一車兩牌車輛檢測方法及其系統的制作方法
【專利摘要】一種一車兩牌車輛檢測方法，包括一車兩牌車輛確定步驟、證據補充步驟以及信息關聯步驟。本發明可實現通過一臺抓拍攝像機同時對同一輛車的前后車牌進行抓拍和記錄，避免爭議的產生，并且通過車頭或車尾的車輛牌信息的關聯比對，實現了對車頭車輛描述信息及駕駛員信息的補充，或車尾車輛描述信息的補充，提供更多有效線索信息，為抓捕工作帶來方便。
【專利說明】
一車兩牌車輛檢測方法及其系統
技術領域
[0001]本發明屬于車牌識別技術領域，尤其涉及一種一車兩牌車輛檢測方法及其系統。
【背景技術】
[0002]目前，交通智能管控中，多依賴單一的電警或者卡口的單向管控。當出現不法分子通過單一的更替、遮擋、損壞，車頭或者車尾的車牌逃逸時，將干擾逃逸路線的跟蹤，為抓捕工作帶來極大困難。
[0003]傳統的交通車輛記錄設備無法用一臺智能抓拍攝像機同時對同一輛車的前后車牌進行抓拍和記錄，導致執法證據的不完整性，產生爭議。
【發明內容】
[0004]基于此，針對上述技術問題，提供一種一車兩牌車輛檢測方法及其系統。
[0005]為解決上述技術問題，本發明采用如下技術方案:
[0006]一種一車兩牌車輛檢測方法，包括:
[0007]—車兩牌車輛確定步驟:通過垂直布置于通行道路上方并具有廣角鏡頭的第一視頻抓拍攝像機抓拍車輛的車頭圖片以及車尾圖片，從所述車頭圖片以及車尾圖片中識別車牌信息，并對識別出的車頭以及車尾的車牌信息進行比對，確定一車兩牌車輛；
[0008]證據補充步驟:通過斜向布置于通行道路上方的第二視頻抓拍攝像機抓拍車輛的車頭圖片或車尾圖片，從所述車頭圖片中識別車輛描述信息以及駕駛員人臉摳圖信息，或者，從所述車尾圖片中識別車輛描述信息，所述第二視頻抓拍攝像機與地面呈40-50°角，所述車輛描述信息包括車牌信息、車標信息、車型信息以及車身顏色信息；
[0009]信息關聯步驟:將所述一車兩牌車輛確定步驟確定的所述一車兩牌車輛的車牌信息與所述證據補充步驟獲得的車牌信息進行比對，若具有相同的來自車頭圖片的車牌信息，則關聯相應的其余車輛描述信息及駕駛員人臉摳圖信息至所述一車兩牌車輛;若具有相同的來自車尾圖片的車牌信息，則關聯其余車輛描述信息至所述一車兩牌車輛。
[0010]所述一車兩牌車輛確定步驟進一步包括:
[0011 ]第一目標檢測:通過所述第一視頻抓拍攝像機對經過預設檢測區域的車輛進行檢測；
[0012]第一目標跟蹤:對檢測到的車輛進行運動軌跡跟蹤；
[0013]第一目標抓拍:通過所述第一視頻抓拍攝像機抓拍車輛的車頭圖片以及車尾圖片;
[0014]第一目標識別:對所述車頭圖片以及車尾圖片，先進行車牌目標檢測獲取車牌位置區域，然后在該車牌位置區域內進行字符分割，最后對分割后的字符進行字符識別，獲取車頭以及車尾的車牌信息；
[0015]目標比對:對識別出的車頭以及車尾的車牌信息進行比對，確定一車兩牌車輛。
[0016]所述證據補充步驟進一步包括:
[0017]第二目標檢測:通過所述第二視頻抓拍攝像機對經過預設檢測區域的車輛進行檢測，該第二視頻抓拍攝像機與地面呈45°角；
[0018]第二目標跟蹤:對檢測到的車輛進行運動軌跡跟蹤；
[0019]第二目標抓拍:通過所述第二視頻抓拍攝像機抓拍車輛的車頭圖片或車尾圖片；
