本發(fā)明涉及視頻及圖像處理應(yīng)用技術(shù)領(lǐng)域，特別是涉及一種車輛識(shí)別方法以及車輛出場識(shí)別方法。

背景技術(shù)：

目前，車牌識(shí)別技術(shù)廣泛應(yīng)用于停車場、城市道路、高速公路等區(qū)域?qū)νㄟ^車輛進(jìn)行識(shí)別及記錄，以對(duì)通過車輛進(jìn)行管理，并且隨著圖像及視頻處理技術(shù)的發(fā)展，車牌識(shí)別率不斷提高，使得實(shí)現(xiàn)純車牌識(shí)別車輛管理以及無人值守方案變得可行。

但純車牌識(shí)別管理方案的實(shí)現(xiàn)仍存在以下難點(diǎn)，對(duì)于無牌車并不能識(shí)別，以及對(duì)于車牌存在污損或者變形等情況也會(huì)導(dǎo)致車牌無法識(shí)別出，因此這給基于車牌識(shí)別的車輛管理方案帶來問題。

技術(shù)實(shí)現(xiàn)要素：

鑒于此，本發(fā)明提供一種車輛識(shí)別方法及車輛出場識(shí)別方法，對(duì)于無牌車或者車牌無法識(shí)別出的車輛，也能夠進(jìn)行識(shí)別。

為實(shí)現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：

一種車輛識(shí)別方法，包括：

在視頻流中對(duì)通過車輛進(jìn)行車牌識(shí)別，并在接收到觸發(fā)信號(hào)時(shí)采集通過車輛的車輛圖像；

若產(chǎn)生車牌識(shí)別結(jié)果，則將所述車牌識(shí)別結(jié)果作為通過車輛的識(shí)別信息；

若對(duì)車輛車牌識(shí)別失敗，則從所述車輛圖像中檢測車頭區(qū)域，并提取得到車頭區(qū)域的特征編碼，將所述特征編碼作為通過車輛的識(shí)別信息。

可選地，還包括：

在接收到所述觸發(fā)信號(hào)時(shí)，若產(chǎn)生了車牌識(shí)別結(jié)果，則將所述車牌識(shí)別結(jié)果輸出，作為通過車輛的識(shí)別信息，放棄采集的所述車輛圖像；

在接收到所述觸發(fā)信號(hào)時(shí)，若無車牌識(shí)別結(jié)果，則在視頻流中延時(shí)預(yù)設(shè)幀數(shù)的圖像中對(duì)所述通過車輛進(jìn)行車牌識(shí)別。

可選地，還包括：

若在視頻流中延時(shí)預(yù)設(shè)幀數(shù)的圖像中產(chǎn)生了車牌識(shí)別結(jié)果，則將所述車牌識(shí)別結(jié)果輸出，作為通過車輛的識(shí)別信息，放棄采集的所述車輛圖像；

若在視頻流中延時(shí)預(yù)設(shè)幀數(shù)的圖像中沒有產(chǎn)生車牌識(shí)別結(jié)果，則強(qiáng)行在視頻流延時(shí)預(yù)設(shè)幀數(shù)的圖像中投票車牌識(shí)別結(jié)果。

可選地，還包括：若沒有檢測到車頭區(qū)域，則輸出無車記錄以及采集的圖像。

可選地，從車輛圖像中檢測車頭區(qū)域包括：

計(jì)算圖像中檢測區(qū)域的方向梯度直方圖特征金字塔，所述方向梯度直方圖特征金字塔包括用于匹配根位置的第一層和用于匹配部件位置的第二層；

采用訓(xùn)練模型對(duì)方向梯度直方圖特征金字塔中的每一像素進(jìn)行匹配處理，計(jì)算根濾波器得分、部件濾波器得分和形變花費(fèi)，并得到窗口得分；

記錄得分高于閾值的窗口，根據(jù)得分高于閾值的窗口，利用非極大值抑制法處理后選取得分最高的檢測結(jié)果，標(biāo)記車頭區(qū)域。

可選地，提取得到車頭區(qū)域的特征編碼包括：

根據(jù)標(biāo)記出的車頭區(qū)域從所述車輛圖像中提取出車頭區(qū)域圖像；

采用經(jīng)過訓(xùn)練的卷積神經(jīng)網(wǎng)絡(luò)對(duì)車頭區(qū)域圖像進(jìn)行提取，得到所述特征編碼。

一種車輛出場識(shí)別方法，包括：

在視頻流中對(duì)通過車輛進(jìn)行車牌識(shí)別，并在接收到觸發(fā)信號(hào)時(shí)采集通過車輛的車輛圖像；

若產(chǎn)生車牌識(shí)別結(jié)果，則根據(jù)所述車牌識(shí)別結(jié)果對(duì)通過車輛與進(jìn)場車輛進(jìn)行匹配；

