一种基于图片识别技术的车辆定位方法及系统与流程

本发明涉及汽车电子领域，尤其涉及一种基于图片识别技术的车辆定位方法及系统。

背景技术：

目前的车辆定位技术，根据使用的广泛程度，可以分为以下几种模式：

一是依赖于被定位车辆上安装的电子定位设备来对自身进行定位，如传统的安防跟踪类gps设备；

二是通过固定的抓拍设备，获取某一时刻车辆所有在的位置，一般为政府部门如公安机关所普遍采用；

三是随着移动互联网技术的发展，通过关联的智能手机，使用智能手机间接对车辆进行定位，如目前的网约车即是采用该方法。

但是不管采用那一种模式，以上方法都存在明显的缺点，这些方法的实施，都有一些预设的前提条件，要么需要事先在车辆上安装特定的设备，要么需要提前设置固定的抓拍设备，要么需要先在手机上设置和车辆的绑定关系。这些都是一些被动的车辆定位方法，在数据采集的环境没有满足时，是无法知道车辆位置的，而且上述方法中存在设备被拆除、屏蔽或破坏的风险。

因此，现有技术还有待于改进和发展。

技术实现要素：

鉴于上述现有技术的不足，本发明的目的在于提供一种基于图片识别技术的车辆定位方法及系统，旨在解决现有技术中车辆定位方法属于被动方式、存在设备被拆除、屏蔽或破坏的风险的问题。

本发明的技术方案如下：

一种基于图片识别技术的车辆定位方法，其中，包括：

a、通过安装在当前车辆的图像采集设备拍摄其周围的被定位车辆的图像；

b、通过图像识别方法对拍摄到的图像进行识别，获取其中的车牌区域以及车牌号；

c、通过所述车牌区域在图像中的位置以及当前车辆的位置计算出被定位车辆的位置，并将被定位车辆的位置以及对应的车牌号上传到云数据中心进行保存。

所述的基于图片识别技术的车辆定位方法，其中，所述步骤c之后还包括：

云数据中心对被定位车辆的位置进行加工分析，绘制出所述被定位车辆的行驶轨迹。

所述的基于图片识别技术的车辆定位方法，其中，所述步骤c之后还包括：

云数据中心对被定位车辆的活动规律进行加工分析，绘制出所述被定位车辆的活动画像。

所述的基于图片识别技术的车辆定位方法，其中，所述步骤c具体包括：

c1、通过所述车牌区域在图像中的位置以及当前车辆的位置计算出当前车辆与被定位车辆之间的距离；

c2、根据所述当前车辆的经纬度、方向和当前车辆与被定位车辆之间的距离，计算出被定位车辆的经纬度。

所述的基于图片识别技术的车辆定位方法，其中，所述步骤a中，每隔一段时间拍摄一次。

所述的基于图片识别技术的车辆定位方法，其中，在检测到cpu占用小于50%以下时，每隔一段时间拍摄一次。

所述的基于图片识别技术的车辆定位方法，其中，根据识别出的重复率对拍摄的间隔时间进行调整。

所述的基于图片识别技术的车辆定位方法，其中，采用如下公式进行拍摄的间隔时间进行调整：

t=t0+t0*k，其中，t0为上一次的间隔时间，t为本次的间隔时间，k为识别出的重复率。

一种基于图片识别技术的车辆定位系统，其中，包括：

摄像模块，用于通过安装在当前车辆的图像采集设备拍摄其周围的被定位车辆的图像；

识别模块，用于通过图像识别方法对拍摄到的图像进行识别，获取其中的车牌区域以及车牌号；

计算模块，用于通过所述车牌区域在图像中的位置以及当前车辆的位置计算出被定位车辆的位置，并将被定位车辆的位置以及对应的车牌号上传到云数据中心进行保存。

所述的基于图片识别技术的车辆定位系统，其中，还包括：

加工模块，用于对被定位车辆的位置进行加工分析，绘制出所述被定位车辆的行驶轨迹；和/或用于对被定位车辆的活动规律进行加工分析，绘制出所述被定位车辆的活动画像。

有益效果：通过本发明实现的车辆定位方法，大大降低了车辆定位实施的难度，因不依赖于被定位车辆上的任何设备以及依赖条件，所以不再需要考虑设备被破坏、屏蔽或者拆除的风险等因素，同时由于是流动性的数据采集，随着设备量的增加，可以实现对于未安装任何定位设备的车辆主动进行网状立体化的数据采集。

附图说明

下面将结合附图及实施例对本发明作进一步说明，附图中：

图1为本发明一种基于图片识别技术的车辆定位方法较佳实施例的流程图。

图2为本发明的车辆定位方法中车辆位置计算原理图。

图3为本发明一种基于图片识别技术的车辆定位系统较佳实施例的结构框图。

具体实施方式

本发明提供一种基于图片识别技术的车辆定位方法及系统，为使本发明的目的、技术方案及效果更加清楚、明确，以下对本发明进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

