一种多特征辅助的车牌识别方法及系统

技术领域

本发明涉及电数字数据处理技术领域，具体涉及一种多特征辅助的车牌识别方法及系统。

背景技术

车牌识别为进行车辆智能管理的基础，为便于进行车辆的精准有效管理，需准确进行车牌区域定位与字符识别。目前，多通过车牌识别仪进行通行车辆的车牌识别，车辆行驶至指定识别角度范围时，触发车牌识别仪进行车牌数据检测。

现有技术中，常规的车牌识别技术过于局限，只能基于既定范围既定角度进行车牌数据捕捉识别，无法适应车辆的通行多样性，识别智能度不足且识别结果过于依赖设备状态。

发明内容

本申请提供了一种多特征辅助的车牌识别方法及系统，用于针对解决现有技术中存在的只能基于既定范围既定角度进行车牌数据捕捉识别，无法适应车辆的通行多样性，识别智能度不足且识别结果过于依赖设备状态的技术问题。

鉴于上述问题，本申请提供了一种多特征辅助的车牌识别方法及系统。

第一方面，本申请提供了一种多特征辅助的车牌识别方法，所述方法包括：

设置距离测定单元，接收所述距离测定单元的单元反馈信号；

当所述单元反馈信号中存在多点反馈值时，根据所述多点反馈值确定目标车辆车道，并生成反馈测试指令；

通过所述反馈测试指令生成连续测量信号，通过所述距离测定单元发射所述连续测量信号，并接收反馈信号；

根据所述连续测量信号和所述反馈信号的信号时间节点生成所述目标车辆的速度数据和位置数据；

确定采集时间节点，基于所述采集时间节点、所述速度数据和所述位置数据确定聚焦区域，通过图像采集单元在所述采集时间节点执行所述聚焦区域的焦点区域数据采集，获得区域识别数据；

对所述区域识别数据进行多轮廓的识别定位，确定车牌区域；

执行所述车牌区域的区域特征提取，根据区域特征提取结果生成车牌识别结果。

第二方面，本申请提供了一种多特征辅助的车牌识别系统，所述系统包括：

信号接收模块，所述信号接收模块用于设置距离测定单元，接收所述距离测定单元的单元反馈信号；

指令生成模块，所述指令生成模块用于当所述单元反馈信号中存在多点反馈值时，根据所述多点反馈值确定目标车辆车道，并生成反馈测试指令；

信号测试模块，所述信号测试模块用于通过所述反馈测试指令生成连续测量信号，通过所述距离测定单元发射所述连续测量信号，并接收反馈信号；

数据生成模块，所述数据生成模块用于根据所述连续测量信号和所述反馈信号的信号时间节点生成所述目标车辆的速度数据和位置数据；

数据采集模块，所述数据采集模块用于确定采集时间节点，基于所述采集时间节点、所述速度数据和所述位置数据确定聚焦区域，通过图像采集单元在所述采集时间节点执行所述聚焦区域的焦点区域数据采集，获得区域识别数据；

轮廓定位模块，所述轮廓定位模块用于对所述区域识别数据进行多轮廓的识别定位，确定车牌区域；

特征提取模块，所述特征提取模块用于执行所述车牌区域的区域特征提取，根据区域特征提取结果生成车牌识别结果。

本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：

本申请实施例提供的一种多特征辅助的车牌识别方法，设置距离测定单元，接收所述距离测定单元的单元反馈信号，当所述单元反馈信号中存在多点反馈值时，根据所述多点反馈值确定目标车辆车道，并生成反馈测试指令，进而生成连续测量信号，通过所述距离测定单元进行信号发射并接收反馈信号，根据所述连续测量信号和所述反馈信号的信号时间节点生成所述目标车辆的速度数据和位置数据，确定采集时间节点，结合所述速度数据和所述位置数据确定聚焦区域，通过图像采集单元在所述采集时间节点执行所述聚焦区域的焦点区域数据采集，获得区域识别数据并进行多轮廓的识别定位，对确定的车牌区域执行区域特征提取，根据区域特征提取结果生成车牌识别结果，解决了现有技术中存在的只能基于既定范围既定角度进行车牌数据捕捉识别，无法适应车辆的通行多样性，识别智能度不足且识别结果过于依赖设备状态的技术问题，通过信号测试进行目标车辆的精准定位与行驶状态计量，交互数据并进行特征匹配与多轮廓识别定位，结合环境数据进行采集优化以规避环境影响，实现车牌的智能化精准识别。

