CN114037947A - 车辆识别方法及装置、存储介质及电子装置 - Google Patents

Abstract

本发明公开了一种车辆识别方法及装置、存储介质及电子装置，其中，上述方法包括：获取待检测的所有目标车辆的整体位置信息，其中，所述整体位置信息用于指示所述目标车辆的车体的整体位置；根据所述整体位置信息确定所述所有目标车辆是否位于预设的检测区域内；在所述目标车辆中存在指定车辆位于所述检测区域内的情况下，对所述指定车辆进行车辆识别。采用上述技术方案，解决了传统方法在出入口处对车辆进行识别的过程中，识别效果较差的问题。

Description

车辆识别方法及装置、存储介质及电子装置

技术领域

本发明涉及通信领域，具体而言，涉及一种车辆识别方法及装置、存储介质及电子装置。

背景技术

目前，随着家用汽车的日益增多，车辆识别是安防领域重要的一部分，在小区、园区和停车场等出入口地方，对车辆的准确、高效识别显得格外重要。传统的方案有依赖地感线圈、雷达等外设进行触发识别，但是，由于触发位置所监视到的车辆角度不佳，当园区和停车场出入口纵深较短时，会出现识别错误和无法识别等问题。也有使用卡片式、远距离蓝牙卡识别、全视频识别，其中，卡片式识别容易丢失卡片；远距离蓝牙识别需要用户配置蓝牙卡，成本高且不适于用于停车场、收费站等场所；而全视频识别在车流量大，干扰信息多的情况下，会出现前车遮挡后车和检测到经过出入口前方的非目标车辆的现象，这种现象会导致难以精准的检测到目标车辆，容易发生误检和漏检情况，需要人工再次核对；另外，对于一些出入口位置较为特殊的场景，例如同时双车道进入，一般需要双设备提供支持，这样增加了成本，再例如出口处正对停车区域，会造成误检的问题。这些情况的发生会严重影响进出效率，进而造成车辆堵塞等问题。因此，在小区、停车场等出入口处对进出车辆进行快速、高效、准确的识别十分重要。

针对相关技术，传统方法在出入口处对车辆进行识别的过程中，识别效果较差的问题，目前尚未提出有效的解决方案。

因此，有必要对相关技术予以改良以克服相关技术中的所述缺陷。

发明内容

本发明实施例提供了一种车辆识别方法及装置、存储介质及电子装置，以至少解决传统方法在出入口处对车辆进行识别的过程中，识别效果较差的问题。

根据本发明实施例的一方面，提供了一种车辆识别方法，包括：获取待检测的所有目标车辆的整体位置信息，其中，所述整体位置信息用于指示所述目标车辆的车体的整体位置；根据所述整体位置信息确定所述所有目标车辆是否位于预设的检测区域S内；在所述目标车辆中存在指定车辆位于所述检测区域内的情况下，对所述指定车辆进行车辆识别。

进一步地，根据所述整体位置信息确定所述所有目标车辆是否位于预设的检测区域内，包括：获取待检测的所有目标车辆的矩形位置框信息，其中，所述整体位置信息包括：所述矩形位置框信息；确定所述矩形位置框信息的底部中心点是否位于检测区域内，以确定所述所有目标车辆是否位于所述预设的检测区域内。

进一步地，确定所述矩形位置框信息的底部中心点是否位于检测区域内，包括：根据以下公式确定所述矩形位置框信息与所述检测区域的重叠率大小值rate：rate＝(R2.y＞R3.y)∧(R1.y＜R4.y)∧(R2.x＞R3.x)∧(R1.x＜R4.x)；其中，R1.x、R1.y、R2.x、R2.y代表所述矩形位置框信息的左上角横坐标、纵坐标和所述矩形位置框信息的右下角横坐标、纵坐标，R3.x、R3.y、R4.x和R4.y代表所述检测区域的左上角的横坐标、纵坐标和所述检测区域的右下角横坐标、纵坐标；根据所述重叠率大小值与预设阈值的大小关系确定所述矩形位置框信息的底部中心点是否位于检测区域内。

进一步地，根据所述重叠率大小值与预设阈值的大小关系确定所述矩形位置框信息的底部中心点是否位于检测区域内，包括：在所述重叠率大小值大于所述预设阈值的情况下，确定所述矩形位置框信息的底部中心点位于检测区域内；在所述重叠率大小值小于或等于所述预设阈值的情况下，确定所述矩形位置框信息的底部中心点未位于检测区域内。

