[发明专利]一种基于车牌识别的车辆识别系统及方法

说明书

本发明公开了一种基于车牌识别的车辆识别系统及方法，方法步骤如下：获取待检测前方车辆图像；利用训练好的改进的神经网络模型进行车牌特征提取，得到车牌特征框；根据车牌特征框寻找对应的车辆建议框；利用平均绝对差算法对车辆建议框进行匹配得到车辆特征框。本发明利用映射原理和特征点进行车辆建议框的寻找和利用平均绝对差算法进行车辆建议框的匹配得到车辆特征框来提高对前方车辆的识别准确率。

技术领域

本发明属于智能交通技术领域，具体涉及一种基于车牌识别的车辆识别系统及方法。

背景技术

近年来，随着深度学习和计算机硬件技术的飞速发展，目标检测技术在准确度和运算速度两个维度都取得了突破性进展，车辆检测技术也因此得以飞速发展。车辆检测技术基于车辆检测系统对前方车辆进行图像获取然后进行计算分析得到前方车辆的具体形状信息，根据前方车辆信息和当前路况制定行驶方案。因此车辆检测技术在车辆行驶过程中的是必不可少的。

目前常用的车辆检测技术的具体检测过程为：获取前方车辆的图像对整体车辆图像进行分析计算，得到前方车辆的具体形状信息。然而这种现有的车辆检测技术存在以下问题：

首先，因为前方车辆的整体图像尺寸较大，导致现有的车辆检测技术的检测速度不能很好的满足车辆在高速公路行驶过程中的使用；

其次，车辆在高速行驶速度中，危险系数较高，要求对前方车辆检测的准确度高同时在短时间内要进行大量车辆的检测，导致这种车辆检测技术不能很好地满足车辆在高速行驶过程中检测准确性的要求。

发明内容

针对于上述现有技术的不足，本发明的目的在于提供一种基于车牌识别的车辆识别系统及方法，以解决现有的车辆检测技术在车辆高速行驶过程中检测速度慢和检测准确性差的问题。

为达到上述目的，本发明采用的技术方案如下：

本发明的一种基于车牌识别的车辆识别系统，包括：图像检测装置、特征提取装置、信息发送装置、智能网联平台、信息接收装置、图像处理装置；

所述图像检测装置，用于检测前方车辆，并将前方车辆图像传输给特征提取装置；

所述特征提取装置，用于提取所述前方车辆图像的车牌特征，得到车牌特征框，并将所述车牌特征框传输给信息发送装置；

所述信息发送装置，用于将所述车牌特征框传输给智能网联平台；

所述智能网联平台，根据所述车牌特征框寻找车辆建议框，并将车辆建议框传输给信息接收装置；

所述信息接收装置，用于将所述车辆建议框传输给图像处理装置；

所述图像处理装置，根据所述车辆建议框得到车辆特征框。

进一步地，所述特征提取装置存储有训练好的改进的神经网络模型，用于提取图像的车牌特征框。

进一步地，所述神经网络模型为有锚定框的目标检测模型。

进一步地，所述特征提取装置利用K-means聚类算法对构建的车牌数据集通过聚类生成适合车牌数据集的车牌锚定框，利用生成的车牌锚定框对所述神经网络模型中的车辆锚定框进行替换得到改进的神经网络模型。

进一步地，所述利用K-means聚类算法对构建的车牌数据集x_i通过聚类生成适合车牌数据集的车牌锚定框具体步骤为：

(11)将车牌数据集分为n类(根据路段常见车牌尺寸数量确定，n≥2)；

(12)随机生成n个聚类中心y_i；

(13)计算每个点到聚类中心的距离，并聚类到离该点最近的聚类中心去；