基于视觉技术的蒙牌车辆车牌信息识别方法及设备与流程

本发明涉及机器视觉，尤其涉及一种基于视觉技术的蒙牌车辆车牌信息识别方法及设备。

背景技术：

1、蒙牌车辆（也称为伪装车辆或隐蔽车辆）通常指的是车辆上的车牌被遮挡、伪装或隐藏，以防止被识别。车牌信息识别方法的目标是尽准确地识别这些蒙牌车辆的车牌信息。常规的方法往往采用使用图像处理和计算机视觉技术，如字符识别（ocr）来识别车牌。蒙牌车辆采取多种伪装方式，如遮挡、投影、变形，这些方法可以使传统的ocr技术难以准确识别。

技术实现思路

1、本发明为解决上述技术问题，提出了一种基于视觉技术的蒙牌车辆车牌信息识别方法及设备，以解决至少一个上述技术问题。

2、本技术提供了一种基于视觉技术的蒙牌车辆车牌信息识别方法，包括以下步骤：

3、步骤s1：通过预设的车牌采集摄像头进行车牌图像采集，从而获取车牌图像数据；

4、步骤s2：通过安装于路侧的智能路侧设备进行车载etc系统设备编号采集，从而获取设备编号数据；

5、步骤s3：通过边缘计算单元对车牌图像数据以及设备编号数据进行处理并存储，从而获取车牌设备存储数据；

6、步骤s4：通过智能路侧设备获取待检测车载设备编号数据以及待检测车牌图像数据，并利用车牌设备存储数据以及待检测车载设备编号数据通过边缘计算单元对待检测车牌图像数据进行深度还原，从而获取蒙牌车辆车牌数据。

7、本发明中通过结合车牌图像采集和车载etc系统数据采集，方法能够提高对蒙牌车辆的识别准确性。传统的车牌识别系统会受到车牌污损、遮挡、逆光的因素的干扰，而此方法可以通过etc系统数据的辅助来提高识别的可靠性。通过步骤s4中的深度还原技术，即使车牌图像质量较差或存在遮挡，也可以尝试还原车牌数据。这有助于解决视觉分析难以处理的问题，例如蒙牌或损坏的车牌。由于方法中的车牌图像采集和设备编号采集是同时进行的，可以实现实时或高效的识别，而不需要额外的停车等待时间。这有助于提高道路交通管理的效率。通过将车牌图像数据与车载etc系统数据关联，可以确保车牌信息与特定车辆的设备编号相关联。

8、优选地，车牌图像数据包括第一车牌图像数据以及第二车牌图像数据，车牌采集摄像头包括第一车牌采集摄像头以及第二车牌采集摄像头，步骤s1具体为：

9、控制第一车辆采集摄像头以第一车辆采集角度进行第一车辆图像数据采集，从而获取第一车辆图像数据；

10、控制第二车辆采集摄像头以第二车辆采集角度进行第二车辆图像数据采集，从而获取第二车辆图像数据。

11、本发明中通过使用第一车牌采集摄像头和第二车牌采集摄像头，在同一时间内采集到两辆车辆的图像数据，或通过不同角度对车辆的车牌数据进行采集，从而降低光照或者角度带来的误差问题，提高了数据采集的效率，尤其在高流量的交通场景中，可以更迅速地获取车牌图像。由于同时采集两辆车辆的图像，交通流中的车辆干扰对数据采集的影响降低。即使有多辆车辆在同一时间通过，可以有效地获取他们的车牌图像数据。对于交通监控和管理，尤其是在需要实时识别多车辆的场景下，同时采集多车辆图像数据可以帮助提高效率。

