步骤:
S01:车辆驶入车道口,入口摄像头拍摄车牌图像B,并传输至入口识别中心;所述入口识别中心对车牌图像B进行计算,得出车牌信息B;其中,所述入口识别中心在M秒内识别到少于等于2个车牌信息B;M大于0;
S02:车型识别摄像头拍摄车辆图像,并传输至车型识别中心;所述车型识别中心对车辆图像进行计算,得出车型信息;
S03:车辆驶出车道口,出口摄像头拍摄车牌图像A,并传输至出口识别中心;所述出口识别中心对车牌图像A进行计算,得出车牌信息A;其中,所述出口识别中心在2M秒内识别到少于等于3个车牌信息A;
S04:车牌信息B、车型信息和车牌信息A传输至控制中心,所述控制中心采用自适应智能校核匹配算法获取准确的车牌信息C和车型信息。
2.根据权利要求1所述的一种车队管理***进行车型和车牌识别的方法,其特征在于,所述车牌信息B包括车牌信息B1和车牌信息B2,所述车牌信息A包括车牌信息A1、车牌信息A2和车牌信息A3;
若车牌信息B1与车牌信息A1一致,且车牌信息B2与车牌信息A2一致,则车牌信息C与车牌信息B1一致;
若车牌信息B1与车牌信息A1一致,且车牌信息B2与车牌信息A3一致,则车牌信息C与车牌信息B1一致;
若车牌信息B1与车牌信息A2一致,且车牌信息B2与车牌信息A3一致,则车牌信息C与车牌信息B1一致;
若仅车牌信息B2与车牌信息A1一致,则车牌信息C与车牌信息B2一致;
若仅车牌信息B1与车牌信息A1一致,则车牌信息C与车牌信息B1一致。
3.根据权利要求1所述的一种车队管理***进行车型和车牌识别的方法,其特征在于,所述车牌信息B包括车牌信息B1和车牌信息B2,所述车牌信息A包括车牌信息A1和车牌信息A2;
若车牌信息B1与车牌信息A1一致,且车牌信息B2与车牌信息A2一致,则车牌信息C与车牌信息B1一致;
若车牌信息B1与车牌信息A2一致,且车牌信息B1为空,则车牌信息C 与车牌信息B2一致;若车牌信息B1与车牌信息A2一致,且车牌信息B1不为空,否则车牌信息C与车牌信息B1一致;
若车牌信息B1、车牌信息B2与车牌信息A1、车牌信息A2均不一致,则车牌信息C与车牌信息A1一致。
4.根据权利要求1所述的一种车队管理***进行车型和车牌识别的方法,其特征在于,所述车牌信息B包括车牌信息B1和车牌信息B2,所述车牌信息A包括车牌信息A1;
若车牌信息B1与车牌信息A1一致,则车牌信息C与车牌信息B1一致;
若车牌信息B1与车牌信息A2一致,则车牌信息C与车牌信息B1一致;
若车牌信息B2与车牌信息A1一致,则车牌信息C与车牌信息B2一致;
若车牌信息B1和车牌信息B2与车牌信息A1均不一致,则车牌信息C与车牌信息B1一致。
5.根据权利要求1所述的一种车队管理***进行车型和车牌识别的方法,其特征在于,当所述车牌信息B包括车牌信息B1和车牌信息B2,所述车牌信息A为空时;则车牌信息C与车牌信息B1一致;
当所述车牌信息B包括车牌信息B1,所述车牌信息A为空时;则车牌信息C与车牌信息B1一致。
6.根据权利要求1所述的一种车队管理***进行车型和车牌识别的方法,其特征在于,所述车牌信息B包括车牌信息B1,所述车牌信息A包括车牌信息A1、车牌信息A2和车牌信息A3;
若车牌信息B1与车牌信息A1一致,则车牌信息C与车牌信息B1一致;
若车牌信息B1与车牌信息A2一致,且车牌信息A1为空时,车牌信息C与车牌信息B1一致;若车牌信息B1与车牌信息A2一致,且车牌信息A1不为空时,车牌信息C与车牌信息A1一致;
若车牌信息B1与车牌信息A3一致,比较车牌信息A1、车牌信息A2、车牌信息A3中相邻车牌信息之间的时间差,若时间差均小于时间阈值,则车牌信息C与车牌信息A3一致;若车牌信息B1与车牌信息A3一致,比较车牌信息A1、车牌信息A2、车牌信息A3中相邻车牌信息之间的时间差,若至少一个时间差大于时间阈值,则比较车牌信息A1、车牌信息A2之间的时间差A21,若时间差A21小于时间阈值,则车牌信息C与车牌信息A2一致;否则,车牌信息C与车牌信息A1一致;
若车牌信息B1与车牌信息A1、车牌信息A2、车牌信息A3均不一致,比较车牌信息A1、车牌信息A2、车牌信息A3中相邻车牌信息之间的时间差,若时间差均小于时间阈值,则车牌信息C与车牌信息A1一致。
7.根据权利要求1所述的一种车队管理***进行车型和车牌识别的方法,其特征在于,所述车牌信息B包括车牌信息B1,所述车牌信息A包括车牌信息A1和车牌信息A2;
若车牌信息B1与车牌信息A1一致,则车牌信息C与车牌信息B1一致;
若车牌信息B1与车牌信息A2一致,则车牌信息C与车牌信息B1一致;
若车牌信息B1与车牌信息A1和车牌信息A2均不一致,则车牌信息C与车牌信息A1一致。
8.根据权利要求1所述的一种车队管理***进行车型和车牌识别的方法,其特征在于,所述车牌信息B包括车牌信息B1,所述车牌信息A包括车牌信息A1;
若车牌信息B1与车牌信息A1一致,则车牌信息C与车牌信息B1一致;
若车牌信息B1与车牌信息A1不一致,且车牌信息B1为空,则车牌信息C与车牌信息A1一致;若车牌信息B1与车牌信息A1不一致,且车牌信息B1不为空,则车牌信息C与车牌信息B1一致。
