基于图像识别的套牌车辆检测方法及系统

技术领域

本发明涉及图像识别技术领域，具体涉及基于图像识别的套牌车辆检测方法及系统。

背景技术

套牌车辆检测是交通管理领域的一个重要问题，由于套牌车辆没有合法牌照和行驶证，逃避了许多交通法规的限制，不仅严重干扰了良好的道路交通秩序，还增加了交通事故发生的概率，而且由于套牌车没有合法手续和保险，一旦发生交通事故，驾驶人极易逃逸，大大增加了案件的侦破难度，给交通安全带来了严重威胁，并且套牌车辆在不发生事故和违章时难以对其进行检测，所以一种对于套牌车辆准确且快速的检测方法具有非常重要的意义。

现有技术中存在的套牌车辆检测工作由于不够严谨且完备性不足而导致准确性差的问题，使得最终关于套牌检测工作无法得到高效且准确的进行。

发明内容

本申请提供了基于图像识别的套牌车辆检测方法及系统，解决了现有技术中存在的套牌车辆检测工作由于不够严谨且完备性不足而导致准确性差的问题，实现了关于套牌检测工作能够得到高效且准确的进行。

鉴于上述问题，本申请提供了基于图像识别的套牌车辆检测方法。

第一方面，本申请提供了基于图像识别的套牌车辆检测方法，方法包括：通过图像采集设备对目标车辆进行图像采集，获取所述目标车辆的车辆图像信息；根据所述车辆图像信息获取所述目标车辆的车辆图像特征，其中，所述车辆图像特征包括颜色特征和车型特征；获取所述目标车辆的车牌号信息，根据所述车牌号信息在相关平台进行检索，获取对应所述车牌号信息的登记信息，其中，所述登记信息包括车辆品牌型号和车辆已登记图像信息；根据所述车辆品牌型号获取对应所述车辆品牌型号的三维车辆模型，其中，所述三维车辆模型带有尺寸标识；对所述三维车辆模型进行车型特征提取，获取标准车型特征，并将所述标准车型特征与所述车辆图像特征进行匹配，获取车辆特征匹配结果；根据所述车辆特征匹配结果对所述目标车辆进行套牌判断。

第二方面，本申请提供了基于图像识别的套牌车辆检测系统，系统包括：图像采集模块：通过图像采集设备对目标车辆进行图像采集，获取所述目标车辆的车辆图像信息；图像特征模块：根据所述车辆图像信息获取所述目标车辆的车辆图像特征，其中，所述车辆图像特征包括颜色特征和车型特征；登记信息模块：获取所述目标车辆的车牌号信息，根据所述车牌号信息在相关平台进行检索，获取对应所述车牌号信息的登记信息，其中，所述登记信息包括车辆品牌型号和车辆已登记图像信息；车辆模型模块：根据所述车辆品牌型号获取对应所述车辆品牌型号的三维车辆模型，其中，所述三维车辆模型带有尺寸标识；特征提取模块：对所述三维车辆模型进行车型特征提取，获取标准车型特征，并将所述标准车型特征与所述车辆图像特征进行匹配，获取车辆特征匹配结果；套牌判断模块：根据所述车辆特征匹配结果对所述目标车辆进行套牌判断。

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基于图像识别的套牌车辆检测方法及系统，通过图像采集设备对目标车辆进行图像采集，获取目标车辆的车辆图像信息，再根据车辆图像信息获取目标车辆的车辆图像特征，然后获取目标车辆的车牌号信息，根据车牌号信息在相关平台进行检索，获取对应车牌号信息的登记信息，再根据车辆品牌型号获取对应车辆品牌型号的三维车辆模型，最后对三维车辆模型进行车型特征提取，获取标准车型特征，并将标准车型特征与车辆图像特征进行匹配，获取车辆特征匹配结果，根据车辆特征匹配结果对目标车辆进行套牌判断，解决了现有技术中存在的套牌车辆检测工作由于不够严谨且完备性不足而导致准确性差的问题，实现了关于套牌检测工作能够得到高效且准确的进行。

