CN108694387B - 一种虚假车牌过滤方法及装置 - Google Patents

Abstract

本发明提供了一种虚假车牌过滤方法，该方法包括：场景图像采集输入步骤，车牌队列获取步骤，车牌竖直位移判据步骤，车身竖直位移判据步骤，车辆检测判据步骤，车辆与车牌位置关系判据步骤，竖直边缘检测判据步骤，真实车牌处理步骤，以及虚假车牌处理步骤。与现有车牌识别技术相比，能够有效地滤除虚假车牌。

Description

一种虚假车牌过滤方法及装置

技术领域

本发明涉及图像处理、视频监控以及智慧交通，特别涉及车牌识别方法及装置。

背景技术

随着城市的日益现代化，机动车的保有量持续增加，智能交通系统发挥着越来越重要的作用。车牌识别技术是现代智能交通系统的重要组成部分，有着十分广泛的应用。

然而在实际场景中，存在不法分子利用打印车牌或手机电子车牌进行欺诈开闸的问题。而现有的车牌识别技术不能区分虚假车牌。

综上所述，目前迫切需要提出一种能过滤虚假车牌的车牌识别方法。

发明内容

有鉴于此，本发明的主要目的在于快速实现车牌识别，并能够过滤虚假车牌。

为达到上述目的，按照本发明的第一个方面，提供了一种虚假车牌过滤方法，该方法包括：

场景图像采集输入步骤，采集或者输入视频场景图像；

车牌队列获取步骤，对每帧场景图像进行车牌识别，将车牌识别结果存入车牌队列中；

车牌竖直位移判据步骤，计算车牌区域在竖直方向上的位移，如果位移小于第一阈值，则转入虚假车牌处理步骤；

车身竖直位移判据步骤，设定车身区域，计算车身区域在竖直方向上的位移，如果位移小于第一阈值，则转入虚假车牌处理步骤；

车辆检测判据步骤，对场景图像进行车辆检测，如果不存在车辆区域，则转入虚假车牌处理步骤；

车辆与车牌位置关系判据步骤，根据车辆区域和车牌区域的位置关系，转入虚假车牌处理步骤；

竖直边缘检测判据步骤，计算相邻两帧场景图像的差分图像，进行边缘检测，如果竖直边缘数不小于第二阈值，则转入虚假车牌处理步骤；

真实车牌处理步骤，认为当前车牌是真实车牌，输出车牌识别结果并清空车牌队列；

虚假车牌处理步骤，认为当前车牌是虚假车牌，滤除该车牌。

其中，所述车牌竖直位移判据步骤、车身竖直位移判据步骤、车辆检测判据步骤、车辆与车牌位置关系判据步骤、竖直边缘检测判据步骤的顺序可以互换，并且所述车辆检测判据步骤在所述车辆与车牌位置关系判据步骤前面。

进一步地，所述车牌队列获取步骤中车牌识别结果包括：车牌区域、车牌字符；进一步地，所述车牌识别结果还包括车牌字符识别的置信度。

进一步地，所述车牌竖直位移判据步骤包括：计算当前帧车牌区域与第一个车牌区域在竖直方向上的位移，如果车牌区域在竖直方向上的位移小于第一阈值，则转入虚假车牌处理步骤，否则进入下一步骤。

进一步地，所述车身竖直位移判据步骤包括：

车身区域设定步骤，计算当前帧场景图像内的车牌区域的宽度和高度，并根据车牌区域的宽度、高度和坐标，设定当前帧的车身区域，存入车身队列中；

车身区域竖直位移判断步骤，计算当前帧车身区域与第一个车身区域在竖直方向上的位移，如果车身区域在竖直方向上的位移小于第一阈值，则转入虚假车牌处理步骤，否则进入下一步骤。

进一步地，所述车辆与车牌位置关系判据步骤包括：水平中心线判断步骤、垂直间距判断步骤、左右边界判断步骤、宽度判断步骤。其中，所述水平中心线判断步骤、垂直间距判断步骤、左右边界判断步骤、宽度判断步骤之间的顺序可以互换。

进一步地，所述水平中心线判断步骤包括：计算当前帧车辆区域的水平中心线，如果车牌区域位于水平中心线的上方，则转入虚假车牌处理步骤，否则进入下一步骤。

进一步地，所述垂直间距判断步骤包括：计算当前帧车牌区域的下边界与车辆区域的下边界的距离，如果距离大于第三阈值，则转入虚假车牌处理步骤，否则进入下一步骤。

进一步地，所述左右边界判断步骤包括：分别统计当前帧车牌区域和车辆区域的左边界和右边界，如果车牌区域的左边界位于车辆区域的左边界的左边，或者车牌区域的右边界位于车辆区域的右边界的右边，则转入虚假车牌处理步骤，否则进入下一步骤。

