车辆牌照过滤方法及系统技术方案

一种车辆牌照过滤方法及系统，所述方法包括：１）牌照定位步骤，用于对输入的图片进行特征定位，寻找候选牌照区域；２）候选牌照特征提取步骤，用于对候选牌照区域特征值提取，并判断提取的特征值与标准值是否偏差过大，如果是，则过滤该选牌照区域，如果否，则进入步骤３）；３）人工神经网络步骤，人工神经网络模块将提取的特征值形成一个向量并输入至神经网络，神经网络输出为一个概率值，若图片中存在输出的概率值大于某一个阈值的候选牌照区域，则判定该候选牌照区域存在牌照，保存该图片，若图片中不存在输出的概率值大于某一个阈值的候选牌照区域，则过滤该图片。本发明专利技术具有速度快，内存占用低的优点。

【技术实现步骤摘要】

本专利技术涉及车辆牌照过滤
，特别涉及一种车辆牌照过滤方法及系统。
技术介绍
在实时交通视频检测中，由于目前技术发展的限制以及实际应用中各种复杂环境 因素的影响，造成所抓拍图片中存在大量的没有车辆牌照的废片。由于废片的数量较大，使 得数据的有效性大大降低，同时也对用户的使用造成了不必要的干扰。为了能快速、高效率地过滤交通视频检测中的废片，牌照过滤技术应运而生。牌照 过滤技术是在牌照识别技术上发展而来，与牌照识别技术有相同之处，也有自己的特点。与 牌照识别技术相比，牌照过滤技术在牌照定位、牌照颜色识别、牌照特征提取等方面与牌照 识别技术类似，但是缺少牌照类型分类、字符分割、字符识别等技术。同时，牌照过滤不需要 非常精准地定位牌照。现有的牌照过滤技术是采用牌照识别来实现。此类方法虽然准确率高，但是占用 了大量的系统资源，对系统的性能要求高。在系统资源一定的条件下，使用牌照识别来实现 车辆牌照过滤，会影响系统的整体性能。
技术实现思路
本专利技术的目的在于，提供一种车辆牌照过滤方法及系统，以尽可能少地占用系统 资源的同时，又能快速、高效地过滤车辆牌照。本专利技术采用如下技术方案一种车辆牌照过滤方法，包括以下步骤1)牌照定位步骤，用于对输入的图片进行特征定位，寻找候选牌照区域；2)候选牌照特征提取步骤，用于对候选牌照区域特征值提取，并判断提取的特征 值与标准值是否偏差过大，如果是，则过滤该选牌照区域，如果否，则进入步骤3)；3)人工神经网络步骤，人工神经网络模块将提取的特征值形成一个向量并输入至 神经网络，神经网络输出为一个概率值，若图片中存在输出的概率值大于某一个阈值的候 选牌照区域，则判定该候选牌照区域存在牌照，并保存该图片；若图片中不存在输出的概率 值大于某一个阈值的候选牌照区域，则过滤该图片。进一步地，所述步骤2)中，候选牌照特征提取包括对颜色特征、纹理特征、灰度分 布特征的提取。进一步地，所述步骤1)具体包括以下步骤对输入的图片进行特征定位，寻找候选牌照区域，如果不存在候选牌照区域，则直 接过滤该图片，并对下一张输入的图片进行处理，如果存在候选牌照区域，则进入步骤2)。进一步地，所述步骤2)具体包括以下步骤21)提取的候选牌照区域的特征值，判断提取的特征值与标准值是否偏差过大，如 果是，进入步骤22)；如果否，转步骤23)；22)判断此候选牌照区域为伪牌照，判断是否还存在未判断的候选牌照区域，若 有，则转步骤21)；若无，则转步骤1)；24)判断此候选牌照区域有可能存在牌照，则进入步骤3)；进一步地，所述步骤3)具体包括以下步骤人工神经网络模块将提取的特征值形成一个向量并输入至神经网络，神经网络输 出为一个概率值；若图片中存在输出的概率值大于某一个阈值的候选牌照区域，则判定该 候选牌照区域存在牌照，此图片有效，保存该图片，转步骤1)；反之，则判定此候选牌照区 域为伪牌照，并判断是否还有未判断的候选牌照区域，若有，则转步骤2)，若无，则过滤该图 片，转步骤1)。本专利技术还提供一种车辆牌照过滤系统，包括牌照定位模块，用于对输入的图片进行特征定位，寻找候选牌照区域；候选牌照特征提取模块，用于对候选牌照区域特征值提取，并判断提取的特征值 与标准值是否偏差过大，如果是，则过滤该选牌照区域，如果否，将提取的特征值送入人工 神经网络模块；人工神经网络模块，人工神经网络模块将提取的特征值形成一个向量并输入至神 经网络，神经网络输出为一个概率值，若图片中存在输出的概率值大于某一个阈值的候选 牌照区域，则判定该候选牌照区域存在牌照，保存该图片，若图片中不存在输出的概率值大 于某一个阈值的候选牌照区域，则过滤该图片。