停车场车牌识别方法及装置制造方法及图纸

本申请公开了一种停车场车牌识别方法及装置。所述方法包括：通过朝向拍摄方向的凸面镜反射第一停车区域的图像，得到反射图像；采集朝向拍摄方向的第二停车区域的图像和所述反射图像，得到采集图像；分割所述采集图像，得到所述第一停车区域的畸变反射图像、所述第二停车区域的直接图像；通过畸变补偿算法修正所述畸变反射图像，得到修正图像；处理所述直接图像、所述修正图像，得到带来源侧标记信息的字符图像集合；通过样本集匹配所述字符图像集合，得到车牌信息数据。本申请通过采集处理包括两侧停车信息的图像数据，有效提高了摄像头利用率。利用率。利用率。

【技术实现步骤摘要】
停车场车牌识别方法及装置


[0001]本申请涉及车牌识别
，尤其涉及一种停车场车牌识别方法及装置。

技术介绍

[0002]车牌识别的一个主要应用场景是停车场，尤其是城市内的地下停车场。城市地下停车场具有强烈的自动化管理需求，这需要依靠车牌识别系统实现。车牌识别系统利用模式识别、数字图像处理及机器视觉方面的相关技术，从摄像机捕获的数字图像中，自动检出车牌号。其关键技术在于对图像的分析处理和识别。
[0003]在实现现有技术的过程中，专利技术人发现存在以下技术问题：
[0004]目前的城市地下停车场一般采用一个摄像头对应连续多个车位进行视频采集的方式布置。基于城市地下停车场空间受限的特点，车位大多分布于通道两侧。对于车道双侧分布车位的地下停车场景，常见两侧停车位间距不足的情况下，仍然采用双摄像头的方式完成视频采集，即每个摄像头拍摄一侧车位。该种方案的不足在于所使用的摄像头仅采集一侧的车牌信息，利用率较低。
[0005]因此，需要提供一种有效提高摄像头利用率的停车场车牌识别技术方案。