进一步地，所述宽度判断步骤包括：统计当前帧车辆区域的宽度，如果车辆区域的宽度小于第四阈值，则转入虚假车牌处理步骤，否则进入下一步骤。

所述竖直边缘检测判据步骤包括：计算相邻两帧场景图像的差分图像，采用边缘检测方法对差分图像进行边缘检测，统计垂直边缘数，如果垂直边缘数不小于第二阈值，则转入虚假车牌处理步骤，否则进入下一步骤。

按照本发明的另一个方面，提供了一种虚假车牌过滤装置，该装置包括：

场景图像采集输入模块，用于采集或者输入视频场景图像；

车牌队列获取模块，用于对每帧场景图像进行车牌识别，将车牌识别结果存入车牌队列中；

车牌竖直位移判据模块，用于计算车牌区域在竖直方向上的位移，如果位移小于第一阈值，则转入虚假车牌处理模块；

车身竖直位移判据模块，用于设定车身区域，计算车身区域在竖直方向上的位移，如果位移小于第一阈值，则转入虚假车牌处理模块；

车辆检测判据模块，用于对场景图像进行车辆检测，如果不存在车辆区域，则转入虚假车牌处理模块；

车辆与车牌位置关系判据模块，用于根据车辆区域和车牌区域的位置关系，转入虚假车牌处理模块；

竖直边缘检测判据模块，用于计算相邻两帧场景图像的差分图像，进行边缘检测，如果竖直边缘数不小于第二阈值，则转入虚假车牌处理模块；

真实车牌处理模块，用于认为当前车牌是真实车牌，输出车牌识别结果并清空车牌队列；

虚假车牌处理模块，用于认为当前车牌是虚假车牌，滤除该车牌。

其中，所述车牌竖直位移判据模块、车身竖直位移判据模块、车辆检测判据模块、车辆与车牌位置关系判据模块、竖直边缘检测判据模块的顺序可以互换，并且所述车辆检测判据模块在所述车辆与车牌位置关系判据模块前面。

进一步地，所述车牌队列获取模块中车牌识别结果包括：车牌区域、车牌字符；进一步地，所述车牌识别结果还包括车牌字符识别的置信度。

进一步地，所述车牌竖直位移判据模块包括：用于计算当前帧车牌区域与第一个车牌区域在竖直方向上的位移，如果车牌区域在竖直方向上的位移小于第一阈值，则转入虚假车牌处理模块，否则进入下一模块。

进一步地，所述车身竖直位移判据模块包括：

车身区域设定模块，用于计算当前帧场景图像内的车牌区域的宽度和高度，并根据车牌区域的宽度、高度和坐标，设定当前帧的车身区域，存入车身队列中；

车身区域竖直位移判断模块，用于计算当前帧车身区域与第一个车身区域在竖直方向上的位移，如果车身区域在竖直方向上的位移小于第一阈值，则转入虚假车牌处理模块，否则进入下一模块。

进一步地，所述车辆检测判据模块包括：用于采用车辆检测设备，对当前帧的场景图像进行车辆检测，如果不存在车辆区域，则转入所述虚假车牌处理模块，如果存在车辆区域，则输出车辆区域并进入下一模块。

进一步地，所述车辆与车牌位置关系判据模块包括：水平中心线判断模块、垂直间距判断模块、左右边界判断模块、宽度判断模块。其中，所述水平中心线判断模块、垂直间距判断模块、左右边界判断模块、宽度判断模块之间的顺序可以互换。

进一步地，所述水平中心线判断模块包括：用于计算当前帧车辆区域的水平中心线，如果车牌区域位于水平中心线的上方，则转入虚假车牌处理模块，否则进入下一模块。

进一步地，所述垂直间距判断模块包括：用于计算当前帧车牌区域的下边界与车辆区域的下边界的距离，如果距离大于第三阈值，则转入虚假车牌处理模块，否则进入下一模块。

进一步地，所述左右边界判断模块包括：用于分别统计当前帧车牌区域和车辆区域的左边界和右边界，如果车牌区域的左边界位于车辆区域的左边界的左边，或者车牌区域的右边界位于车辆区域的右边界的右边，则转入虚假车牌处理模块，否则进入下一模块。