[0020]第二目標識別:對所述車頭圖片或車尾圖片進行圖像處理，獲取所述車頭圖片或車尾圖片中包括紋理、灰度以及方向梯度的特征信息，并將所述特征信息與預先建立的目標樣本模型進行匹配，識別出車輛描述信息；
[0021]人臉摳圖信息識別:從所述車頭圖片的上1/2區域，以滑動窗的形式進行多尺度滑動窗口檢測，提取所述窗口內包括紋理、灰度以及方向梯度的特征信息，獲得駕駛員人臉摳圖信息。
[0022]所述第一目標檢測步驟以及第二目標檢測步驟均采用模型匹配的目標檢測算法、基于上下文的目標檢測算法或者基于背景建模的目標檢測算法，所述第一目標跟蹤步驟以及第二目標跟蹤步驟均采用基于角點的跟蹤算法、基于特征匹配的目標跟蹤算法或者基于多子模板匹配的跟蹤算法。
[0023]本方案還涉及一種一車兩牌車輛檢測系統，包括:
[0024]—車兩牌車輛確定模塊，用于通過垂直布置于通行道路上方并具有廣角鏡頭的第一視頻抓拍攝像機抓拍車輛的車頭圖片以及車尾圖片，從所述車頭圖片以及車尾圖片中識別車牌信息，并對識別出的車頭以及車尾的車牌信息進行比對，確定一車兩牌車輛；
[0025]證據補充模塊，用于通過斜向布置于通行道路上方的第二視頻抓拍攝像機抓拍車輛的車頭圖片或車尾圖片，從所述車頭圖片中識別車輛描述信息以及駕駛員人臉摳圖信息，或者，從所述車尾圖片中識別車輛描述信息，所述第二視頻抓拍攝像機與地面呈40-50°角，所述車輛描述信息包括車牌信息、車標信息、車型信息以及車身顏色信息；
[0026]信息關聯模塊，將所述一車兩牌車輛確定步驟確定的所述一車兩牌車輛的車牌信息與所述證據補充步驟獲得的車牌信息進行比對，若具有相同的來自車頭圖片的車牌信息，則關聯相應的其余車輛描述信息及駕駛員人臉摳圖信息至所述一車兩牌車輛;若具有相同的來自車尾圖片的車牌信息，則關聯其余車輛描述信息至所述一車兩牌車輛。
[0027]所述一車兩牌車輛確定模塊內置于所述第一視頻抓拍攝像機內，其進一步包括:
[0028]第一目標檢測單元，用于通過所述第一視頻抓拍攝像機對經過預設檢測區域的車輛進行檢測；
[0029]第一目標跟蹤單元，用于對檢測到的車輛進行運動軌跡跟蹤；
[0030]第一目標抓拍單元，用于通過所述第一視頻抓拍攝像機抓拍車輛的車頭圖片以及車尾圖片；
[0031]第一目標識別單元，用于對所述車頭圖片以及車尾圖片，先進行車牌目標檢測獲取車牌位置區域，然后在該車牌位置區域內進行字符分割，最后對分割后的字符進行字符識別，獲取車頭以及車尾的車牌信息；
[0032]目標比對單元，用于對識別出的車頭以及車尾的車牌信息進行比對，確定一車兩牌車輛。
[0033]所述證據補充模塊內置于所述第二視頻抓拍攝像機內，其進一步包括:
[0034]第二目標檢測單元，用于通過所述第二視頻抓拍攝像機對經過預設檢測區域的車輛進行檢測，該第二視頻抓拍攝像機與地面呈45°角；
[0035]第二目標跟蹤單元，用于對檢測到的車輛進行運動軌跡跟蹤；
[0036]第二目標抓拍單元，用于通過所述第二視頻抓拍攝像機抓拍車輛的車頭圖片或車尾圖片；
[0037]第二目標識別單元，對所述車頭圖片或車尾圖片進行圖像處理，獲取所述車頭圖片或車尾圖片中包括紋理、灰度以及方向梯度的特征信息，并將所述特征信息與預先建立的目標樣本模型進行匹配，識別出車輛描述信息；