附图说明

图1为本申请提供了基于图像识别的套牌车辆检测方法流程示意图；

图2为本申请提供了基于图像识别的套牌车辆检测系统结构示意图。

附图标记说明：图像采集模块11，图像特征模块12，登记信息模块13，车辆模型模块14，特征提取模块15，套牌判断模块16。

具体实施方式

本申请通过提供基于图像识别的套牌车辆检测方法及系统，通过图像采集设备对目标车辆进行图像采集，获取目标车辆的车辆图像信息，再根据车辆图像信息获取目标车辆的车辆图像特征，然后获取目标车辆的车牌号信息，根据车牌号信息在相关平台进行检索，获取对应车牌号信息的登记信息，再根据车辆品牌型号获取对应车辆品牌型号的三维车辆模型，最后对三维车辆模型进行车型特征提取，获取标准车型特征，并将标准车型特征与车辆图像特征进行匹配，获取车辆特征匹配结果，根据车辆特征匹配结果对目标车辆进行套牌判断。解决了现有技术中存在的套牌车辆检测工作由于不够严谨且完备性不足而导致准确性差的问题，实现了关于套牌检测工作能够得到高效且准确的进行。

实施例一

如图1所示，本申请提供了基于图像识别的套牌车辆检测方法及系统，方法包括：

通过图像采集设备对目标车辆进行图像采集，获取所述目标车辆的车辆图像信息；

图像采集设备为CCD相机，布设于行驶道路上方，当目标车辆经过即将到达采集设备时，图像采集设备中的感应设备对目标车辆进行感应，获取车辆靠近信号，并将信号传递至图像采集设备，对图像采集设备进行激活，图像采集设备在接收到激活信号后进行激活，并对即将经过图像采集设备的目标车辆进行图像采集，获取目标车辆的图像信息，将目标车辆的图像信息进行输出，得到车辆图像信息。车辆图像信息的获取为后续根据车辆图像信息获取目标车辆的车辆图像特征提供数据基础。

根据所述车辆图像信息获取所述目标车辆的车辆图像特征，其中，所述车辆图像特征包括颜色特征和车型特征；

对车辆图像信息进行图像特征提取，使用深度学习和卷积神经网络进行模型构建，并基于大数据获取大量车辆颜色特征训练集和车型特征训练集，并对车辆颜色特征训练集和车型特征训练集进行标注，基于带有标注的大量车辆颜色特征训练集和车型特征训练集对模型进行训练，得到目标车辆特征提取模型，通过颜色特征提取模型对车辆图像信息进行特征提取，得到颜色特征和车型特征，颜色特征包括目标车辆的颜色和纹理特征，车型特征包括车辆的尺寸和形状特征。车辆图像特征的获取，为后续对三维车辆模型进行车型特征提取，获取标准车型特征，并将标准车型特征与车辆图像特征进行匹配，获取车辆特征匹配结果提供数据基础。

获取所述目标车辆的车牌号信息，根据所述车牌号信息在相关平台进行检索，获取对应所述车牌号信息的登记信息，其中，所述登记信息包括车辆品牌型号和车辆已登记图像信息；

通过对车辆图像信息进行图像分割，将车辆图像信息中的车牌号区域进行分割提取，获取目标车辆的车牌号区域图像，对目标车辆的车牌号区域图像进行基于语义识别的车牌号识别，得到车牌号识别结果，将识别结果进行输出，得到目标车辆的车牌号信息。将目标车牌号信息上传至相关平台进行检索，查询该车牌号信息的在相关平台进行登记的信息，登记的信息包括该登记车辆的车辆品牌和车辆型号，该登记车辆在登记时所拍摄的车辆图像，即车辆品牌型号和车辆已登记图像信息，在检索到该车牌号信息所对应的登记信息后，将登记信息进行获取，登记信息的获取，为后续根据所述车辆品牌型号获取对应所述车辆品牌型号的三维车辆模型提供数据基础。

根据所述车辆品牌型号获取对应所述车辆品牌型号的三维车辆模型，其中，所述三维车辆模型带有尺寸标识；

根据车辆品牌型号在该车辆品牌平台中进行检索，获取该车辆品牌型号相对应的车辆，并对该相对应车辆进行三维模型信息获取，在三维建模空间中根据三维模型信息进行模型构建，获取车辆品牌型号对应车辆的三维模型，并根据登记信息中的车辆已登记图像信息进行修正，因为该车辆品牌平台中的数据为出厂数据，目标车辆的用户在购买后可能会对目标车辆进行相关配件更改或颜色更换，使构建的三维模型更加符合车辆已登记图像信息中的车辆。将修正完成的三维模型根据三维模型信息中的尺寸信息进行尺寸标注，获得带有尺寸标注信息的三维车辆模型。根据登记信息中的车辆已登记图像信息对该车辆品牌平台中的三维模型信息进行修正，能够最大限度的减少因用户自行改装而导致匹配准确度下降的问题，进而提高了对套牌车辆识别的准确度。