上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。

附图说明

图1为本申请提供了一种多特征辅助的车牌识别方法流程示意图；

图2为本申请提供了一种多特征辅助的车牌识别方法中采集时间节点确定流程示意图；

图3为本申请提供了一种多特征辅助的车牌识别方法中多轮廓的识别定位流程示意图；

图4为本申请提供了一种多特征辅助的车牌识别系统结构示意图。

附图标记说明：信号接收模块11，指令生成模块12，信号测试模块13，数据生成模块14，数据采集模块15，轮廓定位模块16，特征提取模块17。

具体实施方式

本申请通过提供一种多特征辅助的车牌识别方法及系统，设置距离测定单元并接收单元反馈信号，若存在多点反馈值时，确定目标车辆车道并生成反馈测试指令，通过所述距离测定单元发射连续测量信号并接收反馈信号，确定目标车辆的速度数据和位置数据，结合采集时间节点执行聚焦区域的焦点区域数据采集，获得区域识别数据并进行多轮廓的识别定位，确定车牌区域，对确定的车牌区域执行区域特征提取，根据区域特征提取结果生成车牌识别结果，用于解决现有技术中存在的只能基于既定范围既定角度进行车牌数据捕捉识别，无法适应车辆的通行多样性，识别智能度不足且识别结果过于依赖设备状态的技术问题。

实施例一

如图1所示，本申请提供了一种多特征辅助的车牌识别方法，所述方法包括：

步骤S100：设置距离测定单元，接收所述距离测定单元的单元反馈信号；

具体而言，车牌识别为进行车辆智能管理的基础，为便于进行车辆的精准有效管理，需准确进行车牌区域定位与字符识别。本申请提供的一种多特征辅助的车牌识别方法，通过进行信号测试定位目标车辆并确定车辆信息，进行图像数据采集并进行数据区隔，针对车头数据进行采集角度下的轮廓特征匹配，进行车牌轮廓与字符轮廓定位，并结合实时环境进行优化采集调整，避免外环境因素造成识别影响。

具体的，所述距离测定单元为进行车辆定位的操作单元，设置所述距离测定单元，所述距离测定单元内置信号发射器，于所述距离测定单元发射测量信号至识别区域，所述测量信息触车辆回弹，生成所述单元反馈信号，于所述距离测定单元内的信号发射器进行所述单元反馈信号接收，解析所述单元反馈信号进行后步分析。

步骤S200：当所述单元反馈信号中存在多点反馈值时，根据所述多点反馈值确定目标车辆车道，并生成反馈测试指令；

步骤S300：通过所述反馈测试指令生成连续测量信号，通过所述距离测定单元发射所述连续测量信号，并接收反馈信号；

具体而言，对所述单元反馈信号进行识别，若所述单元反馈信号中存在多点反馈值，即测量信号于多个不同点位的信号反馈值，进行目标车辆位置划定，基于所述多点反馈值可较为精准的定位判定目标车辆，例如，若为大型车辆或邻位布设的多个小型车辆，无法基于较少的反馈值进行单车辆判定。基于所述多点反馈值定位的目标车辆，确定所属车道作为所属目标车辆车道，并同步生成所述反馈测试指令，即进行连续测试的开始指令。

进一步的，随着所述反馈测试指令的接收，基于所述距离测定单元内的所述信号发射器，等时区生成连续测量信号，发送至所述目标车辆，生成对应的反馈信号，并按照信号发射路径返回，于所述距离测定单元内进行接收，所述连续测量信号与所述反馈信号一一对应，并带有时间节点标识，便于进行车辆状态的确定。

