本發(fā)明涉及汽車電子領(lǐng)域，尤其涉及一種基于圖片識別技術(shù)的車輛定位方法及系統(tǒng)。

背景技術(shù)：

目前的車輛定位技術(shù)，根據(jù)使用的廣泛程度，可以分為以下幾種模式：

一是依賴于被定位車輛上安裝的電子定位設(shè)備來對自身進(jìn)行定位，如傳統(tǒng)的安防跟蹤類gps設(shè)備；

二是通過固定的抓拍設(shè)備，獲取某一時刻車輛所有在的位置，一般為政府部門如公安機(jī)關(guān)所普遍采用；

三是隨著移動互聯(lián)網(wǎng)技術(shù)的發(fā)展，通過關(guān)聯(lián)的智能手機(jī)，使用智能手機(jī)間接對車輛進(jìn)行定位，如目前的網(wǎng)約車即是采用該方法。

但是不管采用那一種模式，以上方法都存在明顯的缺點(diǎn)，這些方法的實(shí)施，都有一些預(yù)設(shè)的前提條件，要么需要事先在車輛上安裝特定的設(shè)備，要么需要提前設(shè)置固定的抓拍設(shè)備，要么需要先在手機(jī)上設(shè)置和車輛的綁定關(guān)系。這些都是一些被動的車輛定位方法，在數(shù)據(jù)采集的環(huán)境沒有滿足時，是無法知道車輛位置的，而且上述方法中存在設(shè)備被拆除、屏蔽或破壞的風(fēng)險。

因此，現(xiàn)有技術(shù)還有待于改進(jìn)和發(fā)展。

技術(shù)實(shí)現(xiàn)要素：

鑒于上述現(xiàn)有技術(shù)的不足，本發(fā)明的目的在于提供一種基于圖片識別技術(shù)的車輛定位方法及系統(tǒng)，旨在解決現(xiàn)有技術(shù)中車輛定位方法屬于被動方式、存在設(shè)備被拆除、屏蔽或破壞的風(fēng)險的問題。

本發(fā)明的技術(shù)方案如下：

一種基于圖片識別技術(shù)的車輛定位方法，其中，包括：

a、通過安裝在當(dāng)前車輛的圖像采集設(shè)備拍攝其周圍的被定位車輛的圖像；

b、通過圖像識別方法對拍攝到的圖像進(jìn)行識別，獲取其中的車牌區(qū)域以及車牌號；

c、通過所述車牌區(qū)域在圖像中的位置以及當(dāng)前車輛的位置計(jì)算出被定位車輛的位置，并將被定位車輛的位置以及對應(yīng)的車牌號上傳到云數(shù)據(jù)中心進(jìn)行保存。