[0038]人臉摳圖信息識別單元，用于從所述車頭圖片的上1/2區域，以滑動窗的形式進行多尺度滑動窗口檢測，提取所述窗口內包括紋理、灰度以及方向梯度的特征信息，獲得駕駛員人臉摳圖信息。
[0039]所述第一目標檢測單元以及第二目標檢測單元均采用模型匹配的目標檢測算法、基于上下文的目標檢測算法或者基于背景建模的目標檢測算法，所述第一目標跟蹤單元以及第二目標跟蹤單元均采用基于角點的跟蹤算法、基于特征匹配的目標跟蹤算法或者基于多子模板匹配的跟蹤算法。
[0040]本發明可實現通過一臺抓拍攝像機同時對同一輛車的前后車牌進行抓拍和記錄，避免爭議的產生，并且通過車頭或車尾的車輛牌信息的關聯比對，實現了對車頭車輛描述信息及駕駛員信息的補充，或車尾車輛描述信息的補充，提供更多有效線索信息，為抓捕工作帶來方便。
【附圖說明】
[0041 ]下面結合附圖和【具體實施方式】本發明進行詳細說明:
[0042]圖1為本發明的一種一車兩牌車輛檢測方法的原理圖；
[0043]圖2為本發明的一種一車兩牌車輛檢測方法的流程圖；
[0044]圖3為本發明的一種一車兩牌車輛檢測系統的結構示意圖；
[0045]圖4為本發明的一種相機抓拍示意圖；
[0046]圖5為本發明的另一種相機抓拍示意圖。
【具體實施方式】
[0047]如圖1以及2所示，一種一車兩牌車輛檢測方法，包括:
[0048]A、一車兩牌車輛確定步驟:
[0049]如圖4以及圖5所示，通過垂直布置于通行道路上方并具有廣角鏡頭的第一視頻抓拍攝像機3抓拍車輛5的車頭圖片以及車尾圖片，從車頭圖片以及車尾圖片中識別車牌信息，并對識別出的車頭以及車尾的車牌信息進行比對，確定一車兩牌車輛。
[0050]廣角鏡頭向下安裝，對車輛通行的道路進行全天候監控，廣角鏡頭取景場景中，可清晰看到經過車輛5的全過程，以及車頭車牌和車尾車牌信息，可實現通過一臺抓拍攝像機同時對同一輛車的前后車牌進行抓拍和記錄，避免爭議的產生。
[0051 ]具體地，一車兩牌車輛確定步驟A進一步包括:
[0052]AOl、第一目標檢測:通過第一視頻抓拍攝像機3對經過預設檢測區域的車輛進行檢測。
[0053]A02、第一目標跟蹤:對檢測到的車輛進行運動軌跡跟蹤，以確保后續的目標圖片抓拍效果。
[0054]A03、第一目標抓拍:通過第一視頻抓拍攝像機3抓拍車輛的車頭圖片以及車尾圖片，車頭圖片以及車尾圖片均為特寫圖，方便后續目標識別中的特征提取。
[0055]A04、第一目標識別:對車頭圖片以及車尾圖片，先進行車牌目標檢測獲取車牌位置區域，然后在該車牌位置區域內進行字符分割，最后對分割后的字符進行字符識別，獲取車頭以及車尾的車牌信息。
[0056]其中，車牌位置檢測可選用基于邊緣的檢測算法，或基于ACF的目標檢測算法，字符識別可選用機器學習算法，如Adboos t、S VM等。
[0057]A05、目標比對:對識別出的車頭以及車尾的車牌信息進行比對，若車頭以及車尾的車牌信息不一致，則可確定一車兩牌車輛。
[0058]B、證據補充步驟:
[0059]如圖4以及圖5所示，用于通過斜向布置于通行道路上方的第二視頻抓拍攝像機4抓拍車輛5的車頭圖片或車尾圖片，由于車頭可能面朝或者背朝第二視頻抓拍攝像機4，故抓拍的是車頭圖片或車尾圖片。