进一步地，所述宽度判断模块包括：用于统计当前帧车辆区域的宽度，如果车辆区域的宽度小于第四阈值，则转入虚假车牌处理模块，否则进入下一模块。

与现有的车牌识别技术相比，本发明的一种虚假车牌过滤方法及装置可以快速地识别出车牌，并对虚假车牌进行过滤。

附图说明

图1示出了按照本发明的一种虚假车牌过滤方法的第一实施例的流程图。

图2示出了按照本发明的一种虚假车牌过滤方法的第二实施例的流程图。

图3示出了按照本发明的一种虚假车牌过滤装置的第一实施例的框架图。

图4示出了按照本发明的一种虚假车牌过滤装置的第二实施例的框架图。

具体实施方式

为使本领域的技术人员能进一步了解本发明的结构、特征及其他目的，现结合所附较佳实施例详细说明如下，所说明的较佳实施例仅用于说明本发明的技术方案，并非限定本发明。

按照本发明的一种虚假车牌过滤方法包括：

场景图像采集输入步骤，采集或者输入视频场景图像；

车牌队列获取步骤，对每帧场景图像进行车牌识别，将车牌识别结果存入车牌队列中；

车牌竖直位移判据步骤，计算车牌区域在竖直方向上的位移，如果位移小于第一阈值，则转入虚假车牌处理步骤；

车身竖直位移判据步骤，设定车身区域，计算车身区域在竖直方向上的位移，如果位移小于第一阈值，则转入虚假车牌处理步骤；

车辆检测判据步骤，对场景图像进行车辆检测，如果不存在车辆区域，则转入虚假车牌处理步骤；

车辆与车牌位置关系判据步骤，根据车辆区域和车牌区域的位置关系，转入虚假车牌处理步骤；

竖直边缘检测判据步骤，计算相邻两帧场景图像的差分图像，进行边缘检测，如果竖直边缘数不小于第二阈值，则转入虚假车牌处理步骤；

真实车牌处理步骤，认为当前车牌是真实车牌，输出车牌识别结果并清空车牌队列；

虚假车牌处理步骤，认为当前车牌是虚假车牌，滤除该车牌。

其中，所述车牌竖直位移判据步骤、车身竖直位移判据步骤、车辆检测判据步骤、车辆与车牌位置关系判据步骤、竖直边缘检测判据步骤的顺序可以互换，并且所述车辆检测判据步骤在所述车辆与车牌位置关系判据步骤前面。

图1给出了按照本发明的一种虚假车牌过滤方法的第一实施例的流程图。如图1所示，按照本发明的一种虚假车牌过滤方法包括：

场景图像采集输入步骤S1，采集或者输入视频场景图像；

车牌队列获取步骤S2，对每帧场景图像进行车牌识别，将车牌识别结果存入车牌队列中；

车牌竖直位移判据步骤S3，计算车牌区域在竖直方向上的位移，如果位移小于第一阈值，则转入虚假车牌处理步骤S9；

车身竖直位移判据步骤S4，设定车身区域，计算车身区域在竖直方向上的位移，如果位移小于第一阈值，则转入虚假车牌处理步骤S9；

车辆检测判据步骤S5，对场景图像进行车辆检测，如果不存在车辆区域，则转入虚假车牌处理步骤S9；

车辆与车牌位置关系判据步骤S6，根据车辆区域和车牌区域的位置关系，转入虚假车牌处理步骤S9；

竖直边缘检测判据步骤S7，计算相邻两帧场景图像的差分图像，进行边缘检测，如果竖直边缘数不小于第二阈值，则转入虚假车牌处理步骤S9；

真实车牌处理步骤S8，认为当前车牌是真实车牌，输出车牌识别结果并清空车牌队列；

虚假车牌处理步骤S9，认为当前车牌是虚假车牌，滤除该车牌。

所述场景图像采集输入步骤S1可以通过图像采集设备采集视频场景图像，也可以通过输入设备输入视频场景图像。实施例，通过安装在出入口处的相机，采集停车场出入口的视频场景图像。

进一步地，所述车牌队列获取步骤S2包括：采用基于分类器或者神经网络的车牌识别方法，对每帧场景图像进行车牌识别，获取车牌识别结果，并将车牌识别结果依序存放到车牌队列中。所述车牌识别结果包括：车牌区域、车牌字符。进一步地，所述车牌识别结果还包括车牌字符识别的置信度。

进一步地，所述车牌竖直位移判据步骤S3包括：计算当前帧车牌区域与第一个车牌区域在竖直方向上的位移，如果车牌区域在竖直方向上的位移小于第一阈值，则转入虚假车牌处理步骤S9，否则进入下一步骤。

进一步地，所述第一阈值的取值范围为当前帧车牌区域高度的0.5～2倍。

实施例，所述车牌竖直位移判据步骤S3为：计算车牌队列中的第一个车牌区域的中心点纵坐标y₁，计算车牌队列中的当前帧车牌区域的中心点纵坐标y_i，如果|y_i-y₁|小于当前帧车牌区域的高度，则转入虚假车牌处理步骤S9，否则进入车身竖直位移判据步骤S4。

进一步地，所述车身竖直位移判据步骤S4包括：

车身区域设定步骤S41，计算当前帧场景图像内的车牌区域的宽度和高度，并根据车牌区域的宽度、高度和坐标，设定当前帧的车身区域，存入车身队列中；

车身区域竖直位移判断步骤S42，计算当前帧车身区域与第一个车身区域在竖直方向上的位移，如果车身区域在竖直方向上的位移小于第一阈值，则转入虚假车牌处理步骤S9，否则进入下一步骤。

