[发明专利]一种真假车牌的识别检测方法及系统

说明书

本申请实施例公开了一种真假车牌的识别检测方法及系统，用于提高车辆真假车牌判断的准确性。本申请实施例方法包括：获取同一车辆的预检测车牌图像组；判断预检测车牌图像组中的图像是否存在人体手部特征；若是，则分别对人体手部特征设置关键点，并生成目标检测图像组；从目标检测图像组中挑取第一目标检测图像；将第一目标检测图像通过目标模型生成检测结果；判断检测结果是否大于第一阈值；若否，则统计目标检测图像组中图像车牌中心点与对应的关键点距离小于第二阈值的张数；判断小于第二阈值的图像张数是否不小于目标检测图像组中图像总数的一半；若是，则确定目标检测图像组中的车牌为伪车牌。

技术领域

本申请实施例涉及智能监控领域，尤其涉及一种真假车牌的识别检测方法及系统。

背景技术

随着机动车套牌与伪造机动车牌等现象的出现，对车牌的真假识别技术的要求也日益迫切。近年来，随着科学技术的发展，以车牌识别技术为基础的无人值守方案出现，不仅提升了停车场通行效率，更为物业管理方节省了大笔人员开支。

就目前来说，在停车场，系统只要识别到车牌就能够对用户车辆开闸放行。由于是无人值守，有少数用户为了减少自身车辆在停车场内停车费用的支出，会采取用手机显示车辆的车牌图像或者打印车辆车牌等措施来假冒月卡车辆进行逃费。

发明内容

本申请实施例提供了一种真假车牌的识别检测方法及系统，用于提高车辆真假车牌判断的准确性。

本申请在第一方面提供了一种真假车牌的识别检测方法，包括：

获取同一车辆的预检测车牌图像组；

判断所述预检测车牌图像组中的图像是否存在人体手部特征；

若是，则分别对所述人体手部特征设置关键点，并生成目标检测图像组；

从所述目标检测图像组中挑取第一目标检测图像；将所述第一目标检测图像通过目标模型生成检测结果，所述目标模型为学习样本集中车牌图像的中心点特征信息所训练得到的模型，所述检测结果为一个距离长度数值；

判断所述检测结果是否大于第一阈值；

若否，则统计所述目标检测图像组中图像车牌中心点与对应的关键点距离小于第二阈值的张数；

判断小于第二阈值的图像张数是否不小于所述目标检测图像组中图像总数的一半；

若是，则确定所述目标检测图像组中的车牌为伪车牌。

可选的，所述将所述第一目标检测图像通过目标模型生成检测结果之前，所述检测方法还包括：

通过摄像头获取历史车辆车牌图像数据；

通过所述历史车辆车牌图像数据获取车牌图像样本集，所述车牌图像样本集为设置有车牌中心点的样本集；

将所述车牌图像样本集的图像集中输入初始模型生成训练数据，所述初始模型为基于神经网络所建立的模型，所述训练数据为车辆车牌的中心点坐标数据；

根据所述训练数据判断车牌中心点的分布是否存在聚集区域；

若是，则确定所述初始模型为目标模型；

根据所述聚集区域确定区域中心点。

可选的，所述根据所述训练数据判断车牌中心点的分布是否存在聚集区域之后，所述检测方法还包括：

若否，则二次获取车牌图像样本集，进行步骤：将二次获取的车牌图像样本的图像集中输入初始模型生成训练数据，根据二次生成的训练数据判断车牌中心点的分布是否存在聚集区域。

可选的，所述获取同一车辆的预检测车牌图像组，包括：

通过摄像头获取同一车辆的包含预检测车牌信息的视频；