[发明专利]一种相似车牌提取方法及装置

说明书

本发明公开了一种相似车牌提取方法及装置，该方法将指定车牌分拆成字符串数组P_c，获取字符串数组P_c长度N，获取字符串数组P_c各车牌字符对应的相似字符及其相似值组成的第一相似字符矩阵P_e和第一相似值矩阵E_e；提取所述第一相似值矩阵E_e中每列的最大值，按其值从大到小排序组成数组E_es，根据数组E_es设置数组A₁,A₂,...,A_N；根据所述第一相似字符矩阵P_e和第一相似值矩阵E_e，依次计算k个车牌字符被错误识别的各种相似字符组合对应的概率值，分别放入数组A₁,A₂,...,A_N，直到数组A₁～A_k中元素数量满足相似车牌指定数量或计算结束，输出相似车牌。本发明的装置包括车牌分析模块、分区模块、计算模块和输出模块。本发明的方法和装置通过多重迭代来快速计算相似车牌，计算量小，具有较强的灵活性和扩展性。

技术领域

本发明属于数据识别技术领域，尤其涉及一种相似车牌提取方法及装置。

背景技术

随着智能交通建设的不断扩展，政府、公安、交警和普通群众往往能利用车牌信息从海量的过车数据中找到有效的记录，实现车辆的快速定位和查找。但是一方面车牌识别技术永远无法达到100％的准确性，另一方面人们的记忆总是存在着错误或遗漏的可能。因此很多时候用户往往无法确定需要查找的车牌信息是否正确，通过车牌相似算法，能帮助用户分析出和某个车牌相似程度最大的一组车牌信息，提高用户的查询效率。

现有技术中常利用字符串相似度算法(Levenshtein Distance)计算两个车牌之间的最小编辑距离，即计算由一个字符串转换成另一个字符串所需的最小编辑操作次数，通过遍历所有的车牌数据来找出最相似的一组车牌信息。Levenshtein Distance算法是对已知的两个车牌计算最小编辑距离，为找到和某个特定车牌相似程度最大的一组车牌信息，需要通过遍历所有车牌的方式才能实现，我国车牌一般是7位数，至少需要对1千万个车牌进行遍历，计算量大，无法做到实时性，因此使用较受限。

发明内容

本发明的目的是提供一种相似车牌提取方法及装置，通过不同字符之间的相似程度，来检测与某个指定车牌相似度最大的一组车牌信息，能有效降低车牌识别以及人为记忆造成的识别错误率。

为了实现上述目的，本发明技术方案如下：

一种相似车牌提取方法，用于根据指定车牌查找与其相似的车牌，包括步骤：

步骤1、将指定车牌分拆成字符串数组P_c，获取字符串数组P_c长度N，获取字符串数组P_c各车牌字符对应的相似字符及其相似值组成的第一相似字符矩阵P_e和第一相似值矩阵E_e；

步骤2、提取所述第一相似值矩阵E_e中每列的最大值，按其值从大到小排序组成数组E_es，根据数组E_es计算不同个数车牌字符被错误识别的最大概率值，组成最大值数组A，并根据最大值数组A元素间的范围依次划分相似区间，各相似区间分别对应数组A₁,A₂,...,A_N；