步骤S400：根据所述连续测量信号和所述反馈信号的信号时间节点生成所述目标车辆的速度数据和位置数据；

具体而言，对所述连续测量信号与所述反馈信号进行映射对应，生成多个表征为测量信号-反馈信号的信号序列，随着时序推移，对相邻信号进行数据差识别，以进行目标车辆动态状态下的实时位置确定，针对行驶车辆进行实时定位检测。具体的，基于相邻反馈信号的生成位置，确定车辆的实时位置；基于相邻反馈信号的传输距离差值，确定相邻测量信号发射时间区间下，车辆的行驶距离，对行驶距离与相邻测量信号的发送时间差进行除法运算，将计算结果作为所述目标车辆的速度数据，对所述信号序列中相邻序列分别进行分析计算，确定所述目标车辆不同时间节点下的动态数据，添加进所述目标车辆的速度数据与位置数据，其中，所述目标车辆的速度数据与位置数据带有时间节点标识。

步骤S500：确定采集时间节点，基于所述采集时间节点、所述速度数据和所述位置数据确定聚焦区域，通过图像采集单元在所述采集时间节点执行所述聚焦区域的焦点区域数据采集，获得区域识别数据；

进一步而言，如图2所示，本申请步骤S500还包括：

步骤S510：获取采集路段的路段环境信息，并提取获得环境特征；

步骤S520：当判断所述环境特征为可避环境特征时，则基于所述环境特征确定采集区域；

步骤S530：根据所述采集区域确定所述采集时间节点。

进一步而言，本申请还存在步骤S530，包括：

步骤S531：当判断所述环境特征为不可避特征时，则采集获得光强数据；

步骤S532：基于所述光强数据生成辅助识别匹配特征；

步骤S533：根据所述辅助识别匹配特征执行所述车牌区域的区域特征提取。

具体而言，所述采集时间节点为对所述目标车辆执行图像数据采集的时间，对所述采集时间节点进行确定。具体的，将所述目标车辆通行路段作为所述采集路段，对所述采集路段进行环境信息采集，包括环境光线、遮挡物、气流状态等多个维度，并度量各维度环境特征的程度，示例性的，环境光线过曝光-曝光程度；针对气流状态，例如暴雨天气、雾霾天气-空间能见度等，确定所述环境特征。将预先确定的初始采集时间与采集区域作为预定采集时间节点与预定采集区域，结合对应的环境特征进行适配采集调整。

具体的，对所述环境特征进行可规避性判定，若所述环境特征为可避环境特征时，例如针对过曝光或逆光环境、阴影遮挡环境等，可通过调整采集时间节点，如采集时间前移或后移，确定所述目标车辆处于相对优选性的路段区域，作为所述采集区域，计算所述采集区域与预定采集区域的距离差，结合所述目标车辆的速度数据计算通行时间差，基于所述采集区域与所述预定采集区域的相对位置，对预定采集时间节点进行前调或后调，将调整后的所述预定采集时间作为所述采集时间节点。

进一步的，若所述环境特征为不可避特征时，表明环境影响无法进行规避，则需优化采集手段或图像数据的处理手段。具体的，对所述图像采集单元的采集角度下，所述目标车辆所处区域的实时光强进行采集，获取所述光强数据，基于所述光强数据生成所述辅助识别匹配特征，例如优化采集控制信息或者处理采集的图像数据，如对采集图像进行增强处理等。结合所述辅助识别匹配特征，对所述车牌区域进行区域特征识别与提取，以保障提取特征的准确度与完备性。

进一步的，基于所述速度数据与所述位置数据确定聚焦区域，即所述目标车辆所处的待进行图像采集的区域，基于所述采集时间节点控制所述图像采集单元开始对所述聚焦区域进行区域图像采集，所述图像采集单元为进行图像采集的控制单元，与图像采集设备通信连接，例如布设于不同路段位置的监控设备等，对采集图像进行时序整合，作为所述区域识别数据，所述区域识别数据为待进行车牌识别定位的源数据。