12、优选地，步骤s2具体为：

13、步骤s21：通过安装于路侧的智能路侧设备与车载etc系统设备进行通信，从而获取设备通信数据；

14、步骤s22：根据设备通信数据对智能路侧设备以及车载etc系统设备建立连接，并通过智能路侧设备进行车载etc系统设备编号采集，从而获取初级设备编号数据；

15、步骤s23：对初级设备编号数据进行错误检测并纠正，从而获取修正设备编号数据；

16、步骤s24：对修正设备编号数据进行存储，从而获取设备编号数据。

17、本发明中利用了车载etc系统的通信数据，通过与etc系统的通信建立连接，可以获取与特定车辆关联的obu设备编号，将车牌信息与车辆的obu设备编号关联起来，确保数据的一致性和准确性。步骤s23中对初级设备编号数据进行错误检测并纠正，有助于确保设备编号的准确性，可以提高对车辆的精确识别，减少因设备编号错误引起的误识别情况。步骤s24将修正的obu数据存储下来，形成车牌设备存储数据，使得系统能够快速访问和检索与车辆关联的obu数据，从而在车牌信息识别过程中提高效率。通过建立与obu设备的连接和纠正设备编号数据，可以提高车辆识别的可靠性，对于确保正确的车牌信息与特定车辆相关联非常重要。

18、优选地，步骤s21中其中通信通过智能路侧设备认证加密值计算公式进行加密通信计算，其中智能路侧设备认证加密值计算公式具体为：

19、；

20、为智能路侧设备认证加密值，为通信数据数量数据，为通信数据索引项，为第个智能路侧设备通信数据，为通信时间范围数据，为通信数据变化率，为通信时间数据，为通信传播角度数据，为通信相对角度数据，为智能路侧设备负载数据，为智能路侧设备数据编码数据。

21、本发明构造了一种智能路侧设备认证加密值计算公式，该计算公式在智能物联，尤其是关于智能路侧设备加密通信计算中提供稳定可靠的数据支持，其中为智能路侧设备认证加密值，代表最终的认证加密值。为第个智能路侧设备通信数据，代表通信数据的一部分。为通信传播角度数据，表示通信设备的方向或者信号的传播方向，例如，如果设备需要调整其天线方向以与另一个设备进行通信，表示天线的方向角度。的值通常以度数或弧度来表示，取决于具体的使用标准。为通信相对角度数据，用来表示与通信相关的方向或角度。的具体含义同样取决于特定的应用场景，在通信中，表示通信信号的入射角度，或者设备之间的相对方向，例如，如果两辆车需要进行车辆间通信，表示一辆车与另一辆车的相对方向，的值通常以度数或弧度来表示。本发明能够提高通信的安全性。这有助于降低未经授权的访问和数据泄露的风险。在计算公式中包括了对通信数据变化率的考虑，这可以用来检测数据的不一致性或篡改尝试。如果数据发生变化或被篡改，认证将失败，从而保护了数据的完整性。公式中的参数和考虑了通信设备的负载和数据编码特性，在认证过程中考虑设备的性能和特性，从而更好地适应不同类型的设备。发明旨在提高智能路侧设备认证的安全性和可靠性，同时考虑了通信设备的特性，从而增强了整个通信系统的性能和安全性。这对于确保智能路侧设备之间的安全通信以及数据的完整性至关重要，特别是在涉及到车辆通信和智能交通系统的场景中。