进一步地，对所述指定车辆进行车辆识别，包括：通过车牌位置模型对所述指定车辆进行检测，以获取所述指定车辆的车牌位置信息；根据车辆属性检测模型对所述指定车辆进行检测，以获取所述指定车辆的车牌属性信息；根据所述车牌位置信息和所述车牌属性信息对所述指定车辆进行跟踪，以完成对所述指定车辆进行车辆识别。

进一步地，根据所述车牌位置信息和所述车牌属性信息对所述指定车辆进行跟踪，以完成对所述指定车辆进行车辆识别，包括：将所述车牌位置信息和所述车牌属性信息作为所述指定车辆的跟踪特征信息；将所述跟踪特征信息与获取到的所述指定车辆的第一图像信息进行匹配，以对所述指定车辆进行识别。

进一步地，对所述指定车辆进行车辆识别之后，所述方法还包括：检测所述指定车辆是否通过了预先设置的出入口检测线；在所述指定车辆已通过所述出入口检测线的情况下，获取所述指定车辆的第二图像信息；在所述第二图像信息指示所述指定车辆的车体超过所述出入口检测线的帧数大于预设阈值的情况下，保存对所述指定车辆进行车辆识别所得到的识别结果。

进一步地，检测所述指定车辆是否通过了预先设置的出入口检测线，包括：确定所述指定车辆的车体的底部中心点位置；在所述底部中心点位置通过所述出入口检测线的情况下，确定所述指定车辆通过了所述出入口检测线；在所述底部中心点位置未通过所述出入口检测线的情况下，确定所述指定车辆未通过所述出入口检测线。

进一步地，检测所述指定车辆是否通过了预先设置的出入口检测线，包括：根据以下公式确定比较值x：

其中，所述P1.x、P1.y、P2.x、P2.y分别为所述出入口检测线的两端横、纵坐标，P.x和P.y为所述指定车辆的车体的底部中心点横、纵坐标；在所述比较值x大于所述P.x的情况下，确定所述指定车辆通过了所述出入口检测线；在所述比较值x小于所述P.x的情况下，确定所述指定车辆未通过所述出入口检测线。

根据本发明实施例的另一方面，还提供了一种车辆识别装置，包括：获取模块，用于获取待检测的所有目标车辆的整体位置信息，其中，所述整体位置信息用于指示所述目标车辆的车体的整体位置；确定模块，用于根据所述整体位置信息确定所述所有目标车辆是否位于预设的检测区域内；识别模块，用于在所述目标车辆中存在指定车辆位于所述检测区域内的情况下，对所述指定车辆进行车辆识别。

进一步地，所述确定模块还用于获取待检测的所有目标车辆的矩形位置框信息，其中，所述整体位置信息包括：所述矩形位置框信息；确定所述矩形位置框信息的底部中心点是否位于检测区域内，以确定所述所有目标车辆是否位于所述预设的检测区域内。

根据本发明实施例的又一方面，还提供了一种计算机可读的存储介质，该计算机可读的存储介质中存储有计算机程序，其中，该计算机程序被设置为运行时执行上述车辆识别方法。

根据本发明实施例的又一方面，还提供了一种电子装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，上述处理器通过计算机程序执行上述车辆识别方法。

通过本发明，获取待检测的所有目标车辆的整体位置信息，并根据整体位置信息确定所有目标车辆是否位于预设的检测区域内，在目标车辆中存在指定车辆位于检测区域内的情况下，对指定车辆进行车辆识别。也就是说，通过获取待检测区域的目标车辆的整体位置信息，根据整体位置信息确定目标车辆中存在指定车辆位于检测区域内的情况下，才对指定车辆进行车辆识别。采用上述技术方案，解决了传统方法在出入口处对车辆进行识别的过程中，识别效果较差的问题。进而可以在小区、停车场等出入口处对进出车辆进行快速、高效、准确的识别。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示例性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1是本发明实施例的车辆识别方法的计算机终端的硬件结构框图；

