一种用于停车场管理的车牌识别方法及系统

技术领域

本发明涉及数据处理技术领域，具体涉及一种用于停车场管理的车牌识别方法及系统。

背景技术

车牌识别作为停车场系统的重要手段，在配合道闸升降的同时，还要具有识别和记录车牌信息、计算和收取停车费用等功能。作为目前智能交通及智能AI领域的重要模块，其功能和应用都在不断扩大，尤其在电子眼架设和运作中发挥了重要价值。但在停车场的安全管理方面还存在异常车牌识别能力弱的问题。

发明内容

本申请提供了一种用于停车场管理的车牌识别方法及系统，用于解决现有技术中对异常车牌识别欠缺，导致停车场安全管理能力弱的技术问题。

本申请的第一个方面，提供了一种用于停车场管理的车牌识别方法，所述方法包括：基于视频监测装置，获取车牌图像信息集，所述车牌图像信息集包括车辆前车牌和后车牌的图像信息；基于大数据获取车牌图像资料，并将所述车牌图像资料进行特征提取，构建车牌特征信息库；使用所述车牌特征信息库，构建车牌异常识别模型，其中，通过车牌字体、车牌形状、着色与反光、车牌悬挂安装特征进行异常识别；将所述车牌图像信息集输入所述车牌异常识别模型，获得车牌异常识别结果；通过所述车牌异常识别结果，进行车辆预警处理。

本申请的第二个方面，提供了一种用于停车场管理的车牌识别系统，所述系统包括：车牌图像信息集获取模块，所述车牌图像信息集获取模块用于基于视频监测装置，获取车牌图像信息集，所述车牌图像信息集包括车辆前车牌和后车牌的图像信息；车牌特征信息库构建模块，所述车牌特征信息库构建模块用于基于大数据获取车牌图像资料，并将所述车牌图像资料进行特征提取，构建车牌特征信息库；车牌异常识别模型构建模块，所述车牌异常识别模型构建模块用于使用所述车牌特征信息库，构建车牌异常识别模型，其中，通过车牌字体、车牌形状、着色与反光、车牌悬挂安装特征进行异常识别；车牌异常识别结果获取模块，所述车牌异常识别结果获取模块用于将所述车牌图像信息集输入所述车牌异常识别模型，获得车牌异常识别结果；车辆预警处理模块，所述车辆预警处理模块用于通过所述车牌异常识别结果，进行车辆预警处理。

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：

本申请提供的一种用于停车场管理的车牌识别方法，涉及数据处理技术领域，通过视频监测装置，获取车牌图像信息集；基于大数据获取车牌图像资料，并进行特征提取，构建车牌特征信息库；使用车牌特征信息库，构建车牌异常识别模型；将车牌图像信息集输入车牌异常识别模型，获得车牌异常识别结果；通过车牌异常识别结果，进行车辆预警处理，解决了现有技术中对异常车牌识别欠缺，导致停车场安全管理能力弱的技术问题，实现了通过对出入车辆进行车牌识别，提高停车场安全管理能力的技术效果。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍，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获得其他的附图。

图1为本申请实施例提供的一种用于停车场管理的车牌识别方法流程示意图；

图2为本申请实施例提供的一种用于停车场管理的车牌识别方法中获得车牌特征图片集的流程示意图；

图3为本申请实施例提供的一种用于停车场管理的车牌识别方法中获得车牌识别结果的流程示意图；

图4为本申请实施例提供的一种用于停车场管理的车牌识别系统结构示意图。

附图标记说明：车牌图像信息集获取模块11，车牌特征信息库构建模块12，车牌异常识别模型构建模块13，车牌异常识别结果获取模块14，车辆预警处理模块15。

实施方式

本申请提供了一种用于停车场管理的车牌识别方法，用于解决现有技术中对异常车牌识别欠缺，导致停车场安全管理能力弱的技术问题。

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整的描述。显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。

需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或服务器不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或模块。

实施例

如图1所示，本申请提供了一种用于停车场管理的车牌识别方法，所述方法包括：

S100：基于视频监测装置，获取车牌图像信息集，所述车牌图像信息集包括车辆前车牌和后车牌的图像信息；

具体的，在目标停车场出入口安装视频监测装置，并使用该视频监测装置对经过出入口的车辆进行车牌图像采集，车辆前车牌和后车牌的图像均要进行采集，用来识别前后车牌不一致的问题，所述车牌图像信息集可以作为后续进行车牌异常情况识别的基础数据。

S200：基于大数据获取车牌图像资料，并将所述车牌图像资料进行特征提取，构建车牌特征信息库；

具体的，基于大数据检索获取多种类型的异常车牌图像，包括字体异常、形状异常、反光异常、颜色异常、悬挂位置异常的各类车牌图像，作为所述车牌图像资料，并将所述车牌图像资料按照车牌异常类型进行特征提取，提取各部位的明显特征，例如字体偏胖或偏瘦、着色不均匀、颜色不符合标准或在字体拐弯处有异常等特征，并将提取到的特征进行分类存储，获得车牌特征信息库，可以用来作为车牌异常识别的参考数据。