进一步地，所述车身区域设定步骤S41为：统计当前帧场景图像内车牌区域的上边界y＝y₁、下边界y＝y₂、左边界x＝x₁、右边界x＝x₂，计算车牌区域的宽度W_p和高度H_p，设定当前帧车身区域的上边界为y＝y₁+λ₁×H_p、下边界为y＝y₁+λ₂×H_p、左边界为x＝x₁-λ₃×W_p、右边界为x＝x₂+λ₄×W_p，并存入车身队列中。其中，λ₁的取值范围为3.5～4.5，λ₂的取值范围为1.5～2.5，λ₃的取值范围为0～0.1，λ₄的取值范围为0～0.1。

实施例，所述车身区域设定步骤S41为：统计当前帧场景图像内车牌区域的上边界y＝y₁、下边界y＝y₂、左边界x＝x₁、右边界x＝x₂，计算车牌区域的宽度W_p和高度H_p，设定当前帧车身区域的上边界为y＝y₁+4H_p、下边界为y＝y₁+2H_p、左边界为x＝x₁、右边界为x＝x₂，并存入车身队列中。

实施例，所述车身区域竖直位移判断步骤S42为：计算车身队列中的第一个车身区域的中心点纵坐标y′₁，计算当前帧车身区域的中心点纵坐标y′_j，如果|y′_j-y₁|小于当前帧车牌区域的高度，则转入虚假车牌处理步骤S9，否则进入车辆检测判据步骤S5。

进一步地，所述车辆检测判据步骤S5采用车辆检测方法，对当前帧的场景图像进行车辆检测，如果不存在车辆区域，则转入所述虚假车牌处理步骤S9，如果存在车辆区域，则输出车辆区域并进入下一步骤。其中，所述车辆检测方法可以通过现有的基于图像的车辆检测方法实现。实施例，采用“基于模型的车辆检测与跟踪.胡铟，杨静宇.《中国图象图形学报》,2008,13(3):450-455”文献中的方法，对场景图像进行车辆检测，如果不存在车辆区域，则转入虚假车牌处理步骤S9，如果存在车辆区域，则输出车辆区域并进入车辆与车牌位置关系判据步骤S6。

进一步地，所述车辆与车牌位置关系判据步骤S6包括：水平中心线判断步骤S61、垂直间距判断步骤S62、左右边界判断步骤S63、宽度判断步骤S64。其中，所述水平中心线判断步骤S61、垂直间距判断步骤S62、左右边界判断步骤S63、宽度判断步骤S64之间的顺序可以互换。

进一步地，所述水平中心线判断步骤S61包括：计算当前帧车辆区域的水平中心线，如果车牌区域位于水平中心线的上方，则转入虚假车牌处理步骤S9，否则进入下一步骤。

进一步地，所述垂直间距判断步骤S62包括：计算当前帧车牌区域的下边界与车辆区域的下边界的距离，如果距离大于第三阈值，则转入虚假车牌处理步骤S9，否则进入下一步骤。

进一步地，所述左右边界判断步骤S63包括：分别统计当前帧车牌区域和车辆区域的左边界和右边界，如果车牌区域的左边界位于车辆区域的左边界的左边，或者车牌区域的右边界位于车辆区域的右边界的右边，则转入虚假车牌处理步骤S9，否则进入下一步骤。

进一步地，所述宽度判断步骤S64包括：统计当前帧车辆区域的宽度，如果车辆区域的宽度小于第四阈值，则转入虚假车牌处理步骤S9，否则进入下一步骤。

进一步地，所述第三阈值的取值范围为当前帧车辆区域高度的0.4～0.6倍；所述第四阈值的取值范围为当前帧车牌区域宽度的1.5～2.5倍。

实施例一，按照水平中心线判断步骤S61、垂直间距判断步骤S62、左右边界判断步骤S63、宽度判断步骤S64的顺序。所述车辆与车牌位置关系判据步骤S6包括：水平中心线判断步骤S61：计算当前帧车辆区域的水平中心线，如果车牌区域位于水平中心线的上方，则转入虚假车牌处理步骤S9，否则进入垂直间距判断步骤S62；垂直间距判断步骤S62包括：计算当前帧车牌区域的下边界与车辆区域的下边界的距离，如果距离大于当前帧车辆区域高度的0.5倍，则转入虚假车牌处理步骤S9，否则进入左右边界判断步骤S63；左右边界判断步骤S63包括：分别统计当前帧车牌区域和车辆区域的左边界和右边界，如果车牌区域的左边界位于车辆区域的左边界的左边，或者车牌区域的右边界位于车辆区域的右边界的右边，则转入虚假车牌处理步骤S9，否则进入宽度判断步骤S64；宽度判断步骤S64包括：否则统计当前帧车辆区域的宽度，如果车辆区域的宽度小于当前帧车牌区域宽度的2倍，则转入虚假车牌处理步骤S9，否则进入竖直边缘检测判据步骤S7。

