基于物联感知与AI神经网络的数据采集方法及系统技术方案

本发明专利技术涉及图像处理技术领域，具体涉及一种基于物联感知与AI神经网络的数据采集方法及系统。该方法包括：识别车牌图像的候选区域中的目标区域；根据目标区域中每个像素点所处设定窗口内的暗通道值分布，确定车牌图像的暗区域被增强处理后的暗通道估计值；获取车牌图像的透射率，获取候选区域所处位置与偏离最远端之间的第一长度、车牌图像的第二长度和车辆在停车位上的偏移角度，根据第一长度、第二长度和偏移角度，获取候选区域的透射率校正因子；根据大气光值、透射率和透射率校正因子，对车牌图像进行图像增强处理得到目标图像；基于AI神经网络采集目标图像中的车牌号码数据。本发明专利技术能够准确地采集车辆的车牌号码数据。发明专利技术能够准确地采集车辆的车牌号码数据。发明专利技术能够准确地采集车辆的车牌号码数据。

【技术实现步骤摘要】
基于物联感知与AI神经网络的数据采集方法及系统


[0001]本专利技术涉及图像处理
，具体涉及一种基于物联感知与AI神经网络的数据采集方法及系统。

技术介绍

[0002]在智慧地下停车场中，为了帮助顾客寻找车辆，需要采集每个停车位上车辆的车牌号码数据。由于地下停车场的光线通常较弱，为了提高数据采集的准确性，需要对采集的车牌图像的进行图像增强处理。
[0003]现有技术中，通过暗通道先验法对车牌图像进行图像增强处理，由于停车位上的车辆可能会出现倾斜，导致车牌图像不同区域的明暗程度不同，现有技术是对车牌图像进行统一的图像增强处理，容易导致暗部区域的增强效果不明显，或者，导致亮度区域增强过度使得图像过曝，从而导致增强后的图像仍不清晰，难以准确地提取车牌图像中的车牌号码数据。

