一種基于車牌可信度的車牌自糾正識別方法
【技術領域】
[0001] 本發(fā)明屬于可信度車牌識別領域，具體涉及應用于當前車牌識別算法基礎上，以 進一步提升該識別算法準確度的一種基于車牌可信度的車牌自糾正識別方法。
【背景技術】
[0002] 智能交通系統(tǒng)（IntelligentTransportation Systeln，簡稱 ITS)是 21 世紀道路 交通管理的發(fā)展趨勢。而車輛牌照是車輛的唯一身份標識，車輛牌照識別系統(tǒng)（LPRS)作為 智能交通系統(tǒng)中重要的一部分，近年來引起專家們的重視，并已有產(chǎn)品投入使用，以期提高 交通管理效率與水平，節(jié)省人力、物力和實現(xiàn)車輛的科學化、規(guī)范化管理。然而，由于目前車 輛牌照識別系統(tǒng)的不成熟性，在實際使用過程中，仍然存在著系統(tǒng)移植性差、對光照的適應 性差、準確率不夠高等缺點。目前克服上述缺點的措施，是在提供識別結果的同時加入可信 度這一參數(shù)，從而以標簽的形式標明該車牌號碼的機器識別可靠程度。在必要時，甚至需要 后期對過低可信度的車牌號碼進行二次的人工辨識，以提升整體數(shù)據(jù)的辨識準確性，勞動 強度較大；當然，該處的"過低"可信度的分水線也都為憑經(jīng)驗決定。尤其是在我國，管理交 通中大量存在攝像機分辨率僅為720P的低分辨率攝像頭，抓取車牌比較模糊，特別是漢字 部分；并且部分車牌傾斜角度較高，進一步的導致照片的分辨效果極低。以目前的車輛牌照 識別結果而言，自然的統(tǒng)歸于低可信度的范疇，進而進一步的降低了車輛牌照識別系統(tǒng)的 辨識準確度。如何尋求一種基于目前車牌識別基礎上的糾正識別方法，能在不更改目前既 定車牌識別系統(tǒng)的基礎上，能利用其識別結果而實現(xiàn)識別準確度的進一步優(yōu)化，以在降低 人工辨識強度的同時獲得更高準確度的識別結果，以進一步城市安全管理水平和快速反應 能力，為本領域近年來所亟待解決的技術難題。

【發(fā)明內(nèi)容】

[0003] 本發(fā)明的目的為克服上述現(xiàn)有技術的不足，提供一種更為高效快捷的基于車牌 可信度的車牌自糾正識別方法，本方法能夠在目前車牌識別算法所提供結果的基礎上，實 現(xiàn)該識別結果的進一步優(yōu)化，以在降低人工勞動強度的同時進一步提升其系統(tǒng)識別的精確 度，其識別可靠性亦可得到有效保證。
[0004] 為實現(xiàn)上述目的，本發(fā)明采用了以下技術方案：
[0005] -種基于車牌可信度的車牌自糾正識別方法，其特征在于包括以下步驟：
[0006] 1)、在車牌識別結果數(shù)據(jù)庫內(nèi)隨機取樣，獲得至少包括車牌號碼及可信度在內(nèi)的 車牌識別結果參數(shù)；肉眼辨識該隨機取樣，獲得各正確的車牌號碼；
[0007] 2)、在可信度區(qū)間內(nèi)，于取樣數(shù)據(jù)中任取一個可信度作為初始可信度閾值，進入步 驟3);
[0008] 3)、進行該當前取樣數(shù)據(jù)內(nèi)車牌號碼的糾正識別判斷，具體步驟為：當該當前取樣 數(shù)據(jù)內(nèi)某一車牌號碼對應的可信度大于或等于該初始可信度閾值，該車牌號碼不變；當該 當前取樣數(shù)據(jù)內(nèi)某一車牌號碼對應的可信度小于該初始可信度閾值，將該車牌號碼的漢字 省份替換為當前取樣數(shù)據(jù)中出現(xiàn)最多的省份漢字；進入步驟4);
