一种基于FPGA的车牌人脸智能识别方法及系统技术方案

本发明专利技术公开了一种基于FPGA的车牌人脸智能识别方法，该方法包括以下步骤：S1、利用多角度相机模组采集车辆行车过程中的车辆图像集；S2、利用前端图像单元对车辆图像集进行筛选分类预处理；S3、将处理完毕的车辆图像集输入至并行识别单元进行识别；S4、将车牌识别结果作为认证ID并与人脸识别结果进行绑定；S5、利用分层存储器对处理识别结果与绑定信息进行高速存储；S6、利用云服务终端对接车辆信息库进行车牌人脸信息的云同步；本发明专利技术还公开了一种基于FPGA的车牌人脸智能识别系统。本发明专利技术基于FPGA技术构建车牌人脸并行识别通道，能利用其高速、低延迟特性，快速进行图像处理，实现实时车牌人脸识别。车牌人脸识别。车牌人脸识别。

【技术实现步骤摘要】
一种基于FPGA的车牌人脸智能识别方法及系统


[0001]本专利技术涉及车牌与人脸识别
，具体来说，涉及一种基于FPGA的车牌人脸智能识别方法及系统。

技术介绍

[0002]车牌识别技术起源于20世纪80年代，早期主要使用字符识别算法进行车牌号码的识别。随着计算机视觉技术的发展，车牌识别技术逐渐演化为基于图像处理和机器学习算法的自动识别系统。目前车牌识别技术已经被广泛应用于停车场管理、违章处理、交通管理等领域。人脸识别技术则起源于20世纪60年代，最初采用的是基于模板匹配的算法。随着计算机技术、图像处理技术和机器学习算法的不断发展，人脸识别技术得到了长足的发展，成为了一种重要的生物识别技术。目前人脸识别技术被广泛应用于人脸门禁、安防监控、身份认证等领域。
[0003]目前，车牌人脸双识别的应用场景主要涉及到安防监控、交通管理等领域。在道路监控中，当交通违法行为发生时，需要识别车牌号码进行追踪；同时也需要识别车内的驾驶员或乘客，以便进行人脸识别和身份认证。此外，车牌识别与人脸识别的结合可以在很多场景中发挥作用，如在停车场管理中，可以识别出进出车辆的车牌和驾驶员的人脸，进行匹配核对。
[0004]在智能交通系统中，可以根据车辆的车牌和驾驶员的人脸进行行车违法监测和事故预警等操作。同时，车牌和人脸识别也可以相互协作，例如车牌号码可以作为识别人脸的参考，从而提高人脸识别的准确率。
[0005]实现车牌人脸识别的现有技术主要包括基于深度学习的方法和基于传统图像处理的方法。当前市面上使用的车牌人脸识别算法难度和复杂度较高，例如基于模板匹配的车牌识别方法使用了高清摄像机做了集成，对图像的分辨率有着十分高的要求，对于光照变化和遮挡的适应性较差。而且车牌人脸智能识别系统往往需要较高的功耗和能耗，这不仅会导致系统成本高昂，还会对环境造成不利的影响。因此，需要进一步对识别系统进行改进与优化。
[0006]针对相关技术中的问题，目前尚未提出有效的解决方案。

