本发明涉及智能交通监控技术领域，尤其涉及一种基于无人机的多车牌自主检测和定位系统及方法。
背景技术：
车牌作为车辆身份信息识别中的最重要信息，对于智能交通管理具有重要作用。目前的车牌识别系统主要分为两方面：一方面是基于现有的监控系统来检测和识别车牌，另一方面是利用车牌识别专用摄像系统来检测和识别车牌。这两种方法虽然都可以检测和识别车牌，但是都需要固定角度和固定位置，不具有灵活性，而且是被动检测和识别车牌。
而利用无人飞机对车牌进行检测，具有自主和灵活等特点，但是受限于无人机的飞行高度，无人机无法在高空检测和识别出车牌，如果在低空飞行又对无人机的安全造成影响。一个解决方式是使无人机携带有高倍光学变焦镜头，当无人机在高空，如100米高空飞行时，可以通过30倍光学变焦，检测和识别镜头所拍摄车辆的车牌，但是这种方式使得镜头中能观测到的信息减少很多，而且由于观测不到周围环境变化，对控制摄像头搜寻车辆造成困难。
技术实现要素：
本发明提供一种基于无人机的多车牌自主检测和定位系统及方法，解决无人机在高空利用高倍光学变焦镜头搜索、检测、识别车牌效率不高的问题。
为了实现上述目的，本发明提出一种基于无人机的多车牌自主检测和定位系统，包括设置有主摄像头和从摄像头的无人机、云台控制器和处理器；其中，
主摄像头，用于在空中从大范围拍摄车场图像；
从摄像头，用于在空中从小范围拍摄目标车辆的细节图像；
无人机，用于根据处理器的指令控制飞行参数，以改变摄像头的拍摄范围；
云台控制器，用于无人机和处理器进行无线数据交互；
处理器：用于根据主摄像头拍摄的大范围车场图像和从摄像头拍摄的目标车辆细节图像进行车辆匹配，再检测目标车辆的车牌。
优选地，所述的主摄像头采用前置高清摄像头，所述的从摄像头采用光学变焦摄像头。
优选地，所述的主摄像头和从摄像头并列设置。
优选地，所述的处理器，还用于根据主摄像头拍摄的大范围车场图像，判断车场图像内是否有车辆，若有，则控制从摄像头从小范围拍摄目标车辆的细节图像。
优选地，所述的处理器，还用于在识别出一辆车的车牌号后，向下一目标车辆的所在位置移动从摄像头的角度，且在移动过程中不断拍摄图像。
优选地，所述的根据主摄像头拍摄的大范围车场图像和从摄像头拍摄的目标车辆细节图像进行车辆匹配，采用提取金字塔式特征的方式进行图像匹配。
优选地，所述的判断车场图像内是否有车辆，若无，则根据预先设置的变换角度和变换位置调整无人机的飞行位置，以供主摄像头的下一次拍摄。
优选地，所述的在移动过程中不断拍摄图像，当拍摄图像与车场图像匹配成功后，从摄像头停止移动。
本发明还提出一种基于无人机的多车牌自主检测和定位方法，包括以下步骤：
在空中从大范围拍摄车场图像；
在空中从小范围拍摄目标车辆的细节图像；
根据大范围车场图像和目标车辆细节图像进行车辆匹配，再检测目标车辆的车牌。
优选地，所述的在空中从大范围拍摄车场图像步骤与在空中从小范围拍摄目标车辆的细节图像步骤之间，还包括：根据大范围车场图像，判断车场图像内是否有车辆，若有，则从小范围拍摄目标车辆的细节图像。
优选地，所述根据大范围车场图像和目标车辆细节图像进行车辆匹配，再检测目标车辆的车牌步骤之后，还包括：在识别出一辆车的车牌号后，向下一目标车辆的所在位置移动拍摄角度，且在移动过程中不断拍摄图像。
优选地，所述的根据大范围车场图像和目标车辆细节图像进行车辆匹配，采用提取金字塔式特征的方式进行图像匹配。
优选地，所述的判断车场图像内是否有车辆，若无，则根据预先设置的变换角度和变换位置调整拍摄位置。
优选地，所述的在移动过程中不断拍摄图像，当拍摄图像与车场图像匹配成功后，停止移动拍摄角度。
本发明提出的一种基于无人机的多车牌自主检测和定位系统及方法，具有如下有益效果：
1、提高无人机车辆、车牌检测的自动化程度，减少人工干预。
2、扩大拍摄视野，减少主摄像头搜索角度，提高搜索效率。