[0060]如圖4所示，抓拍的是車頭圖片時，從車頭圖片中識別車輛描述信息以及駕駛員人臉樞圖1g息。
[0061]或者，如圖5所示，抓拍的是車尾圖片時，從車尾圖片中識別車輛描述信息。
[0062]其中，車輛描述信息同樣包括車牌信息、車標信息、車型信息以及車身顏色信息，第二視頻抓拍攝像機4與地面呈40-50°角，本實施例優選45°角。
[0063]具體地，證據補充步驟B進一步包括:
[0064]BOl、第二目標檢測:通過第二視頻抓拍攝像機4對經過預設檢測區域的車輛進行檢測；
[0065]B02、第二目標跟蹤:對檢測到的車輛進行運動軌跡跟蹤，以確保后續的目標圖片抓拍效果。
[0066]B03、第二目標抓拍:通過第二視頻抓拍攝像機4抓拍車輛的車頭圖片或車尾圖片，車頭圖片和車尾圖片均為特寫圖，方便后續目標識別中的特征提取。
[0067]B04、第二目標識別:對車頭圖片以及車尾圖片進行圖像處理，獲取車頭圖片或車尾圖片中包括紋理、灰度以及方向梯度的特征信息，并將特征信息與預先建立的目標樣本模型進行匹配，識別出車輛描述信息，即從車頭圖片中識別車輛描述信息，或者，從車尾圖片中識別車輛描述信息；
[0068]B05、人臉摳圖信息識別:從車頭圖片的上1/2區域，以滑動窗的形式進行多尺度滑動窗口檢測，提取窗口內包括紋理、灰度以及方向梯度的特征信息，獲得駕駛員人臉摳圖信息。
[0069]C、信息關聯步驟:
[0070]將一車兩牌車輛確定步驟A確定的一車兩牌車輛的車牌信息與證據補充步驟B獲得的車牌信息進行比對，若具有相同的來自車頭圖片的車牌信息，則關聯相應的其余車輛描述信息及駕駛員人臉摳圖信息至所述一車兩牌車輛。
[0071 ]若具有相同的來自車尾圖片的車牌信息，則關聯相應的其余車輛描述信息至一車兩牌車輛。
[0072]上述其余車輛描述信息是指車標信息、車型信息以及車身顏色信息。
[0073]上述第一目標檢測步驟以及第二目標檢測步驟均可采用模型匹配的目標檢測算法、基于上下文的目標檢測算法或者基于背景建模的目標檢測算法。
[0074]基于模型匹配的目標檢測算法，檢測初期搜集待檢測類別目標的樣本數據，訓練樣本數據，提取樣本圖像特征信息(如:紋理、方向梯度、灰度等)，獲得樣本模型，檢測過正中對獲得的視頻圖像，進行基于圖像的特征處理，提取與模型匹配的圖像特征信息，并將獲取的信息與樣本模型數據匹配，輸出匹配度高的結果，最終實現對視頻圖像中運動目標的檢測。基于該算法原理的經典檢測方法有:HOG、SVM、Harr等。
[0075]基于上下文的目標檢測，利用視頻圖像幀之間的關聯性，提取相鄰兩幀或多幀視頻圖像間的幾何、位置等關聯性，實現對運動目標的檢測。
[0076]基于背景建模的目標檢測，即視頻數據處理過程中，先構建檢測區域的背景模型，再將拍攝到的視頻圖像逐幀與該背景模型做背景減法，進而檢測出目標前景。該方法背景建模常用算法有基于混合高斯建模的背景建模，或基于貝葉斯建模的背景建模。
[0077]上述第一目標檢測單元111以及第二目標檢測單元121均可采用模型匹配的目標檢測算法、基于上下文的目標檢測算法或者基于背景建模的目標檢測算法。