[0009] 4)、獲得步驟3)處理后的取樣數(shù)據(jù)，以該處理后的取樣數(shù)據(jù)為藍本，對比1)步驟 中原始取樣數(shù)據(jù)中的肉眼判斷結果，獲得經(jīng)過處理后取樣數(shù)據(jù)的樣本正確數(shù)，并以下式獲 得處理后的取樣數(shù)據(jù)準確度：
[0011] 不斷重復步驟2)及3)，直至獲得取樣數(shù)據(jù)內(nèi)可信度區(qū)間內(nèi)的所有初始可信度閾 值的準確度，作其準確度與相應初始可信度閾值的關系曲線圖，進入步驟5);
[0012] 5)、對比上述關系曲線圖，獲得最高準確度下的初始可信度閾值取值，令其為最佳 初始可信度閾值Tl ;
[0013] 6)、在最佳初始可信度閾值Tl下所處理后的取樣數(shù)據(jù)中，將該取樣數(shù)據(jù)內(nèi)與前述 出現(xiàn)最多的省份漢字間易于混淆的省份漢字，替換為前述出現(xiàn)最多的省份漢字；重新在Tl 至最高可信度的區(qū)間內(nèi)進行初始可信度閾值取值，重復進行步驟3)及步驟4)，獲得Tl至最 高可信度的區(qū)間內(nèi)的準確度與相應初始可信度閾值的關系曲線圖；根據(jù)該關系曲線圖，獲 得當前最高準確度下的可信度閾值取值，令其為最佳可信度閾值T2 ;
[0014] 7)、將Tl、T2依次代入步驟1)的車牌識別結果數(shù)據(jù)庫內(nèi)：當車牌識別結果數(shù)據(jù)庫 內(nèi)某一車牌號碼對應的可信度大于或等于T1，該車牌號碼不變；當車牌識別結果數(shù)據(jù)庫內(nèi) 某一車牌號碼對應的可信度小于T1，將該車牌號碼的漢字省份替換為當前取樣數(shù)據(jù)中出現(xiàn) 最多的省份漢字；之后再進行易于混淆的省份漢字判斷，也即在經(jīng)過上述Tl代入并更新后 的車牌識別結果數(shù)據(jù)庫基礎上，當車牌識別結果數(shù)據(jù)庫內(nèi)某一車牌號碼對應的可信度大于 或等于T2,該車牌號碼不變；當車牌識別結果數(shù)據(jù)庫內(nèi)車牌號碼對應的可信度大于或等于 Tl而小于T2,將該范圍內(nèi)易于混淆的省份漢字替換為當前取樣數(shù)據(jù)中出現(xiàn)最多的省份漢 字；完成當前車牌識別結果數(shù)據(jù)庫下的車牌自動糾正識別。
[0015] 步驟1)中的可信度區(qū)間，為當前車牌識別結果數(shù)據(jù)庫內(nèi)的最低可信度至最高可 信度之間所涵蓋的范圍。
[0016] 步驟4)中的不斷重復步驟2)及3)是指：在可取值區(qū)間內(nèi)以小數(shù)點后兩位進行所 述初始可信度閾值的逐一取值。
[0017] 所述步驟5)及步驟6)中的獲得關系曲線圖以進行當前最高準確度下的可信度閾 值取值是指：建立xy軸坐標系，以準確度為y軸而以所取各初始可信度閾值為X軸，在當前 關系曲線圖的曲線峰頂處取相應X軸數(shù)值；如該X軸數(shù)值剛好對應相應坐標系上初始可信 度閾值刻度，即可獲得Tl ;如該X軸數(shù)值無相應初始可信度閾值刻度對應，則以最接近該數(shù) 值的初始可信度閾值為Tl。
[0018] 步驟6)中的與出現(xiàn)最多的省份漢字間易于混淆的省份漢字的判斷，是通過獲得 可信度大于Tl的錯誤識別結果中，錯誤識別成出現(xiàn)最多的省份漢字的其他省份漢字的出 現(xiàn)頻率得到，高于指定出現(xiàn)頻率的其他省份漢字即判斷為易于混淆的省份漢字。
