一种基于图片检索方法的车牌识别系统和方法与流程
本发明涉及车牌识别领域，尤其是一种基于图片检索方法的车牌识别系统和方法。
背景技术：
作为现代社会主要交通工具之一的汽车，在人们的生活和工作中的得到越来越多的使用，如何有效的监控，管理车辆显得越来越重要。而在无需为车辆加装其他装置的情况下对车辆实现监控，是交通和公安行业系统自动化管理的基本需要，所以车辆牌照的自动识别系统是实现交通车辆管控的关键技术之一。
同时，我们也应该看到，对特定车辆的快速及时查找、追踪在交通和公安行业对车辆管控方面都有很大的需求，车辆的查找，跟踪也成为车牌识别的一个重要方面。
车牌识别技术是计算机视觉、图像处理技术与模式识别技术的融合，是智能交通系统中一项非常重要的技术。目前车辆牌照识别系统包括图像获取，车牌定位与分割、字符识别三个部分,相关的解决办法不少：比如有基于字符纹理特征的方法，有基于水平灰度变化特征方法，有基于车牌文字变化特征的自动扫描识别方法，有基于神经网络的车牌识别方法等等。由于车辆采集图像的自然环境复杂，摄像机的性能、车牌的整洁度、光照条件、拍摄时的倾斜角度及车辆运动等因素的影响，给车牌识别带来了难度；同时，牌照识别方法的三个部分每部分都要求算法的精度很高才能成功识别一个车牌，是一个串联的系统，每部分的运算精度都直接影响计算结果，而现实中，往往由于车牌图像受环境中诸如泥巴雨水光照等噪声影响，在字符分割的时候就无法进行高精度字符分割，从而直接影响车牌识别成功率。以上现有的方法对于环境较复杂的情况下定位车牌都存在较为明显的局限性。
技术实现要素：
本发明的发明目的在于：针对上述存在的问题，提供一种通过现有监控网络，实现对车辆的查找问题；解决在查找过程中，车牌的高效匹配问题；解决传统车牌识别中，需要具体识别出车牌号，再与查找的车牌号进行匹配带来的：监控高像素要求问题、耗时性问题及其对车牌遮挡物辨识度低的问题。
本发明采用的技术方案如下：
一种基于图片检索方法的车牌识别方法，包括：
s001：获取包含有待查找车牌号码信息的待查找车牌信息；
s100：获取包含有目标车牌的视频流；
s200：对所述视频流中包含的目标车牌进行定位和跟踪，抽取若干目标车牌图像；
s300：分别对所述若干目标车牌图像进行特征值提取，得到对应于所述若干目标车牌图像的若干目标车牌特征值；
s400：将所述若干目标车牌特征值进行组合，得到目标车牌特征值组；
s500：将所述待查找车牌信息携带的信息与所述目标特征值组进行对比，输出查找结果。
该方案基于现有监控网络实现对目标车牌图像源的获取，无需新建监控网络，节省了车牌查找成本。通过直接对车牌进行特征值提取以建立检索库，对视频流的像素没有明确的高要求。同时，通过车牌特征值进行车牌检索，可有效解决淤泥等车牌遮挡物对车牌识别结果的影响，从而避免对车牌的误判或漏判。通过建立目标车牌特征值组，实现全方位描述目标车牌特征，丰富了检索库，从而明显提高车牌查找匹配率。
进一步的，上述s001具体为：
s0001：获取包含有待查找车牌号码的信息的待查找车牌信息；
s0002：提取所述待查找车牌信息中，包含的待查找车牌图像的特征值，获得待查找车牌特征值。
该方法通过提取待查找车牌图像特征值，以与检索库进行匹配的方式，实现对车牌的检索。
进一步的，上述s500具体为：
s5001：将所述待查找车牌信息携带的信息与所述目标特征值组进行相似度对比；
s5002：根据s5001对比的相似度与预定阈值一的关系，输出查找结果。
通过该方式，避免了传统识别车牌号检索需要对监控的车牌号进行准确识别的要求，本发明通过特征值匹配，在一定范围内均可对匹配结果进行修正，进而准确匹配出目标车牌，提高了车牌检索的灵活性和准确性。
作为优选，上述s5001具体为：
s5001a：对所述待查找车牌特征值和所述目标车牌特征值组做降维处理，对比所述降维后的待查找车牌特征值与所述降维后的目标车牌特征值组的相似度；所述的降维，是基于已提取的特征值的维度上继续降维，对于特征值组的降维即对其包含的各特征值进行降维，降低特征值的长度；已减小后续特征值一一对比之间的计算量；
s5001b：若所述降维后的待查找车牌特征值与所述降维后的目标车牌特征值组相似度超过预定值一，则判定所述降维后的目标车牌特征值组对应的降维前的目标车牌特征值组为有效目标车牌特征值组；否则，判定所述降维后的目标车牌特征值组对应的降维前的目标车牌特征值组为无效目标特征值组；