若對(duì)車輛車牌識(shí)別失敗，則從所述車輛圖像中檢測車頭區(qū)域，并提取得到車頭區(qū)域的特征編碼，根據(jù)所述特征編碼對(duì)通過車輛與進(jìn)場車輛進(jìn)行匹配。

可選地，還包括：

在接收到所述觸發(fā)信號(hào)時(shí)，若產(chǎn)生了車牌識(shí)別結(jié)果，則根據(jù)所述車牌識(shí)別結(jié)果對(duì)通過車輛與進(jìn)場車輛進(jìn)行匹配；

在接收到所述觸發(fā)信號(hào)時(shí)，若無車牌識(shí)別結(jié)果，則在視頻流中延時(shí)預(yù)設(shè)幀數(shù)的圖像中對(duì)所述通過車輛進(jìn)行車牌識(shí)別。

可選地，還包括：

若在視頻流中延時(shí)預(yù)設(shè)幀數(shù)的圖像中產(chǎn)生了車牌識(shí)別結(jié)果，則根據(jù)所述車牌識(shí)別結(jié)果對(duì)通過車輛與進(jìn)場車輛進(jìn)行匹配；

若在視頻流中延時(shí)預(yù)設(shè)幀數(shù)的圖像中沒有產(chǎn)生車牌識(shí)別結(jié)果，則強(qiáng)行在視頻流延時(shí)預(yù)設(shè)幀數(shù)的圖像中對(duì)車牌識(shí)別結(jié)果投票。

可選地，還包括：若根據(jù)車牌識(shí)別結(jié)果沒有找到與通過車輛車牌匹配的進(jìn)場車輛，則從采集的所述車輛圖像中檢測車頭區(qū)域，并提取得到車頭區(qū)域的特征編碼，根據(jù)所述特征編碼對(duì)通過車輛與進(jìn)場車輛進(jìn)行匹配。

由上述技術(shù)方案可知，本發(fā)明所提供的車輛識(shí)別方法，在視頻流中對(duì)通過車輛進(jìn)行車牌識(shí)別，并在接收到觸發(fā)信號(hào)時(shí)采集車輛圖像；若產(chǎn)生車牌識(shí)別結(jié)果，則將車牌識(shí)別結(jié)果作為通過車輛的識(shí)別信息，若對(duì)車牌識(shí)別失敗，當(dāng)對(duì)車輛車牌識(shí)別失敗時(shí)，從車輛圖像中檢測車頭區(qū)域，并提取得到車頭區(qū)域的特征編碼，作為通過車輛的識(shí)別信息。因此本發(fā)明車輛識(shí)別方法對(duì)于無牌車或者車牌無法識(shí)別出的車輛，也能夠進(jìn)行識(shí)別，克服了現(xiàn)有技術(shù)的缺陷。

本發(fā)明所提供的車輛出場識(shí)別方法，在視頻流中對(duì)通過車輛進(jìn)行車牌識(shí)別，并在接收到觸發(fā)信號(hào)時(shí)采集車輛圖像；若產(chǎn)生車牌識(shí)別結(jié)果，則根據(jù)車牌識(shí)別結(jié)果對(duì)通過車輛與進(jìn)場車輛進(jìn)行匹配；若對(duì)車輛車牌識(shí)別失敗，則從車輛圖像中檢測車頭區(qū)域，并提取得到車頭區(qū)域的特征編碼，根據(jù)特征編碼對(duì)通過車輛與進(jìn)場車輛進(jìn)行匹配。因此本發(fā)明車輛出場識(shí)別方法，對(duì)于無牌車或者車牌無法識(shí)別出的車輛，能夠通過提取的車頭區(qū)域特征編碼對(duì)車輛進(jìn)行識(shí)別，克服了現(xiàn)有技術(shù)的缺陷。

附圖說明

為了更清楚地說明本發(fā)明實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對(duì)實(shí)施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實(shí)施例，對(duì)于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根據(jù)這些附圖獲得其他的附圖。

