发明名称 |
一种基于二次验证的套牌车识别方法 |
摘要 |
本发明涉及一种基于二次验证的套牌车识别方法。结合基于Deep Learning的车型识别技术和模板匹配技术,通过这两个技术的二次验证,实现了对套牌车辆的精确识别。本发明通过对待识别车辆图片与模板图片比对,实现套牌车的二次验证,大大减少了车型识别错误导致的误报。本发明在做二次验证时,支持新增车型以及用户导入车型模板,进一步减少识别的错误。 |
申请公布号 |
CN105894819A |
申请公布日期 |
2016.08.24 |
申请号 |
CN201610054502.1 |
申请日期 |
2016.01.26 |
申请人 |
浙江捷尚视觉科技股份有限公司 |
发明人 |
尚凌辉;高勇;刘家佳 |
分类号 |
G08G1/017(2006.01)I;G06K9/00(2006.01)I |
主分类号 |
G08G1/017(2006.01)I |
代理机构 |
浙江杭州金通专利事务所有限公司 33100 |
代理人 |
王佳健 |
主权项 |
一种基于二次验证的套牌车识别方法,其特征在于该方法包括以下步骤:第一步:通过统计学习的方法识别视频图片中的车牌信息;第二步:通过Deep Learning方法,识别第一步中检测出的每个车牌所在车辆的车型信息,包括车辆的品牌、型号、年份;第三步:根据车牌识别中每个字符的置信度,对置信度低于设定值的车辆不做判断;第四步:根据识别出的车牌查询此车牌在车管所数据库中的登记信息,检查车管所数据库登记车型是否与识别车型一致;第五步:对第四步验证不一致的车型,进行二次验证;将车牌所在车前脸图片与车管所数据库车辆的车前脸模板图片做匹配,得到相似度评价;所述车前脸即从正前方水平拍摄的车辆图像;第六步:在事先统计出来的车型易混淆表中查询Deep Learning方法得到的车型与车管所数据库车型是否属于易混车型;如果属于,则在Deep Learning方法车型识别的置信度高于一个高阈值,并且第五步中得到模板相似度低于一个低阈值时,产生套牌车报警;如果不属于,则在Deep Learning方法车型识别的置信度高于一个低阈值,并且第五步中得到模板相似度低于一个高阈值时,产生套牌车报警。 |
地址 |
311121 浙江省杭州市余杭区五常街道文一西路998号7幢东楼 |