图2是根据本发明实施例的车辆识别方法的流程图(一)；

图3是根据本发明实施例的车辆识别方法的流程图(二)；

图4是根据本发明实施例的车辆识别方法的流程图(三)；

图5是根据本发明实施例的车辆识别方法的流程图(四)；

图6是根据本发明实施例的车辆识别方法的流程图(五)；

图7是根据本发明实施例的车辆识别方法的整体流程图；

图8是根据本发明实施例的车辆识别装置的结构框图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

本申请实施例中所提供的方法实施例可以在计算机终端或者类似的运算装置中执行。以运行在计算机终端上为例，图1是本发明实施例的车辆识别方法的计算机终端的硬件结构框图。如图1所示，计算机终端可以包括一个或多个(图1中仅示出一个)处理器102(处理器102可以包括但不限于微处理器(Microprocessor Unit，简称是MPU)或可编程逻辑器件(Programmable logic device，简称是PLD))和用于存储数据的存储器104，在一个示例性实施例中，上述计算机终端还可以包括用于通信功能的传输设备106以及输入输出设备108。本领域普通技术人员可以理解，图1所示的结构仅为示意，其并不对上述计算机终端的结构造成限定。例如，计算机终端还可包括比图1中所示更多或者更少的组件，或者具有与图1所示等同功能或比图1所示功能更多的不同的配置。

存储器104可用于存储计算机程序，例如，应用软件的软件程序以及模块，如本发明实施例中的车辆识别方法对应的计算机程序，处理器102通过运行存储在存储器104内的计算机程序，从而执行各种功能应用以及数据处理，即实现上述的方法。存储器104可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器104可进一步包括相对于处理器102远程设置的存储器，这些远程存储器可以通过网络连接至计算机终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

传输装置106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括计算机终端的通信供应商提供的无线网络。在一个实例中，传输装置106包括一个网络适配器(Network Interface Controller，简称为NIC)，其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输装置106可以为射频(Radio Frequency，简称为RF)模块，其用于通过无线方式与互联网进行通讯。

在本实施例中提供了一种车辆识别方法，图2是根据本发明实施例的车辆识别方法的流程图(一)，该流程包括如下步骤：

步骤S202，获取待检测的所有目标车辆的整体位置信息，其中，所述整体位置信息用于指示所述目标车辆的车体的整体位置；

需要说明的是，上述所有目标车辆可以理解为图像采集装置在采集范围内可以采集到的所有车辆，通过图像采集装置采集目标车辆的信息，进而确定目标车辆的整体位置信息。

步骤S204，根据所述整体位置信息确定所述所有目标车辆是否位于预设的检测区域内；

需要说明的是，预设的检测区域可以理解为预设的矩形区域。

步骤S206，在所述目标车辆中存在指定车辆位于所述检测区域内的情况下，对所述指定车辆进行车辆识别。

通过上述步骤，获取待检测的所有目标车辆的整体位置信息，并根据整体位置信息确定所有目标车辆是否位于预设的检测区域内，在目标车辆中存在指定车辆位于检测区域内的情况下，对指定车辆进行车辆识别。也就是说，通过获取待检测区域的目标车辆的整体位置信息，根据整体位置信息确定目标车辆中存在指定车辆位于检测区域内的情况下，才对指定车辆进行车辆识别。采用上述技术方案，解决了传统方法在出入口处对车辆进行识别的过程中，识别效果较差的问题。进而可以在小区、停车场等出入口处对进出车辆进行快速、高效、准确的识别。

需要说明的是，上述步骤由于判断了车辆位置是否在预设的检测区域，排除了出入口附近停泊的车辆和过往车辆，即排除干扰信息，提升了检测准确率。

在一个可选的实施例中，上述根据整体位置信息确定所有目标车辆是否位于预设的检测区域内，可以通过以下方式实现：获取待检测的所有目标车辆的矩形位置框信息，其中，所述整体位置信息包括：所述矩形位置框信息；确定所述矩形位置框信息的底部中心点是否位于检测区域内，以确定所述所有目标车辆是否位于所述预设的检测区域内。

需要说明的是，上述目标车辆具体在计算机中可以是以图像的方式呈现，进而可以先从包括所有目标车辆的图像中确定所有目标车辆的矩形位置框信息，随后确定所有目标车辆的矩形位置框信息的底部中心点，判断目标车辆的矩阵位置框信息的底部中心点是否位于检测区域内，如果在，则确定目标车辆位于预设的检测区域中，进而继续对目标车辆进行检测，如果不在，则确定目标车辆不在预设的检测区域中，不再对目标车辆进行检测。

