[发明专利]一种用于公路治超的违法汽车特征识别方法

说明书

本发明公开了一种用于公路治超的违法汽车特征识别方法，涉及智慧交通技术领域。本发明包括如下步骤：步骤S1：高清摄像机对途经卡口的车辆进行拍摄；步骤S2：将采集到的车辆图像进行预处理；步骤S3：对预处理后的车辆进行形态学处理及车牌粗定位；步骤S4：对粗定位的车牌进行字符分割与识别；步骤S5：当车牌出现遮挡或造假时，对图片输入AlexNet卷积神经网络模型；步骤S6：卷积神经网络模型对车辆特征进行识别。本发明通过对过往车辆进行车牌以及车辆特征进行双重识别，对超重违法车辆进行确认，提高车辆特征识别的准确率。

技术领域

本发明属于智慧交通技术领域，特别是涉及一种用于公路治超的违法汽车特征识别方法。

背景技术

智能交通系统(IntelligentTransportationSystem,ITS)是未来交通系统的发展方向，其应用非常广泛，而智能交通系统中一项重要的技术为车辆特征识别技术。车辆特征识别包括车牌识别、车色识别、车系识别、车标识别、车型识别等，其可应用于电子警察、电子收费等应用系统中。

而目前车辆特征识别通常采用道路上方的卡扣对途经的车辆进行拍摄，然后对采集到的视频数据进行车辆特征识别，获取车辆特征信息，由于城市中大货车、土方车等大型车辆大多夜晚出没，且车速较快经常乱闯红路灯，但由于本身大型车辆上运输水泥石土灰尘角度，容易造成车牌被灰尘遮挡或覆盖，导致交通系统无法确定违法车辆，从而导致大型车辆上路更加肆无忌惮不遵守交通法规，使得获取的车辆信息获取不到或者准确率不足，无法对涉案车辆追求责任。

发明内容

本发明的目的在于提供一种用于公路治超的违法汽车特征识别方法，通过对过往车辆进行车牌以及车辆特征进行双重识别，对超重违法车辆进行确认，解决了现有的车辆识别困难、精准度不足问题。

为解决上述技术问题，本发明是通过以下技术方案实现的：

本发明为一种用于公路治超的违法汽车特征识别方法，包括如下步骤：

步骤S1：高清摄像机对途经卡口的车辆进行拍摄；

步骤S2：将采集到的车辆图像进行预处理；

步骤S3：对预处理后的车辆进行形态学处理及车牌粗定位；

步骤S4：对粗定位的车牌进行字符分割与识别；

步骤S5：当车牌出现遮挡或造假时，对图片输入AlexNet卷积神经网络模型；

步骤S6：卷积神经网络模型对车辆特征进行识别。

优选地，所述步骤S2中，预处理是将彩色车牌图像转换成灰度图像，将灰度图像进行直方图均衡高斯平衡处理，在对其中值滤波处理，使用Sobel算子对图像进行边缘检测。

优选地，所述Sobel算用以运算图像高亮函数的灰度近似值，计算过程为：

则：

式中，3*3矩阵为卷积因子；*为卷积；A为原始图像；G_x为横向边缘检测图像的灰度值；G_y为纵向边缘检测图像的灰度值；G为合并后的梯度；θ为梯度方向。

优选地，所述步骤S3中，车辆形态学处理包括二值腐蚀与膨胀和二值开闭运算；所述二值腐蚀与膨胀用于在开运算中消除照片中较小的区域，在闭运算便于轮廓的提取；高清摄像机拍摄的照片进行轮廓查找，根据国内车牌的面积和比例，从照片上提取出该车辆的车牌号码。

优选地，所述步骤S4中，车牌的字符分割与识别中，使用垂直投影来对字符宽高比进行限制来切割字符，使用神经网络来对车牌的字母和数字进行识别，使用二值化对汉字进行训练和识别。