3、采用金字塔特征，提高匹配准确度，减少漏检率。
4、利用主从摄像头构造的自适应反馈系统，提高了系统的鲁棒性，使得抗干扰能力更强。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图示出的结构获得其他的附图。
图1为本发明第一实施例中基于无人机的多车牌自主检测和定位系统结构框图；
图2为本发明第一实施例中无人机安装示意图；
图3为本发明实施例中金字塔式特征提取流程图；
图4为本发明第五实施例中基于无人机的多车牌自主检测和定位方法流程图；
图5为本发明第六实施例中基于无人机的多车牌自主检测和定位方法流程图；
图6为本发明第七实施例中基于无人机的多车牌自主检测和定位方法流程图；
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
需要说明，若本发明实施例中有涉及方向性指示(诸如上、下、左、右、前、后……)，则该方向性指示仅用于解释在某一特定姿态(如附图所示)下各部件之间的相对位置关系、运动情况等，如果该特定姿态发生改变时，则该方向性指示也相应地随之改变。
另外，若本发明实施例中有涉及“第一”、“第二”等的描述，则该“第一”、“第二”等的描述仅用于描述目的，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外，各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本发明要求的保护范围之内。
本发明提出本发明提出一种基于无人机的多车牌自主检测和定位系统；
本发明第一优选实施例中，如图1所示，包括设置有主摄像头和从摄像头的无人机、云台控制器和处理器；其中，主摄像头，用于在空中从大范围拍摄车场图像；从摄像头，用于在空中从小范围拍摄目标车辆的细节图像；无人机，用于根据处理器的指令控制飞行参数，以改变摄像头的拍摄范围；云台控制器，用于无人机和处理器进行无线数据交互；处理器，本实施例中采用两个云台控制器分别实现主摄像头、从摄像头与处理器的交互：用于根据主摄像头拍摄的大范围车场图像和从摄像头拍摄的目标车辆细节图像进行车辆匹配，再检测目标车辆的车牌。
本实施例中，在无人机上构造由双摄像头构成的主从联动系统，通过2个摄像头以及无人机自带的嵌入式处理器构成一个交互式的控制系统来达成多车牌的自主检测和定位系统。
一个具有自动巡检功能的无人机，通常带有一个前置的摄像头，添加一个最大为30倍光学变焦摄像头就可以实现本系统功能。本实施例中，如图2所示，采用大疆的matrice210的飞行器，matrice210具有下置双云台，搭载zenmusext和zenmuse30两个摄像头就能满足前述要求，其中zenmusext是前置高清摄像头，zenmuse30是30倍光学变焦摄像头；
本实施例中，两个摄像头拍摄的目的和范围不同，高清摄像头拍摄的画面较大，能拍摄较大范围的场景，所以能够在镜头中容纳更多的车辆，但是拍摄的车辆细节较少，通常不能用于直接识别车牌，该摄像头作为控制摄像头，称作主摄像头；而光学变焦摄像头，通过镜头的倍数放大，能够拍摄更多细节，可以直接用于车牌识别，但是由于拍摄范围较窄很难定位到车牌，需要通过控制摄像头的指令来移动，该摄像头作为被控摄像头，称作从摄像头；主摄像头和从摄像头并列设置；
本发明第二优选实施例中，在第一优选实施例的基础上所述的处理器，还用于根据主摄像头拍摄的大范围车场图像，判断车场图像内是否有车辆，若有，则控制从摄像头从小范围拍摄目标车辆的细节图像；若无，则根据预先设置的变换角度和变换位置调整无人机的飞行位置，以供主摄像头的下一次拍摄。
本发明实施例中，当无人机在高空悬停时，先由高清摄像头(主摄像头)拍摄前方45度角方位的场景；并通过机器视觉方法，检测出该场景中包含的车辆；