进一步地，通过以下方式确定所述矩形位置框信息的底部中心点是否位于检测区域内：根据以下公式确定所述矩形位置框信息与所述检测区域的重叠率大小值rate：rate＝(R2.y＞R3.y)∧(R1.y＜R4.y)∧(R2.x＞R3.x)∧(R1.x＜R4.x)；其中，R1.x、R1.y、R2.x、R2.y代表所述矩形位置框信息的左上角横坐标、纵坐标和所述矩形位置框信息的右下角横坐标、纵坐标，R3.x、R3.y、R4.x和R4.y代表所述检测区域的左上角的横坐标、纵坐标和所述检测区域的右下角横坐标、纵坐标；根据所述重叠率大小值与预设阈值的大小关系确定所述矩形位置框信息的底部中心点是否位于检测区域内。

也就是说，根据矩形位置框信息的左上角横坐标、纵坐标和所述矩形位置框信息的右下角横坐标、纵坐标以及所述检测区域的左上角的横坐标、纵坐标和所述检测区域的右下角横坐标、纵坐标确定所述矩形位置框信息与所述检测区域的重叠率，在确定所述矩形位置框信息与所述检测区域的重叠率的情况下，将所述重叠率与预设阈值进行比较，在所述重叠率大小值大于所述预设阈值的情况下，确定所述矩形位置框信息的底部中心点位于检测区域内；在所述重叠率大小值小于或等于所述预设阈值的情况下，确定所述矩形位置框信息的底部中心点未位于检测区域内。

进一步地，通过以下步骤对指定车辆进行车辆识别：

步骤一：通过车牌位置模型对所述指定车辆进行检测，以获取所述指定车辆的车牌位置信息；

步骤二：根据车辆属性检测模型对所述指定车辆进行检测，以获取所述指定车辆的车牌属性信息；

需要说明的是，上述车牌属性信息包括：车牌号码、车牌颜色、车牌类别。

步骤三：根据所述车牌位置信息和所述车牌属性信息对所述指定车辆进行跟踪，以完成对所述指定车辆进行车辆识别。

也就是说，如果确定指定车辆进行识别，则需要通过车牌位置模型先对指定的车辆进行检测，确定指定车辆的车牌位置信息，进而车辆属性检测模型从车牌位置信息中确定指定车辆的车牌属性信息，随后才可以根据车牌位置信息和车牌的属性信息车辆进行跟踪识别。

为了更好的理解，根据车牌位置信息和车牌属性信息对指定车辆进行跟踪，以完成对指定车辆进行车辆识别，具体的：将所述车牌位置信息和所述车牌属性信息作为所述指定车辆的跟踪特征信息；将所述跟踪特征信息与获取到的所述指定车辆的第一图像信息进行匹配，以对所述指定车辆进行识别。

也就是说，将车辆的车牌位置信息和车牌属性信息可以唯一的确定一个车辆，进而可两者一起可以作为车辆的跟踪特征信息，从而根据跟踪特征信息对指定的车辆进行识别。

需要说明的是，在执行完上述步骤S206以后，还需要检测所述指定车辆是否通过了预先设置的出入口检测线；在所述指定车辆已通过所述出入口检测线的情况下，获取所述指定车辆的第二图像信息；在所述第二图像信息指示所述指定车辆的车体超过所述出入口检测线的帧数大于预设阈值的情况下，保存对所述指定车辆进行车辆识别所得到的识别结果。

也就是说，在第二图像信息指示指定车辆的车体超过出入口检测线的帧数大于预设阈值的情况下，就可以保存对车辆的识别结果，采用上述方式，通过判断车辆位置是否过了检测线，进而对经过出入口前方，但是未进入出入口的车辆不做检测和结果输出，排除了干扰信息。又由于检测到目标车辆后，当检测目标车辆到达检测线的帧数大于预设阈值，则该帧保存一次结果，并对后续出现相同目标车辆的图像帧仅做目标检测，不做后续分析，节省了检测时间，提升了检测效率。