[0078]基于角點的跟蹤算法，是在檢測到運動目標的基礎上，提取目標關鍵特征點，視頻圖像中，通過目標特征點匹配來實現目標的跟蹤。該算法中常用的經典方法為Mean Shift算法。
[0079]基于目標特征匹配的跟蹤算法，通過提取跟蹤目標的剛性特征，如目標灰度圖像、二值分割圖像、邊緣點、角點、顏色直方圖等特征，進行目標跟蹤。
[0080]基于多子模板匹配跟蹤法，該方法基于多目標模型，在跟蹤的過程中，通過匹配誤差來判定目標軌跡，結合灰度相關匹配實現目標的長時間持續跟蹤。
[0081 ]如圖3所示，本發明還涉及一種一車兩牌車輛檢測系統，包括:
[0082]如圖4以及圖5所示，一車兩牌車輛確定模塊110，用于通過垂直布置于通行道路上方并具有廣角鏡頭的第一視頻抓拍攝像機3抓拍車輛5的車頭圖片以及車尾圖片，從車頭圖片以及車尾圖片中識別車牌信息，并對識別出的車頭以及車尾的車牌信息進行比對，確定一車兩牌車輛。
[0083]廣角鏡頭向下安裝，對車輛通行的道路進行全天候監控，廣角鏡頭取景場景中，可清晰看到經過車輛5的全過程，以及車頭車牌和車尾車牌信息，可實現通過一臺抓拍攝像機同時對同一輛車的前后車牌進行抓拍和記錄，避免爭議的產生。
[0084]具體地，一車兩牌車輛確定模塊110內置于第一視頻抓拍攝像機3內，其進一步包括:
[0085]第一目標檢測單元111，用于通過第一視頻抓拍攝像機3對經過預設檢測區域的車輛進行檢測。
[0086]第一目標跟蹤單元112，用于對檢測到的車輛進行運動軌跡跟蹤，以確保后續的目標圖片抓拍效果。
[0087]第一目標抓拍單元113，用于通過第一視頻抓拍攝像機3抓拍車輛的車頭圖片以及車尾圖片，車頭圖片以及車尾圖片均為特寫圖，方便后續目標識別中的特征提取。
[0088]第一目標識別單元114，用于對車頭圖片以及車尾圖片，先進行車牌目標檢測獲取車牌位置區域，然后在該車牌位置區域內進行字符分割，最后對分割后的字符進行字符識另U，獲取車頭以及車尾的車牌信息。
[0089]其中，車牌位置檢測可選用基于邊緣的檢測算法，或基于ACF的目標檢測算法，字符識別可選用機器學習算法，如Adboos t、S VM等。
[0090]目標比對單元115，用于對識別出的車頭以及車尾的車牌信息進行比對，若車頭以及車尾的車牌信息不一致，則可確定一車兩牌車輛。
[0091]證據補充模塊120，用于通過斜向布置于通行道路上方的第二視頻抓拍攝像機4抓拍車輛5的車頭圖片或車尾圖片，由于車頭可能面朝或者背朝第二視頻抓拍攝像機4，故抓拍的是車頭圖片或車尾圖片。
[0092]如圖4所示，抓拍的是車頭圖片時，從車頭圖片中識別車輛描述信息以及駕駛員人臉樞圖1g息。
[0093]或者，如圖5所示，抓拍的是車尾圖片時，從車尾圖片中識別車輛描述信息。
[0094]其中，車輛描述信息同樣包括車牌信息、車標信息、車型信息以及車身顏色信息，第二視頻抓拍攝像機4與地面呈40-50°角，本實施例優選45°角。
[0095]具體地，證據補充模塊120內置于第二視頻抓拍攝像機4內，其進一步包括:
[0096]第二目標檢測單元121，用于通過第二視頻抓拍攝像機4對經過預設檢測區域的車輛進行檢測；
[0097]第二目標跟蹤單元122，用于對檢測到的車輛進行運動軌跡跟蹤，以確保后續的目標圖片抓拍效果。