进一步的，本申请实施例步骤S200还包括：

S210：基于大数据获取车牌图像样本；

S220：获得车牌识别指标，根据所述车牌识别指标将所述车牌图像样本进行特征提取，获得车牌特征图片集；

S230：将所述车牌特征图片集进行聚类分析，获得多个车牌特征图片子集，基于所述多个车牌特征图片子集，构建车牌特征信息库。

具体而言，基于大数据检索获取多种类型的车牌图像，作为车牌图像样本，并根据车牌异常识别经验，获取车辆车牌识别指标，包括车牌字体、车牌形状、着色与反光、车牌的悬挂安装，并按照所述车牌识别指标将所述车牌图像样本进行特征提取，提取每张样本图像中包含的车牌异常识别特征，如字体异常、颜色异常等，获得多个车牌特征图像，以此作为车牌特征图片集。进一步的，将所述车牌特征图片集中的图片进行聚类分析，所述聚类分析是将数据分类到不同的类或者簇的过程，所以同一个簇中的对象有很大的相似性，而不同簇间的对象有很大的相异性。将车牌特征相似度大的特征图片分类到同一个簇中，获得多个车牌特征图片子集，由所述多个车牌特征图片子集构成车牌特征信息库。

进一步的，如图2所示，本申请实施例步骤S220还包括：

S221：所述车牌识别指标包括车牌字体、车牌形状、着色与反光、车牌悬挂安装；

S222：将所述车牌图像样本，分别基于所述车牌字体、车牌形状、着色与反光、车牌悬挂安装进行车牌特征识别，获得车牌字体特征集、车牌形状特征集、着色与反光特征集、车牌悬挂安装特征集；

S223：基于所述车牌字体特征集、车牌形状特征集、着色与反光特征集、车牌悬挂安装特征集，获得所述车牌特征图片集。

具体的，所述车辆车牌识别指标包括车牌字体、车牌形状、着色与反光、车牌悬挂安装，将所述车牌图像样本，分别基于所述车牌字体、车牌形状、着色与反光、车牌悬挂安装进行车牌特征识别，获得车牌字体特征集、车牌形状特征集、着色与反光特征集、车牌悬挂安装特征集。具体的，所述车牌字体特征集包括字体的大小、喷涂细节、字体的工整度等，所述车牌形状特征集包括车牌的形状、尺寸、长短、宽窄、角边等，所述着色与反光特征集包括着色均匀度、车牌反光度、着色规整度等，所述车牌悬挂安装特征集包括车牌的安装位置、悬挂姿态、固封螺帽、大型车辆的前小牌后大牌等。将所述车牌字体特征集、车牌形状特征集、着色与反光特征集、车牌悬挂安装特征集共同作为所述车牌特征图片集。

S300：使用所述车牌特征信息库，构建车牌异常识别模型，其中，通过车牌字体、车牌形状、着色与反光、车牌悬挂安装特征进行异常识别；

具体而言，使用所述车牌特征信息库中的数据作为构建数据，结合神经网络算法进行有监督训练，获得所述车牌异常识别模型，用来识别出入目标停车场车辆的车牌异常。

进一步的，本申请实施例步骤S300还包括：

S310：将所述车牌特征信息库作为训练数据，获得标准识别子单元，并基于所述标准识别子单元，确定网络共享权重；

S320：基于所述标准识别子单元、网络共享权重，构建所述车牌异常识别模型。

具体的，将所述车牌特征信息库内的数据作为训练数据，结合BP神经网络构建标准识别子单元，所述标准识别子单元是所述车牌识别单元的其中一个子单元，用来获取标准车牌特征，基于所述标准识别子单元，获取所述标准识别子单元中各参数的权重分配情况，作为网络共享权重，并使用所述标准识别子单元、网络共享权重，构建所述车牌异常识别模型。其中，所述BP神经网络是一种按照误差逆向传播算法训练的多层前馈神经网络，无需事先确定输入输出之间映射关系的数学方程，仅通过自身的训练学习某种规则，在给定输入值时得到最接近期望输出值的结果。可通过车牌字体、车牌形状、着色与反光、车牌悬挂安装特征进行车牌异常识别。

S400：将所述车牌图像信息集输入所述车牌异常识别模型，获得车牌异常识别结果；

具体而言，将所述车牌图像信息集输入所述车牌异常识别模型中，分别进行车牌字体、车牌形状、着色与反光、车牌悬挂安装特征的识别，获得车牌异常识别结果，作为车辆预警参考。

进一步的，如图3所示，本申请实施例步骤S400还包括：

S410：将所述车牌特征图片集和所述车牌图像信息集输入所述车牌异常识别模型，获得标准特征解析数据和样本特征解析数据；

S420：使用所述标准特征解析数据和样本特征解析数据，结合损失函数进行计算，获得特征损失值；

S430：基于所述特征损失值进行车牌结果判定，获得车牌识别结果。

具体的，将所述车牌特征图片集与所述车牌图像信息集分别输入所述车牌识别单元的标准识别子单元和样本识别子单元中，所述样本识别子单元为与所述标准识别子单元共享权重的相同单元，通过所述标准识别子单元对所述车牌特征图片集进行特征识别解析，提取所述车牌特征图片集中的车牌特征，生成一个特征向量，作为标准特征解析数据，同理，通过所述样本识别子单元对所述车牌图像信息集中各图片进行特征识别解析，生成另一个特征向量，作为样本特征解析数据。