请参阅图1，图1为本发明一种基于图片识别技术的车辆定位方法较佳实施例的流程图，如图所示，其包括：

s1、通过安装在当前车辆的图像采集设备拍摄其周围的被定位车辆的图像；

s2、通过图像识别方法对拍摄到的图像进行识别，获取其中的车牌区域以及车牌号；

s3、通过所述车牌区域在图像中的位置以及当前车辆的位置计算出被定位车辆的位置，并将被定位车辆的位置以及对应的车牌号上传到云数据中心进行保存。

由于车辆上安装可联网的智能设备越来越多，并且一般都配备了摄像头，如现在流行的智能后视镜、行驶记录仪以及中控台的大屏机等等，这些设备的功能主要以事故疑点记录为主，其它的功能基本不属于刚需，设备没有很好的利用起来。本发明正是利用车辆上安装的图像采集设备如摄像头来对周围的车辆进行拍摄，从而获取其车牌号以及位置，并上传至云数据中心进行保存，还可以进行后续的处理。

本发明实现的基本思路如下：通过安装在当前车辆（采集车辆或称数据采集车辆）上的图像采集设备（如带有摄像头的智能设备），拍摄周围车辆（被定位车辆，或称目标车辆）的图像，再识别出被定位车辆的车牌号，最后通过当前车辆的位置与被定位车辆的位置关系计算出被定位车辆的位置，并将被定位车辆的位置上传到云数据中心。

本发明的基本实现原理是，在联网的智能后视或者大屏机或者其他设备上内置数据采集的软件，该数据采集软件是常驻智能设备系统的后台，用户不需要进行任何操作，开机后即自动启动。车辆在行驶过程中，不断拍摄获取可视范围内其它车辆的照片并识别出所有的车牌，然后结合自身的位置和其它车辆的位置关系计算出其它车辆的所在位置，然后将这些车辆的位置上传到云数据中心。

具体地，在所述步骤s1中，通过安装在当前车辆的图像采集设备拍摄其周围的被定位车辆的图像。

其中的图像采集设备可以是智能后视镜、行驶记录仪以及中控台的大屏机等等，这些设备都具有图像采集功能，并且可对周围的车辆进行拍摄。当然，还可以在车辆新增一些摄像装置，以进行拍摄。

在所述步骤s2中，通过图像识别方法对拍摄到的图像进行识别，获取其中的车牌区域以及车牌号。

对于车牌区域以及车牌号的识别，可采用现有技术中在智能终端上通过图片识别出车牌的算法或者sdk，识别的速度和精准度都达到了商用的条件。如果在智能设备上实现车牌识别效率较低和cpu消耗较大，也可以由车辆将拍摄到的图像上传到云数据中心进行识别，只是这种方法对于智能设备的流量消耗较大。

在所述步骤s3中，其是为了计算出被定位车辆的位置，并将被定位车辆的位置以及对应的车牌号上传到云数据中心进行保存。

至于被定位车辆的位置，具有简单模式和精确模式。

简单模式：也可称粗略模式，其方法就是将数据采集车辆（即当前车辆）的位置作为被定位车辆的位置，并进行上传。当然，由于当前车辆与被定位车辆可能还存在几米甚至几十米的距离，所以这种方法较为粗略，并不能准确表示被定位车辆的位置，但这种方法效率最高，可以满足一些要求不是非常高的应用场景。

其中当前车辆的位置可按如下方法获取：通过车辆内置的gps装置，可以获取到当前车辆所在位置的经度、纬度以及gps时间、行驶速度、行进方向。

精确模式：如果需要获取更精确的位置，还需通过其它方法进一步计算当前车辆与被定位车辆之间的位置关系。

具体地，所述步骤s3具体包括：

s31、通过所述车牌区域在图像中的位置以及当前车辆的位置计算出当前车辆与被定位车辆之间的距离；

s32、根据所述当前车辆的经纬度、方向和当前车辆与被定位车辆之间的距离，计算出被定位车辆的经纬度。

其中，在所述步骤s31中，因为车牌区域的大小是固定的，高度为15厘米，根据车牌区域在图像上的像素所占百分比可以估算出两车之间的相对距离，经过大量的测试，在距离为2米到150米之间时，车牌区域高度与图像的高度比例在8.36%到2.45%之间，因此可以根据车牌区域高度与图像高度的比例估算出当前车辆与被定位车辆之间的距离。例如事先可设置一对应表，每一比例对应不同的距离，那么当计算出车牌区域高度与图像的高度比例时，则可以直接根据所述对应表来查询二者之间的距离。