圖1為本發(fā)明實(shí)施例提供的一種車輛識(shí)別方法的示意圖；

圖2為本發(fā)明又一實(shí)施例提供的一種車輛識(shí)別方法的示意圖；

圖3為本發(fā)明實(shí)施例提供的一種車輛出場識(shí)別方法的示意圖；

圖4為本發(fā)明又一實(shí)施例提供的一種車輛出場識(shí)別方法的示意圖。

具體實(shí)施方式

為了使本技術(shù)領(lǐng)域的人員更好地理解本發(fā)明中的技術(shù)方案，下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例僅僅是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例?；诒景l(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都應(yīng)當(dāng)屬于本發(fā)明保護(hù)的范圍。

現(xiàn)有基于車牌識(shí)別的車輛管理方案，無法解決無牌車或者車牌無法識(shí)別出的車輛的問題，會(huì)給現(xiàn)場車輛管理帶來困擾。

基于此，本發(fā)明實(shí)施例提供一種車輛識(shí)別方法，請(qǐng)參考圖1，所述方法包括步驟：

S10：在視頻流中對(duì)通過車輛進(jìn)行車牌識(shí)別，并在接收到觸發(fā)信號(hào)時(shí)采集通過車輛的車輛圖像。

本實(shí)施例中對(duì)通過車輛進(jìn)行車牌識(shí)別采用視頻流模式，現(xiàn)場攝像裝置監(jiān)控車輛從遠(yuǎn)到近的行駛，通過視頻流模式，在毎幀圖像中都進(jìn)行車牌識(shí)別并輸出結(jié)果，然后通過投票算法得到最終的車牌識(shí)別結(jié)果。

可選的，觸發(fā)信號(hào)可由地感裝置產(chǎn)生，即通過車輛行駛到壓地感裝置時(shí)地感裝置產(chǎn)生觸發(fā)信號(hào)，此時(shí)投票結(jié)束輸出車牌識(shí)別結(jié)果。

同時(shí)，在接收到觸發(fā)信號(hào)時(shí)抓拍一張通過車輛的圖像，可以當(dāng)前幀圖像作為抓拍的車輛圖像。

S11：若產(chǎn)生車牌識(shí)別結(jié)果，則將所述車牌識(shí)別結(jié)果作為通過車輛的識(shí)別信息；若對(duì)車輛車牌識(shí)別失敗，則從所述車輛圖像中檢測車頭區(qū)域，并提取得到車頭區(qū)域的特征編碼，將所述特征編碼作為通過車輛的識(shí)別信息。

可以看出，本實(shí)施例車牌識(shí)別方法，在視頻流中對(duì)通過車輛進(jìn)行車牌識(shí)別，并在接收到觸發(fā)信號(hào)時(shí)采集車輛圖像；若產(chǎn)生車牌識(shí)別結(jié)果，則將車牌識(shí)別結(jié)果作為通過車輛的識(shí)別信息，若對(duì)車牌識(shí)別失敗，當(dāng)對(duì)車輛車牌識(shí)別失敗時(shí)，從車輛圖像中檢測車頭區(qū)域，并提取得到車頭區(qū)域的特征編碼，作為通過車輛的識(shí)別信息。因此本發(fā)明車輛識(shí)別方法對(duì)于無牌車或者車牌無法識(shí)別出的車輛，也能夠進(jìn)行識(shí)別，克服了現(xiàn)有技術(shù)的缺陷。

在實(shí)際應(yīng)用中，為保證對(duì)通過車輛車牌有效的識(shí)別，本實(shí)施例車輛識(shí)別方法中對(duì)通過車輛進(jìn)行多次車牌識(shí)別，具體的，請(qǐng)參考圖2，在本發(fā)明車輛識(shí)別方法另一實(shí)施例中，包括步驟：

S20：在視頻流中對(duì)通過車輛進(jìn)行車牌識(shí)別。

具體采用視頻流模式對(duì)通過車輛進(jìn)行車牌識(shí)別，現(xiàn)場攝像裝置監(jiān)控車輛從遠(yuǎn)到近的行駛，在毎幀圖像中都進(jìn)行車牌識(shí)別并輸出結(jié)果，然后通過投票算法進(jìn)行投票得到最終的車牌識(shí)別結(jié)果。