s5001c：将所述待查找车牌特征值与所述有效目标特征值组进行相似度对比，并对相似度加权。
通过上述方案，实现先基于目标车牌特征值组的粗定位，从而直接筛选出相似度高的目标车牌特征值组，再在此基础上，在筛选出的目标车牌特征值组中，对待查找车牌特征值进行精定位。该方案可极大地减少特征值之间的匹配计算工作量，提高车牌识别效率。
作为优选，上述待查找车牌信息为：包含有待查找车牌号码的信息的待查找车牌图像，或者为：输入的待查找车牌号码字符，在载入预存的车牌模板后，转换生成的待查找车牌图像。
该方案实现了提供车牌进行查找的可能，对于人眼无法准确识别的车牌，同样可以实现精确检索。
进一步的，上述待查找车牌信息为：包含有待查找车牌号码的信息的待查找车牌图像，或者为：输入的待查找车牌号码字符，在载入预存的车牌模板后，转换生成的待查找车牌图像。
需要说明的是，上诉车牌模板是根据输入的待查找车牌号码的格式所选择的，即针对不同板式的待查找车牌号码，选择相应的车牌模板进行图像的输出。
上述方案提供了这种可能，即可输入车牌图像进行车牌检索。这样，对于模糊度高，甚至人眼无法准确判断出车牌号的的车牌图像，也能通过深度训练的方式对其进行检索，该方案对于传统键入车牌号进行车牌检索是无法实现的。同时，将键入的车牌字符串转换为相应车牌图像，进而提取特征值进行车牌检索，保证了对检索匹配度判断标准的一致性，即通过特征值相似度进行检索结果评判。
进一步的，上述查找结果包括：匹配报警信号、所述视频流获取地、所述视频流获取时间和从视频流中抽取目标车牌图像/短视频中的至少一项。
该方案实现在检索到待查找的车牌时，及时进行报警，与此同时，及时提供相应的车牌信息，以便于后续检索目的的实现。
进一步的，上诉s400具体为：
s4001：将待组合的目标车牌特征值q1与目标车牌特征值组中每一组目标车牌特征值进行相似度对比；
s4002：在所述目标车牌特征值q1与目标车牌特征值组中每一组目标车牌特征值的相似度都在预定阈值二之内时，将所述目标车牌特征值写入所述目标车牌特征值组，否则丢弃该目标车牌特征值；
s4003：记录写入所述目标车牌特征值组的目标车牌特征值的组数，在所述记录的组数达到预定值二时，执行s500；否则，执行s4001。
对于上述方案，在写入某一组目标特征值前，判断其与目标特征值组内各组目标特征值的相似性，对于相似性过高或过低的情况，都不宜写入目标特征值组。采用该方案，确保了目标特征值组的有效性，从而避免了目标特征值组无法对目标车牌的特征进行全面性、准确地描述的情况，从而提高车牌检索准确率。进一步的，通过设定合理的写入组数阈值，保证了通过合理的特征值组数，全面描述该目标车牌特征，节省对于目标特征值进行存储的空间。
为解决上述全部或部分问题，本发明提供了一种基于图片检索方法的车牌识别系统，包括：
数据获取单元，用于获取包含有目标车牌的视频流；
图像获取单元，用于对所述数据获取单元获取的所述视频流中包含的目标车牌进行定位和跟踪，抽取若干目标车牌图像；
特征提取单元，用于对所述图像获取单元抽取的所述若干目标车牌图像分别进行特征值提取，输出若干目标车牌特征值；
特征值组合单元，用于对所述特征值提取单元输出的若干目标车牌特征值进行组合，生成目标车牌特征值组；
车牌查询单元，用于获取待查找车牌信息；
车牌匹配单元，用于将所述待查找车牌信息与所述目标特征值组进行对比，输出查找结果。
该方案基于现有监控网络实现对目标车牌图像源的获取，无需新建监控网络，节省了车牌查找成本。通过直接对车牌进行特征值提取以建立检索库，对视频流的像素没有明确的高要求。同时，通过车牌特征值进行车牌检索，可有效解决淤泥等车牌遮挡物对车牌识别结果的影响，从而避免对车牌的误判或漏判。通过建立目标车牌特征值组，实现全方位描述目标车牌特征，丰富了检索库，从而明显提高车牌查找匹配率。
进一步的，上述特征值组合单元对所述目标特征值的组合方式为：
接收所述特征提取单元输出的目标车牌特征值q2，判断所述目标车牌特征值q2与写入的每一组目标车牌特征值的相似度是否在预定阈值三之内；若是，则写入所述目标车牌特征值q2到所述目标车牌特征值组，否则，丢弃该目标车牌特征值q2。