技术实现思路

[0006]本申请实施例提供一种停车场车牌识别的技术方案，通过在一侧采集处理包括两侧停车信息的图像数据，有效提高了摄像头利用率。
[0007]本申请提供的一种停车场车牌识别方法，包括：
[0008]通过朝向拍摄方向的凸面镜反射第一停车区域的图像，得到反射图像；
[0009]采集朝向拍摄方向的第二停车区域的图像和所述反射图像，得到采集图像；
[0010]分割所述采集图像，得到所述第一停车区域的畸变反射图像、所述第二停车区域的直接图像；
[0011]通过畸变补偿算法修正所述畸变反射图像，得到修正图像；
[0012]处理所述直接图像、所述修正图像，得到带来源侧标记信息的字符图像集合；
[0013]通过样本集匹配所述字符图像集合，得到车牌信息数据。
[0014]进一步的，在本申请提供的一种优选实施方式中，分割所述采集图像，得到所述第一停车区域的畸变反射图像、所述第二停车区域的直接图像，具体包括：
[0015]识别所述采集图像，得到所述第一停车区域的畸变反射ROI区、所述第二停车区域的直接ROI区；
[0016]根据所述畸变反射ROI区、所述直接ROI区，分割所述采集图像，得到所述第一停车区域的畸变反射图像、所述第二停车区域的直接图像。
[0017]进一步的，在本申请提供的一种优选实施方式中，通过畸变补偿算法修正所述畸变反射图像，得到修正图像，具体包括：
[0018]计算所述畸变反射图像的扭曲度参数；
[0019]根据所述扭曲度参数，调用畸变补偿算法处理所述畸变反射图像，得到修正图像。
[0020]进一步的，在本申请提供的一种优选实施方式中，计算所述畸变反射图像的扭曲度参数，具体包括：
[0021]获取所述凸面镜的曲率；
[0022]根据所述曲率，计算所述畸变反射图像的扭曲度参数。
[0023]进一步的，在本申请提供的一种优选实施方式中，处理所述直接图像、所述修正图像，得到带来源侧标记信息的字符图像集合，具体包括：
[0024]通过神经网络算法处理所述直接图像、所述修正图像，得到车牌图像矩阵块；
[0025]处理所述车牌图像矩阵块，得到原始字符图像集合；
[0026]标记所述原始字符图像集合，得到带来源侧标记信息的字符图像集合。
[0027]进一步的，在本申请提供的一种优选实施方式中，通过神经网络算法处理所述直接图像、所述修正图像，得到车牌图像矩阵块，具体包括：
[0028]根据边缘信息和颜色特征信息，处理所述直接图像、所述修正图像，得到候选车牌集合；
[0029]通过SVM分类器筛选所述候选车牌集合，得到车牌图像矩阵块。
[0030]进一步的，在本申请提供的一种优选实施方式中，处理所述车牌图像矩阵块，得到原始字符图像集合，具体包括：
[0031]基于灰度图像和Radon变换，校正所述车牌图像矩阵块，得到车牌校正图像；
[0032]根据形态学中开运算方法，消除所述车牌校正图像中的间隔符，得到无间隔车牌图像；
[0033]转换所述无间隔车牌图像为直方图，通过算法及所述直方图识别边框位置，从所述无间隔车牌图像中消除边框，得到无边框车牌图像；
[0034]通过投影法，分割所述无边框车牌图像，得到原始字符图像集合。
[0035]进一步的，在本申请提供的一种优选实施方式中，通过样本集匹配所述字符图像集合，得到车牌信息数据，具体包括：
[0036]识别所述字符图像集合的来源侧标记信息；
[0037]当所述来源侧标记信息为第一来源标记时，使用镜像样本集匹配所述字符图像集合，得到车牌信息数据。
[0038]进一步的，在本申请提供的一种优选实施方式中，通过样本集匹配所述字符图像集合，得到车牌信息数据，具体包括：
[0039]识别所述字符图像集合的来源侧标记信息；
[0040]当所述来源侧标记信息为第二来源标记时，使用正向样本集匹配所述字符图像集合，得到车牌信息数据。
[0041]本申请还提供一种停车场车牌识别装置，包括：
[0042]采集模块，用于通过朝向拍摄方向的凸面镜反射第一停车区域的图像，得到反射图像；还用于采集朝向拍摄方向的第二停车区域的图像和所述反射图像，得到采集图像；
[0043]图像分离模块，用于分割所述采集图像，得到所述第一停车区域的畸变反射图像、所述第二停车区域的直接图像；
[0044]图像修正模块，用于通过畸变补偿算法修正所述畸变反射图像，得到修正图像；
[0045]图像处理模块，用于处理所述直接图像、所述修正图像，得到带来源侧标记信息的字符图像集合；
[0046]匹配模块，用于通过样本集匹配所述字符图像集合，得到车牌信息数据。
[0047]本申请提供的实施例，至少具有以下技术效果：
[0048]通过在一侧采集处理包括两侧停车信息的图像数据，有效提高了摄像头利用率。
附图说明
[0049]此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
[0050]图1为本申请实施例提供的一种停车场车牌识别方法的流程图；
[0051]图2为本申请实施例提供的一种凸面镜镜面曲线示意图；
[0052]图3为本申请实施例提供的一种停车场车牌识别装置部署示意图；
[0053]图4为本申请实施例提供的一种停车场车牌识别装置的结构示意图。
具体实施方式
[0054]为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例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文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种停车场车牌识别方法，其特征在于，包括：通过朝向拍摄方向的凸面镜反射第一停车区域的图像，得到反射图像；采集朝向拍摄方向的第二停车区域的图像和所述反射图像，得到采集图像；分割所述采集图像，得到所述第一停车区域的畸变反射图像、所述第二停车区域的直接图像；通过畸变补偿算法修正所述畸变反射图像，得到修正图像；处理所述直接图像、所述修正图像，得到带来源侧标记信息的字符图像集合；通过样本集匹配所述字符图像集合，得到车牌信息数据。2.根据权利要求1所述的方法，其特征在于，分割所述采集图像，得到所述第一停车区域的畸变反射图像、所述第二停车区域的直接图像，具体包括：识别所述采集图像，得到所述第一停车区域的畸变反射ROI区、所述第二停车区域的直接ROI区；根据所述畸变反射ROI区、所述直接ROI区，分割所述采集图像，得到所述第一停车区域的畸变反射图像、所述第二停车区域的直接图像。3.根据权利要求1所述的方法，其特征在于，通过畸变补偿算法修正所述畸变反射图像，得到修正图像，具体包括：计算所述畸变反射图像的扭曲度参数；根据所述扭曲度参数，调用畸变补偿算法处理所述畸变反射图像，得到修正图像。4.根据权利要求3所述的方法，其特征在于，计算所述畸变反射图像的扭曲度参数，具体包括：获取所述凸面镜的曲率；根据所述曲率，计算所述畸变反射图像的扭曲度参数。5.根据权利要求1所述的方法，其特征在于，处理所述直接图像、所述修正图像，得到带来源侧标记信息的字符图像集合，具体包括：通过神经网络算法处理所述直接图像、所述修正图像，得到车牌图像矩阵块；处理所述车牌图像矩阵块，得到原始字符图像集合；标记所述原始字符图像集合，得到带来源侧标记信息的字符图像集合。6.根据权利要求5所述的方法，其特征在于，通过神经网络算法处理所述直接图像、所述修正图像，得到车牌图像矩阵块，具体包括：根据...

【专利技术属性】
技术研发人员：范星宇，侯茂林，孙亮，李濮实，
申请(专利权)人：金茂数字科技有限公司，
类型：发明
国别省市：