基于航拍视频识别车牌的方法技术

本发明专利技术的基于航拍视频识别车牌的方法，属于智能交通方法的技术领域解决现有技术的方法识别图像中车牌效率低的技术问题。包括S101；对航拍视频流的车辆进行检测，使用预设图像区域进行剪切以确定车辆位置，剪切后的车辆图片帧进行缓存；S102：采用YOLOV3深度学习的目标检测算法处理剪切后的车辆图片帧，进行物体定位和物体识别，确定车牌的输出层名字；S103：多线程并行处理所述车牌的输出层名字确定车牌字符。本发明专利技术提高车牌识别的功能。本发明专利技术提高车牌识别的功能。本发明专利技术提高车牌识别的功能。

【技术实现步骤摘要】
基于航拍视频识别车牌的方法


[0001]本专利技术属于智能交通方法的
，尤其涉及一种基于航拍视频识别车牌的方法。

技术介绍

[0002]随着技术发展，图像处理与识别技术得到广泛的应用。目前市场上的车牌识别大致有两种解决方案：一种解决方案主要采用地感线圈感应和拍照识别的方式进行车牌识别，主要运用于停车场与小区出入口，这种方法存在识别效率低，容错率低等问题。第二种解决方案，主要采用帧差法车辆检测与SVM(支持向量机)字符识别结合的方式进行车牌识别。相较第一种解决方案，提高了车牌的整体识别率。但依然存在识别效率低的问题。
[0003]有鉴于此，特提出本专利技术。

