[0003] 本发明旨在至少解决现有技术中存在的技术问题,特别创新地提出了一种通过海量拍摄图片进行智能车辆牌照识别方法。
[0004] 为了实现本发明的上述目的,本发明公开了一种通过海量拍摄图片进行智能车辆牌照识别方法,包括以下步骤:
[0005] S1,获取运动轨迹上拍摄的车牌图像信息,对获取的车牌图像进行矫正处理,得到矫正车牌图像,提取矫正车牌图像中的图像信息,对提取的图像信息与预设的图像信息相对比,若提取的图像信息与预设的图像信息相等,则对拍摄的下一车牌图像进行矫正处理;若提取的图像信息与预设的图像信息不相等,则对该车牌图像进行二次矫正处理,直至提取的图像信息与预设的图像信息相等为止。本发明能够对路径上拍摄的车牌进行矫正处理,不会因为摄像头镜头的上下、左右或者旋转原因使得拍摄的图像为倾斜扭曲图像,增强车牌图像的识别能力,降低误差。
[0006] 在本发明的一种优选实施方式中,所述S1包括以下步骤:
[0007] S11,以机动车行驶路径上的任一点为三维坐标的原点,以地面为xy平面,以垂直于地面为z轴,建立三维坐标系xyz;
[0008] S12,获取机动车K行驶所在位置坐标 所述t为时刻,K为机动车序号,At、Bt和Ct为自然数;
[0009] 获取摄像头拍摄点的位置坐标(xA,yB,zC),所述A、B和C为自然数,且
[0010] S13,计算t时刻摄像头拍摄机动车K时的距离为:
[0011] 其中, 为机动车K行驶在t时刻时的位置坐标;(xA,yB,zC)为摄像头拍摄点的位置坐标;LK(t)为摄像头拍摄点在t时刻与机动车K的距离;
[0012] S14,对t时刻获取的车牌图像进行矫正处理,具体包括以下步骤:
[0013] S141,获取摄像头的视野左右偏离度计算图像的左右
偏离度,可以减少算法的鲁棒性和冗余量,增强计算效率。
[0014] 若 则摄像头向左偏离角度 若 则摄像头向右偏离角度 其中, 为摄像头拍摄的机动车密集度, 为摄像头未偏离时拍摄的机动
车密集度;LLeft为图像左侧第一辆机动车与摄像头间的距离,LRight为图像右侧第一辆机动车与摄像头间的距离; 为图像左侧第一辆机动车和摄像头连线与图像右侧第一辆机
动车和摄像头连线所成的角度;D为机动车行驶路面宽度; 为图像左侧第一辆机动车和摄像头连线与图像左侧第一辆机动车车顶面所成的角度, θRight为图像右侧第
一辆机动车和摄像头连线与图像右侧第一辆机动车车顶面所成的角度, ρ为
左右偏离调节因子;
[0015] S142,获取摄像头的视野上下偏离度
[0016]计算图像的上下偏离度,提升图像的质量,降低干扰。
[0017] 若 则摄像头向上偏离角度 若 则摄像头向下偏离角度 其中,LUp为图像上侧第一辆机动车与摄像头间的距离,LDown为图像下侧第一
辆机动车与摄像头间的距离; 为图像上侧第一辆机动车和摄像头连线与图像下侧第
一辆机动车和摄像头连线所成的角度;θUp为图像上侧第一辆机动车和摄像头连线与图像上侧第一辆机动车车顶面所成的角度, 为图像下侧第一辆机动车和摄像头
连线与图像下侧第一辆机动车车顶面所成的角度, ρ′为上下偏离调节因子;
[0018] S143,获取摄像头的视野旋转度
[0019] 计算图像的旋转度,可以精确的得出图像的扭曲值,有助于快速矫正图像。
[0020] 若 则摄像头顺时针旋转角度 若 则摄像头逆时针旋转角度
[0021] S144,矫正处理图像
[0022] 其中,ε为图像扭曲度;LK(t)为摄像头拍摄点在t时刻与机动车K的距离;P(t+1)为下一时刻t+1拍摄的车牌图像信息。
[0023] 在本发明的一种优选实施方式中,车牌图像的二次矫正处理方法为
[0024]
[0025] 其中,ε为图像扭曲度;LK(t)为摄像头拍摄点在t时刻与机动车K的距离;P(t+1)为下一时刻t+1拍摄的车牌图像信息τLeft,Right为摄像头视野左右偏离度误差,若τLeft,Right为负,则摄像头向右偏转|τLeft,Right|,若τLeft,Right为正,则摄像头向左偏转τLeft,Right;τRotate为摄像头视野旋转度误差,若τRotate为正,则摄像头顺时针旋转τRotate,若τRotate为负,则摄像头逆时针旋转|τRotate|;τUp,Down为摄像头视野上下偏离度误差,若τUp,Down为正,则摄像头向上偏转τUp,Down,若τUp,Down为负,则摄像头向下偏转|τUp,Down|。该算法增强车牌图像的鲁棒性及降低了冗余性,降低CPU的使用量。
[0026] 综上所述,由于采用了上述技术方案,本发明的有益效果是:本发明能够对路径上拍摄的车牌进行矫正处理,不会因为摄像头镜头的上下、左右或者旋转原因使得拍摄的图像为倾斜扭曲图像,增强车牌图像的识别能力,降低误差。