步骤S600：对所述区域识别数据进行多轮廓的识别定位，确定车牌区域；

进一步而言，如图3所示，本申请步骤S600还包括：

步骤S610：读取所述图像采集单元的控制信息；

步骤S620：根据所述控制信息和所述聚焦区域确定车辆的匹配轮廓特征集，并依据颜色数据和所述聚焦区域将所述区域识别数据区隔为前景数据和背景数据；

步骤S630：通过所述匹配轮廓特征集进行所述前景数据的数据匹配，根据数据匹配结果完成初始轮廓定位；

步骤S640：依据所述初始轮廓定位完成多轮廓的识别定位。

进一步而言，本申请步骤S620还包括：

步骤S621：采集所述图像采集单元的设置位置信息，并生成位置数据；

步骤S622：交互所述控制信息，获取所述图像采集单元的采集角度数据；

步骤S623：根据所述位置数据和所述采集角度数据确定所述轮廓特征集的轮廓角度；

步骤S624：交互所述控制信息，获取所述图像采集单元的采集倍率数据；

步骤S625：根据所述采集倍率数据、所述聚焦区域确定所述轮廓特征集的轮廓大小；

步骤S626：根据所述轮廓角度和所述轮廓大小完成所述轮廓特征集的构建。

进一步而言，本申请步骤S640还包括：

步骤S641：当所述初始轮廓定位完成后，获取所述初始轮廓定位的定位轮廓特征；

步骤S642：根据所述定位轮廓特征的车牌位置，确定所述区域识别数据的模糊识别区域；

步骤S643：对所述模糊识别区域进行区域的车牌特征遍历匹配，基于匹配结果完成车牌的精准定位；

步骤S644：根据所述初始轮廓定位和所述精准定位完成多轮廓的识别定位。

具体而言，对所述图像采集单元进行采集控制的采集角度、采集高度、采集倍率等信息进行读取，作为所述控制信息。构建所述轮廓特征集，即进行所述目标车辆车头轮廓分析的参考数据集。

具体的，针对所述图像采集单元连通的图像采集设备分别进行设置位置采集，作为所述位置数据。对所述图像采集单元的控制信息进行信息交互，确定各图像采集设备的采集角度，该采集角度指涵盖全角度域的空间角度，为横向角度与竖向角度的综合角度，集成各图像采集设备的采集角度，作为所述图像采集单元的采集角度数据。所述位置数据与所述采集角度数据一一对应，针对映射对应的所述位置数据与所述采集角度数据，确定对应的采集轮廓角度，例如正向不同高度角下的采集轮廓，侧向不同空间角度下的采集轮廓等，由于不同采集角度下的采集图像存在视觉差，为保障识别精准度需进行针对性匹配分析。进一步的，交互所述控制信息，提取所述图像采集单元的采集图像的大小变换倍率，例如针对远距采集，需放大一定倍率后进行采集，以保障采集图像的细节完整度，确定所述图像采集单元的采集倍率数据。基于所述采集倍率数据、所述聚焦区域确定实际轮廓尺寸，作为所述轮廓特征集的轮廓大小，所述轮廓特征集为车头部位的轮廓集。基于所述轮廓角度，可确定不同采集角度下的车头轮廓的可视化状态；基于所述轮廓大小可进行目标车辆尺寸参数确定，所述轮廓大小包括基于采集倍率大小变换前后，基于所述轮廓角度与所述轮廓大小，构建所述轮廓特征集，所述轮廓特征集囊括了多角度、多尺寸的轮廓特征数据集合，用于辅助参考进行轮廓分析。

进一步的，遍历所述轮廓特征集，基于所述控制信息与所述聚焦区域进行匹配，确定与采集状态相符的匹配轮廓特征集。依据所述颜色区域与所述聚焦区域，对所述区域识别数据进行划分区隔，确定所述前景数据与所述背景数据，所述前景数据为车头区域，所述背景区域为车身与环境背景区域，以分割需求识别区域。遍历所述匹配轮廓特征集，与所述前景数据进行数据匹配，基于匹配结果确定车头轮廓数据，以完成所述初始轮廓定位。进而基于所述初始轮廓定位，对车牌、字符等进一步进行定位，执行多轮廓的识别定位。