S21：在接收到觸發(fā)信號(hào)時(shí)，采集通過車輛的車輛圖像，查詢是否產(chǎn)生了車牌識(shí)別結(jié)果。

在接收到觸發(fā)信號(hào)時(shí)停止視頻流模式車牌識(shí)別，并采集通過車輛的車輛圖像，可以視頻流中當(dāng)前幀圖像作為采集的車輛圖像。

此時(shí)，若產(chǎn)生了車牌識(shí)別結(jié)果，則轉(zhuǎn)步驟S25：將所述車牌識(shí)別結(jié)果輸出，作為通過車輛的識(shí)別信息，放棄采集的所述車輛圖像，當(dāng)前車輛識(shí)別結(jié)束。

此時(shí)若無車牌識(shí)別結(jié)果，則進(jìn)行步驟S22。

S22：在視頻流中延時(shí)預(yù)設(shè)幀數(shù)的圖像中對(duì)所述通過車輛進(jìn)行車牌識(shí)別。

在接收到觸發(fā)信號(hào)時(shí)，若沒有產(chǎn)生車牌識(shí)別結(jié)果，則進(jìn)入延時(shí)幀數(shù)計(jì)時(shí)，在延時(shí)預(yù)設(shè)幀數(shù)的圖像中對(duì)通過車輛進(jìn)行車牌識(shí)別，在延時(shí)毎幀圖像中進(jìn)行車牌識(shí)別，通過投票算法投票得到車牌識(shí)別結(jié)果。

延時(shí)幀數(shù)與投票所需的票數(shù)一致，投票速度與延時(shí)幀數(shù)相關(guān)。若選擇快速投票，則在數(shù)量較少的延時(shí)幀數(shù)圖像中進(jìn)行車牌識(shí)別。

在車輛壓地感裝置前，車輛離攝像裝置較遠(yuǎn)，可能由于遮擋或者光照等問題導(dǎo)致車牌識(shí)別失敗，因此在車輛通過地感裝置后，在延時(shí)幀的圖像中對(duì)車輛進(jìn)行二次車牌識(shí)別，以保證對(duì)有牌車有效的識(shí)別出。

在延時(shí)車牌識(shí)別中若產(chǎn)生了車牌識(shí)別結(jié)果，則轉(zhuǎn)步驟S25：將所述車牌識(shí)別結(jié)果輸出，作為通過車輛的識(shí)別信息，放棄采集的所述車輛圖像，當(dāng)前車輛識(shí)別結(jié)束。

在延時(shí)車牌識(shí)別中若沒有產(chǎn)生車牌識(shí)別結(jié)果，則進(jìn)行步驟S23。

S23：強(qiáng)行在視頻流延時(shí)預(yù)設(shè)幀數(shù)的圖像中投票車牌識(shí)別結(jié)果。

在視頻流中延時(shí)預(yù)設(shè)幀數(shù)的圖像中進(jìn)行車牌識(shí)別，延時(shí)幀數(shù)結(jié)束，若仍然沒有產(chǎn)生車牌識(shí)別結(jié)果，則觸發(fā)視頻流投票，強(qiáng)行在視頻流延時(shí)預(yù)設(shè)幀數(shù)的圖像中對(duì)車牌識(shí)別結(jié)果投票，如果投票有結(jié)果，產(chǎn)生了車牌識(shí)別結(jié)果，則轉(zhuǎn)步驟S25：將所述車牌識(shí)別結(jié)果輸出，作為通過車輛的識(shí)別信息，放棄采集的所述車輛圖像，當(dāng)前車輛識(shí)別結(jié)束。

若沒有產(chǎn)生車牌識(shí)別結(jié)果，表明當(dāng)前車輛確實(shí)車牌識(shí)別不出或者為無牌車，則進(jìn)行步驟S24。

S24：從車輛圖像中檢測車頭區(qū)域。

從采集的車輛圖像中檢測車頭區(qū)域，若檢測車頭區(qū)域成功，提取得到車頭區(qū)域的特征編碼，將所述特征編碼作為通過車輛的識(shí)別信息。并輸出無牌車記錄以及產(chǎn)生的車輛圖像。

若在車輛圖像中沒有檢測到車頭區(qū)域，則輸出無車記錄以及采集的圖像。同時(shí)發(fā)出提示信息，如果前端有工作人員，工作人員可以進(jìn)行確認(rèn)。

因此，本實(shí)施例車輛識(shí)別方法，對(duì)通過車輛進(jìn)行多次車牌識(shí)別，保證對(duì)車輛車牌有效的識(shí)別出。并在無牌車或者車牌無法識(shí)別出的車輛以形成車頭區(qū)域的特征編碼作為識(shí)別信息，從而彌補(bǔ)了現(xiàn)有車牌識(shí)別方案的不足。本方法應(yīng)用于停車場、城市道路、高速公路等入口，保證有牌車、無牌車等都可以即時(shí)順利地通過。