技术实现思路

[0007]针对相关技术中的问题，本专利技术提出一种基于FPGA的车牌人脸智能识别方法及系统，以克服现有相关技术所存在的上述技术问题。
[0008]为此，本专利技术采用的具体技术方案如下：
[0009]根据本专利技术一个方面，提供了一种基于FPGA的车牌人脸智能识别方法，该方法包括以下步骤：
[0010]S1、利用多角度相机模组采集车辆行车过程中的车辆图像集；
[0011]S2、利用前端图像单元对车辆图像集进行筛选分类预处理；
[0012]S3、将处理完毕的车辆图像集输入至并行识别单元进行识别；
[0013]S4、将车牌识别结果作为认证ID并与人脸识别结果进行绑定；
[0014]S5、利用分层存储器对处理识别结果与绑定信息进行高速存储；
[0015]S6、利用云服务终端对接车辆信息库进行车牌人脸信息的云同步。
[0016]进一步的，利用多角度相机模组采集车辆行车过程中的车辆图像集包括以下步骤：
[0017]S11、将一个主相机与多个不同角度的辅助相机构成多角度相机模组；
[0018]S12、设定监测周期并在单个监测周期内设定多个等间隔的抓拍节点；
[0019]S13、利用多角度相机模组按照抓拍节点对行进车辆进行抓拍；
[0020]S14、将主相机的抓拍图像作为主角度图像，辅助相机的抓拍图像作为副角度图像，将同一抓拍节点的所有抓拍图像组合为车辆图像集。
[0021]进一步的，利用前端图像单元对车辆图像集进行筛选分类预处理包括以下步骤：
[0022]S21、选取同一监测周期内的所有主角度图像，利用图像清晰度算法对多张主角度图像进行清晰度计算，按照清晰度大小进行排序；
[0023]S22、选择清晰度最高的主角度图像所在的车辆图像集作为有效车辆图像集，并删除其余的车辆图像集；
[0024]S23、利用定位算法对有效图像集中的主角度图像与多个副角度图像中存在的车辆进行识别定位，并对车辆所在区域进行切割，分别得到主车辆图像与多个副车辆图像；
[0025]S24、若有效图像集中存在多个车辆时，对车辆所在区域进行编号，并获得对应编号的主车辆图像及多个副车辆图像；
[0026]S25、将主车辆图像与多个副车辆图像合并为高清图像集，若存在多个车辆的高清图像集，则按照对应的编号进行命名区分。
[0027]进一步的，将处理完毕的车辆图像集输入至并行识别单元进行识别包括以下步骤：
[0028]S31、将高清图像集分别输入至车牌识别通道与人脸识别通道；
[0029]S32、车牌识别通道对高清图像集中的主车辆图像与多个副车辆图像进行车牌定位、角度对比及信息提取得到车牌识别结果；
[0030]S33、人脸识别通道对高清图像集中的主车辆图像与多个副车辆图像进行人脸定位、图像融合及人脸识别得到人脸识别结果。
[0031]进一步的，车牌识别通道对高清图像集中的主车辆图像与多个副车辆图像进行车牌定位、角度对比及信息提取得到车牌识别结果包括以下步骤：
[0032]S321、对主车辆图像与多个副车辆图像进行灰度化与增强处理，并对增强后的图像进行二值化处理；
[0033]S322、利用Canny边缘检测算法对二值化后的图像进行边缘检测并提取边缘信息，将车牌所在区域的边缘线条进行连通得到车牌区域图像；
[0034]S323、利用霍夫变换算法计算多个车牌区域图像的倾斜角度，筛选得到倾斜角度最小的车牌区域图像；
[0035]S324、利用卷积神经网络模型对角度最标准的车牌区域图像进行分析识别，提取图像中的字符信息得到车牌识别结果。
[0036]进一步的，人脸识别通道对高清图像集中的主车辆图像与多个副车辆图像进行人脸定位、图像融合及人脸识别得到人脸识别结果包括以下步骤：
[0037]S331、利用人脸定位算法对主车辆图像与多个副车辆图像进行驾驶位人脸区域的定位，并切割分离出多张不同角度的人脸区域图像；
[0038]S332、对多张不同角度的人脸区域图像进行光照归一化处理；
[0039]S333、将处理后的多张人脸区域图像输入至多角度识别模型进行人脸识别，获得识别结果作为人脸识别结果。
[0040]进一步的，对多张不同角度的人脸区域图像进行光照归一化处理包括以下步骤：
[0041]S3321、对人脸区域图像进行均值滤波，并将均值调整为1，方差调整为0；