技术实现思路

[0004]为了解决在现有技术难以准确地提取车牌图像中的车牌号码数据的问题，本专利技术提供一种基于物联感知与AI神经网络的数据采集方法及系统，所采用的技术方案具体如下：本专利技术提出了一种基于物联感知与AI神经网络的数据采集方法，所述方法包括：获取车辆的车牌图像，将所述车牌图像中每列像素点的所在区域作为候选区域，识别所述候选区域中的目标区域；根据所述目标区域中每个像素点所处设定窗口内的暗通道值分布，确定所述车牌图像的暗区域被增强处理后的暗通道估计值；估计大气光值，根据所述暗通道估计值和所述大气光值，获取所述车牌图像的透射率；确定所述车牌图像的偏离最远端，获取所述候选区域所处位置与所述偏离最远端之间的第一长度、所述车牌图像的第二长度和所述车辆在停车位上的偏移角度，根据所述第一长度、所述第二长度和所述偏移角度，获取所述候选区域的透射率校正因子；根据所述大气光值、所述透射率和所述透射率校正因子，对所述车牌图像进行图像增强处理，得到增强后的目标图像；基于AI神经网络采集所述目标图像中的车牌号码数据。
[0005]一些实施例中，所述识别所述候选区域中的目标区域，包括：获取每个所述候选区域的灰度均值，将所述灰度均值大于设定阈值的候选区域作为所述目标区域。
[0006]一些实施例中，所述根据所述目标区域中每个像素点所处设定窗口内的暗通道值分布，确定所述车牌图像的暗区域被增强处理后的暗通道估计值，包括：
确定所述设定窗口内的最小暗通道值；计算全部所述目标区域内全部像素点的所述最小暗通道值的和值；获取全部所述目标区域的像素点总数量，计算所述和值与所述像素点总数量之间的比值作为所述暗通道估计值。
[0007]一些实施例中，所述估计大气光值，包括：识别所述车牌图像中亮度最大的像素点为目标像素点；确定所述目标像素点的暗通道值为所述大气光值。
[0008]一些实施例中，所述根据所述暗通道估计值和所述大气光值，获取所述车牌图像的透射率，包括：计算所述大气光值与所述暗通道估计值之间的差值，作为所述透射率。
[0009]一些实施例中，所述确定所述车牌图像的偏离最远端，包括：测量所述车辆的车牌的两端分别与设定基准水平线之间的距离，确定距离最大的一端为所述偏离最远端。
[0010]一些实施例中，所述偏移角度的获取过程，包括：计算所述第二长度与标准车牌长度之间的比值，对所述比值进行反余弦运算得到所述偏移角度。
[0011]一些实施例中，所述根据所述第一长度、所述第二长度和所述偏移角度，获取所述候选区域的透射率校正因子，对应的计算公式包括：其中，为透射率校正因子，为第个候选区域所处位置与车牌图像的偏离最远端之间的第一长度，为车牌图像的第二长度，为偏移角度，表示取偏移角度的正弦值，为候选区域的索引。
[0012]一些实施例中，所述根据所述大气光值、所述透射率、所述透射率校正因子，对所述车牌图像进行图像增强处理，得到增强后的目标图像，对应的计算公式包括：其中，为目标图像中像素点所在的候选区域被增强后的区域，为车牌图像中像素点所在的候选区域，为车牌图像的透射率，为透射率校正因子，为大气光值，为像素点坐标。
[0013]本专利技术提出了一种基于物联感知与AI神经网络的数据采集系统，包括存储器和处理器，所述处理器执行所述存储器存储的计算机程序，以实现前述所述的一种基于物联感知与AI神经网络的数据采集方法。
[0014]本专利技术具有如下有益效果：在车辆倾斜停泊导致车牌偏移时，受光线影响车牌图像中每列像素点的明暗程度不同，因此，本专利技术将车牌图像中每列像素点所在的区域作为候选区域，以后续对每个候选区域进行不同程度的图像增强处理。由于是根据目标区域中每个像素点所处设定窗口内的暗通道分布，确定车牌图像的暗区域被增强后的暗通道估计值，能够消除噪声干扰，提高暗通道估计值的准确性。通过确定车牌图像的偏离最远端和车辆在停车位上的偏移角度，可以掌握车牌的偏移情况，以根据车牌的情况确定车牌中每个
候选区域受阴影的影响情况。由于根据候选区域所处位置与偏离最远端之间的第一长度、车牌图像的第二长度和车辆在停车位上的偏移角度，获取候选区域的透射率校正因子，考虑了车牌图像中每个候选区域的位置和偏移角度，也即是考虑了每个候选区域受阴影的影响情况，提高了透射率校正因子的准确性，为车牌图像每个候选区域的自适应增强提高了准确的数据。根据大气光值、透射率和透射率校正因子，对车牌图像进行图像增强处理，得到增强后的目标图像，实现了车牌图像不同区域的自适应增强处理，提高了车牌图像的增强效果。由于目标图像为车牌图像自适应增强后的图像，通过AI神经网络采集目标图像的车牌号码数据，提高了车牌号码数据采集的准确性。
附图说明
[0015]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和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，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它附图。
[0016]图1为本专利技术一个实施例所提供的一种基于物联感知与AI神经网络的数据采集方法及系统的流程示意图；图2为本专利技术一个实施例提供的一种车辆偏移示意图。
具体实施方式
[0017]为了更进一步阐述本专利技术为达成预定专利技术目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本专利技术提出的一种基于物联感知与AI神经网络的数据采集方法及系统，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一个或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
[0018]除非另有定义，本文所使用的所有的技术和科学术语与属于本专利技术的
的技术人员通常理解的含义相同。
[0019]下面结合附图具体的说明本专利技术所提供的一种基于物联感知与AI神经网络的数据采集方法及系统的具体方案。
[0020]请参阅图1，其示出了本专利技术一个实施例提供的一种基于物联感知与AI神经网络的数据采集方法的流程示意图，该方法包括以下步骤：S101，获取车辆的车牌图像，将车本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于物联感知与AI神经网络的数据采集方法，其特征在于，所述方法包括：获取车辆的车牌图像，将所述车牌图像中每列像素点的所在区域作为候选区域，识别所述候选区域中的目标区域；根据所述目标区域中每个像素点所处设定窗口内的暗通道值分布，确定所述车牌图像的暗区域被增强处理后的暗通道估计值；估计大气光值，根据所述暗通道估计值和所述大气光值，获取所述车牌图像的透射率；确定所述车牌图像的偏离最远端，获取所述候选区域所处位置与所述偏离最远端之间的第一长度、所述车牌图像的第二长度和所述车辆在停车位上的偏移角度，根据所述第一长度、所述第二长度和所述偏移角度，获取所述候选区域的透射率校正因子；根据所述大气光值、所述透射率和所述透射率校正因子，对所述车牌图像进行图像增强处理，得到增强后的目标图像；基于AI神经网络采集所述目标图像中的车牌号码数据。2.根据权利要求1所述的方法，其特征在于，所述识别所述候选区域中的目标区域，包括：获取每个所述候选区域的灰度均值，将所述灰度均值大于设定阈值的候选区域作为所述目标区域。3.根据权利要求1所述的方法，其特征在于，所述根据所述目标区域中每个像素点所处设定窗口内的暗通道值分布，确定所述车牌图像的暗区域被增强处理后的暗通道估计值，包括：确定所述设定窗口内的最小暗通道值；计算全部所述目标区域内全部像素点的所述最小暗通道值的和值；获取全部所述目标区域的像素点总数量，计算所述和值与所述像素点总数量之间的比值作为所述暗通道估计值。4.根据权利要求1所述的方法，其特征在于，所述估计大气光值，包括：识别所述车牌图像中亮度最大的像素点为目标像素点；确定所述目标像素点的暗通道值为所述大...

【专利技术属性】
技术研发人员：陆俊娟，孙赫，
申请(专利权)人：青岛新比特电子科技有限公司，
类型：发明
国别省市：