9.根据权利要求1所述的一种车队管理***进行车型和车牌识别的方法,其特征在于,所述步骤S02中车型识别摄像头的视野中心线与车道夹角为80度至100度之间的任意值,且所述车型识别摄像头拍摄M帧车辆图像,所述识别中心先将M帧车辆图像拼接为完整的车辆侧面图,再根据所述车辆侧面图进行车型识别。
10.根据权利要求1所述的一种车队管理***进行车型和车牌识别的方法,其特征在于,所述步骤S04中控制中心根据车牌信息B和车牌信息A,并采用自适应智能校核匹配算法获取准确的车牌信息C;所述控制中心将车牌信息C和车型信息进行对比核验,若二者一致,则输出车牌信息C和车型信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010732306.1A CN111899389B (zh) | 2020-07-27 | 2020-07-27 | 一种车队管理***进行车型和车牌识别的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010732306.1A CN111899389B (zh) | 2020-07-27 | 2020-07-27 | 一种车队管理***进行车型和车牌识别的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111899389A true CN111899389A (zh) | 2020-11-06 |
CN111899389B CN111899389B (zh) | 2022-06-28 |
Family
ID=73190033
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010732306.1A Active CN111899389B (zh) | 2020-07-27 | 2020-07-27 | 一种车队管理***进行车型和车牌识别的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111899389B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014002534A (ja) * | 2012-06-18 | 2014-01-09 | Toshiba Corp | 車種判別装置及び車種判別方法 |
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 |
CN104574977A (zh) * | 2013-10-14 | 2015-04-29 | 泓格科技股份有限公司 | 车辆通行信息辨识媒合*** |
CN106127107A (zh) * | 2016-06-14 | 2016-11-16 | 宁波熵联信息技术有限公司 | 基于车牌信息和车辆轮廓的多路视频信息融合的车型识别方法 |
CN106384537A (zh) * | 2016-10-12 | 2017-02-08 | 防城港市港口区升聚科技有限公司 | 基于视频技术的停车场管理*** |
KR101730465B1 (ko) * | 2016-12-19 | 2017-04-27 | 주식회사 디아이랩 | 차량의 부가정보를 활용한 차량 인식 방법 및 시스템 |
CN106710230A (zh) * | 2017-01-24 | 2017-05-24 | 杨茂君 | 机动车车型分类自动识别***及其所采用的识别方法 |
CN107122740A (zh) * | 2017-04-26 | 2017-09-01 | 南京理工大学 | 一种基于双摄像机的车型识别装置及方法 |
CN108205897A (zh) * | 2016-12-16 | 2018-06-26 | 北京迪科达科技有限公司 | 一种车辆的车***识别*** |
CN108389396A (zh) * | 2018-02-28 | 2018-08-10 | 北京精英智通科技股份有限公司 | 一种基于视频的车型匹配方法、装置和计费*** |
CN108986242A (zh) * | 2018-06-25 | 2018-12-11 | 广州安迪信息技术有限公司 | 一种用于高速公路不停车移动支付车道的二次车牌识别***及方法 |
-
2020
- 2020-07-27 CN CN202010732306.1A patent/CN111899389B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014002534A (ja) * | 2012-06-18 | 2014-01-09 | Toshiba Corp | 車種判別装置及び車種判別方法 |
CN104574977A (zh) * | 2013-10-14 | 2015-04-29 | 泓格科技股份有限公司 | 车辆通行信息辨识媒合*** |
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 |
CN106127107A (zh) * | 2016-06-14 | 2016-11-16 | 宁波熵联信息技术有限公司 | 基于车牌信息和车辆轮廓的多路视频信息融合的车型识别方法 |