实施例二，所述车辆与车牌位置关系判据步骤可以按照左右边界判断步骤S63、宽度判断步骤S64、垂直间距判断步骤S62、水平中心线判断步骤S61的顺序进行实施。

所述竖直边缘检测判据步骤S7包括：计算相邻两帧场景图像的差分图像，采用边缘检测方法对差分图像进行边缘检测，统计垂直边缘数，如果垂直边缘数不小于第二阈值，则转入虚假车牌处理步骤S9，否则进入下一步骤。

所述边缘检测方法可以通过现有的边缘检测算子实现，包括但不限于：Sobel边缘检测算子、Laplace边缘检测算子、Canny边缘检测算子等。

进一步地，所述第二阈值的取值范围为2～4。实施例，计算相邻两帧场景图像的差分图像，采用Sobel边缘检测算子，对差分图像进行垂直边缘检测，统计垂直边缘的数量，如果垂直边缘数量不小于2，则转入虚假车牌处理步骤S9，否则进入真实车牌处理步骤S8。

进一步地，所述真实车牌处理步骤S8包括：认为当前帧场景图像中的车牌是真实车牌，输出车牌识别结果，清空车牌队列。

进一步地，所述虚假车牌处理步骤S9包括：认为当前帧场景图像中的车牌是虚假车牌，滤除当前帧的车牌识别结果。

图2给出了按照本发明的一种虚假车牌过滤方法的第二实施例的流程图。如图2所示，按照本发明的一种虚假车牌过滤方法包括：

场景图像采集输入步骤S1，采集或者输入视频场景图像；

车牌队列获取步骤S2，对每帧场景图像进行车牌识别，将车牌识别结果存入车牌队列中；

车牌竖直位移判据步骤S3，计算车牌区域在竖直方向上的位移，如果位移小于第一阈值，则转入虚假车牌处理步骤S9；

车辆检测判据步骤S5，对场景图像进行车辆检测，如果不存在车辆区域，则转入虚假车牌处理步骤S9；

车辆与车牌位置关系判据步骤S6，根据车辆区域和车牌区域的位置关系，转入虚假车牌处理步骤S9；

车身竖直位移判据步骤S4，设定车身区域，计算车身区域在竖直方向上的位移，如果位移小于第一阈值，则转入虚假车牌处理步骤S9；

竖直边缘检测判据步骤S7，计算相邻两帧场景图像的差分图像，进行边缘检测，如果竖直边缘数不小于第二阈值，则转入虚假车牌处理步骤S9；

真实车牌处理步骤S8，认为当前车牌是真实车牌，输出车牌识别结果并清空车牌队列；

虚假车牌处理步骤S9，认为当前车牌是虚假车牌，滤除该车牌。

按照本发明的一种虚假车牌过滤装置包括：

场景图像采集输入模块，用于采集或者输入视频场景图像；

车牌队列获取模块，用于对每帧场景图像进行车牌识别，将车牌识别结果存入车牌队列中；

车牌竖直位移判据模块，用于计算车牌区域在竖直方向上的位移，如果位移小于第一阈值，则转入虚假车牌处理模块；

车身竖直位移判据模块，用于设定车身区域，计算车身区域在竖直方向上的位移，如果位移小于第一阈值，则转入虚假车牌处理模块；

车辆检测判据模块，用于对场景图像进行车辆检测，如果不存在车辆区域，则转入虚假车牌处理模块；

车辆与车牌位置关系判据模块，用于根据车辆区域和车牌区域的位置关系，转入虚假车牌处理模块；

竖直边缘检测判据模块，用于计算相邻两帧场景图像的差分图像，进行边缘检测，如果竖直边缘数不小于第二阈值，则转入虚假车牌处理模块；

真实车牌处理模块，用于认为当前车牌是真实车牌，输出车牌识别结果并清空车牌队列；

虚假车牌处理模块，用于认为当前车牌是虚假车牌，滤除该车牌。

其中，所述车牌竖直位移判据模块、车身竖直位移判据模块、车辆检测判据模块、车辆与车牌位置关系判据模块、竖直边缘检测判据模块的顺序可以互换，并且所述车辆检测判据模块在所述车辆与车牌位置关系判据模块前面。