对所述三维车辆模型进行车型特征提取，获取标准车型特征，并将所述标准车型特征与所述车辆图像特征进行匹配，获取车辆特征匹配结果；

在对三维模型进行特征提取时，需要将三维模型进行二维化处理，再对二维化的图像进行特征提取。通过对三维车辆模型进行渲染和拍摄，获得三维模型车辆的正侧面、正前方、正上方等多角度视图，并使用目标车辆特征提取模型对这些视图进行处理，以提取车辆的特征，得到三维车辆模型的车型特征，即标准车型特征。并将标准车型特征与车型特征进行比较，获取比较结果，即将标准车型特征与车辆图像特征进行匹配，通过最近邻搜索算法、最小二乘法等相似度算法判断标准车型特征与车辆图像特征之间的相似度，并将相似度进行输出，得到车辆特征匹配结果。车辆特征匹配结果的获取，为后续根据车辆特征匹配结果对目标车辆进行套牌判断提供数据基础。

根据所述车辆特征匹配结果对所述目标车辆进行套牌判断。

对所述车辆特征匹配结果、所述时间判断结果、所述时间-距离分析结果进行权重值分配，获取权重值分配结果；

根据权重值分配结果对所述车辆特征匹配结果、所述时间判断结果、所述时间-距离分析结果进行权重计算，得到权重计算结果；

根据权重计算结果对所述目标车辆进行套牌判断。

根据车辆匹配特征结果对目标车辆进行套牌判断，车辆匹配特征结果较差时，判断目标车辆与目标车辆对应的车牌号所登记的车辆无法对应，表示目标车辆为套牌车辆。当对目标车辆无法仅通过外观外形方面对该车辆进行是否套牌检测时，需要对时间判断结果和时间-距离分析结果进行联合分析，将时间判断结果和时间-距离分析结果加入分析因素中。将车辆特征匹配结果、时间判断结果、时间-距离分析结果进行权重值分配，根据车辆的型号和容易区分度等因素进行考量，当目标车辆的车型较为老旧时，增加对时间判断结果的权重值分配，当车辆较为大众且该款车辆的新旧款式区分度不大时，增加时间-距离分析结果的权重值分配，主要通过时间-距离分析结果对该目标车辆的套牌判断，增加时间-距离分析结果的影响因素。根据权重值分配结果对车辆特征匹配结果、时间判断结果、时间-距离分析结果进行权重值计算，获取权重值计算结果，根据权重值计算结果对目标车辆的套牌进行判断。通过增加时间判断结果、时间-距离分析结果进行套牌判断，能够提升对套牌判断的准确度。

进一步而言，所述方法还包括：

对所述车辆图像信息进行车型种类特征提取，得到所述目标车辆的车型种类特征；

将所述车型种类特征与车型种类特征集进行匹配，获取车型种类特征匹配结果；

根据所述车型种类特征匹配结果对所述目标车辆进行车辆类型确认；

根据所述车辆类型获取车辆类型车型特征，并根据所述车辆类型车型特征对所述车辆图像信息获取所述目标车辆的车辆图像特征。

在对目标车辆的车辆图像信息进行特征提取时，由于只通过图像信息进行目标车辆提取，会产生相对较大误差，需要提高车辆图像特征的特征提取准确度，对车辆图像信息进行分步式特征提取，先确定目标车辆的车型，再根据车型进行进一步提取。先对车辆图像信息进行车型种类特征提取，判断目标车辆的车型种类，得到目标车辆的车型种类特征，获取车型种类特征集，车型种类特征集是包括大量不同车型种类的相关特征数据，几乎涵盖所有车型种类，例如双门轿车、四门轿车、城市SUV、全地形越野车等，将车型种类特征与车型种类特征集进行匹配，获取与车型种类特征相符合的车型种类，得到车型种类特征匹配结果。根据车型种类特征对目标车辆的类型进行确认，获取目标车辆的车型种类，根据车型种类对应的车型种类特征，通过目标车辆特征提取模型对车辆图像信息进行目标车辆的车厢图像特征提取，得到车辆图像信息的车辆图像特征，根据车辆类型对车辆图像特征进行获取，能够更加精确的对图像进行特征提取，使提取到的车辆图像特征更加精确，进而提高了对套牌车辆检测的准确性。

