一種車(chē)標(biāo)識(shí)別方法及車(chē)標(biāo)識(shí)別系統(tǒng)的制作方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及計(jì)算機(jī)視覺(jué)技術(shù)領(lǐng)域，具體涉及一種車(chē)標(biāo)識(shí)別方法及車(chē)標(biāo)識(shí)別系統(tǒng)。
【背景技術(shù)】
[0002] 近年來(lái)，伴隨著道路交通的迅猛發(fā)展，車(chē)輛數(shù)量及交通流量增加，車(chē)輛督管困難越 來(lái)越大，利用車(chē)輛實(shí)施犯罪的行為越來(lái)越多，智能交通系統(tǒng)被提到了不可忽視的位置。智能 交通系統(tǒng)是為解決日益緊張的地面交通的諸多困難而出現(xiàn)的一個(gè)新的技術(shù)領(lǐng)域，是以信息 技術(shù)為典型代表的高新技術(shù)在道路交通方面的集成應(yīng)用，受到全球的高度重視，是包括發(fā) 達(dá)國(guó)家和發(fā)展中國(guó)家在內(nèi)的很多國(guó)家積極扶持的項(xiàng)目。
[0003] 在相當(dāng)長(zhǎng)一段時(shí)間里對(duì)車(chē)輛識(shí)別的研究及應(yīng)用都把重點(diǎn)放在車(chē)牌和車(chē)型自動(dòng)識(shí) 別上。但犯罪嫌疑人為了隱藏真相，轉(zhuǎn)移視線(xiàn)，避免打擊，采用種類(lèi)繁多的方式來(lái)掩蓋，一般 有不懸掛車(chē)牌、套用假車(chē)牌、盜用真車(chē)牌、遮擋車(chē)牌，單靠車(chē)牌識(shí)別給抓獲和破案加大了難 度，給偵查工作帶來(lái)了極大的阻力，事實(shí)證明只通過(guò)車(chē)牌和車(chē)型等信息未能完全達(dá)到準(zhǔn)確 判別車(chē)輛身份的目的。為了有效打擊利用車(chē)輛的犯罪做法，相關(guān)辦案人員需要借助其它車(chē) 輛特征來(lái)進(jìn)行偵查。若車(chē)輛識(shí)別能盡大限度依據(jù)車(chē)輛信息對(duì)目標(biāo)車(chē)輛進(jìn)行判別，則會(huì)極大 提高車(chē)輛識(shí)別的準(zhǔn)確性。除車(chē)牌和車(chē)型信息外，車(chē)輛還有車(chē)標(biāo)這一重要的信息。車(chē)標(biāo)包含 了車(chē)輛的車(chē)型信息，另外它還包含了無(wú)法更改的生產(chǎn)廠家的信息。本發(fā)明就是在這樣的應(yīng) 用背景下提出了基于智能相機(jī)的車(chē)標(biāo)識(shí)別系統(tǒng)。
[0004] 車(chē)標(biāo)作為車(chē)輛的主要特征之一，具有難以更換和容易被犯罪嫌疑人忽略等特點(diǎn)， 可以很好地為偵查人員提供線(xiàn)索，加大智能交通系統(tǒng)的辨識(shí)度。一方面，該方法可以應(yīng)用到 高速路口、加油站、停車(chē)場(chǎng)、小區(qū)大門(mén)口等視頻監(jiān)控系統(tǒng)中，記錄出入車(chē)輛的車(chē)標(biāo)信息，再結(jié) 合車(chē)牌內(nèi)容，建立出入車(chē)輛信息數(shù)據(jù)庫(kù)，若有關(guān)于車(chē)輛的警情，民警可以根據(jù)車(chē)輛信息數(shù)據(jù) 庫(kù)內(nèi)容迅速搜索嫌疑車(chē)輛，方便、快速地為警務(wù)提供線(xiàn)索；另一方面，將建立的出入車(chē)輛信 息數(shù)據(jù)庫(kù)和標(biāo)準(zhǔn)的車(chē)輛管理庫(kù)中的車(chē)牌及車(chē)標(biāo)等數(shù)據(jù)進(jìn)行比照，可判斷出車(chē)輛是否存在假 牌、套牌的違規(guī)現(xiàn)象，可以幫助打擊車(chē)輛套牌及對(duì)車(chē)牌進(jìn)行修改的犯罪活動(dòng)。