CN106384537A (zh) * | 2016-10-12 | 2017-02-08 | 防城港市港口区升聚科技有限公司 | 基于视频技术的停车场管理*** |
CN108205897A (zh) * | 2016-12-16 | 2018-06-26 | 北京迪科达科技有限公司 | 一种车辆的车***识别*** |
KR101730465B1 (ko) * | 2016-12-19 | 2017-04-27 | 주식회사 디아이랩 | 차량의 부가정보를 활용한 차량 인식 방법 및 시스템 |
CN106710230A (zh) * | 2017-01-24 | 2017-05-24 | 杨茂君 | 机动车车型分类自动识别***及其所采用的识别方法 |
CN107122740A (zh) * | 2017-04-26 | 2017-09-01 | 南京理工大学 | 一种基于双摄像机的车型识别装置及方法 |
CN108389396A (zh) * | 2018-02-28 | 2018-08-10 | 北京精英智通科技股份有限公司 | 一种基于视频的车型匹配方法、装置和计费*** |
CN108986242A (zh) * | 2018-06-25 | 2018-12-11 | 广州安迪信息技术有限公司 | 一种用于高速公路不停车移动支付车道的二次车牌识别***及方法 |
Non-Patent Citations (1)
Title |
---|
冯帆: "基于序列图像的车身长度尺寸在线测量方法与技术研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
Also Published As
Publication number | Publication date |
---|---|
CN111899389B (zh) | 2022-06-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111860384B (zh) | 一种车型识别方法 | |
CN107967806B (zh) | 车辆套牌检测方法、装置、可读存储介质及电子设备 | |
Satzoda et al. | Multipart vehicle detection using symmetry-derived analysis and active learning | |
US6888953B2 (en) | Vehicle surroundings monitoring apparatus | |
CN106991820B (zh) | 违规车辆处理方法及装置 | |
CN104574540A (zh) | 电子不停车收费***及方法 | |
US20210271866A1 (en) | Pedestrian action recognition and localization using rgb images | |
CN112528807B (zh) | 行驶轨迹的预测方法、装置、电子设备及存储介质 | |
CN110232827B (zh) | 自由流收费车型识别方法、装置及*** | |
US11482012B2 (en) | Method for driving assistance and mobile device using the method | |
CN110232324A (zh) | 一种高速公路收费车型的自动识别***及方法 | |
CN111914678A (zh) | 一种多车辆车牌匹配的方法、装置及存储介质 | |
CN112115939A (zh) | 车辆车牌的识别方法、装置 | |
CN107393311A (zh) | 一种车牌篡改识别装置及方法 | |
Gao et al. | On‐line vehicle detection at nighttime‐based tail‐light pairing with saliency detection in the multi‐lane intersection | |
CN111899389B (zh) | 一种车队管理***进行车型和车牌识别的方法 | |
CN112183206B (zh) | 一种基于路侧单目摄像头的交通参与者定位方法和*** | |
CN111862622B (zh) | 一种提高车道口车牌识别准确率的装置及方法 | |
CN113674442B (zh) | 无感通行方法、装置、电子设备和计算机可读存储介质 | |
CN207518750U (zh) | 一种适用于车辆上的针对交通违法车辆车牌识别装置 | |
CN111862364A (zh) | 一种收费站自动发卡***及发卡方法 | |
CN112164205B (zh) | 告警信息的发送方法及装置 | |
CN115588301A (zh) | 基于交通摄像头的骑车人检测分析方法及*** | |
CN112133108B (zh) | 提示信息的发送方法及装置 | |
CN111860381A (zh) | 一种车道口的车轴计数装置和方法 |
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 |