图3给出了按照本发明的一种虚假车牌过滤装置的第一实施例的框架图。如图3所示，按照本发明的一种虚假车牌过滤装置包括：

场景图像采集输入模块1，用于采集或者输入视频场景图像；

车牌队列获取模块2，用于对每帧场景图像进行车牌识别，将车牌识别结果存入车牌队列中；

车牌竖直位移判据模块3，用于计算车牌区域在竖直方向上的位移，如果位移小于第一阈值，则转入虚假车牌处理模块9；

车身竖直位移判据模块4，用于设定车身区域，计算车身区域在竖直方向上的位移，如果位移小于第一阈值，则转入虚假车牌处理模块9；

车辆检测判据模块5，用于对场景图像进行车辆检测，如果不存在车辆区域，则转入虚假车牌处理模块9；

车辆与车牌位置关系判据模块6，用于根据车辆区域和车牌区域的位置关系，转入虚假车牌处理模块9；

竖直边缘检测判据模块7，用于计算相邻两帧场景图像的差分图像，进行边缘检测，如果竖直边缘数不小于第二阈值，则转入虚假车牌处理模块9；

真实车牌处理模块8，用于认为当前车牌是真实车牌，输出车牌识别结果并清空车牌队列；

虚假车牌处理模块9，用于认为当前车牌是虚假车牌，滤除该车牌。

所述场景图像采集输入模块1可以通过图像采集设备采集视频场景图像，也可以通过输入设备输入视频场景图像。

进一步地，所述车牌队列获取模块2包括：用于采用基于分类器或者神经网络的车牌识别方法，对每帧场景图像进行车牌识别，获取车牌识别结果，并将车牌识别结果依序存放到车牌队列中。所述车牌识别结果包括：车牌区域、车牌字符。进一步地，所述车牌识别结果还包括车牌字符识别的置信度。

进一步地，所述车牌竖直位移判据模块3包括：用于计算当前帧车牌区域与第一个车牌区域在竖直方向上的位移，如果车牌区域在竖直方向上的位移小于第一阈值，则转入虚假车牌处理模块9，否则进入车身竖直位移判据模块4。

进一步地，所述第一阈值的取值范围为车牌区域高度的一半～车牌区域高度的2倍。

进一步地，所述车身竖直位移判据模块4包括：

车身区域设定模块41，用于计算当前帧场景图像内的车牌区域的宽度和高度，并根据车牌区域的宽度、高度和坐标，设定当前帧的车身区域，存入车身队列中；

车身区域竖直位移判断模块42，用于计算当前帧车身区域与第一个车身区域在竖直方向上的位移，如果车身区域在竖直方向上的位移小于第一阈值，则转入虚假车牌处理模块9，否则进入车辆检测判据模块5。

进一步地，所述车辆检测判据模块5包括：用于采用车辆检测设备，对当前帧的场景图像进行车辆检测，如果不存在车辆区域，则转入所述虚假车牌处理模块9，如果存在车辆区域，则输出车辆区域并进入车辆与车牌位置关系判据模块6。

进一步地，所述车辆与车牌位置关系判据模块6包括：水平中心线判断模块61、垂直间距判断模块62、左右边界判断模块63、宽度判断模块64。其中，所述水平中心线判断模块61、垂直间距判断模块62、左右边界判断模块63、宽度判断模块64之间的顺序可以互换。

进一步地，所述水平中心线判断模块61包括：用于计算当前帧车辆区域的水平中心线，如果车牌区域位于水平中心线的上方，则转入虚假车牌处理模块9，否则进入下一模块。

进一步地，所述垂直间距判断模块62包括：用于计算当前帧车牌区域的下边界与车辆区域的下边界的距离，如果距离大于第三阈值，则转入虚假车牌处理模块9，否则进入下一模块。

进一步地，所述左右边界判断模块63包括：用于分别统计当前帧车牌区域和车辆区域的左边界和右边界，如果车牌区域的左边界位于车辆区域的左边界的左边，或者车牌区域的右边界位于车辆区域的右边界的右边，则转入虚假车牌处理模块9，否则进入下一模块。