22、优选地，步骤s23具体为：

23、步骤s231：根据初级设备编号数据进行原始设备编号创建，从而获取原始设备编号数据；

24、步骤s232：根据原始设备编号数据进行错误检测区域创建并进行数据复制，从而获取错误检测设备编号数据；

25、步骤s233：对错误检测设备编号数据进行数据分割，从而获取设备编号分割数据；

26、步骤s234：对设备编号分割数据进行字符特征提取以及像素密度特征提取，从而获取设备编号字符特征数据以及设备编号像素密度特征数据；

27、步骤s235：对设备编号字符特征数据以及设备编号像素密度特征数据进行第一识别计算，从而获取设备编号错误检测位置数据；

28、步骤s236：对设备编号分割数据进行形状边缘曲率特征提取以及投影密度特征提取，从而获取形状边缘曲率特征数据以及投影密度特征数据；

29、步骤s237：对形状边缘曲率特征数据以及投影密度特征数据进行第二识别计算，从而获取设备编号错误检测内容数据；

30、步骤s238：根据设备编号错误检测位置数据以及设备编号错误检测内容数据对设备编号分割数据进行纠正处理，从而获取纠正设备编号数据；

31、步骤s239：对纠正设备编号数据进行字符组合，从而获取修正设备编号数据。

32、本发明中步骤s231通过创建原始设备编号，将设备编号数据从初级状态转换为原始状态，用来与后续的错误检测和纠正进行比较。步骤s232创建错误检测区域，用于确定包含错误的部分，并复制数据以备后用，有助于缩小错误的范围，减少错误检测的计算复杂度。步骤s233将设备编号分割成较小的部分，使每个部分都可以单独进行错误检测和纠正。这提高了系统的精度和可靠性。步骤s234从设备编号分割数据中提取字符特征和像素密度特征，提供了关于字符的形状和密度的信息，有助于后续的错误检测。步骤s235使用字符特征和像素密度特征进行第一识别计算，以确定错误检测的位置，有助于确定在设备编号中存在错误的位置。步骤s236提取形状边缘曲率特征和投影密度特征，可以提供关于字符形状的更多信息，用于进一步的错误检测。步骤s237使用形状边缘曲率特征和投影密度特征进行第二识别计算，以确定错误检测的内容，有助于确定错误的具体字符或内容。步骤s238根据错误检测的位置和内容对设备编号分割数据进行纠正处理，并将纠正的部分字符组合成修正的obu数据，确保了设备编号的准确性。

33、优选地，步骤s3具体为：

34、步骤s31：将车牌图像数据以及设备编号数据传输至边缘计算单元，并通过边缘计算单元进行解析，从而获取车牌图像解析数据以及设备编号解析数据；

35、步骤s32：对车牌图像解析数据通过预设的车牌图像标准参数进行智能图像校正处理，从而获取车牌图像校正数据；

36、步骤s33：将车牌图像校正数据以及设备编号解析数据进行数据关联并合并，从而获取车牌设备编号关联合并数据；

37、步骤s34：对车牌设备编号关联合并数据通过预设的多级数据访问控制策略进行访问控制标注并存储，从而获取车牌设备存储数据。

38、本发明中步骤s31负责将车牌图像数据和设备编号数据传输至边缘计算单元，并解析这些数据，有助于将两者关联起来，确保后续步骤能够正确处理这些数据。步骤s32对车牌图像解析数据进行智能图像校正处理，以根据预设的车牌图像标准参数将车牌图像校正为标准化的格式，有助于提高后续车牌信息的准确性和可读性。步骤s33将车牌图像校正数据与设备编号解析数据进行关联和合并，确保了车牌信息与车辆的设备编号正确匹配，为后续的访问控制和存储提供了准确的数据。步骤s34通过多级数据访问控制策略对车牌设备编号关联合并数据进行访问控制标注并存储，确保了只有授权的用户能够访问和使用这些数据，提高了数据的安全性和隐私保护。

39、优选地，步骤s32中智能图像校正处理通过智能图像校正处理计算公式进行校正处理，其中智能图像校正处理计算公式具体为：

40、；

41、为车牌图像校正数据，为车牌图像校正的横向模糊度，为车牌图像校正的纵向模糊度，为车牌图像横向坐标点，为车牌图像中心点横向坐标点，为车牌图像纵向坐标点，为车牌图像中心点纵向坐标点，为校正波动周期项，为校正距离因子，为原始车牌图像强度分布数据。

