基于大数据的视频结构化车牌识别系统的制作方法

本发明创造涉及智能交通领域，具体涉及基于大数据的视频结构化车牌识别系统。

背景技术：

目前，在智能交通中具有大量已安装或将要安装的摄像机、保存有大量的历史数据和提供大规模的实时视频流，因为视频是非结构化数据，造成索引和查询都非常困难。如果我们提取视频特征作为结构化数据存储在数据库中索引和查询都非常方便。在智能交通系统中，车辆监控是最重要的任务，车牌具有唯一性，其作为索引数据具有现实意义。如果能够利用大数据平台管理大规模视频输入、根据各节点内存与CQU负载情况调度视频解码与分析、并将视频分析后的车辆信息存入数据库，用户通过数据库来查询所需要的结果，将能有效地解决目前对交通视频的非结构化数据索引和查询不便的问题。

技术实现要素：

为解决上述问题，本发明提供基于大数据的视频结构化车牌识别系统。

本发明创造的目的通过以下技术方案实现：

基于大数据的视频结构化车牌识别系统，包括影像数据采集传送子系统、大数据处理子系统和数据库；所述影像数据采集传送子系统用于采集包含车辆信息的图像数据，并将图像数据传送至大数据处理子系统；所述大数据处理子系统将图像数据编码成视频流，并利用分布式资源调度对视频流进行视频解码和分析，得到车辆信息后将车辆信息写入到数据库；所述数据库用于接收大数据处理子系统存入的车辆信息，利用数据库存储视频结构化后的车辆信息。

本发明创造的有益效果：有效解决了现有技术对交通视频的非结构化数据的索引和查询不便的问题。

附图说明

利用附图对发明创造作进一步说明，但附图中的实施例不构成对本发明创造的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。

图1是本发明结构示意图；

图2是影像数据采集传送子系统的结构示意图。

附图标记：

影像数据采集传送子系统1、大数据处理子系统2、数据库3、摄像单元11、图像加密单元12、图像传送单元13。

具体实施方式

结合以下实施例对本发明作进一步描述。

参见图1、图2，本实施例的基于大数据的视频结构化车牌识别系统，包括影像数据采集传送子系统1、大数据处理子系统2和数据库3；所述影像数据采集传送子系统1用于采集包含车辆信息的图像数据，并将图像数据传送至大数据处理子系统2；所述大数据处理子系统2将图像数据编码成视频流，并利用分布式资源调度对视频流进行视频解码和分析，得到车辆信息后将车辆信息写入到数据库3；所述数据库3用于接收大数据处理子系统2存入的车辆信息，利用数据库3存储视频结构化后的车辆信息。

优选的，所述车辆信息包括车牌信息。

优选的，所述利用分布式资源调度对视频流进行视频解码和分析，包括：根据各计算节点负载情况调度到合适的计算节点对视频流进行解码，通过视频分析提取其特征作为结构化数据，并进行车牌定位、车牌识别，最后将分析出的车牌号码写入到数据库3。

优选的，所述数据库3为分布式数据库。

本发明上述实施例有效解决了现有技术对交通视频的非结构化数据的索引和查询不便的问题。

优选的，所述影像数据采集传送子系统1包括摄像单元11、图像加密单元12、图像传送单元13，大数据处理子系统2上设置有图像解密单元；所述图像加密单元12与图像传送单元13的接收端连接，所述图像解密单元与图像传送单元13的传送端无线连接。

所述摄像单元11用于通过已校准的摄像机对包含车辆信息的图像数据进行摄像采集，所述已校准的摄像机为已经进行标定处理的摄像机，摄像机的标定包括：(1)采用国际象棋棋盘作为摄像机标定的参考图；(2)采用摄像机对国际象棋棋盘进行图像采集，以得到棋盘图像，采集的时候尽量让棋盘占据尽可能多的画面，采集的棋盘图像的数量大于等于10；(3)输入棋盘方格尺寸大小，设定棋盘角点搜索窗口方格大小，窗口方格小于棋盘方格大小，提取棋盘图像中棋盘上所有方格的角点；(4)采用matlab标定工具箱对摄像机进行标定，根据取得的角点，运行程序得到摄像机的参数，完成标定。