进一步的，分别将所述标准特征解析数据和样本特征解析数据输入损失函数进行损失计算，获得车牌特征损失值，所述损失函数可以通过计算特征向量间的距离来反映输入图片之间的差异，所述车牌图像信息集与所述车牌特征图片集中的图片间的差异就是特征损失值，特征损失值越大，说明两张图片间的相似度越低。

进一步的，基于所述特征损失值进行车牌异常识别结果判定，当特征损失值在预设的特征损失值阈值范围内时，说明存在两张图片间的差异在允许范围内，图片相似度较高，则车牌异常判别结果为是，也就是当前车辆的车牌存在异常，以此作为车牌识别结果。

S600：通过所述车牌异常识别结果，进行车辆预警处理。

具体而言，通过所述车牌异常识别结果，生成车辆预警，通报管理人员进行处理，以保障目标停车场的安全运行，提高停车场的管理能力。

综上所述，本申请实施例至少具有如下技术效果：

本申请通过视频监测装置，获取车牌图像信息集；基于大数据获取车牌图像资料，并进行特征提取，构建车牌特征信息库；使用车牌特征信息库，构建车牌异常识别模型；将车牌图像信息集输入车牌异常识别模型，获得车牌异常识别结果；通过车牌异常识别结果，进行车辆预警处理。

达到了通过对出入车辆进行车牌识别，提高停车场安全管理能力的技术效果。

实施例

基于与前述实施例中一种用于停车场管理的车牌识别方法相同的发明构思，如图4所示，本申请提供了一种用于停车场管理的车牌识别系统，本申请实施例中的系统与方法实施例基于同样的发明构思。其中，所述系统包括：

车牌图像信息集获取模块11，所述车牌图像信息集获取模块11用于基于视频监测装置，获取车牌图像信息集，所述车牌图像信息集包括车辆前车牌和后车牌的图像信息；

车牌特征信息库构建模块12，所述车牌特征信息库构建模块12用于基于大数据获取车牌图像资料，并将所述车牌图像资料进行特征提取，构建车牌特征信息库；

车牌异常识别模型构建模块13，所述车牌异常识别模型构建模块13用于使用所述车牌特征信息库，构建车牌异常识别模型，其中，通过车牌字体、车牌形状、着色与反光、车牌悬挂安装特征进行异常识别；

车牌异常识别结果获取模块14，所述车牌异常识别结果获取模块14用于将所述车牌图像信息集输入所述车牌异常识别模型，获得车牌异常识别结果；

车辆预警处理模块15，所述车辆预警处理模块15用于通过所述车牌异常识别结果，进行车辆预警处理。

进一步的，所述车牌特征信息库构建模块12还用于执行以下步骤：

基于大数据获取车牌图像样本；

获得车牌识别指标，根据所述车牌识别指标将所述车牌图像样本进行特征提取，获得车牌特征图片集；

将所述车牌特征图片集进行聚类分析，获得多个车牌特征图片子集，基于所述多个车牌特征图片子集，构建车牌特征信息库。

进一步的，所述车牌特征信息库构建模块12还用于执行以下步骤：

所述车牌识别指标包括车牌字体、车牌形状、着色与反光、车牌悬挂安装；

将所述车牌图像样本，分别基于所述车牌字体、车牌形状、着色与反光、车牌悬挂安装进行车牌特征识别，获得车牌字体特征集、车牌形状特征集、着色与反光特征集、车牌悬挂安装特征集；

基于所述车牌字体特征集、车牌形状特征集、着色与反光特征集、车牌悬挂安装特征集，获得所述车牌特征图片集。

进一步的，所述车牌异常识别模型构建模块13还用于执行以下步骤：

将所述车牌特征信息库作为训练数据，获得标准识别子单元，并基于所述标准识别子单元，确定网络共享权重；

基于所述标准识别子单元、网络共享权重，构建所述车牌异常识别模型。

进一步的，所述车牌异常识别结果获取模块14还用于执行以下步骤：

将所述车牌特征图片集和所述车牌图像信息集输入所述车牌异常识别模型，获得标准特征解析数据和样本特征解析数据；

使用所述标准特征解析数据和样本特征解析数据，结合损失函数进行计算，获得特征损失值；

基于所述特征损失值进行车牌结果判定，获得车牌识别结果。

需要说明的是，上述本申请实施例先后顺序仅仅为了描述，不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其他实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

以上所述仅为本申请的较佳实施例，并不用以限制本申请，凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

本说明书和附图仅仅是本申请的示例性说明，且视为已覆盖本申请范围内的任意和所有修改、变化、组合或等同物。显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的范围。这样，倘若本申请的这些修改和变型属于本申请及其等同技术的范围之内，则本申请意图包括这些改动和变型在内。