所述的基于圖片識別技術(shù)的車輛定位方法，其中，所述步驟c之后還包括：

云數(shù)據(jù)中心對被定位車輛的位置進(jìn)行加工分析，繪制出所述被定位車輛的行駛軌跡。

所述的基于圖片識別技術(shù)的車輛定位方法，其中，所述步驟c之后還包括：

云數(shù)據(jù)中心對被定位車輛的活動規(guī)律進(jìn)行加工分析，繪制出所述被定位車輛的活動畫像。

所述的基于圖片識別技術(shù)的車輛定位方法，其中，所述步驟c具體包括：

c1、通過所述車牌區(qū)域在圖像中的位置以及當(dāng)前車輛的位置計(jì)算出當(dāng)前車輛與被定位車輛之間的距離；

c2、根據(jù)所述當(dāng)前車輛的經(jīng)緯度、方向和當(dāng)前車輛與被定位車輛之間的距離，計(jì)算出被定位車輛的經(jīng)緯度。

所述的基于圖片識別技術(shù)的車輛定位方法，其中，所述步驟a中，每隔一段時間拍攝一次。

所述的基于圖片識別技術(shù)的車輛定位方法，其中，在檢測到cpu占用小于50%以下時，每隔一段時間拍攝一次。

所述的基于圖片識別技術(shù)的車輛定位方法，其中，根據(jù)識別出的重復(fù)率對拍攝的間隔時間進(jìn)行調(diào)整。

所述的基于圖片識別技術(shù)的車輛定位方法，其中，采用如下公式進(jìn)行拍攝的間隔時間進(jìn)行調(diào)整：

t=t0+t0*k，其中，t0為上一次的間隔時間，t為本次的間隔時間，k為識別出的重復(fù)率。

一種基于圖片識別技術(shù)的車輛定位系統(tǒng)，其中，包括：

攝像模塊，用于通過安裝在當(dāng)前車輛的圖像采集設(shè)備拍攝其周圍的被定位車輛的圖像；

識別模塊，用于通過圖像識別方法對拍攝到的圖像進(jìn)行識別，獲取其中的車牌區(qū)域以及車牌號；

計(jì)算模塊，用于通過所述車牌區(qū)域在圖像中的位置以及當(dāng)前車輛的位置計(jì)算出被定位車輛的位置，并將被定位車輛的位置以及對應(yīng)的車牌號上傳到云數(shù)據(jù)中心進(jìn)行保存。

所述的基于圖片識別技術(shù)的車輛定位系統(tǒng)，其中，還包括：

加工模塊，用于對被定位車輛的位置進(jìn)行加工分析，繪制出所述被定位車輛的行駛軌跡；和/或用于對被定位車輛的活動規(guī)律進(jìn)行加工分析，繪制出所述被定位車輛的活動畫像。

有益效果：通過本發(fā)明實(shí)現(xiàn)的車輛定位方法，大大降低了車輛定位實(shí)施的難度，因不依賴于被定位車輛上的任何設(shè)備以及依賴條件，所以不再需要考慮設(shè)備被破壞、屏蔽或者拆除的風(fēng)險等因素，同時由于是流動性的數(shù)據(jù)采集，隨著設(shè)備量的增加，可以實(shí)現(xiàn)對于未安裝任何定位設(shè)備的車輛主動進(jìn)行網(wǎng)狀立體化的數(shù)據(jù)采集。

附圖說明

下面將結(jié)合附圖及實(shí)施例對本發(fā)明作進(jìn)一步說明，附圖中：

圖1為本發(fā)明一種基于圖片識別技術(shù)的車輛定位方法較佳實(shí)施例的流程圖。

圖2為本發(fā)明的車輛定位方法中車輛位置計(jì)算原理圖。

圖3為本發(fā)明一種基于圖片識別技術(shù)的車輛定位系統(tǒng)較佳實(shí)施例的結(jié)構(gòu)框圖。

具體實(shí)施方式

本發(fā)明提供一種基于圖片識別技術(shù)的車輛定位方法及系統(tǒng)，為使本發(fā)明的目的、技術(shù)方案及效果更加清楚、明確，以下對本發(fā)明進(jìn)一步詳細(xì)說明。應(yīng)當(dāng)理解，此處所描述的具體實(shí)施例僅僅用以解釋本發(fā)明，并不用于限定本發(fā)明。

請參閱圖1，圖1為本發(fā)明一種基于圖片識別技術(shù)的車輛定位方法較佳實(shí)施例的流程圖，如圖所示，其包括：

s1、通過安裝在當(dāng)前車輛的圖像采集設(shè)備拍攝其周圍的被定位車輛的圖像；

s2、通過圖像識別方法對拍攝到的圖像進(jìn)行識別，獲取其中的車牌區(qū)域以及車牌號；

s3、通過所述車牌區(qū)域在圖像中的位置以及當(dāng)前車輛的位置計(jì)算出被定位車輛的位置，并將被定位車輛的位置以及對應(yīng)的車牌號上傳到云數(shù)據(jù)中心進(jìn)行保存。

由于車輛上安裝可聯(lián)網(wǎng)的智能設(shè)備越來越多，并且一般都配備了攝像頭，如現(xiàn)在流行的智能后視鏡、行駛記錄儀以及中控臺的大屏機(jī)等等，這些設(shè)備的功能主要以事故疑點(diǎn)記錄為主，其它的功能基本不屬于剛需，設(shè)備沒有很好的利用起來。本發(fā)明正是利用車輛上安裝的圖像采集設(shè)備如攝像頭來對周圍的車輛進(jìn)行拍攝，從而獲取其車牌號以及位置，并上傳至云數(shù)據(jù)中心進(jìn)行保存，還可以進(jìn)行后續(xù)的處理。