在所述步骤s32中，根据所述当前车辆的经纬度、方向和当前车辆与被定位车辆之间的距离，计算出被定位车辆的经纬度。

由于在步骤s1中计算出了当前车辆和被定位车辆之间的距离，如图2所示，然后根据当前车辆所在位置a的经纬度a（x0,y0）、方向（h）和ab之间的球面距离(d，可以直接将步骤s31中计算出的距离作为球面距离),最后计算出被定位车辆所在位置b的经纬度（x1,y1），pi为圆周率，r为地球极半径，长度或者距离的单位都是米，则：

x1=x0+(d*sin(h*pi/180.0))/(r*cos(y0*pi/180.0))

y1=y0+(d*cos(h*pi/180.0))/r

进一步，所述步骤s1中，每隔一段时间拍摄一次。图像拍摄的时间间隔过短，会造成处理的cpu消耗过大，时间间隔过大，又会导致部分数据采集不到。

实际使用过程中，根据cpu的资源消耗结合实际情况，采用智能的方式选择合适的时机进行数据采集。优选的，在检测到cpu占用小于50%以下时，每隔一段时间拍摄一次。即只有在cpu占用小于50%的才会进行图像拍摄，并且时按照预定的时间间隔进行拍摄。本发明优选的，间隔时间默认为5秒。

进一步，根据识别出的重复率对拍摄的间隔时间进行调整。

例如采用如下公式进行拍摄的间隔时间进行调整：

t=t0+t0*k，其中，t0为上一次的间隔时间，t为本次的间隔时间，k为识别出的重复率。

例如，上次识别的间隔时间为5秒，那么5秒后根据上次识别与本次识别的重复率决定下次图像拍摄的时间间隔，此处的重复率有两种情况：一种为100%，即两次识别的车牌相同，即当k为100%时，t=5秒+5秒=10秒，即增加间隔时间至10秒，并将其作为新的t0，另一种为0%，即两次识别出的车牌不一样时，则继续保持原来的t0；当未识别出车牌时，则设置t0=50秒，也就是长时间未识别出车牌，那么则将间隔时间延长，以便减少cpu消耗。

进一步，所述步骤s3之后还包括：

云数据中心对被定位车辆的位置进行加工分析，绘制出所述被定位车辆的行驶轨迹。

进一步，所述步骤s3之后还包括：

云数据中心对被定位车辆的活动规律进行加工分析，绘制出所述被定位车辆的活动画像。

也就是说，云数据中心会根据收集的所有数据对指定车辆（被定位车辆中的一辆或多辆）的数据进行加工分析，绘制出指定车辆的行驶轨迹，还可以进一步对指定车辆的活动规律进行画像，并将这些数据或者分析的结果提供给其它应用使用。

根据数据采集的情况，以车牌维度可以分析出车辆的出行时间规律、车主的家庭或者工作单位地址、车辆经常出没地、经常行驶路线，进而可以分析到车主的行为习惯等。

本发明的方法优势明显，原因如下：

一是实现方法简单。由于该方法不需要传输图片等大字节的数据，所以只需要很少的流量即可满足数据采集的需要，在流量费用越来越便宜的今天，也可以通过其它方式很容易地将数据采集费用转嫁出去，由真正使用和关心数据用户来承担这些费用。

二是维护成本极低。在大多数车辆定位领域，安装定位设备的主要目的是为了车辆管理或者监控，而被管理的人员为了防止被管理，会采取各种方法想方设法使安装在被定位车辆上的设备不正常甚至拆除了设备，如汽车贷款的风控，需要在车辆上安装4-5台设备，有线设备和无线设备结合使用，这样维护成本极高还不能确保完全有效。本发明方法是通过安装在数据采集车辆上的设备来采集被监管车辆的位置，而该设备又是事故疑点的记录使用，是为了保证车主的安全和切身利益的，车主不会不让它工作不正常。

本发明方法的思路也是基于大数据的思维提出，如果采用本发明的方法的设备数量越多，那么数据采集越完善。

本发明还提供一种基于图片识别技术的车辆定位系统较佳实施例，如图3所示，其包括：

摄像模块100，用于通过安装在当前车辆的图像采集设备拍摄其周围的被定位车辆的图像；

识别模块200，用于通过图像识别方法对拍摄到的图像进行识别，获取其中的车牌区域以及车牌号；

计算模块300，用于通过所述车牌区域在图像中的位置以及当前车辆的位置计算出被定位车辆的位置，并将被定位车辆的位置以及对应的车牌号上传到云数据中心进行保存。

所述的基于图片识别技术的车辆定位系统，其中，还包括：

加工模块，用于对被定位车辆的位置进行加工分析，绘制出所述被定位车辆的行驶轨迹；和/或用于对被定位车辆的活动规律进行加工分析，绘制出所述被定位车辆的活动画像。

关于上述系统模块的技术细节在前面的方法中已有详述，故不再赘述。

综上所述，通过本发明实现的车辆定位方法，大大降低了车辆定位实施的难度，因不依赖于被定位车辆上的任何设备以及依赖条件，所以不再需要考虑设备被破坏、屏蔽或者拆除的风险等因素，同时由于是流动性的数据采集，随着设备量的增加，可以实现对于未安装任何定位设备的车辆主动进行网状立体化的数据采集。

应当理解的是，本发明的应用不限于上述的举例，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，所有这些改进和变换都应属于本发明所附权利要求的保护范围。