[0098]第二目標抓拍單元123，用于通過第二視頻抓拍攝像機4抓拍車輛的車頭圖片或車尾圖片，車頭圖片和車尾圖片均為特寫圖，方便后續目標識別中的特征提取。
[0099]第二目標識別單元124，用于對車頭圖片或車尾圖片進行圖像處理，獲取車頭圖片或車尾圖片中包括紋理、灰度以及方向梯度的特征信息，并將特征信息與預先建立的目標樣本模型進行匹配，識別出車輛描述信息，即從車頭圖片中識別車輛描述信息，或者，從車尾圖片中識別車輛描述信息；
[0100]人臉摳圖信息識別單元125，用于從車頭圖片的上1/2區域，以滑動窗的形式進行多尺度滑動窗口檢測，提取窗口內包括紋理、灰度以及方向梯度的特征信息，獲得駕駛員人臉樞圖1g息。
[0101]信息關聯模塊130，用于將一車兩牌車輛確定步驟A確定的一車兩牌車輛的車牌信息與證據補充步驟B獲得的車牌信息進行比對，若具有相同的來自車頭圖片的車牌信息，則關聯相應的其余車輛描述信息及駕駛員人臉摳圖信息至所述一車兩牌車輛。
[0102]若具有相同的來自車尾圖片的車牌信息，則關聯相應的其余車輛描述信息至一車兩牌車輛。
[0103]上述其余車輛描述信息是指車標信息、車型信息以及車身顏色信息。
[0104]上述第一目標檢測單元111以及第二目標檢測單元121均可采用模型匹配的目標檢測算法、基于上下文的目標檢測算法或者基于背景建模的目標檢測算法。
[0105]基于模型匹配的目標檢測算法，檢測初期搜集待檢測類別目標的樣本數據，訓練樣本數據，提取樣本圖像特征信息(如:紋理、方向梯度、灰度等)，獲得樣本模型，檢測過正中對獲得的視頻圖像，進行基于圖像的特征處理，提取與模型匹配的圖像特征信息，并將獲取的信息與樣本模型數據匹配，輸出匹配度高的結果，最終實現對視頻圖像中運動目標的檢測。基于該算法原理的經典檢測方法有:HOG、SVM、Harr等。
[0106]基于上下文的目標檢測，利用視頻圖像幀之間的關聯性，提取相鄰兩幀或多幀視頻圖像間的幾何、位置等關聯性，實現對運動目標的檢測。
[0107]基于背景建模的目標檢測，即視頻數據處理過程中，先構建檢測區域的背景模型，再將拍攝到的視頻圖像逐幀與該背景模型做背景減法，進而檢測出目標前景。該方法背景建模常用算法有基于混合高斯建模的背景建模，或基于貝葉斯建模的背景建模。
[0108]上述第一目標跟蹤單元112以及第二目標跟蹤單元122均可采用基于角點的跟蹤算法、基于特征匹配的目標跟蹤算法或者基于多子模板匹配的跟蹤算法。
[0109]基于角點的跟蹤算法，是在檢測到運動目標的基礎上，提取目標關鍵特征點，視頻圖像中，通過目標特征點匹配來實現目標的跟蹤。該算法中常用的經典方法為Mean Shift算法。
[0110]基于目標特征匹配的跟蹤算法，通過提取跟蹤目標的剛性特征，如目標灰度圖像、二值分割圖像、邊緣點、角點、顏色直方圖等特征，進行目標跟蹤。
[0111]基于多子模板匹配跟蹤法，該方法基于多目標模型，在跟蹤的過程中，通過匹配誤差來判定目標軌跡，結合灰度相關匹配實現目標的長時間持續跟蹤。
[0112]但是，本技術領域中的普通技術人員應當認識到，以上的實施例僅是用來說明本發明，而并非用作為對本發明的限定，只要在本發明的實質精神范圍內，對以上所述實施例的變化、變型都將落在本發明的權利要求書范圍內。