进一步而言，所述方法还包括：

基于大数据对所述目标车辆的车型种类进行遍历，获取大量所述车型种类的图像信息；

对大量所述车型种类的图像信息进行筛选，将不符合所述目标车辆的车型种类图像信息进行剔除；

对大量所述车型种类的图像信息进行车型种类特征提取，得到大量所述车型种类特征，并将大量所述车型种类特征进行数据集构建，得到所述车型种类特征集。根据目标车辆的车型种类作为关键词基于大数据进行车型种类图像信息进行获取，得到大量车型种类的图像信息。获取的大量图像信息中掺杂一些不符合车型种类的图像，对大量车型种类的图像信息进行人工筛选，对不符合车型种类图像信息的项进行剔除，得到筛选后的车型种类图像信息。通过目标车辆特征提取模型对大量筛选后的车型种类图像信息进行特征提取，得到多个车型种类特征，将多个车型种类特征进行数据集构建，得到车型种类特征集。车型种类特征集的构建为后续将车型种类特征与车型种类特征集进行匹配，获取车型种类特征匹配结果提供数据基础。

进一步而言，所述方法还包括：

根据所述车辆图像特征对所述车辆品牌型号进行判断，获取目标车辆的预测品牌型号；

根据预测品牌型号获取所述预测品牌型号车辆的车辆款式推出时间；

根据对应所述车牌号信息的所述登记信息获取车牌号申领时间；

将所述车牌号申领时间与所述车辆款式推出时间进行对比分析，生成时间判断结果；

根据所述时间判断结果对所述目标车辆套牌判断进行辅助分析。

套牌车辆中大多数车辆为报废车和事故车，新车的套牌可能性较小，对报废车和事故车进行修理后重新套牌上路，所以这些车辆的款式较为老旧，通过对这些车辆的款式年份进行分析，获取车辆的年份，再对车辆牌照的上牌时间进行获取，将车辆拍照上牌时间与车辆的款式年代进行对比，如果时间差不多，则说明套牌可能性较低，如果时间相差较大，则套牌可能性会明显增加。根据车辆图像特征进行车辆品牌型号匹配，获取匹配结果，得到车辆品牌型号。将车辆品牌型号进行输出，得到预测品牌型号。根据预测品牌型号在该车辆品牌平台进行检索，获取该预测品牌型号对应的车辆的推出时间，即车辆款式推出时间。再对车牌号信息的登记信息中的车牌号申领时间进行提取，得到车牌号申领时间。将车牌号申领时间与车辆款式推出时间进行对比，获取时间差，根据时间差的长短和先后顺序进行判断，得到时间判断结果。根据时间判断结果对目标车辆套牌判断进行辅助分析，将时间判断结果作为辅助考虑因素，加入对目标车辆的套牌判断中，能够进一步提高对目标车辆套牌判断的准确性。

进一步而言，所述方法还包括：

对所述车牌号信息进行记录，并对所述目标车辆的车牌号信息进行当前时间标识，将时间标识进行记录，得到第一时间；

当再次获取所述目标车辆的车牌号信息时，对所述目标车辆的车牌号信息再次进行当前时间标识，将所述时间标识进行记录，得到第二时间，并获取两次捕捉所述目标车辆车牌号信息的所述图像采集设备之间距离差；

计算所述第一时间与所述第二时间之间的时间差，得到时间间隔信息；

基于所述目标车辆的所述车型种类和所述图像采集设备之间距离差对所述目标车辆进行时间-距离分析，获取时间-距离分析结果；

根据时间-距离分析结果对所述目标车辆套牌判断进行辅助分析。

当套牌车辆与被套牌车辆相似度较高时，通过对车型等外部特征进行分析很难对其进行有效区分，所以需要对其进行外形以外的方法进行区分。通过对同一号牌车辆的出现时间进行记录，将相邻两次出现记录进行时间差分析，获取出现时间差，再对获取相同同一号牌图像的图像采集设备进行地理位置获取，对两个图像采集设备的地理位置进行分析，得到地理位置差，根据地理位置差与出现时间差进行合理性分析，判断该号牌的车辆的两次出现情况是否合理。举例而言，当该号牌的车辆出现在A市，在4小时之后的B市也出现了相同的号牌，但A市与B市之间相隔2000公里，无法在4个小时内从A市到达B市，所以该号牌车辆存在严重套牌嫌疑。首先获取目标车辆的图像信息，对车牌号信息进行记录，并对车牌号信息进行时间标注，记录该号牌车辆出现的时间，作为第一时间，并将目标车辆图像信息的图像采集设备的位置信息进行获取，得到第一位置；再次获取目标车辆的图像信息时，再对该号牌车辆出现时间进行记录，以当前时间对车牌号信息进行时间标识，得到第二时间，并将目标车辆图像信息的图像采集设备的位置信息进行获取，得到第二位置，并计算第一时间与第二时间之间的时间差和第一距离与第二距离之间的距离差，将时间差和距离差进行输出得到时间间隔信息和图像采集设备之间距离差，再将时间间隔信息和图像采集设备之间距离差进行对应，判断时间间隔是否能够完成相应的图像采集设备之间距离差，将判断结果进行输出，得到时间-距离分析结果。根据时间-距离分析结果对目标车辆套牌判断进行辅助分析，将时间-距离分析结果作为辅助考虑因素，加入对目标车辆的套牌判断中，能够减少因套牌车与被套牌车辆之间相似度太高而导致无法通过外形进行分辨的问题，提高对套牌车辆监测的准确性。