[0042]S3322、分别计算多张人脸区域图像的累计直方图，并根据分布特点确定各个人脸区域图像的亮度；
[0043]S3323、若人脸区域图像的亮度较强，则根据真实最大值设置线性函数对高光部分进行削减，计算公式为：
[0044][0045]S3324、若人脸区域图像的亮度较暗，则利用对线性函数进行变化对人脸区域图像进行灰度扩展，计算公式为：
[0046][0047]S332本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于FPGA的车牌人脸智能识别方法，其特征在于，该方法包括以下步骤：S1、利用多角度相机模组采集车辆行车过程中的车辆图像集；S2、利用前端图像单元对所述车辆图像集进行筛选分类预处理；S3、将处理完毕的所述车辆图像集输入至并行识别单元进行识别；S4、将车牌识别结果作为认证ID并与人脸识别结果进行绑定；S5、利用分层存储器对处理识别结果与绑定信息进行高速存储；S6、利用云服务终端对接车辆信息库进行车牌人脸信息的云同步。2.根据权利要求1所述的一种基于FPGA的车牌人脸智能识别方法，其特征在于，所述利用多角度相机模组采集车辆行车过程中的车辆图像集包括以下步骤：S11、将一个主相机与多个不同角度的辅助相机构成多角度相机模组；S12、设定监测周期并在单个监测周期内设定多个等间隔的抓拍节点；S13、利用所述多角度相机模组按照抓拍节点对行进车辆进行抓拍；S14、将所述主相机的抓拍图像作为主角度图像，所述辅助相机的抓拍图像作为副角度图像，将同一抓拍节点的所有抓拍图像组合为车辆图像集。3.根据权利要求2所述的一种基于FPGA的车牌人脸智能识别方法，其特征在于，所述利用前端图像单元对所述车辆图像集进行筛选分类预处理包括以下步骤：S21、选取同一所述监测周期内的所有所述主角度图像，利用图像清晰度算法对多张所述主角度图像进行清晰度计算，按照清晰度大小进行排序；S22、选择清晰度最高的所述主角度图像所在的所述车辆图像集作为有效车辆图像集，并删除其余的所述车辆图像集；S23、利用定位算法对所述有效图像集中的所述主角度图像与多个所述副角度图像中存在的车辆进行识别定位，并对车辆所在区域进行切割，分别得到主车辆图像与多个副车辆图像；S24、若所述有效图像集中存在多个车辆时，对车辆所在区域进行编号，并获得对应编号的主车辆图像及多个副车辆图像；S25、将所述主车辆图像与多个所述副车辆图像合并为高清图像集，若存在多个车辆的高清图像集，则按照对应的编号进行命名区分。4.根据权利要求3所述的一种基于FPGA的车牌人脸智能识别方法，其特征在于，所述将处理完毕的所述车辆图像集输入至并行识别单元进行识别包括以下步骤：S31、将所述高清图像集分别输入至车牌识别通道与人脸识别通道；S32、所述车牌识别通道对所述高清图像集中的所述主车辆图像与多个所述副车辆图像进行车牌定位、角度对比及信息提取得到车牌识别结果；S33、所述人脸识别通道对所述高清图像集中的所述主车辆图像与多个所述副车辆图像进行人脸定位、图像融合及人脸识别得到人脸识别结果。5.根据权利要求4所述的一种基于FPGA的车牌人脸智能识别方法，其特征在于，所述车牌识别通道对所述高清图像集中的所述主车辆图像与多个所述副车辆图像进行车牌定位、角度对比及信息提取得到车牌识别结果包括以下步骤：S321、对所述主车辆图像与多个所述副车辆图像进行灰度化与增强处理，并对增强后的图像进行二值化处理；
S322、利用Canny边缘检测算法对二值化后的图像进行边缘检测并提取边缘信息，将车牌所在区域的边缘线条进行连通得到车牌区域图像；S323、利用霍夫变换算法计算多个所述车牌区域图像的倾斜角度，筛选得到倾斜角度最小的所述车牌区域图像；S324、利用卷积神经网络模型对角度最标准的所述车牌区域图像进行分析识别，提取图像中的字符信息得到车牌识别结果。6.根据权利要求4所述的一种基于FPGA的车牌人脸智能识别方法，其特征在于，所述人脸识别通道对所述高清图像集中的所述主车辆图像与多个所述副车辆图像进行人脸定位、图像融合及人脸识别得到人脸识别结果包括以...

【专利技术属性】
技术研发人员：司小平，贺素霞，李世鹏，李亮，王家乐，吕冲，
申请(专利权)人：黄河科技学院，
类型：发明
国别省市：