具体的，待完成所述初始轮廓定位后，进行轮廓识别确定轮廓走向、拐角等不同可视化特征，作为所述定位轮廓特征。基于所述定位轮廓特征，进行车牌区域位置识别，例如轮廓走向趋于水平竖直且存在垂向拐角的区域，基于所述区域识别数据框选模糊识别区域，由于所述区域识别数据的角度差异等影响，对其进行初步判定。进一步的，对所述模糊识别区域结合车牌特征进行遍历匹配，所述车牌特征为进行车牌区域鉴别的识别特征，例如车头、车牌区域的色度差异等，若匹配结果具有特征一致性，将所述模糊识别区域作为车牌区域；若匹配结果存在差异，进行区域调整，例如采集验证图像进行分析测验等，完成车牌的精准定位，基于所述初始轮廓定位与所述精准定位，以精准确定车牌区域，完成多轮廓识别定位，以弱化定位差异，最大化保障定位精准度。进一步进行车牌区域的识别以确定车牌信息。

步骤S700：执行所述车牌区域的区域特征提取，根据区域特征提取结果生成车牌识别结果。

进一步而言，所述执行所述车牌区域的区域特征提取，根据区域特征提取结果生成车牌识别结果，本申请步骤S700还包括：

步骤S710：对所述车牌区域进行颜色特征提取，生成颜色提取结果；

步骤S720：根据所述颜色提取结果确定号牌匹配特征和匹配遍历参数；

步骤S730：通过所述匹配遍历参数基于所述号牌匹配特征进行号牌匹配，根据匹配结果完成区域特征提取，生成所述车牌识别结果。

具体而言，通过进行多轮廓识别定位，确定所述车牌区域，对所述车牌区域执行区域特征提取，以进行车牌信息识别。具体的，对所述车牌区域进行颜色特征提取，由于字符区域，即车牌号区域与车牌背景区域的颜色不同，可基于此进行区分，生成所述颜色提取结果。基于所述颜色提取结果，提取待进行车牌信息匹配的表征特征，例如不规则状字符线条等，作为所述好配匹配特征，并确定所述匹配遍历特征，例如嵌于背景色上且差别于背景色的区域信息等。所述号牌匹配特征与所述匹配遍历参数为进行车牌信息识别的依据。通过所述匹配遍历参数基于所述号牌匹配特征进行号牌匹配，获取所述匹配结果，所述匹配结果表征所述车牌区域的识别结果，基于所述匹配结果进行区域特征提取，确定车牌信息，作为所述车牌识别结果，所述车牌识别结果具有精准有效性。

实施例二

基于与前述实施例中一种多特征辅助的车牌识别方法相同的发明构思，如图4所示，本申请提供了一种多特征辅助的车牌识别系统，所述系统包括：

信号接收模块11，所述信号接收模块11用于设置距离测定单元，接收所述距离测定单元的单元反馈信号；

指令生成模块12，所述指令生成模块12用于当所述单元反馈信号中存在多点反馈值时，根据所述多点反馈值确定目标车辆车道，并生成反馈测试指令；

信号测试模块13，所述信号测试模块13用于通过所述反馈测试指令生成连续测量信号，通过所述距离测定单元发射所述连续测量信号，并接收反馈信号；

数据生成模块14，所述数据生成模块14用于根据所述连续测量信号和所述反馈信号的信号时间节点生成所述目标车辆的速度数据和位置数据；

数据采集模块15，所述数据采集模块15用于确定采集时间节点，基于所述采集时间节点、所述速度数据和所述位置数据确定聚焦区域，通过图像采集单元在所述采集时间节点执行所述聚焦区域的焦点区域数据采集，获得区域识别数据；