[0005] 車(chē)標(biāo)識(shí)別系統(tǒng)包括車(chē)標(biāo)定位和車(chē)標(biāo)圖像識(shí)別兩個(gè)部分，由于車(chē)標(biāo)自身的大小差別 很大，形態(tài)各異，給車(chē)標(biāo)定位帶來(lái)了一定的困難，但是可以利用一些視覺(jué)特征，如灰度、邊 緣、幾何等特征來(lái)定位車(chē)標(biāo)。基于先驗(yàn)知識(shí)的車(chē)標(biāo)定位算法由于避免了全方位，多尺度的搜 索，可以用于實(shí)時(shí)的車(chē)標(biāo)定位系統(tǒng)，取得良好的效果，但由于先驗(yàn)知識(shí)算法自身的局限性， 對(duì)光照變化和復(fù)雜場(chǎng)景十分敏感，難以精確定位車(chē)標(biāo)。由于圖像的邊緣直方圖可以反映目 標(biāo)圖像的形狀和邊緣特征，同類(lèi)車(chē)標(biāo)具有類(lèi)似的邊緣直方圖，而不同類(lèi)車(chē)標(biāo)的邊緣直方圖 相差很大，用此方法能夠用于車(chē)標(biāo)識(shí)別，這種方法簡(jiǎn)單并且計(jì)算速度快，但有些車(chē)標(biāo)的形狀 和邊緣特征并不十分明顯，容易造成識(shí)別誤差，因而單獨(dú)利用該特征難以達(dá)到較好的識(shí)別 結(jié)果。

【發(fā)明內(nèi)容】

[0006] 本發(fā)明所要解決的技術(shù)問(wèn)題是提供一種車(chē)標(biāo)識(shí)別方法及車(chē)標(biāo)識(shí)別系統(tǒng)，算法簡(jiǎn) 單，對(duì)車(chē)標(biāo)的識(shí)別精確。
[0007] 本發(fā)明解決上述技術(shù)問(wèn)題的技術(shù)方案如下：
[0008] 基于本發(fā)明的一個(gè)方面，提供了一種車(chē)標(biāo)識(shí)別方法，所述方法包括：
[0009] S1、利用基于CNN彩色圖像邊緣檢測(cè)算法從獲得的車(chē)頭視頻圖像中識(shí)別車(chē)牌位 置；
[0010] S2、基于車(chē)牌與車(chē)標(biāo)的位置關(guān)系，選取車(chē)牌位置上方預(yù)定倍數(shù)于車(chē)牌高度、與車(chē)牌 寬度相同的區(qū)域作為初步車(chē)標(biāo)圖像區(qū)域，并對(duì)所述初步車(chē)標(biāo)圖像區(qū)域進(jìn)行數(shù)學(xué)形態(tài)學(xué)圖像 處理，得到精確定位的待識(shí)別車(chē)標(biāo)圖像；
[0011] S3、判斷所述待識(shí)別車(chē)標(biāo)圖像所屬類(lèi)型；
[0012] S4a、按照待識(shí)別車(chē)標(biāo)圖像的類(lèi)型，將所述待識(shí)別車(chē)標(biāo)圖像與標(biāo)準(zhǔn)模板庫(kù)中相應(yīng)類(lèi) 型的每一個(gè)車(chē)標(biāo)模板圖像依次進(jìn)行模板匹配，得到對(duì)應(yīng)的多個(gè)模板匹配系數(shù)；