相應(yīng)的，本發(fā)明實(shí)施例還提供一種車輛出場識(shí)別方法，請(qǐng)參看圖3，方法包括步驟：

S30：在視頻流中對(duì)通過車輛進(jìn)行車牌識(shí)別，并在接收到觸發(fā)信號(hào)時(shí)采集通過車輛的車輛圖像。

本實(shí)施例中對(duì)通過車輛進(jìn)行車牌識(shí)別采用視頻流模式，現(xiàn)場攝像裝置監(jiān)控車輛從遠(yuǎn)到近的行駛，通過視頻流模式，在毎幀圖像中都進(jìn)行車牌識(shí)別并輸出結(jié)果，然后通過投票算法得到最終的車牌識(shí)別結(jié)果。

可選的，觸發(fā)信號(hào)可由地感裝置產(chǎn)生，即通過車輛行駛到壓地感裝置時(shí)地感裝置產(chǎn)生觸發(fā)信號(hào)，此時(shí)投票結(jié)束輸出車牌識(shí)別結(jié)果。

同時(shí)，在接收到觸發(fā)信號(hào)時(shí)抓拍一張通過車輛的圖像，可以當(dāng)前幀圖像作為抓拍的車輛圖像。

S31：若產(chǎn)生車牌識(shí)別結(jié)果，則根據(jù)所述車牌識(shí)別結(jié)果對(duì)通過車輛與進(jìn)場車輛進(jìn)行匹配；若對(duì)車輛車牌識(shí)別失敗，則從所述車輛圖像中檢測車頭區(qū)域，并提取得到車頭區(qū)域的特征編碼，根據(jù)所述特征編碼對(duì)通過車輛與進(jìn)場車輛進(jìn)行匹配。

可以看出，本實(shí)施例車輛出場識(shí)別方法，在視頻流中對(duì)通過車輛進(jìn)行車牌識(shí)別，并在接收到觸發(fā)信號(hào)時(shí)采集車輛圖像；若產(chǎn)生車牌識(shí)別結(jié)果，則根據(jù)車牌識(shí)別結(jié)果對(duì)通過車輛與進(jìn)場車輛進(jìn)行匹配；若對(duì)車輛車牌識(shí)別失敗，則從車輛圖像中檢測車頭區(qū)域，并提取得到車頭區(qū)域的特征編碼，根據(jù)特征編碼對(duì)通過車輛與進(jìn)場車輛進(jìn)行匹配。因此本實(shí)施例車輛出場識(shí)別方法，對(duì)于無牌車或者車牌無法識(shí)別出的車輛，能夠通過提取的車頭區(qū)域特征編碼對(duì)車輛進(jìn)行識(shí)別，克服了現(xiàn)有技術(shù)的缺陷。

在實(shí)際應(yīng)用中，為保證對(duì)通過車輛車牌有效的識(shí)別，本實(shí)施例車輛出場識(shí)別方法中對(duì)通過車輛進(jìn)行多次車牌識(shí)別，具體的，請(qǐng)參考圖4，在本發(fā)明車輛出場識(shí)別方法另一實(shí)施例中，包括步驟：

S40；在視頻流中對(duì)通過車輛進(jìn)行車牌識(shí)別。

具體采用視頻流模式對(duì)通過車輛進(jìn)行車牌識(shí)別，現(xiàn)場攝像裝置監(jiān)控車輛從遠(yuǎn)到近的行駛，在毎幀圖像中都進(jìn)行車牌識(shí)別并輸出結(jié)果，然后通過投票算法進(jìn)行投票得到最終的車牌識(shí)別結(jié)果。

S41：在接收到觸發(fā)信號(hào)時(shí)，采集通過車輛的車輛圖像，查詢是否產(chǎn)生了車牌識(shí)別結(jié)果。

在接收到觸發(fā)信號(hào)時(shí)停止視頻流模式車牌識(shí)別，并采集通過車輛的車輛圖像，可以視頻流中當(dāng)前幀圖像作為采集的車輛圖像。

此時(shí)，若產(chǎn)生了車牌識(shí)別結(jié)果，則轉(zhuǎn)步驟S45：根據(jù)所述車牌識(shí)別結(jié)果對(duì)通過車輛與進(jìn)場車輛進(jìn)行匹配，尋找進(jìn)場記錄。

