一种真假车牌的识别检测方法及系统技术方案

本申请实施例公开了一种真假车牌的识别检测方法及系统，用于提高车辆真假车牌判断的准确性。本申请实施例方法包括：获取同一车辆的预检测车牌图像组；判断预检测车牌图像组中的图像是否存在人体手部特征；若是，则分别对人体手部特征设置关键点，并生成目标检测图像组；从目标检测图像组中挑取第一目标检测图像；将第一目标检测图像通过目标模型生成检测结果；判断检测结果是否大于第一阈值；若否，则统计目标检测图像组中图像车牌中心点与对应的关键点距离小于第二阈值的张数；判断小于第二阈值的图像张数是否不小于目标检测图像组中图像总数的一半；若是，则确定目标检测图像组中的车牌为伪车牌。

【技术实现步骤摘要】
一种真假车牌的识别检测方法及系统
本申请实施例涉及智能监控领域，尤其涉及一种真假车牌的识别检测方法及系统。
技术介绍
随着机动车套牌与伪造机动车牌等现象的出现，对车牌的真假识别技术的要求也日益迫切。近年来，随着科学技术的发展，以车牌识别技术为基础的无人值守方案出现，不仅提升了停车场通行效率，更为物业管理方节省了大笔人员开支。就目前来说，在停车场，系统只要识别到车牌就能够对用户车辆开闸放行。由于是无人值守，有少数用户为了减少自身车辆在停车场内停车费用的支出，会采取用手机显示车辆的车牌图像或者打印车辆车牌等措施来假冒月卡车辆进行逃费。
技术实现思路
本申请实施例提供了一种真假车牌的识别检测方法及系统，用于提高车辆真假车牌判断的准确性。本申请在第一方面提供了一种真假车牌的识别检测方法，包括：获取同一车辆的预检测车牌图像组；判断所述预检测车牌图像组中的图像是否存在人体手部特征；若是，则分别对所述人体手部特征设置关键点，并生成目标检测图像组；从所述目标检测图像组中挑取第一目标检测图像；将所述第一目标检测图像通过目标模型生成检测结果，所述目标模型为学习样本集中车牌图像的中心点特征信息所训练得到的模型，所述检测结果为一个距离长度数值；判断所述检测结果是否大于第一阈值；若否，则统计所述目标检测图像组中图像车牌中心点与对应的关键点距离小于第二阈值的张数；判断小于第二阈值的图像张数是否不小于所述目标检测图像组中图像总数的一半；若是，则确定所述目标检测图像组中的车牌为伪车牌。可选的，所述将所述第一目标检测图像通过目标模型生成检测结果之前，所述检测方法还包括：通过摄像头获取历史车辆车牌图像数据；通过所述历史车辆车牌图像数据获取车牌图像样本集，所述车牌图像样本集为设置有车牌中心点的样本集；将所述车牌图像样本集的图像集中输入初始模型生成训练数据，所述初始模型为基于神经网络所建立的模型，所述训练数据为车辆车牌的中心点坐标数据；根据所述训练数据判断车牌中心点的分布是否存在聚集区域；若是，则确定所述初始模型为目标模型；根据所述聚集区域确定区域中心点。可选的，所述根据所述训练数据判断车牌中心点的分布是否存在聚集区域之后，所述检测方法还包括：若否，则二次获取车牌图像样本集，进行步骤：将二次获取的车牌图像样本的图像集中输入初始模型生成训练数据，根据二次生成的训练数据判断车牌中心点的分布是否存在聚集区域。可选的，所述获取同一车辆的预检测车牌图像组，包括：通过摄像头获取同一车辆的包含预检测车牌信息的视频；根据所述包含检测车牌信息的视频截取至少为三张的预检测车牌图像，集合生成预检测车牌图像组。可选的，所述从所述目标检测图像组中挑取第一目标检测图像，包括：分别标注所述目标检测图像组中图像上车牌的边框；根据所述边框比较对应车牌在图像上显示的大小；根据比较结果挑取第一目标检测图像，所述第一目标检测图像为比较结果中边框最大的图像。