[0013] S4b、提取待識(shí)別車(chē)標(biāo)圖像和標(biāo)準(zhǔn)模板庫(kù)中的每一個(gè)車(chē)標(biāo)模板圖像的不變矩特征， 并按照所述待識(shí)別車(chē)標(biāo)圖像的類(lèi)型，將所述待識(shí)別車(chē)標(biāo)圖像與標(biāo)準(zhǔn)模板庫(kù)中相應(yīng)類(lèi)型的每 一個(gè)車(chē)標(biāo)模板圖像依次進(jìn)行特征匹配，得到對(duì)應(yīng)的多個(gè)特征匹配系數(shù)；
[0014] S5、將每一個(gè)所述模板匹配系數(shù)和每一個(gè)所述特征匹配系數(shù)對(duì)應(yīng)進(jìn)行加權(quán)計(jì)算得 到多個(gè)最終匹配系數(shù)，選取數(shù)值最大的最終匹配系數(shù)，根據(jù)該數(shù)值最大的最終匹配系數(shù)與 第一給定閾值的比較關(guān)系，輸出車(chē)標(biāo)識(shí)別結(jié)果。
[0015] 基于本發(fā)明的另一個(gè)方面，提供了一種車(chē)標(biāo)識(shí)別系統(tǒng)，所述系統(tǒng)包括：
[0016] 車(chē)牌位置識(shí)別模塊，用于利用基于CNN彩色圖像邊緣檢測(cè)算法從獲取的車(chē)頭視頻 圖像中識(shí)別出車(chē)牌位置；
[0017] 車(chē)標(biāo)圖像定位模塊，用于選取車(chē)牌位置上方預(yù)定倍數(shù)于車(chē)牌高度、與車(chē)牌寬度相 同的區(qū)域作為初步車(chē)標(biāo)圖像區(qū)域，并對(duì)所述初步車(chē)標(biāo)圖像區(qū)域進(jìn)行數(shù)學(xué)形態(tài)學(xué)圖像處理， 得到精確定位的待識(shí)別車(chē)標(biāo)圖像；
[0018] 車(chē)標(biāo)類(lèi)型判斷模塊，用于判斷所述待識(shí)別車(chē)標(biāo)圖像所屬類(lèi)型；
[0019] 模板匹配模塊，用于按照待識(shí)別車(chē)標(biāo)圖像的類(lèi)型，將所述待識(shí)別車(chē)標(biāo)圖像與標(biāo)準(zhǔn) 模板庫(kù)中相應(yīng)類(lèi)型的每一個(gè)車(chē)標(biāo)模板圖像依次進(jìn)行模板匹配，得到對(duì)應(yīng)的多個(gè)模板匹配系 數(shù)；
[0020] 特征匹配模塊，用于提取待識(shí)別車(chē)標(biāo)圖像和標(biāo)準(zhǔn)模板庫(kù)中的每一個(gè)車(chē)標(biāo)模板圖像 的不變矩特征，并按照所述待識(shí)別車(chē)標(biāo)圖像的類(lèi)型，將所述待識(shí)別車(chē)標(biāo)圖像與標(biāo)準(zhǔn)模板庫(kù) 中相應(yīng)類(lèi)型的每一個(gè)車(chē)標(biāo)模板圖像依次進(jìn)行特征匹配，得到對(duì)應(yīng)的多個(gè)特征匹配系數(shù)；
[0021] 最終匹配系數(shù)計(jì)算模塊，用于將每一個(gè)所述模板匹配系數(shù)和每一個(gè)所述特征匹配 系數(shù)對(duì)應(yīng)進(jìn)行加權(quán)計(jì)算獲得多個(gè)最終匹配系數(shù)；