进一步地，上述检测指定车辆是否通过了预先设置的出入口检测线，在一个可选的实施例中，可以通过以下方式实现：确定所述指定车辆的车体的底部中心点位置；在所述底部中心点位置通过所述出入口检测线的情况下，确定所述指定车辆通过了所述出入口检测线；在所述底部中心点位置未通过所述出入口检测线的情况下，确定所述指定车辆未通过所述出入口检测线。

也就是说，需要根据确定指定车辆的车体底部中心位置，根据车体底部中心位置来确定指定车辆是否通过了出入口检测线。

进一步地，检测所述指定车辆是否通过了预先设置的出入口检测线，包括：根据以下公式确定比较值x：

其中，所述P1.x、P1.y、P2.x、P2.y分别为所述出入口检测线的两端横、纵坐标，P.x和P.y为所述指定车辆的车体的底部中心点横、纵坐标；在所述比较值x大于所述P.x的情况下，确定所述指定车辆通过了所述出入口检测线；在所述比较值x小于所述P.x的情况下，确定所述指定车辆未通过所述出入口检测线。

换言之，通过出入口检测线的两端横、纵坐标以及指定车辆的车体的底部中心点横、纵坐标确定对应的比较值。

显然，上述所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。为了更好的理解上述车辆识别方法，以下结合实施例对上述过程进行说明，但不用于限定本发明实施例的技术方案，具体地：

在一个可选的实施例中，图3是根据本发明实施例的车辆识别方法的流程图(二)，用于获取车辆的图像的矩形位置信息，具体步骤如下：

步骤S302：获取车辆原始图像信息；

步骤S304：对每帧图像进行目标检测；

步骤S306：获取图像中的目标矩形位置信息。

具体的，获取出入口区域采集到的车辆原始图像，利用车辆检测模型对每帧图像进行检测，得到图像中的所有检测目标车辆(相当于上述实施例中的目标车辆)，并获取到所有检测目标车辆的矩形位置框信息。

图4是根据本发明实施例的车辆识别方法的流程图(三)，用于检测目标车辆是否在检测区域内，具体步骤如下：

步骤S402：获取检测目标的矩形位置底部中心点；

步骤S404：判断底部中心点是否位于预设的检测区域内；

步骤S406：获取检测目标的矩形位置底部中心点；

步骤S408：继续进行下一步检测。

具体的，基于步骤S302-步骤S306的所有检测目标车辆的矩形位置框信息判断检测目标是否在检测区域S内，其中，检测区域S为预设定的矩形区域，通过设置区域位置可以判断检测到的车辆是否为目标车辆，判断手段为目标的矩形位置底部中心点是否在所述检测区域S内，若不在，则放弃对这帧图像检测。

需要说明的是，上述图3和图4中的步骤，通过对采集到的图像进行目标检测，得到每帧图像中的目标车辆的位置，通过判断目标车辆的位置是否在预设定的检测区域内，来决定是否继续下一步检测。若不在，在则放弃当前帧的检测，若在，则继续下一步。由于判断了车辆位置是否在检测区域，排除了出入口附近停泊的车辆和过往车辆，即排除干扰信息，提升了检测准确率。

进一步地，图5是根据本发明实施例的车辆识别方法的流程图(四)，用于获取目标车辆的车牌位置和车牌属性，具体步骤如下：

步骤S502：利用车牌检测模型对目标进行车牌位置检测；

步骤S504：基于车牌位置，获取车牌图像；

步骤S506：对车牌图像进行检测，获取车牌属性。

也就是说，如果目标车辆在检测区域，则继续对目标车辆的车牌位置进行检测，利用车牌位置检测模型对检测到目标车辆进行检测，获取到目标车辆的车牌位置信息，进一步的，对检测到的车牌位置中的车牌进行属性检测，利用车牌属性检测模型对车牌位置信息中的图像进行检测，其中，检测结果属性包括但不局限于车牌号码、车牌颜色、车牌类别等，获取到目标车辆的车牌属性信息。

需要说明的是，确定了车辆的车牌位置信息与车牌属性信息以后，还需要对检测到的车辆位置信息和车牌属性信息进行跟踪，若未检测到车牌属性信息，则只对车辆位置信息进行跟踪，首先判断当前检测目标是否已保存，若已保存，则放弃对当前帧的检测，若未保存，则继续下一步检测，将车辆位置信息和车牌属性信息作为目标车辆的特征信息，将所述特征信息与已获取到的图像进行匹配，跟踪所述目标车辆。