此時(shí)若無車牌識(shí)別結(jié)果，則進(jìn)行步驟S42。

S42：在視頻流中延時(shí)預(yù)設(shè)幀數(shù)的圖像中對(duì)所述通過車輛進(jìn)行車牌識(shí)別。

在接收到觸發(fā)信號(hào)時(shí)，若沒有產(chǎn)生車牌識(shí)別結(jié)果，則進(jìn)入延時(shí)幀數(shù)計(jì)時(shí)，在延時(shí)預(yù)設(shè)幀數(shù)的圖像中對(duì)通過車輛進(jìn)行車牌識(shí)別，在延時(shí)毎幀圖像中進(jìn)行車牌識(shí)別，通過投票算法投票得到車牌識(shí)別結(jié)果。延時(shí)幀數(shù)與投票所需的票數(shù)一致，投票速度與延時(shí)幀數(shù)相關(guān)。若選擇快速投票，則在數(shù)量較少的延時(shí)幀數(shù)圖像中進(jìn)行車牌識(shí)別。

在車輛壓地感裝置前，車輛離攝像裝置較遠(yuǎn)，可能由于遮擋或者光照等問題導(dǎo)致車牌識(shí)別失敗，因此在車輛通過地感裝置后，在延時(shí)幀的圖像中對(duì)車輛進(jìn)行二次車牌識(shí)別，以保證對(duì)有牌車有效的識(shí)別出。

在延時(shí)車牌識(shí)別中若產(chǎn)生了車牌識(shí)別結(jié)果，則轉(zhuǎn)步驟S45：根據(jù)所述車牌識(shí)別結(jié)果對(duì)通過車輛與進(jìn)場車輛進(jìn)行匹配，尋找進(jìn)場記錄。

在延時(shí)車牌識(shí)別中若沒有產(chǎn)生車牌識(shí)別結(jié)果，則進(jìn)行步驟S43。

S43：強(qiáng)行在視頻流延時(shí)預(yù)設(shè)幀數(shù)的圖像中對(duì)車牌識(shí)別結(jié)果投票。

在視頻流中延時(shí)預(yù)設(shè)幀數(shù)的圖像中進(jìn)行車牌識(shí)別，延時(shí)幀數(shù)結(jié)束，仍沒有產(chǎn)生車牌識(shí)別結(jié)果，則觸發(fā)視頻流投票，強(qiáng)行在視頻流延時(shí)預(yù)設(shè)幀數(shù)的圖像中對(duì)車牌識(shí)別結(jié)果投票，如果投票有結(jié)果，產(chǎn)生了車牌識(shí)別結(jié)果，則轉(zhuǎn)步驟S45：根據(jù)所述車牌識(shí)別結(jié)果對(duì)通過車輛與進(jìn)場車輛進(jìn)行匹配，尋找進(jìn)場記錄。

若沒有產(chǎn)生車牌識(shí)別結(jié)果，表明當(dāng)前車輛車牌確實(shí)識(shí)別不出或者為無牌車，則進(jìn)行步驟S44。

S44：從車輛圖像中檢測車頭區(qū)域。

從采集的車輛圖像中檢測車頭區(qū)域，若檢測車頭區(qū)域成功，提取得到車頭區(qū)域的特征編碼，根據(jù)所述特征編碼對(duì)通過車輛與進(jìn)場車輛進(jìn)行匹配，尋找進(jìn)場記錄。

具體的，可以根據(jù)特征編碼，篩選出與當(dāng)前通過車輛特征匹配度排列前N個(gè)的進(jìn)場車輛的車輛圖像輸出到前端。提供給工作人員，由工作人員從候選車輛圖像中挑選與當(dāng)前車輛匹配的入場記錄，以進(jìn)一步進(jìn)行后續(xù)操作。

若在車輛圖像中沒有檢測到車頭區(qū)域，則輸出無車記錄以及采集的圖像。同時(shí)發(fā)出提示信息，提示前端工作人員進(jìn)行確認(rèn)及相應(yīng)操作。

進(jìn)一步的，本實(shí)施例車輛出場識(shí)別方法，在步驟S45中，若根據(jù)車牌識(shí)別結(jié)果沒有找到與通過車輛車牌匹配的進(jìn)場車輛，則轉(zhuǎn)步驟S44：從采集的所述車輛圖像中檢測車頭區(qū)域，并提取得到車頭區(qū)域的特征編碼，根據(jù)所述特征編碼對(duì)通過車輛與進(jìn)場車輛進(jìn)行匹配。

