基于视频流的车牌识别方法、系统及智能数字摄像机的制作方法
【技术领域】
[0001] 本发明设及图像处理技术领域，特别是一种基于视频流的车牌识别方法及其应用 该方法的系统、智能数字摄像机。
【背景技术】
[0002] 传统的停车场采用的大多是近距离刷卡或取票的方式作为车辆进出场的凭证。车 辆进出场时车主必须减速停车W刷卡或取票，运些方式往往会带来很多不便，如高峰期时 容易造成出入口拥堵不杨、上下坡道刷卡时容易造成溜车、下雨天车主在户外停车场出入 口刷卡/取票时手臂会被淋湿等等。
[0003] 部分停车场针对上述传统方法提出了改进措施，其通过采取视频触发1张或几张 图像到服务器进行识别，但是受到复杂环境、强光照射、车辆倾斜角度大等因素影响，大大 降低了车牌识别的准确率。
【发明内容】
[0004] 本发明为解决上述问题，提供了一种基于视频流的车牌识别方法、系统及智能数 字摄像机，极大的提高了车牌识别的准确率。
[0005] 为实现上述目的，本发明采用的技术方案为：
[0006] 首先，本发明提供一种基于视频流的车牌识别方法，其包括W下步骤：
[0007] 10.获取包含待识别车辆的车牌信息的视频流中的原始帖图像；
[000引20.对所述的原始帖图像进行赌和信噪比的参数分析，得到各个原始帖图像的最 佳信息的位置信息；
[0009] 30.根据所述的各个原始帖图像的最佳信息的位置信息进行图像重构，得到融合 图像；
[0010] 40.对所述的融合图像进行车牌识别，并同时对所述的原始帖图像进行车牌识别；
[0011] 50.对所述的融合图像的车牌识别结果和所述的原始帖图像的车牌识别结果进行 可信度分析，得到最终的车牌识别结果。
[0012] 优选的，所述的步骤20进一步包括W下步骤：
[0013] 21.对所述的原始帖图像进行小波变换的去噪处理，得到去噪图像；
[0014] 22.计算所述去噪图像的赌和信噪比；
[0015] 23.根据计算得到的赌与信噪比建立模糊隶属度模型；
[0016] 24.根据所述的模糊隶属度模型，得到各个原始帖图像的最佳信息的位置信息。
[0017] 优选的，所述的步骤20中，所述的最佳信息的位置信息的计算方法，进一步包括W 下步骤：
[0018] a.将赌大于第一预设阔值的原始帖图像的位置信息判断为最佳信息的位置信息， 将赌小于第二预设阔值的原始帖图像的位置信息判断为较差信息的位置信息，将赌介于所 述第一预设阔值和所述第二预设阔值之间的原始帖图像的位置信息判断为模糊区域；
[0019] b.将信噪比大于第Ξ预设阔值的原始帖图像的位置信息判断为最佳信息的位置 信息，将信噪比小于第四预设阔值的原始帖图像的位置信息判断为较差信息的位置信息， 将信噪比介于所述第Ξ预设阔值和所述第四预设阔值之间的原始帖图像的位置信息判断 为模糊区域；
[0020] C.将所述步骤a和所述步骤b的判断结果相合并，得到赌大于第一预设阔值且信噪 比大于第Ξ预设阔值的原始帖图像的位置信息判断为最终的最佳信息的位置信息。
[0021] 优选的，所述的步骤30中根据所述的各个原始帖图像的最佳信息的位置信息进行 图像重构得到融合图像，是指该融合图像中的每个位置的信息，是通过选择所述的各个原 始帖图像的对应位置的最佳信息进行拼接，从而融合出一张具有各个原始帖图像的最佳信 息的最佳图像作为融合图像。
[0022] 优选的，所述的步骤40中，对所述的融合图像和所述的原始帖图像进行车牌识别， 是使用基于最优特征的车牌识别算法分别对所述的融合图像和所述的原始帖图像进行车 牌识别，其进一步包括W下步骤：
[0023] 41.从图像中提取5组特征，分别为册G特征、HAAR特征、LBP特征、DPM特征和MS邸特 征。
[0024] 42.使用ADAB00ST算法从所述的5组特征中自动挑选出最优特征；
[00巧]43.利用BP神经网络进行分类器训练；