可选的，所述判断所述预检测车牌图像组中的图像是否存在人体手部特征之后，所述检测方法还包括：若否，则确定所述预检测车牌图像组中的车牌为真车牌。可选的，所述判断所述检测结果是否大于第一阈值之后，所述检测方法还包括：若是，则确定所述第一目标检测图像中的车牌为伪车牌。可选的，所述判断小于第二阈值的图像张数是否不小于所述目标检测图像组中图像总数的一半之后，所述检测方法还包括：若否，则确定所述目标检测图像组中的车牌为真车牌。本申请在第二方面提供了一种真假车牌的识别检测系统，包括：第一获取单元，用于获取同一车辆的预检测车牌图像组；第一判断单元，用于判断所述预检测车牌图像组中的图像是否存在人体手部特征；第一执行单元，用于当所述第一判断单元确定所述预检测车牌图像组中的图像存在人体手部特征时，则分别对所述人体手部特征设置关键点，并生成目标检测图像组；挑取单元，用于从所述目标检测图像组中挑取第一目标检测图像；生成单元，用于将所述第一目标检测图像通过目标模型生成检测结果，所述目标模型为学习样本集中车牌图像的中心点特征信息所训练得到的模型，所述检测结果为一个距离长度数值；第二判断单元，用于判断所述检测结果是否大于第一阈值；第二执行单元，用于当所述第二判断单元确定所述检测结果不大于第一阈值时，则统计所述目标检测图像组中图像车牌中心点与对应的关键点距离小于第二阈值的张数；第三判断单元，用于判断小于第二阈值的图像张数是否不小于所述目标检测图像组中图像总数的一半；第三执行单元，用于当所述第三判断单元确定小于第二阈值的图像张数不小于所述目标检测图像组的图像总数的一半时，则确定所述目标检测图像组中的车牌为伪车牌。可选的，所述检测系统还包括：第三获取单元，用于通过摄像头获取历史车辆车牌图像数据；第四获取单元，用于通过所述历史车辆车牌图像数据获取车牌图像样本集，所述车牌图像样本集为设置有车牌中心点的样本集；训练单元，用于将所述车牌图像样本的图像集中输入初始模型生成训练数据，所述初始模型为基于神经网络所建立的模型，所述训练数据为车辆车牌的中心点坐标数据；第四判断单元，用于根据所述训练数据判断车牌中心点的分布是否存在聚集区域；第四执行单元，用于当所述第四判断单元根据所述训练数据确定车牌中心点的分布存在聚集区域时，确定所述初始模型为目标模型；区域中心确定单元，用于根据所述聚集区域确定区域中心点。可选的，所述检测系统还包括：第五执行单元，用于当所述第四判断单元根据所述训练数据确定车牌中心点的分布不存在聚集区域时，则二次获取车牌图像样本集，进行步骤：将二次获取的车牌图像样本的图像集中输入初始模型生成训练数据，根据二次生成的训练数据判断车牌中心点的分布是否存在聚集区域。可选的，所述第一获取单元，包括：第二获取模块，用于通过摄像头获取同一车辆的包含预检测车牌信息的视频；截取模块，用于根据所述包含检测车牌信息的视频截取至少为三张的预检测车牌图像，集合生成预检测车牌图像组。可选的，所述挑取单元，包括：标注模块，用于分别标注所述目标检测图像组中图像上车牌的边框；比较模块，用于根据所述边框比较对应车牌在图像上显示的大小；挑取模块，用于根据比较结果挑取第一目标检测图像，所述第一目标检测图像为比较结果中边框最大的图像。可选的，所述检测系统还包括：第六执行单元，用于当所述第一判断单元确定所述预检测车牌图像组中的图像不存在人体手部特征时，则确定所述预检测车牌图像组中的车牌为真车牌。可选的，所述检测方法还包括：第七执行单元，用于当所述第二判断单元确定所述检测结果大于第一阈值时，则确定所述第一目标检测图像中的车牌为伪车牌。可选的，所述检本文档来自技高网...