本专利技术提供的车辆牌照过滤方法及系统，通过对图像进行特征定位、颜色判断、特 征提取等图像处理的手并结合人工神经网络，在最短的时间内以最高的概率判断出图像中 是否含有车辆牌照。其神经网络的规模和数量远比牌照识别要小，其具有以下优点1、速度非常快。在相同的环境下处理相同的图片牌照过滤的耗时大概是现有牌照 识别方法的30%。2、内存占用量低。在相同的环境下处理相同的图片牌照过滤所占用的内存大概是 现有牌照识别方法的35%。以下结合附图及实施例进一步说明本专利技术。 附图说明图1为本专利技术车辆牌照过滤方法实施例流程图。 具体实施例方式一种车辆牌照过滤系统，包括牌照定位模块，用于对输入的图片进行特征定位，寻找候选牌照区域；候选牌照特征提取模块，用于对候选牌照区域特征值提取，并判断提取的特征值 与标准值是否偏差过大，如果是，则过滤该选牌照区域，如果否，将提取的特征值送入人工 神经网络模块；人工神经网络模块，人工神经网络模块将提取的特征值形成一个向量并输入至神 经网络，神经网络输出为一个概率值，若图片中存在输出的概率值大于某一个阈值的候选 牌照区域，则判定该候选牌照区域存在牌照，保存该图片，若图片中不存在输出的概率值大于某一个阈值的候选牌照区域，则过滤该图片。如图1所示，一种车辆牌照过滤方法，包括以下步骤1)牌照定位步骤，用于对输入的图片进行特征定位，寻找尽可能多的候选牌照区 域，如果不存在候选牌照区域，则直接过滤该图片，并对下一张输入的图片进行处理，如果 存在候选牌照区域，则进入步骤2)；2)候选牌照特征提取步骤，选取候选牌照区域，对其颜色特征、纹理特征、灰度分 布等特征进行提取并处理。由于标准牌照的颜色特征、纹理特征、灰度分布等特征具有明显 的规律性，其具体包括以下步骤21)提取的候选牌照区域的特征值，判断提取的特征值与标准值是否偏差过大，如 果是，进入步骤22)；如果否，转步骤23)；22)判断此候选牌照区域为伪牌照，判断是否还存在未判断的候选牌照区域，若 有，则转步骤21)；若无，则转步骤1)；24)判断此候选牌照区域有可能存在牌照，则进入步骤3)；3)人工神经网络步骤，人工神经网络模块将提取的特征值形成一个向量并输入 至神经网络，神经网络输出为一个概率值，如0 1之间的概率值；若输出的该概率值大于 某一个阈值，则判定该候选牌照区域存在牌照，此图片有效，保存该图片，转步骤1)；反之， 则判定此候选牌照区域为伪牌照，并判断是否还有未判断的候选牌照区域，若有，则转步骤 2)，若无，则过滤该图片，转步骤1)。以上所述的实施例仅用于说明本专利技术的技术思想及特点，其目的在使本领域内的 技术人员能够了解本专利技术的内容并据以实施，当不能仅以本实施例来限定本专利技术的专利范 围，不论采用何种现有的人工神经网络技术，即凡依本专利技术所揭示的精神所作的同等变化 或修饰，仍落在本专利技术的专利范围内。权利要求一种车辆牌照过滤方法，其特征在于包括以下步骤1)牌照定位步骤，用于对输入的图片进行特征定位，寻找候选牌照区域；2)候选牌照特征提取步骤，用于对候选牌照区域特征值提取，并判断提取的特征值与标准值是否偏差过大，如果是，则过滤该选牌照区域，如果否，则进入步骤3)；3)人工神经网络步骤，人工神经网络模块将提取的特征值形成一个向量并输入至神经网络，神经网络输出一个概率值，若图片中存在输出的概率值大于某一个阈值的候选牌照区域，则判定该候选牌照区域存在牌照，并保存该图片；若图片中不存在输出的概率值大于某一个阈值的候选牌照区域，则过滤该图片。2.根据权利要求1所述的本文档来自技高网...

【技术保护点】
一种车辆牌照过滤方法，其特征在于包括以下步骤：１）牌照定位步骤，用于对输入的图片进行特征定位，寻找候选牌照区域；２）候选牌照特征提取步骤，用于对候选牌照区域特征值提取，并判断提取的特征值与标准值是否偏差过大，如果是，则过滤该选牌照区域，如果否，则进入步骤３）；３）人工神经网络步骤，人工神经网络模块将提取的特征值形成一个向量并输入至神经网络，神经网络输出一个概率值，若图片中存在输出的概率值大于某一个阈值的候选牌照区域，则判定该候选牌照区域存在牌照，并保存该图片；若图片中不存在输出的概率值大于某一个阈值的候选牌照区域，则过滤该图片。

【技术特征摘要】

【专利技术属性】
技术研发人员：朱林，
申请(专利权)人：上海宝康电子控制工程有限公司，
类型：发明
国别省市：31[中国|上海]