基于視頻流的車牌識(shí)別方法、系統(tǒng)及智能數(shù)字?jǐn)z像機(jī)的制作方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明設(shè)及圖像處理技術(shù)領(lǐng)域，特別是一種基于視頻流的車牌識(shí)別方法及其應(yīng)用 該方法的系統(tǒng)、智能數(shù)字?jǐn)z像機(jī)。
【背景技術(shù)】
[0002] 傳統(tǒng)的停車場(chǎng)采用的大多是近距離刷卡或取票的方式作為車輛進(jìn)出場(chǎng)的憑證。車 輛進(jìn)出場(chǎng)時(shí)車主必須減速停車W刷卡或取票，運(yùn)些方式往往會(huì)帶來(lái)很多不便，如高峰期時(shí) 容易造成出入口擁堵不楊、上下坡道刷卡時(shí)容易造成溜車、下雨天車主在戶外停車場(chǎng)出入 口刷卡/取票時(shí)手臂會(huì)被淋濕等等。
[0003] 部分停車場(chǎng)針對(duì)上述傳統(tǒng)方法提出了改進(jìn)措施，其通過(guò)采取視頻觸發(fā)1張或幾張 圖像到服務(wù)器進(jìn)行識(shí)別，但是受到復(fù)雜環(huán)境、強(qiáng)光照射、車輛傾斜角度大等因素影響，大大 降低了車牌識(shí)別的準(zhǔn)確率。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明為解決上述問(wèn)題，提供了一種基于視頻流的車牌識(shí)別方法、系統(tǒng)及智能數(shù) 字?jǐn)z像機(jī)，極大的提高了車牌識(shí)別的準(zhǔn)確率。
[0005] 為實(shí)現(xiàn)上述目的，本發(fā)明采用的技術(shù)方案為：
[0006] 首先，本發(fā)明提供一種基于視頻流的車牌識(shí)別方法，其包括W下步驟：
[0007] 10.獲取包含待識(shí)別車輛的車牌信息的視頻流中的原始帖圖像；
[000引20.對(duì)所述的原始帖圖像進(jìn)行賭和信噪比的參數(shù)分析，得到各個(gè)原始帖圖像的最 佳信息的位置信息；
[0009] 30.根據(jù)所述的各個(gè)原始帖圖像的最佳信息的位置信息進(jìn)行圖像重構(gòu)，得到融合 圖像；
[0010] 40.對(duì)所述的融合圖像進(jìn)行車牌識(shí)別，并同時(shí)對(duì)所述的原始帖圖像進(jìn)行車牌識(shí)別；
[0011] 50.對(duì)所述的融合圖像的車牌識(shí)別結(jié)果和所述的原始帖圖像的車牌識(shí)別結(jié)果進(jìn)行 可信度分析，得到最終的車牌識(shí)別結(jié)果。
[0012] 優(yōu)選的，所述的步驟20進(jìn)一步包括W下步驟：
[0013] 21.對(duì)所述的原始帖圖像進(jìn)行小波變換的去噪處理，得到去噪圖像；
[0014] 22.計(jì)算所述去噪圖像的賭和信噪比；
[0015] 23.根據(jù)計(jì)算得到的賭與信噪比建立模糊隸屬度模型；
[0016] 24.根據(jù)所述的模糊隸屬度模型，得到各個(gè)原始帖圖像的最佳信息的位置信息。
[0017] 優(yōu)選的，所述的步驟20中，所述的最佳信息的位置信息的計(jì)算方法，進(jìn)一步包括W 下步驟：
[0018] a.將賭大于第一預(yù)設(shè)闊值的原始帖圖像的位置信息判斷為最佳信息的位置信息， 將賭小于第二預(yù)設(shè)闊值的原始帖圖像的位置信息判斷為較差信息的位置信息，將賭介于所 述第一預(yù)設(shè)闊值和所述第二預(yù)設(shè)闊值之間的原始帖圖像的位置信息判斷為模糊區(qū)域；