进一步地，所述宽度判断模块64包括：用于统计当前帧车辆区域的宽度，如果车辆区域的宽度小于第四阈值，则转入虚假车牌处理模块9，否则进入下一模块。

图4给出了按照本发明的一种虚假车牌过滤装置的第二实施例的框架图。如图4所示，按照本发明的一种虚假车牌过滤装置包括：

场景图像采集输入模块1，用于采集或者输入视频场景图像；

车牌队列获取模块2，用于对每帧场景图像进行车牌识别，将车牌识别结果存入车牌队列中；

车牌竖直位移判据模块3，用于计算车牌区域在竖直方向上的位移，如果位移小于第一阈值，则转入虚假车牌处理模块9；

车辆检测判据模块5，用于对场景图像进行车辆检测，如果不存在车辆区域，则转入虚假车牌处理模块9；

车辆与车牌位置关系判据模块6，用于根据车辆区域和车牌区域的位置关系，转入虚假车牌处理模块9；

车身竖直位移判据模块4，用于设定车身区域，计算车身区域在竖直方向上的位移，如果位移小于第一阈值，则转入虚假车牌处理模块9；

竖直边缘检测判据模块7，用于计算相邻两帧场景图像的差分图像，进行边缘检测，如果竖直边缘数不小于第二阈值，则转入虚假车牌处理模块9；

真实车牌处理模块8，用于认为当前车牌是真实车牌，输出车牌识别结果并清空车牌队列；

虚假车牌处理模块9，用于认为当前车牌是虚假车牌，滤除该车牌。

与现有的车牌识别技术相比，本发明的一种虚假车牌过滤方法及装置可以快速地识别出车牌，并对虚假车牌进行过滤。

以上所述，仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围，应当理解，本发明并不限于这里所描述的实现方案，这些实现方案描述的目的在于帮助本领域中的技术人员实践本发明。任何本领域中的技术人员很容易在不脱离本发明精神和范围的情况下进行进一步的改进和完善，因此本发明只受到本发明权利要求的内容和范围的限制，其意图涵盖所有包括在由所附权利要求所限定的本发明精神和范围内的备选方案和等同方案。

Claims (14)

1.一种虚假车牌过滤方法，其特征在于，该方法包括：

场景图像采集输入步骤，采集或者输入视频场景图像；

车牌队列获取步骤，对每帧场景图像进行车牌识别，将车牌识别结果存入车牌队列中；

车牌竖直位移判据步骤，计算车牌区域在竖直方向上的位移，如果位移小于第一阈值，则转入虚假车牌处理步骤；

车身竖直位移判据步骤，设定车身区域，计算车身区域在竖直方向上的位移，如果位移小于第一阈值，则转入虚假车牌处理步骤；

车辆检测判据步骤，对场景图像进行车辆检测，如果不存在车辆区域，则转入虚假车牌处理步骤；

车辆与车牌位置关系判据步骤，根据车辆区域和车牌区域的位置关系，转入虚假车牌处理步骤；

竖直边缘检测判据步骤，计算相邻两帧场景图像的差分图像，进行边缘检测，如果竖直边缘数不小于第二阈值，则转入虚假车牌处理步骤；

真实车牌处理步骤，认为当前车牌是真实车牌，输出车牌识别结果并清空车牌队列；以及

虚假车牌处理步骤，认为当前车牌是虚假车牌，滤除该车牌；

其中，所述车牌竖直位移判据步骤、车身竖直位移判据步骤、车辆检测判据步骤、车辆与车牌位置关系判据步骤、竖直边缘检测判据步骤的顺序可以互换，并且所述车辆检测判据步骤在所述车辆与车牌位置关系判据步骤前面；

进一步地，所述第一阈值的取值范围为当前帧车牌区域高度的0.5～2倍；所述第二阈值的取值范围为2～4。

2.如权利要求1所述的方法，所述车牌队列获取步骤中车牌识别结果包括：车牌区域、车牌字符。

3.如权利要求2所述的方法，进一步地，所述车牌识别结果还包括车牌字符识别的置信度。

4.如权利要求1所述的方法，其特征在于，所述车牌竖直位移判据步骤包括：计算当前帧车牌区域与第一个车牌区域在竖直方向上的位移，如果车牌区域在竖直方向上的位移小于第一阈值，则转入虚假车牌处理步骤，否则进入下一步骤。

5.如权利要求1所述的方法，其特征在于，所述车身竖直位移判据步骤包括：车身区域设定步骤，计算当前帧场景图像内的车牌区域的宽度和高度，并根据车牌区域的宽度、高度和坐标，设定当前帧的车身区域，存入车身队列中；

车身区域竖直位移判断步骤，计算当前帧车身区域与第一个车身区域在竖直方向上的位移，如果车身区域在竖直方向上的位移小于第一阈值，则转入虚假车牌处理步骤，否则进入下一步骤。

6.如权利要求5所述的方法，进一步地，所述车身区域设定步骤为：统计当前帧场景图像内车牌区域的上边界y＝y₁、下边界y＝y₂、左边界x＝x₁、右边界x＝x₂，计算车牌区域的宽度W_p和高度H_p，设定当前帧车身区域的上边界为y＝y₁+λ₁×H_p、下边界为y＝y₁+λ₂×H_p、左边界为x＝x₁-λ₃×W_p、右边界为x＝x₂+λ₄×W_p，并存入车身队列中；

其中，λ₁的取值范围为3.5～4.5，λ₂的取值范围为1.5～2.5，λ₃的取值范围为0～0.1，λ₄的取值范围为0～0.1。

7.如权利要求1所述的方法，其特征在于，所述车辆与车牌位置关系判据步骤包括：水平中心线判断步骤、垂直间距判断步骤、左右边界判断步骤、宽度判断步骤；其中，所述水平中心线判断步骤、垂直间距判断步骤、左右边界判断步骤、宽度判断步骤之间的顺序可以互换；