本發(fā)明實(shí)現(xiàn)的基本思路如下：通過安裝在當(dāng)前車輛（采集車輛或稱數(shù)據(jù)采集車輛）上的圖像采集設(shè)備（如帶有攝像頭的智能設(shè)備），拍攝周圍車輛（被定位車輛，或稱目標(biāo)車輛）的圖像，再識別出被定位車輛的車牌號，最后通過當(dāng)前車輛的位置與被定位車輛的位置關(guān)系計(jì)算出被定位車輛的位置，并將被定位車輛的位置上傳到云數(shù)據(jù)中心。

本發(fā)明的基本實(shí)現(xiàn)原理是，在聯(lián)網(wǎng)的智能后視或者大屏機(jī)或者其他設(shè)備上內(nèi)置數(shù)據(jù)采集的軟件，該數(shù)據(jù)采集軟件是常駐智能設(shè)備系統(tǒng)的后臺，用戶不需要進(jìn)行任何操作，開機(jī)后即自動啟動。車輛在行駛過程中，不斷拍攝獲取可視范圍內(nèi)其它車輛的照片并識別出所有的車牌，然后結(jié)合自身的位置和其它車輛的位置關(guān)系計(jì)算出其它車輛的所在位置，然后將這些車輛的位置上傳到云數(shù)據(jù)中心。

具體地，在所述步驟s1中，通過安裝在當(dāng)前車輛的圖像采集設(shè)備拍攝其周圍的被定位車輛的圖像。

其中的圖像采集設(shè)備可以是智能后視鏡、行駛記錄儀以及中控臺的大屏機(jī)等等，這些設(shè)備都具有圖像采集功能，并且可對周圍的車輛進(jìn)行拍攝。當(dāng)然，還可以在車輛新增一些攝像裝置，以進(jìn)行拍攝。

在所述步驟s2中，通過圖像識別方法對拍攝到的圖像進(jìn)行識別，獲取其中的車牌區(qū)域以及車牌號。

對于車牌區(qū)域以及車牌號的識別，可采用現(xiàn)有技術(shù)中在智能終端上通過圖片識別出車牌的算法或者sdk，識別的速度和精準(zhǔn)度都達(dá)到了商用的條件。如果在智能設(shè)備上實(shí)現(xiàn)車牌識別效率較低和cpu消耗較大，也可以由車輛將拍攝到的圖像上傳到云數(shù)據(jù)中心進(jìn)行識別，只是這種方法對于智能設(shè)備的流量消耗較大。

在所述步驟s3中，其是為了計(jì)算出被定位車輛的位置，并將被定位車輛的位置以及對應(yīng)的車牌號上傳到云數(shù)據(jù)中心進(jìn)行保存。

至于被定位車輛的位置，具有簡單模式和精確模式。

簡單模式：也可稱粗略模式，其方法就是將數(shù)據(jù)采集車輛（即當(dāng)前車輛）的位置作為被定位車輛的位置，并進(jìn)行上傳。當(dāng)然，由于當(dāng)前車輛與被定位車輛可能還存在幾米甚至幾十米的距離，所以這種方法較為粗略，并不能準(zhǔn)確表示被定位車輛的位置，但這種方法效率最高，可以滿足一些要求不是非常高的應(yīng)用場景。

其中當(dāng)前車輛的位置可按如下方法獲?。和ㄟ^車輛內(nèi)置的gps裝置，可以獲取到當(dāng)前車輛所在位置的經(jīng)度、緯度以及gps時間、行駛速度、行進(jìn)方向。

精確模式：如果需要獲取更精確的位置，還需通過其它方法進(jìn)一步計(jì)算當(dāng)前車輛與被定位車輛之間的位置關(guān)系。

具體地，所述步驟s3具體包括：

s31、通過所述車牌區(qū)域在圖像中的位置以及當(dāng)前車輛的位置計(jì)算出當(dāng)前車輛與被定位車輛之間的距離；

s32、根據(jù)所述當(dāng)前車輛的經(jīng)緯度、方向和當(dāng)前車輛與被定位車輛之間的距離，計(jì)算出被定位車輛的經(jīng)緯度。