[0019] b.將信噪比大于第Ξ預(yù)設(shè)闊值的原始帖圖像的位置信息判斷為最佳信息的位置 信息，將信噪比小于第四預(yù)設(shè)闊值的原始帖圖像的位置信息判斷為較差信息的位置信息， 將信噪比介于所述第Ξ預(yù)設(shè)闊值和所述第四預(yù)設(shè)闊值之間的原始帖圖像的位置信息判斷 為模糊區(qū)域；
[0020] C.將所述步驟a和所述步驟b的判斷結(jié)果相合并，得到賭大于第一預(yù)設(shè)闊值且信噪 比大于第Ξ預(yù)設(shè)闊值的原始帖圖像的位置信息判斷為最終的最佳信息的位置信息。
[0021] 優(yōu)選的，所述的步驟30中根據(jù)所述的各個(gè)原始帖圖像的最佳信息的位置信息進(jìn)行 圖像重構(gòu)得到融合圖像，是指該融合圖像中的每個(gè)位置的信息，是通過(guò)選擇所述的各個(gè)原 始帖圖像的對(duì)應(yīng)位置的最佳信息進(jìn)行拼接，從而融合出一張具有各個(gè)原始帖圖像的最佳信 息的最佳圖像作為融合圖像。
[0022] 優(yōu)選的，所述的步驟40中，對(duì)所述的融合圖像和所述的原始帖圖像進(jìn)行車牌識(shí)別， 是使用基于最優(yōu)特征的車牌識(shí)別算法分別對(duì)所述的融合圖像和所述的原始帖圖像進(jìn)行車 牌識(shí)別，其進(jìn)一步包括W下步驟：
[0023] 41.從圖像中提取5組特征，分別為冊(cè)G特征、HAAR特征、LBP特征、DPM特征和MS邸特 征。
[0024] 42.使用ADAB00ST算法從所述的5組特征中自動(dòng)挑選出最優(yōu)特征；
[00巧]43.利用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行分類器訓(xùn)練；
[0026] 44.使用所述的分類器對(duì)所述的融合圖像和所述的原始帖圖像進(jìn)行車牌識(shí)別。
[0027] 優(yōu)選的，所述的步驟50中，對(duì)所述的融合圖像的車牌識(shí)別結(jié)果和所述的原始帖圖 像的車牌識(shí)別結(jié)果進(jìn)行可信度分析，進(jìn)一步包括W下步驟：
[0028] 51.對(duì)所述的融合圖像的車牌識(shí)別結(jié)果和所述的原始帖圖像的車牌識(shí)別結(jié)果進(jìn)行 正確車牌的可信度分析，將可信度大于第五預(yù)設(shè)闊值的車牌識(shí)別結(jié)果判斷為正確車牌，將 可信度小于第六預(yù)設(shè)闊值的車牌識(shí)別結(jié)果判斷為錯(cuò)誤車牌，將可信度介于所述第五預(yù)設(shè)闊 值和所述第六預(yù)設(shè)闊值之間的車牌識(shí)別結(jié)果判斷為正確車牌可信度分析的模糊區(qū)域；
[0029] 52.對(duì)所述的融合圖像的車牌識(shí)別結(jié)果和所述的原始帖圖像的車牌識(shí)別結(jié)果進(jìn)行 錯(cuò)誤車牌的可信度分析，將可信度大于第五預(yù)設(shè)闊值的車牌識(shí)別結(jié)果判斷為正確車牌，將 可信度小于第六預(yù)設(shè)闊值的車牌識(shí)別結(jié)果判斷為錯(cuò)誤車牌，將可信度介于所述第五預(yù)設(shè)闊 值和所述第六預(yù)設(shè)闊值之間的車牌識(shí)別結(jié)果判斷為錯(cuò)誤車牌可信度分析的模糊區(qū)域；
[0030] 53.將所述正確車牌可信度分析的模糊區(qū)域與所述錯(cuò)誤車牌可信度分析的模糊區(qū) 域進(jìn)行比較分析，若所述正確車牌可信度分析的模糊區(qū)域大于所述錯(cuò)誤車牌可信度分析的 模糊區(qū)域，則判斷為所述融合圖像的車牌識(shí)別結(jié)果為正確車牌，反之為錯(cuò)誤車牌。
[0031] 其次，本發(fā)明提供一種基于視頻流的車牌識(shí)別系統(tǒng)，其包括：