轮廓定位模块16，所述轮廓定位模块16用于对所述区域识别数据进行多轮廓的识别定位，确定车牌区域；

特征提取模块17，所述特征提取模块17用于执行所述车牌区域的区域特征提取，根据区域特征提取结果生成车牌识别结果。

进一步而言，所述系统还包括：

信息读取模块，所述信息读取模块用于读取所述图像采集单元的控制信息；

特征确定模块，所述特征确定模块用于根据所述控制信息和所述聚焦区域确定车辆的匹配轮廓特征集，并依据颜色数据和所述聚焦区域将所述区域识别数据区隔为前景数据和背景数据；

数据匹配模块，所述数据匹配模块用于通过所述匹配轮廓特征集进行所述前景数据的数据匹配，根据数据匹配结果完成初始轮廓定位；

识别定位模块，所述识别定位模块用于依据所述初始轮廓定位完成多轮廓的识别定位。

进一步而言，所述系统还包括：

位置信息采集模块，所述位置信息采集模块用于采集所述图像采集单元的设置位置信息，并生成位置数据；

采集角度数据获取模块，所述采集角度数据获取模块用于交互所述控制信息，获取所述图像采集单元的采集角度数据；

轮廓角度确定模块，所述轮廓角度确定模块用于根据所述位置数据和所述采集角度数据确定所述轮廓特征集的轮廓角度；

采集倍率数据获取模块，所述采集倍率数据获取模块用于交互所述控制信息，获取所述图像采集单元的采集倍率数据；

轮廓大小确定模块，所述轮廓大小确定模块用于根据所述采集倍率数据、所述聚焦区域确定所述轮廓特征集的轮廓大小；

轮廓特征集构建模块，所述轮廓特征集构建模块用于根据所述轮廓角度和所述轮廓大小完成所述轮廓特征集的构建。

进一步而言，所述系统还包括：

轮廓特征获取模块，所述轮廓特征获取模块用于当所述初始轮廓定位完成后，获取所述初始轮廓定位的定位轮廓特征；

模糊识别区域确定模块，所述模糊识别区域确定模块用于根据所述定位轮廓特征的车牌位置，确定所述区域识别数据的模糊识别区域；

特征匹配模块，所述特征匹配模块用于对所述模糊识别区域进行区域的车牌特征遍历匹配，基于匹配结果完成车牌的精准定位；

多轮廓定位模块，所述多轮廓定位模块用于根据所述初始轮廓定位和所述精准定位完成多轮廓的识别定位。

进一步而言，所述系统还包括：

颜色特征提取模块，所述颜色特征提取模块用于对所述车牌区域进行颜色特征提取，生成颜色提取结果；

匹配参数确定模块，所述匹配参数确定模块用于根据所述颜色提取结果确定号牌匹配特征和匹配遍历参数；

车牌识别结果生成模块，所述车牌识别结果生成模块用于通过所述匹配遍历参数基于所述号牌匹配特征进行号牌匹配，根据匹配结果完成区域特征提取，生成所述车牌识别结果。

进一步而言，所述系统还包括：

环境特征获取模块，所述环境特征获取模块用于获取采集路段的路段环境信息，并提取获得环境特征；

采集区域确定模块，所述采集区域确定模块用于当判断所述环境特征为可避环境特征时，则基于所述环境特征确定采集区域；

采集时间节点确定模块，所述采集时间节点确定模块用于根据所述采集区域确定所述采集时间节点。

进一步而言，所述系统还包括：

光强数据获取模块，所述光强数据获取模块用于当判断所述环境特征为不可避特征时，则采集获得光强数据；

辅助识别匹配特征生成模块，所述辅助识别匹配特征生成模块用于基于所述光强数据生成辅助识别匹配特征；

区域特征提取模块，所述区域特征提取模块用于根据所述辅助识别匹配特征执行所述车牌区域的区域特征提取。

本说明书通过前述对一种多特征辅助的车牌识别方法的详细描述，本领域技术人员可以清楚的知道本实施例中一种多特征辅助的车牌识别方法及系统，对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。