【主權項】
1.一種一車兩牌車輛檢測方法，其特征在于，包括: 一車兩牌車輛確定步驟:通過垂直布置于通行道路上方并具有廣角鏡頭的第一視頻抓拍攝像機抓拍車輛的車頭圖片以及車尾圖片，從所述車頭圖片以及車尾圖片中識別車牌信息，并對識別出的車頭以及車尾的車牌信息進行比對，確定一車兩牌車輛； 證據補充步驟:通過斜向布置于通行道路上方的第二視頻抓拍攝像機抓拍車輛的車頭圖片或車尾圖片，從所述車頭圖片中識別車輛描述信息以及駕駛員人臉摳圖信息，或者，從所述車尾圖片中識別車輛描述信息，所述第二視頻抓拍攝像機與地面呈40-50°角，所述車輛描述信息包括車牌信息、車標信息、車型信息以及車身顏色信息； 信息關聯步驟:將所述一車兩牌車輛確定步驟確定的所述一車兩牌車輛的車牌信息與所述證據補充步驟獲得的車牌信息進行比對，若具有相同的來自車頭圖片的車牌信息，則關聯相應的其余車輛描述信息及駕駛員人臉摳圖信息至所述一車兩牌車輛;若具有相同的來自車尾圖片的車牌信息，則關聯其余車輛描述信息至所述一車兩牌車輛。2.根據權利要求1所述的一種一車兩牌車輛檢測方法，其特征在于，所述一車兩牌車輛確定步驟進一步包括: 第一目標檢測:通過所述第一視頻抓拍攝像機對經過預設檢測區域的車輛進行檢測； 第一目標跟蹤:對檢測到的車輛進行運動軌跡跟蹤； 第一目標抓拍:通過所述第一視頻抓拍攝像機抓拍車輛的車頭圖片以及車尾圖片； 第一目標識別:對所述車頭圖片以及車尾圖片，先進行車牌目標檢測獲取車牌位置區域，然后在該車牌位置區域內進行字符分割，最后對分割后的字符進行字符識別，獲取車頭以及車尾的車牌信息； 其中，車牌位置檢測可選用基于邊緣的檢測算法，或基于ACF的目標檢測算法，字符識別可選用機器學習算法，如Adboos t、SVM等。 目標比對:對識別出的車頭以及車尾的車牌信息進行比對，確定一車兩牌車輛。3.根據權利要求2所述的一種一車兩牌車輛檢測方法，其特征在于，所述證據補充步驟進一步包括: 第二目標檢測:通過所述第二視頻抓拍攝像機對經過預設檢測區域的車輛進行檢測，該第二視頻抓拍攝像機與地面呈45°角； 第二目標跟蹤:對檢測到的車輛進行運動軌跡跟蹤； 第二目標抓拍:通過所述第二視頻抓拍攝像機抓拍車輛的車頭圖片或車尾圖片； 第二目標識別:對所述車頭圖片或車尾圖片進行圖像處理，獲取所述車頭圖片或車尾圖片中包括紋理、灰度以及方向梯度的特征信息，并將所述特征信息與預先建立的目標樣本模型進行匹配，識別出車輛描述信息；即從所述車頭圖片中識別車輛描述信息，或者，從所述車尾圖片中識別車輛描述信息； 人臉摳圖信息識別:從所述車頭圖片的上1/2區域，以滑動窗的形式進行多尺度滑動窗口檢測，提取所述窗口內包括紋理、灰度以及方向梯度的特征信息，獲得駕駛員人臉摳圖信息。4.根據權利要求2或3所述的一種一車兩牌車輛檢測方法，其特征在于，所述第一目標檢測步驟以及第二目標檢測步驟均采用模型匹配的目標檢測算法、基于上下文的目標檢測算法或者基于背景建模的目標檢測算法，所述第一目標跟蹤步驟以及第二目標跟蹤步驟均采用基于角點的跟蹤算法、基于特征匹配的目標跟蹤算法或者基于多子模板匹配的跟蹤算法。5.