[0019] 本發(fā)明的主要優(yōu)點在于：
[0020] 1)、本發(fā)明通過在原始數(shù)據(jù)庫內(nèi)進行隨機取樣，從而獲得帶有車牌號碼及可信度 標簽的樣本，隨之對該樣本進行最佳可信度閾值判定。在獲取最佳初始可信度閾值Tl和最 佳可信度閾值T2后，再將該Tl及T2反饋至原始數(shù)據(jù)庫內(nèi)，從而使車輛牌照識別系統(tǒng)的總 體辨識準確度得以進一步提升。本發(fā)明通過上述取樣反饋流程，在車牌識別結果數(shù)據(jù)庫內(nèi) 的原始參數(shù)基礎上進行閾值選取，實現(xiàn)其可供識別參數(shù)的進一步優(yōu)化；且由于只需進行取 樣數(shù)據(jù)的肉眼辨識，之后就無需對數(shù)據(jù)庫內(nèi)海量其他數(shù)據(jù)進行判斷，只需Tl及Τ2值代入即 可；因而在降低了人工勞動強度的同時，又簡潔而有效的提升了車輛牌照識別系統(tǒng)的識別 效率和準確度。尤其對于某些大量存在低分辨車牌圖片的數(shù)據(jù)庫識別而言提升更為巨大， 極為符合目前國內(nèi)的高效率和高準確度的車牌辨識需求。
【附圖說明】
[0021] 圖1為本發(fā)明的Tl及的T2取值流程示意簡圖；
[0022] 圖2為車牌可信度與經(jīng)最佳初始可信度閾值Tl調整后準確度的關系曲線圖；
[0023] 圖3為車牌可信度與最佳可信度閾值T2調整后準確度的關系曲線圖。
【具體實施方式】
[0024] 為便于理解，此處結合圖1-3對本發(fā)明的具體實施過程作以下進一步描述：
[0025] -種基于車牌可信度自動糾正車牌識別的方法，該方法包括下列順序的步驟：
[0026] 1)、對車牌識別結果提供的可信度進行判斷，設置各初始可信度閾值并提供默認 省份漢字設置。因漢字是識別率低的主要原因，故糾正可信度低于各初始可信度閾值的識 別結果中的漢字，置為默認省份漢字。此處默認省份漢字即為當前隨機取樣數(shù)據(jù)內(nèi)出現(xiàn)次 數(shù)最多的省份漢字。
[0027] 2)、獲得可信度對調整之后準確度的影響，找出影響最大點的最佳初始可信度閾 值Tl ;
[0028] 3)、獲得可信度高于Tl的識別結果，再找出容易識別錯誤的漢字，置為易錯字；在 Tl的基礎上再獲取各初始可信度閾值，將可信度在Tl與T2之間的車牌號碼處省份漢字糾 正為前述默認省份漢字；
[0029] 4)、獲得經(jīng)過步驟3)調整的各初始可信度閾值對準確度的影響，找出影響最大點 的可信度閾值T2,得到最終糾正后的結果，最終獲得經(jīng)過優(yōu)化處理后的車牌識別結果數(shù)據(jù) 庫。以該優(yōu)化處理后的車牌識別結果數(shù)據(jù)庫進行車牌識別系統(tǒng)的取值辨識，即可有效提升 其辨識準確度及辨識效率。
[0030] 本方法需要事先提取較大數(shù)據(jù)量的車牌識別結果進行取樣以確定可信度閾值；車 牌分辨率為截取車牌圖片的像素點總和，通常為圖片長乘寬的結果，本方法最低支持60個 像素點的車牌圖片。
[0031] 所述車牌識別結果包括車牌號碼、車牌顏色、車牌種類、可信度，因車牌號碼是車 牌最重要的信息，本方法主要是對車牌號碼就行糾正?？尚哦葹檐嚺谱R別結果中車牌號碼 的準確程度，有車牌識別算法原始提供并自動作為參數(shù)存入數(shù)據(jù)庫內(nèi)的。由于是機器測算， 必然與人為觀測的結果存在一定差異。所述默認省份漢字為各個省份的漢字縮寫，規(guī)范參 考GA36-2007。由于目