【技术保护点】
1.一种真假车牌的识别检测方法，其特征在于，包括：/n获取同一车辆的预检测车牌图像组；/n判断所述预检测车牌图像组中的图像是否存在人体手部特征；/n若是，则分别对所述人体手部特征设置关键点，并生成目标检测图像组；/n从所述目标检测图像组中挑取第一目标检测图像；/n将所述第一目标检测图像通过目标模型生成检测结果，所述目标模型为学习样本集中车牌图像的中心点特征信息所训练得到的模型，所述检测结果为一个距离长度数值；/n判断所述检测结果是否大于第一阈值；/n若否，则统计所述目标检测图像组中图像车牌中心点与对应的关键点距离小于第二阈值的张数；/n判断小于第二阈值的图像张数是否不小于所述目标检测图像组中图像总数的一半；/n若是，则确定所述目标检测图像组中的车牌为伪车牌。/n

【技术特征摘要】
1.一种真假车牌的识别检测方法，其特征在于，包括：
获取同一车辆的预检测车牌图像组；
判断所述预检测车牌图像组中的图像是否存在人体手部特征；
若是，则分别对所述人体手部特征设置关键点，并生成目标检测图像组；
从所述目标检测图像组中挑取第一目标检测图像；
将所述第一目标检测图像通过目标模型生成检测结果，所述目标模型为学习样本集中车牌图像的中心点特征信息所训练得到的模型，所述检测结果为一个距离长度数值；
判断所述检测结果是否大于第一阈值；
若否，则统计所述目标检测图像组中图像车牌中心点与对应的关键点距离小于第二阈值的张数；
判断小于第二阈值的图像张数是否不小于所述目标检测图像组中图像总数的一半；
若是，则确定所述目标检测图像组中的车牌为伪车牌。


2.根据权利要求1所述的检测方法，其特征在于，所述将所述第一目标检测图像通过目标模型生成检测结果之前，所述检测方法还包括：
通过摄像头获取历史车辆车牌图像数据；
通过所述历史车辆车牌图像数据获取车牌图像样本集，所述车牌图像样本集为设置有车牌中心点的样本集；
将所述车牌图像样本集的图像集中输入初始模型生成训练数据，所述初始模型为基于神经网络所建立的模型，所述训练数据为车辆车牌的中心点坐标数据；
根据所述训练数据判断车牌中心点的分布是否存在聚集区域；
若是，则确定所述初始模型为目标模型；
根据所述聚集区域确定区域中心点。


3.根据权利要求2所述的检测方法，其特征在于，所述根据所述训练数据判断车牌中心点的分布是否存在聚集区域之后，所述检测方法还包括：
若否，则二次获取车牌图像样本集，进行步骤：将二次获取的车牌图像样本的图像集中输入初始模型生成训练数据，根据二次生成的训练数据判断车牌中心点的分布是否存在聚集区域。


4.根据权利要求3所述的检测方法，其特征在于，所述获取同一车辆的预检测车牌图像组，包括：
通过摄像头获取同一车辆的包含预检测车牌信息的视频；
根据所述包含检测车牌信息的视频截取至少为三张的预检测车牌图像，集合生成预检测车牌图像组。


5.根据权利要求4所述的检测方法，其特征在于，所述从所述目标检测图像组中挑取第一目标检测图像，包括：
分别标注所述目标检测图像组中图像上车牌的边框；
根据所述边框比较对应车牌在图像上显示的大小；
根据比较结果挑取第一目标检测图像，所述第一目标检测图像为比较结果中边框最大的图像。


6.根据权利要求1至5任意一项所述的检测方法，其特征在于，所述判断所述预检测车牌图像组中...

【专利技术属性】
技术研发人员：唐健，吴喆，陶昆，
申请(专利权)人：深圳市捷顺科技实业股份有限公司，
类型：发明
国别省市：广东;44