一种基于车牌特征匹配的车速检测方法
【技术领域】
[0001] 本发明涉及智能交通领域，具体涉及一种基于车牌特征匹配的车速检测方法。
【背景技术】
[0002] 随着视频监控技术应用范围越来越广，现在的交通系统很大程度上依靠视频监控 来获取交通信息，但是进行实时监控的人力需求也会随之增加，在庞大的监控系统下仅仅 依靠人力显得不合实际。
[0003] 智能交通的目的利用计算机技术代替人力自动获取道路状况，其中利用计算机视 觉对道路监控视频进行自动分析是最可行的方法。车速一直是非常重要的交通信息。
[0004] 目前道路上主要采用地感线圈、激光和雷达检测速度，而这些技术都存在一些不 足。地感线圈测速是利用两个线圈测量车辆经过固定长度的时间差连测得车速，这种方法 具有快速测得速度的优点，但是线圈受到地面长时间的挤压容易损坏，重新埋设地感线圈 需要较高的成本。激光测速是通过激光两次到达车辆的时间差来计算车辆速度，激光测速 的精度高，但只能对单车道单车辆进行测速，对人眼也具有很大的伤害性，而且激光设备的 费用非常高。雷达测速的缺点是，当存在多个目标时容易出现误检，只能对单个目标速度进 行测量。这三种方法在测量速度时都无法提取车辆信息，依然要通过安装的监控摄像机获 取图像信息。
[0005] 现在监控摄像机已经大规模的使用在公路上，依据现有的摄像机，开发出一种基 于视频的车速检测系统，具有低成本、精度满足应用需求的特点，适合大规模推广应用。
[0006] 在基于视频的车速检测这个领域有过很多研究，目前有的如基于目标跟踪和特征 点匹配的方法，但它们都无法有效解决多车辆同时检测，并且匹配精度不高。
[0007] 基于以上所述，提供一种能够解决多车辆同时检测且提高匹配精度的车速检测方 法实属必要。
【发明内容】
[0008] 鉴于以上所述现有技术的缺点，本发明的目的在于提供一种基于车牌特征匹配的 车速检测方法，用于解决现有技术中车速检测无法有效解决多车辆同时检测，并且匹配精 度不高的问题。
[0009] 为实现上述目的及其他相关目的，本发明提供一种基于车牌特征匹配的车速检测 方法，包括步骤:步骤1)，在道路两处分别划定第一检测区域及第二检测区域，每个检测区 域中分别设有第一触发线以及第二触发线;步骤2)，当触发线触发时，先对车牌区域进行粗 定位，然后对粗定位的车牌进行鉴定真伪;步骤3 )，对定位到的车牌进行字符分割，并选择 若干个字母或/及数字利用BP神经网络做字符识别;步骤4)，储存识别到的字符序列作为用 于匹配的特征，并记录车牌中心的位置坐标和当前帧数；以及步骤5)，用第二检测区域中检 测到的字符序列比对第一检测区域的车牌记录，若匹配到车牌，则通过像素坐标转换到真 实坐标算出距离，根据帧数得到时间差，从而算出车速。
[0010] 作为本发明的基于车牌特征匹配的车速检测方法的一种优选方案，步骤2)中，判 断触发线出发包括步骤:于检测区域前上方安装摄像头采集视频，对每帧图像进行灰度化 处理，取触发线上相邻两帧图像的灰度值，做差求绝对值的和，若大于预设阈值，则判定有 物体经过检测区域。
[0011] 作为本发明的基于车牌特征匹配的车速检测方法的一种优选方案，步骤2)对车牌 区域进行粗定位包括步骤:第一步，在检测区域内提取出候选车牌区域，对图像进行高斯滤 波，降低噪声影响，然后进行灰度化得到灰度图像;第二步，对得到的灰度图像进行二值化 得到二值图像;第三步，对二值图像进行形态学的闭操作;第四步，对二值图像进行连通域 标记;第五步，对标记的每个连通域取最小外接矩形，计算出矩形偏转角度，并筛选出角度 偏转在预设角度内的矩形区域;第六步，计算第五步所筛选出的矩形区域的宽高比，并筛选 出高宽比在预设范围内的矩形区域；以及第七步，通过旋转将第六步筛选出的矩形区域调 整为水平，该矩形区域对应原图像即为车牌区域。
[0012] 作为本发明的基于车牌特征匹配的车速检测方法的一种优选方案，步骤2)中，基 于H0G特征和SVM分类器对粗定位的车牌进行鉴定真伪，包括步骤:第一步，对车牌区域进行 尺寸归一化处理;第二步，基于机器自学习的方法训练SVM分类器，使其能基于车牌区域的 H0G特征识别车牌的真伪;第三步，基于训练好的SVM分类器得对车牌鉴定鉴定真伪。