[0026] 44.使用所述的分类器对所述的融合图像和所述的原始帖图像进行车牌识别。
[0027] 优选的，所述的步骤50中，对所述的融合图像的车牌识别结果和所述的原始帖图 像的车牌识别结果进行可信度分析，进一步包括W下步骤：
[0028] 51.对所述的融合图像的车牌识别结果和所述的原始帖图像的车牌识别结果进行 正确车牌的可信度分析，将可信度大于第五预设阔值的车牌识别结果判断为正确车牌，将 可信度小于第六预设阔值的车牌识别结果判断为错误车牌，将可信度介于所述第五预设阔 值和所述第六预设阔值之间的车牌识别结果判断为正确车牌可信度分析的模糊区域；
[0029] 52.对所述的融合图像的车牌识别结果和所述的原始帖图像的车牌识别结果进行 错误车牌的可信度分析，将可信度大于第五预设阔值的车牌识别结果判断为正确车牌，将 可信度小于第六预设阔值的车牌识别结果判断为错误车牌，将可信度介于所述第五预设阔 值和所述第六预设阔值之间的车牌识别结果判断为错误车牌可信度分析的模糊区域；
[0030] 53.将所述正确车牌可信度分析的模糊区域与所述错误车牌可信度分析的模糊区 域进行比较分析，若所述正确车牌可信度分析的模糊区域大于所述错误车牌可信度分析的 模糊区域，则判断为所述融合图像的车牌识别结果为正确车牌，反之为错误车牌。
[0031] 其次，本发明提供一种基于视频流的车牌识别系统，其包括：
[0032] 图像质量评价模块，其基于图像内容结构、相位相似性的图像质量评价算法对待 识别车辆的视频流进行逐帖分析，得到图像质量较好的原始帖图像；
[0033] 图像分析模块，其对所述的原始帖图像进行赌和信噪比的参数分析，得到各个原 始帖图像的最佳信息的位置信息；
[0034] 图像融合模块，其根据所述的各个原始帖图像的最佳信息的位置信息进行图像重 构，得到融合图像；
[0035] 车牌识别模块，其对所述的融合图像进行车牌识别，并同时对所述的原始帖图像 进行车牌识别；
[0036] 可信度分析模块，其对所述的融合图像的车牌识别结果和所述的原始帖图像的车 牌识别结果进行可信度分析，得到最终的车牌识别结果。
[0037] 优选的，还包括无线通信模块，用于将所述的融合图像的车牌识别结果和所述的 原始帖图像的车牌识别结果上传中远程服务器进行存储和应用。
[0038] 另外，本发明还提供一种智能数字摄像机，其特征在于，该智能数字摄像机包括如 上所述的基于视频流的车牌识别系统。
[0039] 本发明的有益效果是：
[0040] 1.当车流量多时，容易出现前车遮挡住后车车牌的情况，通过视频车牌识别，选择 视频流中车牌未被遮挡时的图片进行车牌识别，得到最佳车牌信息，识别准确率更高，并能 降低漏收费的概率。
[0041] 2.复杂环境中（如夜晚、雨天等)或强光照射导致图片曝光过度车牌无法识别的情 况或弯道导致车辆倾斜角度大的图片，都能够通过对视频流多帖图片分析，选择效果较好 图片进行识别拼接，得到最佳车牌，从而降低错收费、漏收费的概率。
[0042] 3 .直接在摄像机上进行车牌识别和判断，有效提高出入口车牌识别速率及准确 率，加快车辆通行效率，提高停车场的效益。
【附图说明】
[0043] 此处所说明的附图用来提供对本发明的进一步理解，构成本发明的一部分，本发 明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
[0044] 图1为本发明基于视频流的车牌识别方法的流程简图；
[0045] 图2为本发明基于视频流的车牌识别系统的框架结构示意图；
[0046] 图3为本发明智能数字摄像机的框架结构示意图。
【具体实施方式】
[0047] 为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例 中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，