图6是根据本发明实施例的车辆识别方法的流程图(五)，用于判断目标车辆是否进入检测线，具体步骤如下：

步骤S602：获取车辆位置信息和车牌属性信息，进行车辆跟踪；

步骤S604：判断是否已有当前帧结果；

步骤S606：放弃对当前帧的检测；

步骤S608：判断车辆位置是否到预设出入口检测线；

步骤S610：继续跟踪，直到出检测区域或进入检测线；

步骤S612：保存当前帧结果，完成该车辆的识别。

也就是说，通过车辆位置信息和车牌属性信息进行车辆的跟踪，跟踪判断车辆位置是否到出入口检测线，通过判断车辆位置的底部中心点位置是否到达出入口检测线，若未到，则不保存结果，若车辆位置过了预设定的检测线，则通过判断检测目标到达入口检测线的帧数是否达到预设的阈值，若达到，则保存当前结果，并放弃当前跟踪目标的接下来的检测，完成对出入口进出车辆的识别，若未达到，则继续下一轮的检测。由于判断了车辆位置是否过了检测线，经过出入口前方车辆，但是未进入出入口的车辆不做检测和结果输出，即排除了干扰信息。又由于检测到目标车辆后，当检测目标到达检测线帧数大于预设阈值，则该帧保存一次结果，并对后续出现相同目标车辆的图像帧仅做目标检测，不做后续分析，节省了检测时间，提升了检测效率。

图7是根据本发明实施例的车辆识别方法的整体流程图，具体步骤如下：

步骤S702：获取车辆原始图像信息；

步骤S704：获取车辆目标矩形位置框信息；

步骤S706：获取车牌位置和属性信息；

步骤S708：基于车辆和车牌特征对目标进行跟踪；

步骤S710：完成出入口的车辆识别。

也就是说，通过图像采集装置采集车辆原始图像信息，进而根据原始图像信息确定目标车辆的矩形位置框信息，通过目标车辆的矩形位置框信息确定存在指定车辆在检测区域内的情况下，对指定车辆进行车辆识别，获取指定车辆的车牌位置信息和车牌属性信息，将车辆的车牌位置信息和车牌属性信息确定为车辆的车牌特征，进而通过车辆的车牌特征对指定车辆进行跟踪，从而完成出入口的车辆识别。

需要说明的是，由于本实施例通过预先设置检测区域，对检测区域外的车辆进行过滤，可以有效地排除干扰信息。进一步的，通过预先设置检测线，可以减少检测时间，进一步降低干扰信息影响，提高检测精度。进一步的，通过设置检测区域和检测线，对出入口检测的装置位置、角度等限制就宽松很多。因此，通过上述方式可以提高出入口车辆识别检测效率、准确性和降低因环境信息引起的干扰。

此外，本实施例上述技术方案，基于车辆检测模型获取当前帧中所有的检测车辆的矩形位置，判断矩形位置的底部中心点是否在预设的检测区域内，对图像中的车辆进行筛选，把不在检测区域内的车辆过滤，减少后续对该目标的进一步识别跟踪操作，减少检测耗时，提高了检测效率。同时也降低了干扰信息的影响，提高了检测精度。同时，基于检测到的车辆位置信息和车牌属性信息对目标进行跟踪，跟踪判断车辆位置是否到达出入口检测线，通过判断车辆位置的底部中心点位置是否到达出入口检测线决定是否保存当前识别结果，排除了出入口场景中双车道的影响。同时只要确定目标通过检测线，可以继续下一个目标的检测，当前目标检测结束，减少了识别时间。快速的获取到车辆和车牌信息，无需依赖辅识别模型二次识别分析。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例的方法。

在本实施例中还提供了一种车辆识别装置，该装置用于实现上述实施例及优选实施方式，已经进行过说明的不再赘述。如以下所使用的，术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的设备较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。