上述方案在写入某一组目标特征值前，判断其与目标特征值组内各组目标特征值的相似性，对于相似性过高或过低的情况，都不宜写入目标特征值组。采用该方案，确保了目标特征值组的有效性，从而避免了目标特征值组无法对目标车牌的特征进行全面性、准确地描述的情况，从而提高车牌检索准确率。
进一步的，所述特征值组合单元还用于：记录写入的目标车牌特征值的组数，在所述写入的组数达到预定值时，不再接收所述特征提取单元输出的目标车牌特征值q2。
通过设定合理的写入组数阈值，保证了通过合理的特征值组数，全面描述该目标车牌特征，节省对于目标特征值进行存储的空间。
进一步的，车牌查询单元获取所述待查找车牌信息的方式为：直接获取包含有待查找车牌号码的信息的待查找车牌图像，或者，所述车牌查询单元接收输入的待查找车牌号码字符，将所述字符载入预存的车牌模板，将载入了所述待查找车牌号码字符的车牌模板转换为待查找车牌图像。
该方案提供了这种可能，即可输入车牌图像进行车牌检索。对此，对于模糊度高，甚至人眼无法准确判断出车牌号的的车牌图像，也能通过深度训练的方式对其进行检索，该方案对于传统键入车牌号进行车牌检索是无法实现的。同时，将键入的车牌字符串转换为相应车牌图像，进而提取特征值进行车牌检索，保证了对检索匹配度判断标准的一致性，即通过特征值相似度进行检索结果评判。
进一步的，上述车牌匹配单元将所述待查找车牌信息与所述目标特征值组进行对比的方式为：
接收所述车牌查询单元输出的待查找车牌号码图像，提取所述待查找图像的特征值，生成待查找车牌特征值；将所述待查找车牌特征值与所述目标车牌特征值组进行对比。
该方案该方法通过提取待查找车牌图像特征值，与检索库进行匹配的方式，实现对车牌的检索。通过该方式，避免了传统识别车牌号检索需要对监控的车牌号进行准确识别的要求，本发明通过特征值匹配，在一定范围内均可对匹配结果进行修正，进而准确匹配出目标车牌，提高了车牌检索的灵活性和准确性。
进一步的，上述将所述待查找车牌特征值与所述目标车牌特征值组进行对比的方式为：
对所述待查找车牌特征值和所述目标车牌特征值组做降维处理，对比所述降维后的待查找车牌特征值与所述降维后的目标车牌特征值组的相似度；
若所述降维后的待查找车牌特征值与所述降维后的目标车牌特征值组相似度超过预定值三，则判定所述降维后的目标车牌特征值组对应的降维前的目标车牌特征值组为有效目标车牌特征值组；否则，判定所述降维后的目标车牌特征值组对应的降维前的目标车牌特征值组为无效目标特征值组；
将所述待查找车牌特征值与所述有效目标特征值组进行相似度对比，并对相似度加权。
通过上述方案，实现先基于目标车牌特征值组的粗定位，从而直接筛选出相似度高的目标车牌特征值组，再在此基础上，在筛选出的目标车牌特征值组中，对待查找车牌特征值进行精定位。该方案可明显减少特征值之间的匹配计算工作量，提高车牌识别效率。
进一步的，上述查找结果包括：匹配报警信号、所述视频流获取地、所述视频流获取时间和从视频流中抽取目标车牌图像/短视频中的至少一项。
上述匹配报警信号为检索到待查找车牌时发出的报警信号。
该方案实现在检索到待查找的车牌时，及时进行报警，与此同时，及时提供相应的车牌信息，以便于后续检索目的的实现。
需要说明的是，上述各预定值、预定阈值仅为更好地表述本发明的技术方案，不特指某特定在，也不可作为各值之间相同/区别的评判点，各预定值/预定阈值可根据实际使用时对效果的要求进行设定，如精确匹配/模糊匹配/相似匹配等，不应理解为表述不清。
综上所述，由于采用了上述技术方案，本发明的有益效果是：
本发明的方案，可直接利用现有监控网络，无需单独新建，且对原监控网络的运行无影响。本发明的方案，无需明确识别出目标车牌号，因此，对低分辨率/低像素的监控图像也可进行准确识别；同时，采用基于特征值提取的深度学习方法，对于存在车牌遮挡物或存在车牌修改的情况，也能进行有效分辨，进而进行差异修正，具有极强的抗干扰能力。本发明对于提供的人眼无法准确判断的车牌，也能进行准确检索。
附图说明
本发明将通过例子并参照附图的方式说明，其中：
图1是基于图片检索方法的车牌识别方法的流程图。
图2是待查找车牌信息处理流程图。
图3是进行车牌识别中待查找车牌的匹配过程流程图.