实施例二

基于与前述实施例中基于图像识别的套牌车辆检测方法相同的发明构思，如图2所示，本申请提供了基于图像识别的套牌车辆检测系统，所述系统包括：

图像采集模块11：所述图像采集模块11用于通过图像采集设备对目标车辆进行图像采集，获取所述目标车辆的车辆图像信息；

图像特征模块12：所述图像特征模块12用于根据所述车辆图像信息获取所述目标车辆的车辆图像特征，其中，所述车辆图像特征包括颜色特征和车型特征；

登记信息模块13：所述登记信息模块13用于获取所述目标车辆的车牌号信息，根据所述车牌号信息在相关平台进行检索，获取对应所述车牌号信息的登记信息，其中，所述登记信息包括车辆品牌型号和车辆已登记图像信息；

车辆模型模块14：所述车辆模型模块14用于根据所述车辆品牌型号获取对应所述车辆品牌型号的三维车辆模型，其中，所述三维车辆模型带有尺寸标识；

特征提取模块15：所述特征提取模块15用于对所述三维车辆模型进行车型特征提取，获取标准车型特征，并将所述标准车型特征与所述车辆图像特征进行匹配，获取车辆特征匹配结果；

套牌判断模块16：所述套牌判断模块16用于根据所述车辆特征匹配结果对所述目标车辆进行套牌判断。

进一步的，图像特征模块12包括以下执行步骤：

对所述车辆图像信息进行车型种类特征提取，得到所述目标车辆的车型种类特征；

将所述车型种类特征与车型种类特征集进行匹配，获取车型种类特征匹配结果；

根据所述车型种类特征匹配结果对所述目标车辆进行车辆类型确认；

根据所述车辆类型获取车辆类型车型特征，并根据所述车辆类型车型特征对所述车辆图像信息获取所述目标车辆的车辆图像特征。

进一步的，图像特征模块12包括以下执行步骤：

基于大数据对所述目标车辆的车型种类进行遍历，获取大量所述车型种类的图像信息；

对大量所述车型种类的图像信息进行筛选，将不符合所述目标车辆的车型种类图像信息进行剔除；

对大量所述车型种类的图像信息进行车型种类特征提取，得到大量所述车型种类特征，并将大量所述车型种类特征进行数据集构建，得到所述车型种类特征集。

进一步的，所述系统还包括：

根据所述车辆图像特征对所述车辆品牌型号进行判断，获取目标车辆的预测品牌型号；

根据预测品牌型号获取所述预测品牌型号车辆的车辆款式推出时间；

根据对应所述车牌号信息的所述登记信息获取车牌号申领时间；

将所述车牌号申领时间与所述车辆款式推出时间进行对比分析，生成时间判断结果；

根据所述时间判断结果对所述目标车辆套牌判断进行辅助分析。

进一步的，所述系统还包括：

对所述车牌号信息进行记录，并对所述目标车辆的车牌号信息进行当前时间标识，将时间标识进行记录，得到第一时间；

当再次获取所述目标车辆的车牌号信息时，对所述目标车辆的车牌号信息再次进行当前时间标识，将所述时间标识进行记录，得到第二时间，并获取两次捕捉所述目标车辆车牌号信息的所述图像采集设备之间距离差；

计算所述第一时间与所述第二时间之间的时间差，得到时间间隔信息；

基于所述目标车辆的所述车型种类和所述图像采集设备之间距离差对所述目标车辆进行时间-距离分析，获取时间-距离分析结果；

根据时间-距离分析结果对所述目标车辆套牌判断进行辅助分析。

进一步的，所述系统还包括：

对所述车辆特征匹配结果、所述时间判断结果、所述时间-距离分析结果进行权重值分配，获取权重值分配结果；

根据权重值分配结果对所述车辆特征匹配结果、所述时间判断结果、所述时间-距离分析结果进行权重计算，得到权重计算结果；

根据权重计算结果对所述目标车辆进行套牌判断。

本说明书通过前述对基于图像识别的套牌车辆检测方法的详细描述，本领域技术人员可以清楚的知道本实施例中基于图像识别的套牌车辆检测方法，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。