[发明专利]一种交通视频监控中智能车牌清晰显示方法

说明书

技术领域

本发明涉及一种交通视频监控中智能车牌清晰显示方法，属于交通监控领域。

背景技术

20世纪80年代以来，随着我国国民经济的迅速发展，机动车辆规模及流量大幅度增加，全国机动车量年均增长15％以上，城市通路里程年均增长7.9％，涉车事件、案件成几何倍数增长，严重危害着人民群众的人身和财产安全，给国家造成了巨大的损失。20世纪90年代，相继开展了车辆识别系统的研究，21世纪始，研发多年的车牌照计算机自动识别技术出现，迅速在国内推广，被广泛应用于闯红灯、卡口、收费站、移动巡查、旅行时间统计等涉车的事件、案件、违规等方面查证，给涉车的违规、违法行为以沉重的打击。在实际交通环境中，通常会因抓拍的车辆成像太小而导致车牌不能识别或者识别精度较低。

发明内容

本发明目的是为了解决实际交通环境中，通常会因抓拍的车辆成像太小而导致车牌不能识别或者识别精度较低的问题，提供了一种交通视频监控中智能车牌清晰显示方法。

本发明所述一种交通视频监控中智能车牌清晰显示方法，该方法包括以下步骤：

步骤一、用摄像机实时扫描车流、选定违章的车辆作为训练目标；

步骤二、对采用步骤一方式获取的多个训练目标进行初始化训练，获取检测器模型；

步骤三、继续用摄像机实时扫描车流、选定违章的车辆作为检测目标，对检测目标的视频的每一帧图像采用跟踪器和检测器并行计算，获取检测目标的位置；

步骤四、计算检测目标的大小，控制云台转动和调整焦距，将检测目标放大，来清晰的显示车牌。

本发明的优点：

1、能够计算车辆大小的变化，并且控制相机对车辆放大。

2、当目标大小发生变化时，跟踪速度稳定。能清晰的显示车牌。

附图说明

图1是本发明所述一种交通视频监控中智能车牌清晰显示方法的总体流程图；

图2是本发明所述一种交通视频监控中智能车牌清晰显示方法的具体流程图；

图3是检测器的工作流程图；

图4是局部搜索示意图。

具体实施方式

具体实施方式一：下面结合图1和图2说明本实施方式，本实施方式所述一种交通视频监控中智能车牌清晰显示方法，该方法包括以下步骤：

步骤一、用摄像机实时扫描车流、选定违章的车辆作为训练目标；

步骤二、对采用步骤一方式获取的多个训练目标进行初始化训练，获取检测器模型；

步骤三、继续用摄像机实时扫描车流、选定违章的车辆作为检测目标，对检测目标的视频的每一帧图像采用跟踪器和检测器并行计算，获取检测目标的位置；

步骤四、计算检测目标的大小，控制云台转动和调整焦距，将检测目标放大，来清晰的显示车牌。

基本过程：首先选中(框出)违章的车辆；然后，让监控系统自主的跟踪(时刻框住)视频中的这个车辆；跟踪过程中计算目标大小，并通过相机控制对目标放大以看清车牌。

本方法有以下两个特点：

1、运用了目标匹配和模型更新一体化的并行机制计算车辆大小的变化，并且控制相机对车辆放大。

2、当目标大小发生变化时，由图3的局部搜索和图4的降采样匹配机制，跟踪速度稳定。

具体实施方式二：本实施方式对实施方式一作进一步说明，步骤一中用摄像机实时扫描车流、选定违章的车辆作为训练目标的过程为：

云台按设定转动位置和放缩倍数带动摄像机动作，实时扫描指定路段的车流，当发现车辆违章后，框选违章的车辆作为训练目标。

云台事先由操作者设定转动位置和放缩倍数，实时扫描指定路段的车流。

当有车辆违章后，由操作者框选违章的车辆(车辆不能小于40x40像素)。根据选定的车辆大小和设定的处理图像的实际目标大小(40-80像素)，对原图像进行下采样，使得下采样后的车辆大小限制在40-80像素，外面的局部搜索窗设定为120x120个像素。即后续输入到算法的图像大小一直是120x120。这样就使算法能达到匀速和实时了。

具体实施方式三：本实施方式对实施方式一或二作进一步说明，步骤二获取检测器模型的过程为：

将训练目标的所在区域分别进行尺度缩放、旋转、增加噪声，组成以随机森林分类器为训练器输入的正样本；