若根據(jù)車牌識(shí)別結(jié)果找到與通過車輛車牌匹配的進(jìn)場車輛，則輸出車牌識(shí)別結(jié)果，放棄采集的車輛圖像。使前端工作人員可以根據(jù)進(jìn)場記錄進(jìn)行相應(yīng)操作。

因此，本實(shí)施例車輛出場識(shí)別方法，對(duì)通過車輛進(jìn)行多次車牌識(shí)別，保證對(duì)車輛車牌有效的識(shí)別出。并在無牌車或者車牌無法識(shí)別出的車輛以形成車頭區(qū)域的特征編碼作為匹配信息，尋找進(jìn)場記錄，從而彌補(bǔ)了現(xiàn)有車牌識(shí)別方案的不足。本方法應(yīng)用于停車場、城市道路、高速公路等入口，保證有牌車、無牌車等都可以即時(shí)順利地通過。

在上述各實(shí)施例方法中，所涉及的從車輛圖像中檢測車頭區(qū)域以及提取車頭區(qū)域的特征編碼的方法可采用以下描述方法實(shí)現(xiàn)。

在上述各實(shí)施例中，從車輛圖像中檢測車頭區(qū)域可采用以下方法，具體包括步驟：

S100：計(jì)算圖像中檢測區(qū)域的方向梯度直方圖特征金字塔，所述方向梯度直方圖特征金字塔包括用于匹配根位置的第一層和用于匹配部件位置的第二層。

在進(jìn)行檢測前首先將采集的車輛圖像進(jìn)行壓縮處理，將圖像寬度壓縮到原始寬度的預(yù)設(shè)比例，將圖像高度壓縮到原始高度的預(yù)設(shè)比例，以提高車頭檢測效率。示例性的，可將圖像壓縮成原始寬度與高度的1/10，可以理解的是，在實(shí)際應(yīng)用中壓縮比例可相應(yīng)設(shè)定。

對(duì)于壓縮處理后的圖像，計(jì)算實(shí)際檢測區(qū)域的方向梯度直方圖(Histogram of Gradient，簡稱HOG)特征金字塔，由于本實(shí)施例檢測方法中使用單尺寸的DPM模型進(jìn)行車頭檢測，該金字塔只需要兩層，第一層基于8*8像素大小的細(xì)胞單元進(jìn)行計(jì)算，用于匹配根位置，第二層基于4*4像素大小的細(xì)胞單元進(jìn)行計(jì)算，用于匹配部件位置。

S101：采用訓(xùn)練模型對(duì)方向梯度直方圖特征金字塔中的每一像素進(jìn)行匹配處理，計(jì)算根濾波器得分、部件濾波器得分和形變花費(fèi)，并得到窗口得分。

在HOG特征金字塔中逐像素匹配，計(jì)算根濾波器得分、部件濾波器得分和形變花費(fèi)，最終形成一個(gè)窗口得分。

一個(gè)包含n個(gè)部件的目標(biāo)的模型可以形式化地定義為一個(gè)n+2元組(F₀，P₁，…，P_n，b)，其中F₀是一個(gè)根濾波器，P_i是第i個(gè)部件的模型，b是一個(gè)取實(shí)值的偏移量。每個(gè)部件模型是由一個(gè)3元組(F_i,V_I,d_i)定義，其中F_i是第i個(gè)部件的濾波器，V_i是一個(gè)二維向量，表示部件i與根位置相關(guān)的一個(gè)“錨”位置，d_i是一個(gè)四維向量，表示一個(gè)二次函數(shù)的系數(shù)，該二次函數(shù)定義了部件針對(duì)錨位置的每個(gè)可能布局的變形代價(jià)。

一個(gè)假定目標(biāo)表示模型在特征金字塔中的各個(gè)濾波器的位置z＝(P₁，…，P_n)，其中，P_i＝(x_i,y_i,I_i)表示第i個(gè)濾波器的位置和層次。

一個(gè)假定目標(biāo)的響應(yīng)值是由每個(gè)濾波器在它們各自位置的值減去各個(gè)部件依賴根位置的變形代價(jià)再加上b。表示如下：

其中(dx_i,dy_i)＝(x_i,y_i)-2(x₀,y₀)+v_i，給出了第i個(gè)部件根據(jù)它的錨位置的位移；φ_d(dx,dy)＝(dx,dy,dx²,dy²)是變形特征。b的作用是當(dāng)把多個(gè)模型組成一個(gè)混合模型時(shí)，使得各模型的響應(yīng)值具有可比性。