所述水平中心线判断步骤包括：计算当前帧车辆区域的水平中心线，如果车牌区域位于水平中心线的上方，则转入虚假车牌处理步骤，否则进入下一步骤；

所述垂直间距判断步骤包括：计算当前帧车牌区域的下边界与车辆区域的下边界的距离，如果距离大于第三阈值，则转入虚假车牌处理步骤，否则进入下一步骤；

所述左右边界判断步骤包括：分别统计当前帧车牌区域和车辆区域的左边界和右边界，如果车牌区域的左边界位于车辆区域的左边界的左边，或者车牌区域的右边界位于车辆区域的右边界的右边，则转入虚假车牌处理步骤，否则进入下一步骤；

所述宽度判断步骤包括：统计当前帧车辆区域的宽度，如果车辆区域的宽度小于第四阈值，则转入虚假车牌处理步骤，否则进入下一步骤。

8.如权利要求7所述的方法，进一步地，所述第三阈值的取值范围为当前帧车辆区域高度的0.4～0.6倍；所述第四阈值的取值范围为当前帧车牌区域宽度的1.5～2.5倍。

9.一种虚假车牌过滤装置，其特征在于，该装置包括：

场景图像采集输入模块，用于采集或者输入视频场景图像；

车牌队列获取模块，用于对每帧场景图像进行车牌识别，将车牌识别结果存入车牌队列中；

车牌竖直位移判据模块，用于计算车牌区域在竖直方向上的位移，如果位移小于第一阈值，则转入虚假车牌处理模块；

车身竖直位移判据模块，用于设定车身区域，计算车身区域在竖直方向上的位移，如果位移小于第一阈值，则转入虚假车牌处理模块；

车辆检测判据模块，用于对场景图像进行车辆检测，如果不存在车辆区域，则转入虚假车牌处理模块；

车辆与车牌位置关系判据模块，用于根据车辆区域和车牌区域的位置关系，转入虚假车牌处理模块；

竖直边缘检测判据模块，用于计算相邻两帧场景图像的差分图像，进行边缘检测，如果竖直边缘数不小于第二阈值，则转入虚假车牌处理模块；

真实车牌处理模块，用于认为当前车牌是真实车牌，输出车牌识别结果并清空车牌队列；

虚假车牌处理模块，用于认为当前车牌是虚假车牌，滤除该车牌；

其中，所述车牌竖直位移判据模块、车身竖直位移判据模块、车辆检测判据模块、车辆与车牌位置关系判据模块、竖直边缘检测判据模块的顺序可以互换，并且所述车辆检测判据模块在所述车辆与车牌位置关系判据模块前面。

10.如权利要求9所述的装置，所述车牌队列获取模块中车牌识别结果包括：车牌区域、车牌字符。

11.如权利要求10所述的装置，进一步地，所述车牌识别结果还包括车牌字符识别的置信度。

12.如权利要求9所述的装置，其特征在于，所述车牌竖直位移判据模块包括：用于计算当前帧车牌区域与第一个车牌区域在竖直方向上的位移，如果车牌区域在竖直方向上的位移小于第一阈值，则转入虚假车牌处理模块，否则进入下一模块。

13.如权利要求9所述的装置，其特征在于，所述车身竖直位移判据模块包括：车身区域设定模块，用于计算当前帧场景图像内的车牌区域的宽度和高度，并根据车牌区域的宽度、高度和坐标，设定当前帧的车身区域，存入车身队列中；车身区域竖直位移判断模块，用于计算当前帧车身区域与第一个车身区域在竖直方向上的位移，如果车身区域在竖直方向上的位移小于第一阈值，则转入虚假车牌处理模块，否则进入下一模块。

14.如权利要求9所述的装置，其特征在于，所述车辆与车牌位置关系判据模块包括：水平中心线判断模块、垂直间距判断模块、左右边界判断模块、宽度判断模块；其中，所述水平中心线判断模块、垂直间距判断模块、左右边界判断模块、宽度判断模块之间的顺序可以互换；

所述水平中心线判断模块包括：用于计算当前帧车辆区域的水平中心线，如果车牌区域位于水平中心线的上方，则转入虚假车牌处理模块，否则进入下一模块；所述垂直间距判断模块包括：用于计算当前帧车牌区域的下边界与车辆区域的下边界的距离，如果距离大于第三阈值，则转入虚假车牌处理模块，否则进入下一模块；

所述左右边界判断模块包括：用于分别统计当前帧车牌区域和车辆区域的左边界和右边界，如果车牌区域的左边界位于车辆区域的左边界的左边，或者车牌区域的右边界位于车辆区域的右边界的右边，则转入虚假车牌处理模块，否则进入下一模块；

所述宽度判断模块包括：用于统计当前帧车辆区域的宽度，如果车辆区域的宽度小于第四阈值，则转入虚假车牌处理模块，否则进入下一模块。

Images