个车型，其各局部特征区域的权值汇总等于100%。
[0056] 如图1所示，本实施例一种基于加权局部特征比对的车辆套牌识别方法，包括：
[0057] 步骤S1、基于待识别车辆的抓拍图片，识别出待识别车辆的车型信息和车牌。
[0058] 当车辆经过交通卡口时，卡口的抓拍设备进行抓拍，获得车辆的抓拍图片，作为待 识别车辆的抓拍图片。本实施例基于抓拍图片进行后续分析，进行套牌嫌疑预警。
[0059] 由于各抓拍设备的安装位置、环境影响，整个抓拍图片中抓拍位置的前部/尾部成 像效果最好，而车的侧身、顶部等位置，成像效果一般。本实施例的局部特征取自抓拍位置 的前部/尾部成像，即对车辆前部/尾部的抓拍图片进行处理。
[0060] 进一步地，由于抓拍设备安装位置不同，导致抓拍角度不同，同一辆车，抓拍的图 片，各局部特征区域的崎变效果亦不同，导致相同特征位置的差异增大，相似度降低，影响 比对结果。本实施例还包括步骤：
[0061] 对抓拍图片进行校正，统一崎变效果。
[0062] 将所有抓拍图片校正到同一个角度，可W大大减少图像崎变对后续特征比对的干 扰。对抓拍图片进行校正，有W下两种实施：
[0063] 实施例1、基于参照物的校正。
[0064] 基于参照物，例如车牌，对整个车身抓拍图片进行拉伸、旋转，调整为正拍效果。
[0065] 实施例2、基于标准参考体系的校正。
[0066] 设置一个标准参考体系Ref，W抓拍设备的抓拍位置为参考位置，构建抓拍车辆在 参考位置的Ξ维位置；
[0067] 其他抓拍设备抓拍的抓拍图片，均投射到参考标准参考体系，对车辆抓拍图片进 行统一校正。
[0068] 如图2所示，由于各抓拍设备的安装位置有差异，其他抓拍设备的实际抓拍位置是 PosA。在标准参考体系Ref中，将该卡口设备抓拍图片投射到标准抓拍位置化S。
[0069] 需要说明的是，图2示出了车辆前部抓拍图片，车辆后部抓拍图片的校正原理相 同，运里不再寶述。本实施例是在抓拍图片校正的基础上，识别出待识别车辆的车型信息， W及后续提取抓拍图片中局部特征图。
[0070] 从而基于待识别车辆的抓拍图片，识别出待识别车辆的车型信息，车型信息包括： 车辆品牌、型号、年款。比如上海大众化sat 2015款，宝马BMW525 2015款等。
[0071] 容易理解的是，最好是在识别车型信息和车牌之前就进行抓拍图片的校正，有利 于识别出正确的车型信息和车牌，并且有利于后续局部特征图的识别比对。当然在步骤S1 之后再进行抓拍图片的校正，仍然有利于后续局部特征图的识别比对。
[0072] 步骤S2、根据待识别车辆的车型信息，进一步提取抓拍图片中局部特征图。
[0073] 根据表1，对于不同的车型，设置有需要提取的不同局部特征区域图片作为局部特 征图。本实施例在校正图片的基础上，提取出抓拍图片中局部特征图，能够降低图像崎变对 后续特征比对的干扰。
[0074] 步骤S3、根据待识别车辆的车牌在基准比对库中查找相同车牌车辆。
[0075] 基于车管所登记的车辆信息，或者基于抓拍图片，为车辆建立基准比对库 BaseCompDB，保存车辆车型信息、车牌和局部特征图。从而在识别出待识别车辆的车牌后， 可W根据该车牌从基准比对库中找到该车牌对应的参考局部特征图，进行后续的识别，来 判断待识别车辆是否是盗牌车。
[0076] 步骤S4、提取基准比对库中相同车牌车辆对应的参考局部特征图，将提取的待识 别车辆的局部特征图与基准比对库中的参考局部特征图进行逐个比对，计算出每个局部特 征图对应于参考局部特征图的相似度。
[0077] 在进行分析时，从基准比对库BaseCompDB中提取该车型需要比对的参考局部特征 图，和当前抓拍图片的局部特征图逐个进行比对，计算出相似度。
[0078] 步骤S5、根据设定的该待识别车辆对应的局部特征权值，汇总计算出该待识别车 辆的对应于基准比对库中相同车牌车辆的总相似度。
[0079] 在逐个比对获知各局部特征图的相似度后，根据表1设置的局部特征权值，计算出 待识别车辆的总相似度：
