[发明专利]基于虚拟车牌的无牌车识别方法及装置

权利要求书

1.基于虚拟车牌的无牌车识别方法，其特征在于，该方法包括：

第一步骤，采集入口处的场景图像；

第二步骤，对入口处的场景图像进行无牌车检测，获取无牌车检测区域；

第三步骤，采用无牌车的虚拟车牌生成方法，获取无牌车的虚拟车牌号码，将无牌车检测区域和虚拟车牌号码保存到后台数据库；

第四步骤，采集出口处的场景图像；

第五步骤，对出口处的场景图像进行无牌车检测，获取无牌车检测区域；

第六步骤，采用无牌车的虚拟车牌生成方法，获取无牌车的虚拟车牌号码，输出无牌车检测区域和虚拟车牌号码；以及

第七步骤，将第六步骤输出的虚拟车牌号码与后台数据库中的虚拟车牌号码中的字符串进行一一比对，若字符串完全一致，则认为所述比对的后台数据库中保存的无牌车检测区域与第六步骤中的无牌车检测区域匹配成功并输出。

2.如权利要求1所述的方法，所述无牌车检测包括：

车辆检测步骤，采用车辆检测方法，从输入的场景图像中提取车辆检测区域；

车牌检测步骤，采用车牌检测方法，对车辆检测区域进行车牌检测，若存在车牌则结束，否则将车辆检测区域标记为无牌车检测区域并输出。

3.如权利要求1所述的方法，其特征在于，所述无牌车的虚拟车牌生成方法包括：

无牌车输入步骤，输入无牌车检测区域；

车身颜色识别步骤，采用基于深度学习的车身颜色识别方法，对无牌车检测区域进行车身颜色识别，输出无牌车检测区域的车身颜色识别结果；

车款识别步骤，采用基于深度学习的车款识别方法，对无牌车检测区域进行车款识别，输出无牌车检测区域的车款识别结果；

虚拟车牌生成步骤，按照真实车牌的形式，根据无牌车检测区域的车身颜色识别结果和车款识别结果，生成无牌车检测区域的虚拟车牌，输出无牌车检测区域与虚拟车牌号码。

4.如权利要求3所述的方法，其特征在于，所述车身颜色识别步骤包括：

车身颜色识别模型训练步骤，输入标记车身颜色的车辆样本图像，采用第一深度学习网络进行反复训练直至模型收敛，输出收敛的车身颜色识别模型；

车身颜色识别输出步骤，采用车身颜色识别模型对无牌车检测区域进行车身颜色识别，输出无牌车检测区域的车身颜色识别结果。

5.如权利要求3所述的方法，其特征在于，所述车款识别步骤包括：

车款识别模型训练步骤，输入标记车款的车辆样本图像，采用第二深度学习网络进行反复训练直至模型收敛，输出收敛的车款识别模型；

车款识别输出步骤，采用车款识别模型对无牌车检测区域进行车款识别，输出无牌车检测区域的车款识别结果。

6.如权利要求4和5所述的方法，所述深度学习网络为现有的具有深度学习的神经网络，包括但不限于以下网络：卷积神经网络、递归神经网络、深度神经网络、深度信念网络、受限波尔兹曼机。

7.如权利要求5所述的方法，其特征在于，所述标记车款和车款识别的类别信息包括：车辆的品牌、款式、以及上市年代。

8.如权利要求3所述的方法，其特征在于，所述虚拟车牌生成步骤包括：

第一字符设定步骤，将虚拟车牌的第一位字符设定为一个汉字；

第二字符生成步骤，根据设定的颜色与字符的映射，获取无牌车检测区域的车身颜色所映射的字符并标记为虚拟车牌的第二位字符；

后面字符生成步骤，根据设定的车款与字符的映射，获取无牌车检测区域的车款所映射的字符串并依次标记为虚拟车牌的第三位字符~第八位字符；

虚拟字符输出步骤，依次输出虚拟车牌的第一位字符~第八位字符。

9.如权利要求8所述的方法，其特征在于，所述设定的颜色与字符的映射可以将车身颜色与英文字母A~Z一一相映射；所述设定的车款与字符的映射可以包括：将车辆的品牌与两位数的英文字母A~Z一一映射，将车辆的款式与两位数的数字0~9一一映射，将上市年代与两位数的数字0~9一一映射。

10.如权利要求3所述的方法，进一步包括：第八步骤，计算第六步骤输出的无牌车检测区域的时间与匹配的后台数据库保存的无牌车检测区域的时间的时间差，根据时间差计算无牌车的停车费用。