42、本发明构造了一种智能图像校正处理计算公式，该计算公式进行校正车牌图像，以改善其清晰度和可读性。其中为车牌图像横向坐标点以及为车牌图像纵向坐标点，表示图像上的坐标点，用于指定校正后的像素位置。为车牌图像校正的横向模糊度以及为车牌图像校正的纵向模糊度分别表示图像的标准偏差，用于控制图像校正的横向和纵向模糊度。为车牌图像中心点横向坐标点以及为车牌图像中心点纵向坐标点表示图像中心点的坐标，用于指定校正的中心位置。为校正波动周期项表示光波的波长，用于控制校正中的波动周期。为校正距离因子，表示图像上的距离，用于指定校正的距离因子。为原始车牌图像强度分布数据，表示原始车牌图像的强度分布。这个公式描述了智能图像校正的过程，通过来控制图像的模糊度，余弦函数来引入波动效果，以及图像强度分布来表示原始车牌图像的特征。公式中的校正项能够纠正车牌图像中的畸变和模糊，提高车牌图像的清晰度和质量。这有助于更准确地识别车牌信息。通过调整参数，如横向和纵向模糊度（和）、波动周期项（）和校正距离因子（），该方法可以适应不同光照条件、角度和距离，从而提高了在各种环境下的车牌识别能力。通过使用余弦函数来引入波动效果，可以减少由于车牌图像的反射、扭曲或遮挡的因素导致的误识别，提高了车牌识别的稳定性。本发明提高车牌信息识别的准确性和稳定性。

43、优选地，步骤s4具体为：

44、步骤s41：通过智能路侧设备获取待检测车载设备编号数据以及待检测车牌图像数据；

45、步骤s42：通过边缘计算单元对车载设备编号数据进行数据校验并纠错，从而获取待检测车载设备编号纠错数据；

46、步骤s43：根据待检测车载设备编号纠错数据对车牌设备存储数据进行数据匹配，从而获取待检测车牌匹配数据；

47、步骤s44：对待检测车牌图像数据进行车牌数据完整性检测，从而获取车牌数据完整性检测，从而获取车牌数据完整性检测数据，其中车牌数据完整性检测数据包括车牌完整数据以及车牌缺失数据；

48、步骤s45：确定车牌数据完整性检测数据为车牌完整数据，则将待检测车牌图像数据确定为蒙牌车辆车牌数据；

49、步骤s46：确定车牌数据完整性检测数据为车牌缺失数据，则根据车牌设备存储数据中的车牌图像数据对待检测车牌图像数据进行图像映射，从而获取图像映射数据；

50、步骤s47：对图像映射数据进行置信度计算，从而获取图像映射置信度数据；

51、步骤s48：确定图像映射置信度数据为第一图像映射置信度数据时，则将车牌设备存储数据中的车牌图像数据确定为蒙牌车辆车牌数据；

52、步骤s49：确定图像映射置信度数据为第二图像映射置信度数据时，则对待检测车牌图像数据进行深度还原，从而获取蒙牌车辆车牌数据。

53、本发明中步骤s41负责获取待检测车载设备编号数据以及待检测车牌图像数据，步骤s42通过对待检测车载设备编号数据进行校验和纠错，确保了设备编号的准确性，从而提高了车辆识别的可靠性，步骤s43根据待检测车载设备编号纠错数据，将其与车牌设备存储数据进行匹配，确保了设备编号与车牌信息之间的正确对应，步骤s44对待检测车牌图像数据进行完整性检测，以判断车牌是否完整，区分蒙牌车辆和其他情况，如车牌部分遮挡或损坏。步骤s46对待检测车牌图像数据进行图像映射，同时步骤s47计算图像映射的置信度，确定图像映射的可信度，进而决定是否需要进行深度还原。步骤s49对待检测车牌图像数据进行深度还原，以获取蒙牌车辆的车牌数据，在车牌数据缺失或不完整时起到关键作用。本发明对蒙牌车辆的车牌信息进行了多层次的识别和验证，从而提高了车辆识别的准确性和可信度。

54、优选地，步骤s49中深度还原通过车辆车牌深度还原图像模型进行图像还原处理，其中车辆车牌深度还原图像模型的构建步骤具体为：

55、步骤s491：获取标准蒙牌车辆车牌图像数据以及对应的标准蒙牌车辆车牌数据；

56、步骤s492：对标准蒙牌车辆车牌图像数据进行特征提取，从而获取标准蒙牌车辆车牌图像特征数据；

57、步骤s493：对标准蒙牌车辆车牌图像特征数据进行复杂度处理，从而获取图像特征复杂度数据；

58、步骤s494：根据图像特征复杂度数据生成图像特征卷积层数据，并利用图像特征卷积层数据对标准蒙牌车辆车牌图像特征数据进行卷积计算，从而获取标准蒙牌车辆车牌图像卷积层数据；