[0080] 总相似度=权值1*车贴区域相似度+车饰区域相似度*权值化车标区域相似度*权 值3+…。
[0081] 步骤S6、根据待识别车辆的总相似度，判断其是否是套牌车，如果总相似度没有超 过设定的第一阔值，则上报套牌嫌疑预警。
[0082] 最后根据获得的总相似度，判断待识别车辆与基准比对库中的车辆是否相似。即 判断总相似度是否超过设定的第一阔值，如果没有超过，说明该待识别车辆与合法车辆的 相似度存在差异，则上报套牌嫌疑预警，否则将待识别车辆认为是拥有该合法车牌的车辆。
[0083] 另外，由于污损或遮挡，车牌的部分字符识别置信度可能比较低。当字符识别的置 信度低于特定的第二阔值，则该车牌存在多种可能，比如字符8的置信度低于阔值40,则浙 A12：M8,可能是浙 A12：MB。
[0084] 如表2所示，车牌中很多字符由于污损、遮挡的原因，会产生错误的识别： 「00851
[00化]表2
[0087] 因此，在本实施例在识别到运类车牌时，自动为运类车牌生成相似车牌列表 ListCarPlate，采用该列表进行比对，防止漏报。但采用相似车牌来进行对比时，容易发生 误报，车牌的字符识别置信度越高，车牌越清晰，误报越少。
[0088] 为了避免运些相似车牌可能引起的误报，本实施例还基于车牌置信度，进一步完 善了一种基于加权局部特征比对的车辆套牌识别方法，W下进行详细说明。
[0089] 在引入车牌置信度的情况下，本实施例的车辆套牌识别方法，在步骤S3之前还包 括：
[0090] 判断待识别车辆的车牌置信度是否高于设定的第二阔值，如果是则进入步骤S3， 否则计算相似车牌列表，W计算出的相似车牌为待识别车辆的车牌进入步骤S3。
[0091] 本步骤在待识别车辆的车牌置信度高于设定的第二阔值时，认为识别正确，如果 不高于设定第二阔值，则只能找出所有的相似车牌，例如浙A12348和浙A1234B，分别对 A12348和浙A1234B进行后续的比对判断。
[0092] 进一步地，在引入车牌置信度的情况下，本实施例的车辆套牌识别方法，步骤S3还 包括：
[0093] 如果基准比对库中存在相同车牌，则进入步骤S4,否则将待识别车辆的车型信息、 车牌和局部特征图加入到基准比对库中。
[0094] 本步骤在于更新基准比对库，即在基准比对库中不存在相同车牌时，将待识别车 辆的车型信息、车牌和局部特征图加入到基准比对库中，W便对后续车辆的抓拍图片进行 识别比对。
[00%]进一步地，在引入车牌置信度的情况下，本实施例的车辆套牌识别方法，在步骤S3 之后，还包括步骤：
[0096] 如果查找到的相同车牌车辆对应的车型信息与待识别车辆不同，且车牌置信度高 于设定的第二阔值，则上报套牌嫌疑预警后结束；
[0097] 如果查找到的相同车牌车辆对应的车型信息与待识别车辆不同，但车牌置信度不 高于设定的第二阔值，则上报车牌污损、遮挡预警后结束。
[0098] 本步骤对于车型不同的待识别车辆，当其车牌置信度高于设定的第二阔值时，上 报套牌嫌疑预警；当车牌置信度不高于设定的第二阔值，则上报车牌污损、遮挡预警。从而 基于车牌置信度和车型首先进行了判别，能够节省判别的步骤，并能对车牌污损或遮挡进 行预警。
[0099] 进一步地，在设置有车牌置信度的情况下，所述步骤6包括步骤：
[0100] 如果总相似度没有超过设定的第一阔值，且待识别车辆的车牌置信度高于设定的 第二阔值，则上报套牌嫌疑预警后结束；
[0101] 如果总相似度没有超过设定的第一阔值，但车牌置信度不高于设定的第二阔值， 则上报车牌污损、遮挡预警后结束。
[0102] 本步骤基于车牌置信度和总相似度，分别上报套牌预警和车牌污损、遮挡预警，进 一步扩展了本发明的适用场景。
[0103] 图3示出了本实施例一种基于加权局部特征比对的车辆套牌识别装置，该车辆套 牌识别装置包括：
[0104] 图片识别模块，用于基于待识别车辆的抓拍图片，识别出待识别车辆的车型信息 和车牌；
[0105] 局部特征图提取模块，用于根据待识别车辆的车型信息，进一步提取抓拍图片中 局部特征图；
[0106