本优选实施例通过已校准的摄像机对包含车辆信息的图像数据进行摄像采集，能够更准确地获取包含车辆信息的图像数据。

优选地，所述图像加密单元12用于对需加密的包含车辆信息的图像进行图像预处理，并对图像预处理后的图像进行加密；

所述对需加密的包含车辆信息的图像进行图像预处理，包括：

(1)按照下列灰度化处理公式对需加密的包含车辆信息的图像进行灰度化处理：

式中，日光条件是指拍摄条件为正常白天，灯光条件指太阳落山后室内灯光条件，弱光条件指晚上室内不开灯，Φ为处理后图像的像素灰度值，r、g、b分别表示图像像素点的红色、绿色、蓝色分量；

(2)对图像进行增强处理，包括：

1)将经过灰度化处理的图像的灰度值按照下列公式进行增强处理：

Φ′＝lnΦ

2)计算任意像素点(i,j)和邻域内八个像素点的灰度关系ζ，

通过该灰度关系对初始灰度值进行校正，得到校正后的灰度值Η(i,j)为：

Η(i,j)＝Φ′-ζ；

本优选实施例根据不同光照条件对图像进行灰度处理，减少了计算量，保证了在弱光条件下图像的亮度，对图像进行增强处理，提高了图像质量，从而进一步得到较为清晰的包含车辆信息的图像。

所述对需加密的包含车辆信息的图像进行图像预处理，还包括：

(1)对灰度值校正后的图像按照图像要求度进行区分，确定图像要求高的图像和图像要求较低的图像，并做好标记；

(2)对灰度值校正后的图像进行图像预处理：首先进行三级小波分解，提取灰度值校正后的图像的三级小波分解低频近似分量，然后采用下列混沌映射公式对低频图像进行位置置乱处理：

式中，D1为低频图像信息，A₁、A₂、A₃为通过混沌映射生成的三个变量；

为适应数字图像所要求的数值范围，对A₁、A₂、A₃按照下式进行处理，从而将它们的值映射到0-255之间，生成混沌序列B、C，并进一步映射为图像矩阵：

(3)确定待加密图像：对于图像要求较低的图像，采用预处理后的图像作为待加密图像；对于图像要求较高的图像，对预处理后的图像利用小波逆变换进行图像重构，以重构后的图像作为待加密图像；

所述对图像预处理后的图像进行加密，包括：

(1)用Q₁表示待加密图像，分别在有限域上与混沌序列B执行加法运算和乘法运算，得到新的图像Q₂，再将图像Q₂使用转置操作得到新的图像Q₃，其中：

式中，表示有限域的加法，“·”表示有限域上的乘法；

(2)将图像Q₃与混沌序列C执行有限域上的加和乘操作，得到最终的图像Q：

本优选实施例利用小波变换对图像进行图像预处理，去除了图像本身的冗余性，实现快速置乱，能够减少所需的混沌序列，提高加密效率，满足实时通信的要求；按照图像要求的高低进行图像区分，对于图像要求高的图像先进行图像预处理再进行小波逆变换的图像重构处理，确保无损的同时提高了置乱的速率；加密单元中，将有限域的二进制算法与混沌加密技术进行结合，保障了图像加密的安全性的同时，相对于现有技术，提高了图像加密的速度，实现了包含车辆信息的图像的安全传送。

优选地，所述解密单元用于对加密图像进行解密，其使用与图像预处理相同的混沌映射公式以及相应的混沌序列，对加密过程进行逆转换，从而实现图像的解密。

本优选实施例实现了大数据处理子系统2对加密的包含车辆信息的图像的读取。

基于上述实施例，发明人进行了一系列测试，以下是进行测试得到的实验数据：

最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。