图8是根据本发明实施例的车辆识别装置的结构框图，该装置包括：

获取模块82，用于获取待检测的所有目标车辆的整体位置信息，其中，所述整体位置信息用于指示所述目标车辆的车体的整体位置；

确定模块84，用于根据所述整体位置信息确定所述所有目标车辆是否位于预设的检测区域内；

识别模块86，用于在所述目标车辆中存在指定车辆位于所述检测区域内的情况下，对所述指定车辆进行车辆识别。

通过上述模块，获取待检测的所有目标车辆的整体位置信息，并根据整体位置信息确定所有目标车辆是否位于预设的检测区域内，在目标车辆中存在指定车辆位于检测区域内的情况下，对指定车辆进行车辆识别。也就是说，通过获取待检测区域的目标车辆的整体位置信息，根据整体位置信息确定目标车辆中存在指定车辆位于检测区域内的情况下，才对指定车辆进行车辆识别。采用上述技术方案，解决了传统方法在出入口处对车辆进行识别的过程中，识别效果较差的问题。进而可以在小区、停车场等出入口处对进出车辆进行快速、高效、准确的识别。

可选的，确定模块84还用于获取待检测的所有目标车辆的矩形位置框信息，其中，所述整体位置信息包括：所述矩形位置框信息；确定所述矩形位置框信息的底部中心点是否位于检测区域内，以确定所述所有目标车辆是否位于所述预设的检测区域内。

可选地，确定模块84还用于根据以下公式确定所述矩形位置框信息与所述检测区域的重叠率大小值rate：rate＝(R2.y＞R3.y)∧(R1.y＜R4.y)∧(R2.x＞R3.x)∧(R1.x＜R4.x)；其中，R1.x、R1.y、R2.x、R2.y代表所述矩形位置框信息的左上角横坐标、纵坐标和所述矩形位置框信息的右下角横坐标、纵坐标，R3.x、R3.y、R4.x和R4.y代表所述检测区域的左上角的横坐标、纵坐标和所述检测区域的右下角横坐标、纵坐标；根据所述重叠率大小值与预设阈值的大小关系确定所述矩形位置框信息的底部中心点是否位于检测区域内。

可选的，确定模块84还用于在所述重叠率大小值大于所述预设阈值的情况下，确定所述矩形位置框信息的底部中心点位于检测区域内；在所述重叠率大小值小于或等于所述预设阈值的情况下，确定所述矩形位置框信息的底部中心点未位于检测区域内。

可选的，识别模块86还用于通过车牌位置模型对所述指定车辆进行检测，以获取所述指定车辆的车牌位置信息；根据车辆属性检测模型对所述指定车辆进行检测，以获取所述指定车辆的车牌属性信息；根据所述车牌位置信息和所述车牌属性信息对所述指定车辆进行跟踪，以完成对所述指定车辆进行车辆识别。

可选的，识别模块86还用于将所述车牌位置信息和所述车牌属性信息作为所述指定车辆的跟踪特征信息；将所述跟踪特征信息与获取到的所述指定车辆的第一图像信息进行匹配，以对所述指定车辆进行识别。

可选的，识别模块86还用于检测所述指定车辆是否通过了预先设置的出入口检测线；在所述指定车辆已通过所述出入口检测线的情况下，获取所述指定车辆的第二图像信息；在所述第二图像信息指示所述指定车辆的车体超过所述出入口检测线的帧数大于预设阈值的情况下，保存对所述指定车辆进行车辆识别所得到的识别结果。

可选的，识别模块86还用于确定所述指定车辆的车体的底部中心点位置；在所述底部中心点位置通过所述出入口检测线的情况下，确定所述指定车辆通过了所述出入口检测线；在所述底部中心点位置未通过所述出入口检测线的情况下，确定所述指定车辆未通过所述出入口检测线。

可选的，识别模块86还用于根据以下公式确定比较值x：

其中，所述P1.x、P1.y、P2.x、P2.y分别为所述出入口检测线的两端横、纵坐标，P.x和P.y为所述指定车辆的车体的底部中心点横、纵坐标；在所述比较值x大于所述P.x的情况下，确定所述指定车辆通过了所述出入口检测线；在所述比较值x小于所述P.x的情况下，确定所述指定车辆未通过所述出入口检测线。

需要说明的是，上述各个模块是可以通过软件或硬件来实现的，对于后者，可以通过以下方式实现，但不限于此：上述模块均位于同一处理器中；或者，上述各个模块以任意组合的形式分别位于不同的处理器中。