[0032] 圖像質(zhì)量評(píng)價(jià)模塊，其基于圖像內(nèi)容結(jié)構(gòu)、相位相似性的圖像質(zhì)量評(píng)價(jià)算法對(duì)待 識(shí)別車輛的視頻流進(jìn)行逐帖分析，得到圖像質(zhì)量較好的原始帖圖像；
[0033] 圖像分析模塊，其對(duì)所述的原始帖圖像進(jìn)行賭和信噪比的參數(shù)分析，得到各個(gè)原 始帖圖像的最佳信息的位置信息；
[0034] 圖像融合模塊，其根據(jù)所述的各個(gè)原始帖圖像的最佳信息的位置信息進(jìn)行圖像重 構(gòu)，得到融合圖像；
[0035] 車牌識(shí)別模塊，其對(duì)所述的融合圖像進(jìn)行車牌識(shí)別，并同時(shí)對(duì)所述的原始帖圖像 進(jìn)行車牌識(shí)別；
[0036] 可信度分析模塊，其對(duì)所述的融合圖像的車牌識(shí)別結(jié)果和所述的原始帖圖像的車 牌識(shí)別結(jié)果進(jìn)行可信度分析，得到最終的車牌識(shí)別結(jié)果。
[0037] 優(yōu)選的，還包括無(wú)線通信模塊，用于將所述的融合圖像的車牌識(shí)別結(jié)果和所述的 原始帖圖像的車牌識(shí)別結(jié)果上傳中遠(yuǎn)程服務(wù)器進(jìn)行存儲(chǔ)和應(yīng)用。
[0038] 另外，本發(fā)明還提供一種智能數(shù)字?jǐn)z像機(jī)，其特征在于，該智能數(shù)字?jǐn)z像機(jī)包括如 上所述的基于視頻流的車牌識(shí)別系統(tǒng)。
[0039] 本發(fā)明的有益效果是：
[0040] 1.當(dāng)車流量多時(shí)，容易出現(xiàn)前車遮擋住后車車牌的情況，通過(guò)視頻車牌識(shí)別，選擇 視頻流中車牌未被遮擋時(shí)的圖片進(jìn)行車牌識(shí)別，得到最佳車牌信息，識(shí)別準(zhǔn)確率更高，并能 降低漏收費(fèi)的概率。
[0041] 2.復(fù)雜環(huán)境中（如夜晚、雨天等)或強(qiáng)光照射導(dǎo)致圖片曝光過(guò)度車牌無(wú)法識(shí)別的情 況或彎道導(dǎo)致車輛傾斜角度大的圖片，都能夠通過(guò)對(duì)視頻流多帖圖片分析，選擇效果較好 圖片進(jìn)行識(shí)別拼接，得到最佳車牌，從而降低錯(cuò)收費(fèi)、漏收費(fèi)的概率。
[0042] 3 .直接在攝像機(jī)上進(jìn)行車牌識(shí)別和判斷，有效提高出入口車牌識(shí)別速率及準(zhǔn)確 率，加快車輛通行效率，提高停車場(chǎng)的效益。
【附圖說(shuō)明】
[0043] 此處所說(shuō)明的附圖用來(lái)提供對(duì)本發(fā)明的進(jìn)一步理解，構(gòu)成本發(fā)明的一部分，本發(fā) 明的示意性實(shí)施例及其說(shuō)明用于解釋本發(fā)明，并不構(gòu)成對(duì)本發(fā)明的不當(dāng)限定。在附圖中：
[0044] 圖1為本發(fā)明基于視頻流的車牌識(shí)別方法的流程簡(jiǎn)圖；
[0045] 圖2為本發(fā)明基于視頻流的車牌識(shí)別系統(tǒng)的框架結(jié)構(gòu)示意圖；
[0046] 圖3為本發(fā)明智能數(shù)字?jǐn)z像機(jī)的框架結(jié)構(gòu)示意圖。
【具體實(shí)施方式】
[0047] 為使本發(fā)明實(shí)施例的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚，下面將結(jié)合本發(fā)明實(shí)施例 中的附圖，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，