一種一車兩牌車輛檢測系統，其特征在于，包括: 一車兩牌車輛確定模塊，用于通過垂直布置于通行道路上方并具有廣角鏡頭的第一視頻抓拍攝像機抓拍車輛的車頭圖片以及車尾圖片，從所述車頭圖片以及車尾圖片中識別車牌信息，并對識別出的車頭以及車尾的車牌信息進行比對，確定一車兩牌車輛； 證據補充模塊，用于通過斜向布置于通行道路上方的第二視頻抓拍攝像機抓拍車輛的車頭圖片或車尾圖片，從所述車頭圖片中識別車輛描述信息以及駕駛員人臉摳圖信息，或者，從所述車尾圖片中識別車輛描述信息，所述第二視頻抓拍攝像機與地面呈40-50°角，所述車輛描述信息包括車牌信息、車標信息、車型信息以及車身顏色信息； 信息關聯模塊，將所述一車兩牌車輛確定步驟確定的所述一車兩牌車輛的車牌信息與所述證據補充步驟獲得的車牌信息進行比對，若具有相同的來自車頭圖片的車牌信息，則關聯相應的其余車輛描述信息及駕駛員人臉摳圖信息至所述一車兩牌車輛;若具有相同的來自車尾圖片的車牌信息，則關聯其余車輛描述信息至所述一車兩牌車輛。6.根據權利要求5所述的一種一車兩牌車輛檢測系統，其特征在于，所述一車兩牌車輛確定模塊內置于所述第一視頻抓拍攝像機內，其進一步包括: 第一目標檢測單元，用于通過所述第一視頻抓拍攝像機對經過預設檢測區域的車輛進行檢測； 第一目標跟蹤單元，用于對檢測到的車輛進行運動軌跡跟蹤； 第一目標抓拍單元，用于通過所述第一視頻抓拍攝像機抓拍車輛的車頭圖片以及車尾圖片； 第一目標識別單元，用于對所述車頭圖片以及車尾圖片，先進行車牌目標檢測獲取車牌位置區域，然后在該車牌位置區域內進行字符分割，最后對分割后的字符進行字符識別，獲取車頭以及車尾的車牌信息；目標比對單元，用于對識別出的車頭以及車尾的車牌信息進行比對，確定一車兩牌車輛。7.根據權利要求6所述的一種一車兩牌車輛檢測系統，其特征在于，所述證據補充模塊內置于所述第二視頻抓拍攝像機內，其進一步包括: 第二目標檢測單元，用于通過所述第二視頻抓拍攝像機對經過預設檢測區域的車輛進行檢測，該第二視頻抓拍攝像機與地面呈45°角； 第二目標跟蹤單元，用于對檢測到的車輛進行運動軌跡跟蹤； 第二目標抓拍單元，用于通過所述第二視頻抓拍攝像機抓拍車輛的車頭圖片或車尾圖片; 第二目標識別單元，對所述車頭圖片或車尾圖片進行圖像處理，獲取所述車頭圖片或車尾圖片中包括紋理、灰度以及方向梯度的特征信息，并將所述特征信息與預先建立的目標樣本模型進行匹配，識別出車輛描述信息； 人臉摳圖信息識別單元，用于從所述車頭圖片的上1/2區域，以滑動窗的形式進行多尺度滑動窗口檢測，提取所述窗口內包括紋理、灰度以及方向梯度的特征信息，獲得駕駛員人臉樞圖1g息。8.根據權利要求6或7所述的一種一車兩牌車輛檢測系統，其特征在于，所述第一目標檢測單元以及第二目標檢測單元均采用模型匹配的目標檢測算法、基于上下文的目標檢測算法或者基于背景建模的目標檢測算法，所述第一目標跟蹤單元以及第二目標跟蹤單元均采用基于角點的跟蹤算法、基于特征匹配的目標跟蹤算法或者基于多子模板匹配的跟蹤算法。
【文檔編號】G06K9/00GK105893953SQ201610191818
【公開日】2016年8月24日
【申請日】2016年3月30日
【發明人】劉丹, 張如高, 王劍邦, 彭莉, 王運節, 虞正華
【申請人】上海博康智能信息技術有限公司