[0022] 識(shí)別結(jié)果輸出模塊，用于選取數(shù)值最大的最終匹配系數(shù)，根據(jù)該數(shù)值最大的最終 匹配系數(shù)與第一給定閾值的比較關(guān)系，輸出車(chē)標(biāo)識(shí)別結(jié)果。
[0023] 本發(fā)明提供的一種車(chē)標(biāo)識(shí)別方法及車(chē)標(biāo)識(shí)別系統(tǒng)，利用現(xiàn)有成熟的車(chē)牌識(shí)別技術(shù) 從視頻圖像中識(shí)別出車(chē)牌位置，并根據(jù)車(chē)牌與車(chē)標(biāo)的位置關(guān)系初步確定車(chē)標(biāo)位置，在根據(jù) 形態(tài)學(xué)變換精定位車(chē)標(biāo)，并利用模板匹配和特征匹配相結(jié)合實(shí)現(xiàn)車(chē)標(biāo)識(shí)別，逐層定位和識(shí) 另IJ，算法簡(jiǎn)單，內(nèi)存消耗少，處理速度快。
【附圖說(shuō)明】
[0024] 圖1為本發(fā)明實(shí)施例1的一種車(chē)標(biāo)識(shí)別方法流程圖；
[0025] 圖2為本發(fā)明實(shí)施例2的一種車(chē)標(biāo)識(shí)別系統(tǒng)示意圖。
【具體實(shí)施方式】
[0026] 以下結(jié)合附圖對(duì)本發(fā)明的原理和特征進(jìn)行描述，所舉實(shí)例只用于解釋本發(fā)明，并 非用于限定本發(fā)明的范圍。
[0027] 實(shí)施例1、一種車(chē)標(biāo)識(shí)別方法。以下結(jié)合圖1對(duì)本實(shí)施例提供的車(chē)標(biāo)識(shí)別方法進(jìn)行 詳細(xì)說(shuō)明。
[0028] 參見(jiàn)圖1，S1、利用基于CNN彩色圖像邊緣檢測(cè)算法從獲得的車(chē)頭視頻圖像中識(shí)別 車(chē)牌位置。
[0029] 具體的，可以利用攝像裝置拍攝多幅車(chē)輛的車(chē)頭視頻圖像，比如，利用智能相 機(jī)中的攝像頭進(jìn)行拍攝，并從拍攝的多個(gè)車(chē)頭視頻圖像中選取一張比較清晰的車(chē)頭視 頻圖像，并利用現(xiàn)有的比較成熟的車(chē)牌識(shí)別方法從視頻圖像中識(shí)別出車(chē)牌位置，本實(shí)施 例中采用基于CNN(Cellular neural network，細(xì)胞神經(jīng)網(wǎng)絡(luò)）彩色圖像邊緣檢測(cè)算 法（劉萬(wàn)軍，姜慶玲，張闖.基于CNN彩色圖像邊緣檢測(cè)的車(chē)牌定位方法.自動(dòng)化學(xué) 報(bào).2009, 35 (12) : 1503-1512)從視頻圖像中識(shí)別出車(chē)牌位置。
[0030] S2、基于車(chē)牌與車(chē)標(biāo)的位置關(guān)系，選取車(chē)牌位置上方預(yù)定倍數(shù)于車(chē)牌高度、與車(chē)牌 寬度相同的區(qū)域作為初步車(chē)標(biāo)圖像區(qū)域，并對(duì)所述初步車(chē)標(biāo)圖像區(qū)域進(jìn)行數(shù)學(xué)形態(tài)學(xué)圖像 處理，得到精確定位的待識(shí)別車(chē)標(biāo)圖像。
[0031] 具體的，在現(xiàn)實(shí)情況中，車(chē)標(biāo)位置通常位于車(chē)牌位置上方，不同車(chē)型的車(chē)牌與車(chē)標(biāo) 的距離不同，為了盡可能包括所有可能的情況，選取車(chē)牌上方盡可能大的區(qū)域作為車(chē)標(biāo)的 粗略區(qū)域范