其中，在所述步驟s31中，因?yàn)檐嚺茀^(qū)域的大小是固定的，高度為15厘米，根據(jù)車牌區(qū)域在圖像上的像素所占百分比可以估算出兩車之間的相對距離，經(jīng)過大量的測試，在距離為2米到150米之間時，車牌區(qū)域高度與圖像的高度比例在8.36%到2.45%之間，因此可以根據(jù)車牌區(qū)域高度與圖像高度的比例估算出當(dāng)前車輛與被定位車輛之間的距離。例如事先可設(shè)置一對應(yīng)表，每一比例對應(yīng)不同的距離，那么當(dāng)計(jì)算出車牌區(qū)域高度與圖像的高度比例時，則可以直接根據(jù)所述對應(yīng)表來查詢二者之間的距離。

在所述步驟s32中，根據(jù)所述當(dāng)前車輛的經(jīng)緯度、方向和當(dāng)前車輛與被定位車輛之間的距離，計(jì)算出被定位車輛的經(jīng)緯度。

由于在步驟s1中計(jì)算出了當(dāng)前車輛和被定位車輛之間的距離，如圖2所示，然后根據(jù)當(dāng)前車輛所在位置a的經(jīng)緯度a（x0,y0）、方向（h）和ab之間的球面距離(d，可以直接將步驟s31中計(jì)算出的距離作為球面距離),最后計(jì)算出被定位車輛所在位置b的經(jīng)緯度（x1,y1），pi為圓周率，r為地球極半徑，長度或者距離的單位都是米，則：

x1=x0+(d*sin(h*pi/180.0))/(r*cos(y0*pi/180.0))

y1=y0+(d*cos(h*pi/180.0))/r

進(jìn)一步，所述步驟s1中，每隔一段時間拍攝一次。圖像拍攝的時間間隔過短，會造成處理的cpu消耗過大，時間間隔過大，又會導(dǎo)致部分?jǐn)?shù)據(jù)采集不到。

實(shí)際使用過程中，根據(jù)cpu的資源消耗結(jié)合實(shí)際情況，采用智能的方式選擇合適的時機(jī)進(jìn)行數(shù)據(jù)采集。優(yōu)選的，在檢測到cpu占用小于50%以下時，每隔一段時間拍攝一次。即只有在cpu占用小于50%的才會進(jìn)行圖像拍攝，并且時按照預(yù)定的時間間隔進(jìn)行拍攝。本發(fā)明優(yōu)選的，間隔時間默認(rèn)為5秒。

進(jìn)一步，根據(jù)識別出的重復(fù)率對拍攝的間隔時間進(jìn)行調(diào)整。

例如采用如下公式進(jìn)行拍攝的間隔時間進(jìn)行調(diào)整：

t=t0+t0*k，其中，t0為上一次的間隔時間，t為本次的間隔時間，k為識別出的重復(fù)率。

例如，上次識別的間隔時間為5秒，那么5秒后根據(jù)上次識別與本次識別的重復(fù)率決定下次圖像拍攝的時間間隔，此處的重復(fù)率有兩種情況：一種為100%，即兩次識別的車牌相同，即當(dāng)k為100%時，t=5秒+5秒=10秒，即增加間隔時間至10秒，并將其作為新的t0，另一種為0%，即兩次識別出的車牌不一樣時，則繼續(xù)保持原來的t0；當(dāng)未識別出車牌時，則設(shè)置t0=50秒，也就是長時間未識別出車牌，那么則將間隔時間延長，以便減少cpu消耗。

進(jìn)一步，所述步驟s3之后還包括：

云數(shù)據(jù)中心對被定位車輛的位置進(jìn)行加工分析，繪制出所述被定位車輛的行駛軌跡。

進(jìn)一步，所述步驟s3之后還包括：

云數(shù)據(jù)中心對被定位車輛的活動規(guī)律進(jìn)行加工分析，繪制出所述被定位車輛的活動畫像。

也就是說，云數(shù)據(jù)中心會根據(jù)收集的所有數(shù)據(jù)對指定車輛（被定位車輛中的一輛或多輛）的數(shù)據(jù)進(jìn)行加工分析，繪制出指定車輛的行駛軌跡，還可以進(jìn)一步對指定車輛的活動規(guī)律進(jìn)行畫像，并將這些數(shù)據(jù)或者分析的結(jié)果提供給其它應(yīng)用使用。