图4是进行车牌识别中粗检索和精检索过程流程图。
图5是构建目标车牌特征值组的构建流程图。
图6是基于图片检索方法的车牌识别系统的结构图。
具体实施方式
本说明书中公开的所有特征，或公开的所有方法或过程中的步骤，除了互相排斥的特征和/或步骤以外，均可以以任何方式组合。
本说明书（包括任何附加权利要求、摘要）中公开的任一特征，除非特别叙述，均可被其他等效或具有类似目的的替代特征加以替换。即，除非特别叙述，每个特征只是一系列等效或类似特征中的一个例子而已。
参照附图1和2，本实施例一公开了一种基于图片检索方法的车牌识别方法，该方法包括：
s001：获取包含有待查找车牌号码信息的待查找车牌信息；
s100：获取包含有目标车牌的视频流；
s200：对所述视频流中包含的目标车牌进行定位和跟踪，抽取若干目标车牌图像；
s300：分别对所述若干目标车牌图像进行特征值提取，得到对应于所述若干目标车牌图像的若干目标车牌特征值yx；
s400：将所述若干目标车牌特征值进行组合，得到目标车牌特征值组y；
s500：将所述待查找车牌信息携带的信息与所述目标特征值组y进行对比，输出查找结果。
该查找结果包括：匹配报警信号、所述视频流获取地、所述视频流获取时间和从视频流中抽取目标车牌图像/短视频中的至少一项。
本实施例的s001具体为：
s0001：获取包含有待查找车牌号码的信息的待查找车牌信息；
s0002：提取所述待查找车牌信息中，包含的待查找车牌图像的特征值，获得待查找车牌特征值xx。
本实施例的s500具体为：
s5001：将所述待查找车牌信息携带的信息与所述目标特征值组y进行相似度对比；
s5002：根据s5001对比的相似度与预定阈值一的关系，输出查找结果。
参照附图3，本实施例公开了将所述待查找车牌特征值与所述目标车牌特征值进行对比的步骤，具体为：
s5001a：对所述待查找车牌特征值xx和所述目标车牌特征值组y做降维处理，对比所述降维后的待查找车牌特征值与所述降维后的目标车牌特征值组的相似度；对于特征值的提取，可采用感知神经网络算法，对车牌图像进行水平/垂直投影，再做归一化得到特征值；如采用2dpca算法，将车牌图像矩阵102*102提取特征值矩阵为1*128；进一步，采用慢速方差变化矩阵进一步降维到1*32，再基于降维后的矩阵做相似度对比，这样，就可极大地节省相似度对比计算量。
s5001b：若所述降维后的待查找车牌特征值与所述降维后的目标车牌特征值组相似度超过预定值一（此处可设置一个较为宽泛的值，本实施例采用70%，但具体值可根据精度要求进行设置，本发明不做限制），则判定所述降维后的目标车牌特征值组对应的降维前的目标车牌特征值组y为有效目标车牌特征值组yy；否则，判定所述降维后的目标车牌特征值组对应的降维前的目标车牌特征值组y为无效目标特征值组yn；
s5001c：将所述待查找车牌特征值xx与所述有效目标特征值组yy进行相似度对比，并对相似度加权。
参照附图4，本实施例具体公开了对目标特征值进行组合的步骤，包括：
s4001：将待组合的目标车牌特征值y1与目标车牌特征值组y中每一组目标车牌特征值yx进行相似度对比；
s4002：在所述目标车牌特征值y1与目标车牌特征值组y中每一组目标车牌特征值yx的相似度都在预定阈值二之内时，将所述目标车牌特征值y1写入所述目标车牌特征值组y；
s4003：记录写入所述目标车牌特征值组y的目标车牌特征值yx的组数，在所述记录的组数达到预定值二（优选5-20组）时，执行s500；否则，执行s4001。
本实施例具体公开了上述待查找车牌信息，其具体为：包含有待查找车牌号码的信息的待查找车牌图像；
或者，上述待查找车牌信息为：输入的待查找车牌号码字符，在载入预存的车牌模板后，转换生成的待查找车牌图像。如载入车牌号码：京a12345，其自动选择中国车牌模板，并将“京a12345”载入该选择的车牌模板，生成模拟车牌，再在此基础上，生成形如车牌号为“京a12345”的车牌图像。