本发明第三优选实施例中，在第二优选实施例的基础上所述的处理器，还用于在识别出一辆车的车牌号后，向下一目标车辆的所在位置(要识别的车辆和上一个已识别车辆在主摄像头上的位置是确定的)移动从摄像头的角度(按照两辆车构成的角度)，且在移动过程中不断拍摄图像；当拍摄图像与车场图像匹配成功后，从摄像头停止移动；并使从摄像头聚焦到目标车辆，再调节放大倍数，直到能看清车牌，再通过车牌识别方法识别出车牌号；
本发明实施例中，控制从摄像头，按照从上到下从左至右的方式，逐个对准需要识别车牌的车辆，并进行车牌识别，如果清晰度不够，还可以不断调节放大系数，直到能看清车牌，再通过车牌识别方法识别出车牌号；
以上过程迭代执行，直到识别出主摄像头所拍场景中所有车辆的车牌，再由主摄像头拍摄下一场景，并识别下一场景中所有车辆的车牌。
本发明第四优选实施例中，在第三优选实施例的基础上所述的车辆匹配，采用提取金字塔式特征的方式进行图像匹配。
本发明实施例中，当嵌入式系统通过主摄像头确定要识别的目标车辆后，就控制从摄像头向目标移动，在移动到目标车辆过程中，由从摄像头不断拍摄光学放大后照片传给嵌入式系统，由嵌入式处理器提取金字塔式特征，如图3所示，并和主摄像头的图像匹配，一旦匹配成功，就说明从摄像头定位到目标车辆，再进行下面的车牌识别过程。金字塔特征可以在无人机飞行高度、车辆位置和摄像头放大倍数无法确定的时候，提高目标车辆匹配的准确性。
本发明还提出一种基于无人机的多车牌自主检测和定位方法；
本发明第五优选实施例中，方法流程图如图4所示，包括以下步骤：
s10、在空中从大范围拍摄车场图像；
本发明实施例中，采用主摄像头(前置高清摄像头)在空中从大范围拍摄车场图像，并通过云台控制器发送至嵌入式处理器中；
s20、在空中从小范围拍摄目标车辆的细节图像；
本发明实施例中，采用从摄像头(30倍光学变焦摄像头)在空中从大范围拍摄车场图像，并通过云台控制器发送至嵌入式处理器中；
s30、根据大范围车场图像和目标车辆细节图像进行车辆匹配，再检测目标车辆的车牌。
本发明实施例中，由嵌入式处理器提取金字塔式特征，并和主摄像头的图像匹配，一旦匹配成功，就说明从摄像头定位到目标车辆，再进行下面的车牌识别过程。金字塔特征可以在无人机飞行高度、车辆位置和摄像头放大倍数无法确定的时候，提高目标车辆匹配的准确性。
本发明第六优选实施例中，方法流程图如图5所示，步骤s10与步骤s20之间，还包括：
s40、根据大范围车场图像，判断车场图像内是否有车辆，若有，则执行步骤s20；否则执行s60；
本发明实施例中，先由高清摄像头拍摄前方45度角方位的场景，并通过机器视觉方法，检测出该场景中包含的车辆；
s50、根据预先设置的变换角度和变换位置调整拍摄位置。
本发明第七优选实施例中，方法流程图如图6所示，步骤s30之后，还包括：
s60、在识别出一辆车的车牌号后，向下一目标车辆的所在位置移动拍摄角度，且在移动过程中不断拍摄图像；移动过程中不断拍摄图像，当拍摄图像与车场图像匹配成功后，停止移动拍摄角度；
本发明实施例中，由于要识别的车辆和上一个已识别车辆在主摄像头上的位置是确定的，所以可以控制从摄像头按照两辆车构成的角度移动，同时在从摄像头移动过程中，不断拍摄图像，并和主摄像头的目标车辆比较；
本发明实施例中，控制从摄像头，按照从上到下从左至右的方式，逐个对准需要识别车牌的车辆，并进行车牌识别，如果清晰度不够，还可以不断调节放大系数，直到能看清车牌，再通过车牌识别方法识别出车牌号。
以上所述仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是在本发明的发明构思下，利用本发明说明书及附图内容所作的等效结构变换，或直接/间接运用在其他相关的技术领域均包括在本发明的专利保护范围内。