[0013] 作为本发明的基于车牌特征匹配的车速检测方法的一种优选方案，步骤3)对定位 到的车牌利用投影法进行字符分割包括步骤:第一步，对车牌区域进行灰度化，获得灰度图 像;第二步，对灰度图像进行二值化，获得二值图像;第三步，统计所述二值图像中白像素点 数Numl及黑像素点数Num2，若Numl>Num2，对二值图像取反色;第四步，假设二值图像为f (i， j)，对图像进行垂直投影，统计每列白色像素点数目，计算连续的线段[i，j]，从而确定字符 在垂直方向上的分割线;对每一个字符区域做水平投影，统计两段的空隙，得到最上端的空 隙[il，j 1]和最下端的空隙[i2，j2]，对每块区域进行切割，得到各个字符区域。
[0014] 作为本发明的基于车牌特征匹配的车速检测方法的一种优选方案，步骤3)中，选 择车牌中除汉字外的6位大写字母和数字利用BP神经网络做字符识别。
[0015] 作为本发明的基于车牌特征匹配的车速检测方法的一种优选方案，步骤3)中，使 用BP神经网络进行字符识别所采用的特征为像素统计直方图。
[0016] 进一步地，步骤3)中，使用BP神经网络进行字符识别包括步骤:基于机器自学习的 方法对BP神经网络分类器进行训练，并基于训练好的BP神经网络分类器对字符进行识别。
[0017] 作为本发明的基于车牌特征匹配的车速检测方法的一种优选方案，步骤5)中，匹 配车牌包括步骤:当第二检测区域检测到车牌，得到字符组合特征，用其跟第一检测区域记 录的车牌进行匹配，若相对应位置的相同字符大于预设个数，则认为是同一辆车。
[0018] 作为本发明的基于车牌特征匹配的车速检测方法的一种优选方案，步骤5)中，计 算车速包括步骤:第一步，进行坐标变换，通过计算机单目视觉的方法，图像坐标点能够转 换实际道路的参考平面坐标点，其转换方程：
，其中，Η是一个3*3的单应性矩 阵，通过4个或以上道路参考平面标定点坐标和其对应图像坐标求得，（XhYO为实际道路坐 标，（Xl，yi)图像坐标，SiS归一化系数定义尺度比例；以及第二步，通过坐标变换可以得到 车牌中心在两个位置的实际道路坐标（X ，Y )和（X 2，Y 2 )，则车辆速度
,其中，K为视频帧率，f为相隔帧数。
[0019] 如上所述，本发明的基于车牌特征匹配的车速检测方法，具有以下有益效果:本发 明通过提取车牌中的字符作为特征，对车辆行驶过程经过的两个不同位置进行定位，以此 检测出车速。由于车牌是车辆的重要标识，车牌号具有唯一性，用它作为车辆匹配的特征， 可以有效解决基于特征点特征匹配的测速方法在匹配精度不足的问题，并且通过记录各区 域的车牌特征及当前位置信息，可以解决在多车辆测速时不稳定的问题。本发明实用性强， 在智能交通及车速检测领域具有广泛的应用前景。
【附图说明】
[0020] 图1显示为本发明的基于车牌特征匹配的车速检测方法的原理示意图。
[0021] 图2显示为本发明的基于车牌特征匹配的车速检测方法中，提取车牌候选区域的 原理流程图。
[0022]图3显示为本发明的基于车牌特征匹配的车速检测方法的原理流程图。
[0023] 元件标号说明
[0024] S11 ~S15 步骤
【具体实施方式】
[0025] 以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书 所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实 施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离 本发明的精神下进行各种修饰或改变。
[0026] 请参阅图1~图3。需要说明的是，本实施例中所提供的图示仅以示意方式说明本 发明的基本构想，遂图示中仅显示与本发明中有关的组件而非按照实际实施时的组件数 目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其 组件布局型态也可能更为复杂。
[0027] 如图1~图3所示，本实施例提供一种基于车牌特征匹配的车速检测方法，包括步 骤：
[0028] 如图1及图3所示，首先进行步骤1)S1