基于深度训练算法提取特征值的车牌识别方法，通过特征值提取的不连续性，可智能推断出车牌遭遮挡部分的最大可能性，从而根据已知部分继续识别查找车牌。
参照附图5，本实施例公开了一种基于图片检索方法的车牌识别系统，包括：
数据获取单元101，用于获取包含有目标车牌的视频流；
图像获取单元102，用于对所述数据获取单元101获取的所述视频流中包含的目标车牌进行定位和跟踪，抽取若干目标车牌图像；本单元可采用采用贝叶斯神经网络算法对目标车牌进行整体定位和跟踪，也可采用其它现有技术实现，本发明不做具体限定，但以最能够表征车牌区域的位置特征的方法为最优；
特征提取单元103，用于对所述图像获取单元102抽取的所述若干目标车牌图像分别进行特征值提取，输出若干目标车牌特征值yx；本发明可采用感知神经网络算法实现对图像特征提取，如采用小波变换法或fourier变换法。本发明不对具体采用的特征提取方法进行限定，但以最能够提取车牌图像的特征值参数的方法为最优。
特征值组合单元104，用于对所述特征值提取单元输出的若干目标车牌特征值yx进行组合，生成目标车牌特征值组y；
车牌查询单元105，用于获取待查找车牌信息；
车牌匹配单元106，用于将所述待查找车牌信息与所述目标特征值组y进行对比，输出查找结果。该查找结果包括：匹配报警信号、所述视频流获取地、所述视频流获取时间和从视频流中抽取目标车牌图像/短视频中的至少一项。
上述特征值组合单元104对所述目标特征值yx的组合原理为：
接收所述特征提取单元103输出的目标车牌特征值y2，判断所述目标车牌特征值y2与写入的每一组目标车牌特征值yx的相似度是否在预定阈值之内；若是，则写入所述目标车牌特征值y2到所述目标车牌特征值组y，否则，丢弃该目标车牌特征值y2。
进一步的，特征值组合单元104还记录写入的目标车牌特征值yx的组数，在所述写入的组数达到预定值（如5-20组）时，不再接收所述特征提取单元103输出的目标车牌特征值y2。
本实施例具体公开了车牌查询单元105获取待查找车牌信息的方式，具体为：
直接获取包含有待查找车牌号码的信息的待查找车牌图像；
或者，车牌查询单元105接收输入的待查找车牌号码字符，将该待查找车牌号码字符载入预存的车牌模板，将载入了所述待查找车牌号码字符的车牌模板转换为待查找车牌图像。如之上对输入车牌号码“京a12345”的举例，本实施例的原理相同，不再累述。
本实施例具体公开了车牌匹配单元106将所述待查找车牌信息与所述目标特征值组进行对比的原理：
车牌匹配单元106接收车牌查询单元105输出的待查找车牌号码图像，提取所述待查找图像的特征值，生成待查找车牌特征值。
对所述待查找车牌特征值xx和所述目标车牌特征值组y做降维处理，对比所述降维后的待查找车牌特征值与所述降维后的目标车牌特征值组的相似度。
若所述降维后的待查找车牌特征值与所述降维后目标车牌特征值组相似度超过预定值三（如相似度超过70%），则判定降维前的目标车牌特征值组y为有效目标车牌特征值组yy；否则，判定所述目标车牌特征值组y为无效目标车牌特征值组yn。
再将所述待查找车牌特征值xx与所述有效目标车牌特征值组yy进行相似度对比，并对相似度加权。
上述特征值之间相似度的计算可直接进行逐一对比原则进行计算，也可通过计算相似距离，如计算相似度间的欧式距离相似度：
上述实施例中，xx表示待查找车牌特征值，x1或x2不特指特定待查找车牌特征值，仅为更清楚表述本发明的实施方案。y表示目标车牌特征值组，（y1,y2,……yx……ym）表示组成目标车牌特征值组y的矩阵，yx表示不特指的目标车牌特征值组中的某一组特征值。
本发明并不局限于前述的具体实施方式。本发明扩展到任何在本说明书中披露的新特征或任何新的组合，以及披露的任一新的方法或过程的步骤或任何新的组合。
- 还没有人留言评论。精彩留言会获得点赞！