技术实现思路

[0004]本专利技术的目的在于提供一种基于航拍视频识别车牌的方法，解决现有技术的方法识别图像中车牌效率低的技术问题。本案的技术方案有诸多技术有益效果，见下文介绍：
[0005]提供一种基于航拍视频识别车牌的方法，所述方法包括：
[0006]S101；对航拍视频流的车辆进行检测，使用预设图像区域进行剪切以确定车辆位置，剪切后的车辆图片帧进行缓存；
[0007]S102：采用YOLOV3深度学习的目标检测算法处理剪切后的车辆图片帧，进行物体定位和物体识别，确定车牌的输出层名字；
[0008]S103：多线程并行处理所述车牌的输出层名字确定车牌字符。
[0009]在一个优选或可选的实施方式中，S101中剪切后的车辆图片帧进行缓存的方法包括：
[0010]判断剪切后车辆图片帧中的车辆数量是否大于1，如是，采用多线程并行处理所述缓存区域的车辆图片，对多个车牌逐个进行识别，如否，不进行多线程并行处理。
[0011]在一个优选或可选的实施方式中，确定车牌的输出层名字的方法包括：
[0012]获取预设置信度和输入图片的尺寸，利用Opencv中blobFromImage函数处理缓存的每一帧图片，将图片帧信息转化为用于连通区域提取和标记的数据类型，作为网络输入进行前向计算；
[0013]预设预测边界框列表，提取预设相似度的边界框；
[0014]根据所述预设相似度的边界框确定车牌的输出层名字。
[0015]在一个优选或可选的实施方式中，根据所述预设相似度的边界框确定车牌的输出层名字的方法包括：
[0016]设定阈值，使用Box函数获取所述预测边界框列表中大于阈值边界框，以减少重叠boxes的数量；
[0017]使用OpenCV中Net类中的forward函数处理大于阈值边界框，进行物体定位和物体
识别，得到大于阈值边界框的输出层名字。
[0018]在一个优选或可选的实施方式中，S103：多线程并行处理所述车牌的输出层名字确定车牌字符的方法包括：
[0019]多线程并行处理识别出大于阈值边界框中的车牌字符。
[0020]在一个优选或可选的实施方式中，多线程并行处理识别出大于阈值边界框中的车牌字符的方法包括：采用光学字符识别算法来识别车牌，具体步骤为：
[0021]使用Opencv中的级联分类器进行多尺度检测得到多个车牌区域，对车牌进行初始定位；
[0022]多个所述车牌区域在原图中进行扩展，宽度左右各扩大0.14倍，高度上下各扩大0.15；
[0023]使用拟合直线随机抽样一致算法函数对多个所述车牌区域进行拟合，得到去掉上下边界的倾斜车牌的4个顶点；
[0024]利用左右边界回归模型进行精定位，确定车牌的左右边框并去除车牌上下多余的部分，确定出字符在图片中位置；
[0025]利用非极大值抑制函数仿射变换进行倾斜校正；
[0026]利用滑动窗口法确定各字符的位置并对车牌字符进行分割；
[0027]车牌字符分割后进行车牌字符识别，将分割得到的字符送入字符识别网络进行字符识别；
[0028]获取识别后的多个车牌字符确定车牌字符。
[0029]与现有技术相比，本专利技术提供的技术方案包括以下有益效果：
[0030]本专利技术主要运用了图像处理与识别技术，图像处理与识别技术是指把外部世界的一种映像转化成计算机可存取的数据并进行识别的技术。完成初始定位后，多线程并行处理所述车牌的输出层名字确定车牌字符，提高车牌识别的效率。
附图说明
[0031]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0032]图1为本专利技术的流程图；
具体实施方式
[0033]以下通过特定的具体实例说明本专利技术的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本专利技术的其他优点与功效。显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。本专利技术还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本专利技术的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0034]需要说明的是，下文描述在所附权利要求书的范围内的实施例的各种方面。应显而易见，本文中所描述的方面可体现于广泛多种形式中，且本文中所描述的任何特定结构及/或功能仅为说明性的。基于本专利技术，所属领域的技术人员应了解，本文中所描述的一个方面可与任何其它方面独立地实施，且可以各种方式组合这些方面中的两者或两者以上。举例来说，可使用本文中所阐述的任何数目个方面来实施设备及/或实践方法。另外，可使用除了本文中所阐述的方面中的一或多者之外的其它结构及/或功能性实施此设备及/或实践此方法。
[0035]还需要说明的是，以下实施例中所提供的图示仅以示意方式说明本专利技术的基本构想，图式中仅显示与本专利技术中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。
[0036]另外，在以下描述中，提供具体细节是为了便于透彻理解实例。然而，所属领域的技术人员将理解，可在没有这些特定细节的情况下实践方面。为了使本
的人员更好地理解本专利技术方案，下面结合附图和具体实施方式对本专利技术作进一步的详细说明。术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本专利技术的描述中，除非另有说明，“多个”的含义是两个或两个以上。
[0037]航拍视频流车牌识别主要是针对吊舱提供的航拍视频流中车辆的车牌信息进行识别。有别于传统的视频流基于静止图像进行车牌识别，航拍视频主要基于运动图像，即本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于航拍视频识别车牌的方法，其特征在于，所述方法包括：S101；对航拍视频流的车辆进行检测，使用预设图像区域进行剪切以确定车辆位置，剪切后的车辆图片帧进行缓存；S102：采用YOLOV3深度学习的目标检测算法处理剪切后的车辆图片帧，进行物体定位和物体识别，确定车牌的输出层名字；S103：多线程并行处理所述车牌的输出层名字确定车牌字符。2.根据权利要求1所述的方法，其特征在于，S101中剪切后的车辆图片帧进行缓存的方法包括：判断剪切后车辆图片帧中的车辆数量是否大于1，如是，采用多线程并行处理所述缓存区域的车辆图片，对多个车牌逐个进行识别，如否，不进行多线程并行处理。3.根据权利要求1所述的方法，其特征在于，确定车牌的输出层名字的方法包括：获取预设置信度和输入图片的尺寸，利用Opencv中blobFromImage函数处理缓存的每一帧图片，将图片帧信息转化为用于连通区域提取和标记的数据类型，作为网络输入进行前向计算；预设预测边界框列表，提取预设相似度的边界框；根据所述预设相似度的边界框确定车牌的输出层名字。4.根据权利要求3所述的方法，其特征在于，根据所述预设相似度的边界框确定车牌的输出层名字的方法包括：设定阈值，使用Box函数获取所述预测边界...

【专利技术属性】
技术研发人员：郭伟，阎得科，
申请(专利权)人：中国航空工业集团公司洛阳电光设备研究所，
类型：发明
国别省市：