根據(jù)數(shù)據(jù)采集的情況，以車牌維度可以分析出車輛的出行時間規(guī)律、車主的家庭或者工作單位地址、車輛經(jīng)常出沒地、經(jīng)常行駛路線，進(jìn)而可以分析到車主的行為習(xí)慣等。

本發(fā)明的方法優(yōu)勢明顯，原因如下：

一是實(shí)現(xiàn)方法簡單。由于該方法不需要傳輸圖片等大字節(jié)的數(shù)據(jù)，所以只需要很少的流量即可滿足數(shù)據(jù)采集的需要，在流量費(fèi)用越來越便宜的今天，也可以通過其它方式很容易地將數(shù)據(jù)采集費(fèi)用轉(zhuǎn)嫁出去，由真正使用和關(guān)心數(shù)據(jù)用戶來承擔(dān)這些費(fèi)用。

二是維護(hù)成本極低。在大多數(shù)車輛定位領(lǐng)域，安裝定位設(shè)備的主要目的是為了車輛管理或者監(jiān)控，而被管理的人員為了防止被管理，會采取各種方法想方設(shè)法使安裝在被定位車輛上的設(shè)備不正常甚至拆除了設(shè)備，如汽車貸款的風(fēng)控，需要在車輛上安裝4-5臺設(shè)備，有線設(shè)備和無線設(shè)備結(jié)合使用，這樣維護(hù)成本極高還不能確保完全有效。本發(fā)明方法是通過安裝在數(shù)據(jù)采集車輛上的設(shè)備來采集被監(jiān)管車輛的位置，而該設(shè)備又是事故疑點(diǎn)的記錄使用，是為了保證車主的安全和切身利益的，車主不會不讓它工作不正常。

本發(fā)明方法的思路也是基于大數(shù)據(jù)的思維提出，如果采用本發(fā)明的方法的設(shè)備數(shù)量越多，那么數(shù)據(jù)采集越完善。

本發(fā)明還提供一種基于圖片識別技術(shù)的車輛定位系統(tǒng)較佳實(shí)施例，如圖3所示，其包括：

攝像模塊100，用于通過安裝在當(dāng)前車輛的圖像采集設(shè)備拍攝其周圍的被定位車輛的圖像；

識別模塊200，用于通過圖像識別方法對拍攝到的圖像進(jìn)行識別，獲取其中的車牌區(qū)域以及車牌號；

計(jì)算模塊300，用于通過所述車牌區(qū)域在圖像中的位置以及當(dāng)前車輛的位置計(jì)算出被定位車輛的位置，并將被定位車輛的位置以及對應(yīng)的車牌號上傳到云數(shù)據(jù)中心進(jìn)行保存。

所述的基于圖片識別技術(shù)的車輛定位系統(tǒng)，其中，還包括：

加工模塊，用于對被定位車輛的位置進(jìn)行加工分析，繪制出所述被定位車輛的行駛軌跡；和/或用于對被定位車輛的活動規(guī)律進(jìn)行加工分析，繪制出所述被定位車輛的活動畫像。

關(guān)于上述系統(tǒng)模塊的技術(shù)細(xì)節(jié)在前面的方法中已有詳述，故不再贅述。

綜上所述，通過本發(fā)明實(shí)現(xiàn)的車輛定位方法，大大降低了車輛定位實(shí)施的難度，因不依賴于被定位車輛上的任何設(shè)備以及依賴條件，所以不再需要考慮設(shè)備被破壞、屏蔽或者拆除的風(fēng)險等因素，同時由于是流動性的數(shù)據(jù)采集，隨著設(shè)備量的增加，可以實(shí)現(xiàn)對于未安裝任何定位設(shè)備的車輛主動進(jìn)行網(wǎng)狀立體化的數(shù)據(jù)采集。

應(yīng)當(dāng)理解的是，本發(fā)明的應(yīng)用不限于上述的舉例，對本領(lǐng)域普通技術(shù)人員來說，可以根據(jù)上述說明加以改進(jìn)或變換，所有這些改進(jìn)和變換都應(yīng)屬于本發(fā)明所附權(quán)利要求的保護(hù)范圍。