59、步骤s495：对标准蒙牌车辆车牌图像卷积层数据进行池化层计算，从而获取标准蒙牌车辆车牌图像池化层数据；

60、步骤s496：对标准蒙牌车辆车牌图像池化层数据进行全连接计算，从而获取标准蒙牌车辆车牌图像全连接权重数据；

61、步骤s497：根据标准蒙牌车辆车牌数据对标准蒙牌车辆车牌图像全连接权重数据进行标注，从而获取车辆车牌深度还原图像模型。

62、本发明中该模型可以用于对蒙牌车辆的车牌图像进行还原，即使在模糊、噪音或损坏的情况下也能有效地还原车牌信息。这有助于提高车辆识别的准确性，尤其是在安全监控和交通管理方面。该模型利用深度学习技术，特别是卷积神经网络（cnn）和全连接网络，对图像进行特征提取和复杂计算，能够学习到更高级别的图像特征，从而提高了还原效果。车牌图像会受到不同光照、天气条件和角度的影响，因此需要更高级别的特征来识别不同情境下的车牌。图像特征卷积层数据的引入可以提高模型对这些复杂场景的适应能力，减少了识别错误的概率。这一步骤中的卷积计算可以将图像特征与标准蒙牌车辆车牌图像特征数据进行有效的融合。这种融合有助于提高深度学习模型的泛化性能，使其能够处理不同类型和风格的车牌图像，而不仅仅是针对特定的情况。通过使用标准蒙牌车辆车牌图像数据和对应的标准蒙牌车辆车牌数据，模型可以进行有效的训练和标注。这确保了模型在还原过程中能够对车牌图像进行准确的还原，尤其是在车牌图像多样性方面。

63、优选地，一种基于视觉技术的蒙牌车辆车牌信息识别设备，用于执行如上所述的基于视觉技术的蒙牌车辆车牌信息识别方法，该基于视觉技术的蒙牌车辆车牌信息识别设备包括：

64、车牌图像采集模块，用于通过预设的车牌采集摄像头进行车牌图像采集，从而获取车牌图像数据；

65、设备编号数据采集模块，用于通过安装于路侧的智能路侧设备进行车载etc系统设备编号采集，从而获取设备编号数据；

66、车牌设备编号存储模块，用于通过边缘计算单元对车牌图像数据以及设备编号数据进行处理并存储，从而获取车牌设备存储数据；

67、检索深度还原模块，用于通过智能路侧设备获取待检测车载设备编号数据，并利用车牌设备存储数据通过边缘计算单元对待检测车载设备编号数据进行检索并深度还原，从而获取蒙牌车辆车牌数据。

68、本发明的有益效果在于：本方法通过能够全面地采集车牌图像数据和车载etc系统设备编号数据，确保了对车辆的多维信息采集，为后续的识别和验证提供了充分的数据支持。本发明包括了设备编号的采集和校验过程，确保了设备编号的准确性，确保车辆与其相应的obu设备正确匹配，避免了错误识别。将车牌图像数据和设备编号数据传输至边缘计算单元，并存储为车牌设备存储数据，采用的多层次的数据存储允许对数据进行有效管理，以备后续的查询和识别。本发明中的深度还原技术应用于待检测车辆的车牌图像数据，在车牌图像存在遮挡、污损、逆光的情况下仍能够恢复车牌信息，通过深度还原技术，本方法能够高度可信地识别蒙牌车辆的车牌信息，提高交通管理、安全监控和犯罪防控的方面具有重要意义，有助于减少违法行为和提高治安水平。边缘计算单元允许在实时性方面提供高效率，并且可以处理更多的车辆和数据，从而能够应对交通流量高峰时段和不断增长的车辆数量。