S102：記錄得分高于閾值的窗口，根據(jù)得分高于閾值的窗口，利用非極大值抑制法處理后選取得分最高的檢測結(jié)果，標(biāo)記車頭區(qū)域。

如果沒有任何窗口得分高于閾值，則表示沒有檢測到車頭。

對(duì)于得分高于閾值的窗口，利用非極大值抑制算法進(jìn)行處理，選取得分最高的檢測結(jié)果，根據(jù)檢測結(jié)果在圖像中標(biāo)出檢測到的車頭位置的矩形框，表示車頭區(qū)域，并記錄該矩形框位置。

具體的，本檢測方法中車頭檢測模型的訓(xùn)練過程如下：

A1：在各大室內(nèi)和室外停車場的出入口架設(shè)攝像機(jī)，使用攝像機(jī)錄制各種時(shí)間段、各種天氣情況下的車輛的圖像與視頻。

A2：人工挑選包含車輛的圖像，并選取圖像中的車頭區(qū)域，對(duì)車頭區(qū)域進(jìn)行標(biāo)注。所選取的圖像包含各種車的類型，各種角度。這些圖像作為車頭模型訓(xùn)練的正樣本，選取沒有包含車輛的圖像作為負(fù)樣本。

A3：提取正樣本與負(fù)樣本的特征并進(jìn)行訓(xùn)練，從而得到車頭檢測的檢測模型。具體本實(shí)施例方法中采用離散項(xiàng)模型，即DPM模型。

在上述各實(shí)施例方法中，提取車頭區(qū)域特征編碼可采用以下方法，具體包括步驟：

S200：根據(jù)標(biāo)記出的車頭區(qū)域從所述車輛圖像中提取出車頭區(qū)域圖像。

通過上述方法在壓縮的圖像中檢測到車頭區(qū)域后，從原始圖像中把車頭區(qū)域提取出來。并對(duì)車頭區(qū)域圖像壓縮處理，例如壓縮成128x128像素大小。

S201：采用經(jīng)過訓(xùn)練的卷積神經(jīng)網(wǎng)絡(luò)對(duì)車頭區(qū)域圖像進(jìn)行提取，得到所述特征編碼。

本方法中，車頭區(qū)域特征編碼的提取是使用一個(gè)經(jīng)過訓(xùn)練的深度卷積神經(jīng)網(wǎng)絡(luò)。該網(wǎng)絡(luò)的訓(xùn)練過程如下：

:B1：在不同天氣、不同地區(qū)的停車場出入口，搜集大量的在不同光照情況下的進(jìn)出車輛的圖像。

B2：人工篩選各種車型、各種車顏色、各種角度以及各種光照的圖像。

B3：對(duì)上步得到的圖像，使用上述檢測車頭區(qū)域的方法提取出車頭區(qū)域，并對(duì)車頭區(qū)域進(jìn)行標(biāo)注。由于本網(wǎng)絡(luò)主要針對(duì)無牌車，因此對(duì)于有車牌的樣本，對(duì)車牌區(qū)域進(jìn)行置黑處理。

B4：設(shè)計(jì)一個(gè)適合現(xiàn)場應(yīng)用的卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，示例性的，本網(wǎng)絡(luò)可使用車型以及車顏色作為特征。

B5：利用步驟B3中得到的樣本訓(xùn)練深度卷積網(wǎng)絡(luò)，得到每個(gè)層的網(wǎng)絡(luò)權(quán)值，從而得到經(jīng)過訓(xùn)練的深度卷積神經(jīng)網(wǎng)絡(luò)。

以上對(duì)本發(fā)明所提供的車輛識(shí)別方法及車輛出場識(shí)別方法進(jìn)行了詳細(xì)介紹。本文中應(yīng)用了具體個(gè)例對(duì)本發(fā)明的原理及實(shí)施方式進(jìn)行了闡述，以上實(shí)施例的說明只是用于幫助理解本發(fā)明的方法及其核心思想。應(yīng)當(dāng)指出，對(duì)于本技術(shù)領(lǐng)域的普通技術(shù)人員來說，在不脫離本發(fā)明原理的前提下，還可以對(duì)本發(fā)明進(jìn)行若干改進(jìn)和修飾，這些改進(jìn)和修飾也落入本發(fā)明權(quán)利要求的保護(hù)范圍內(nèi)。