本发明的实施例还提供了一种计算机可读的存储介质，该存储介质中存储有计算机程序，其中，该计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。

可选地，在本实施例中，上述存储介质可以被设置为存储用于执行以下步骤的计算机程序：

S1，获取待检测的所有目标车辆的整体位置信息，其中，所述整体位置信息用于指示所述目标车辆的车体的整体位置；

S2，根据所述整体位置信息确定所述所有目标车辆是否位于预设的检测区域内；

S3，在所述目标车辆中存在指定车辆位于所述检测区域内的情况下，对所述指定车辆进行车辆识别。

在一个示例性实施例中，上述计算机可读存储介质可以包括但不限于：U盘、只读存储器(Read-Only Memory，简称为ROM)、随机存取存储器(Random Access Memory，简称为RAM)、移动硬盘、磁碟或者光盘等各种可以存储计算机程序的介质。

本实施例中的具体示例可以参考上述实施例及示例性实施方式中所描述的示例，本实施例在此不再赘述。

本发明的实施例还提供了一种电子装置，包括存储器和处理器，该存储器中存储有计算机程序，该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。

可选地，在本实施例中，上述处理器可以被设置为通过计算机程序执行以下步骤：

S1，获取待检测的所有目标车辆的整体位置信息，其中，所述整体位置信息用于指示所述目标车辆的车体的整体位置；

S2，根据所述整体位置信息确定所述所有目标车辆是否位于预设的检测区域内；

S3，在所述目标车辆中存在指定车辆位于所述检测区域内的情况下，对所述指定车辆进行车辆识别。

在一个示例性实施例中，上述电子装置还可以包括传输设备以及输入输出设备，其中，该传输设备和上述处理器连接，该输入输出设备和上述处理器连接。

本实施例中的具体示例可以参考上述实施例及示例性实施方式中所描述的示例，本实施例在此不再赘述。

显然，本领域的技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，并且在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (13)

1.一种车辆识别方法，其特征在于，包括：

获取待检测的所有目标车辆的整体位置信息，其中，所述整体位置信息用于指示所述目标车辆的车体的整体位置；

根据所述整体位置信息确定所述所有目标车辆是否位于预设的检测区域内；

在所述目标车辆中存在指定车辆位于所述检测区域内的情况下，对所述指定车辆进行车辆识别。

2.根据权利要求1所述的车辆识别方法，其特征在于，根据所述整体位置信息确定所述所有目标车辆是否位于预设的检测区域内，包括：

获取待检测的所有目标车辆的矩形位置框信息，其中，所述整体位置信息包括：所述矩形位置框信息；

确定所述矩形位置框信息的底部中心点是否位于检测区域内，以确定所述所有目标车辆是否位于所述预设的检测区域内。

3.根据权利要求2所述的车辆识别方法，其特征在于，确定所述矩形位置框信息的底部中心点是否位于检测区域内，包括：

根据以下公式确定所述矩形位置框信息与所述检测区域的重叠率大小值rate：

rate＝(R2.y＞R3.y)∧(R1.y＜R4.y)∧(R2.x＞R3.x)∧(R1.x＜R4.x)；其中，R1.x、R1.y、R2.x、R2.y代表所述矩形位置框信息的左上角横坐标、纵坐标和所述矩形位置框信息的右下角横坐标、纵坐标，R3.x、R3.y、R4.x和R4.y代表所述检测区域的左上角的横坐标、纵坐标和所述检测区域的右下角横坐标、纵坐标；

根据所述重叠率大小值与预设阈值的大小关系确定所述矩形位置框信息的底部中心点是否位于检测区域内。

4.根据权利要求3所述的车辆识别方法，其特征在于，根据所述重叠率大小值与预设阈值的大小关系确定所述矩形位置框信息的底部中心点是否位于检测区域内，包括：

在所述重叠率大小值大于所述预设阈值的情况下，确定所述矩形位置框信息的底部中心点位于检测区域内；

在所述重叠率大小值小于或等于所述预设阈值的情况下，确定所述矩形位置框信息的底部中心点未位于检测区域内。

5.根据权利要求1所述的车辆识别方法，其特征在于，对所述指定车辆进行车辆识别，包括：

通过车牌位置模型对所述指定车辆进行检测，以获取所述指定车辆的车牌位置信息；

根据车辆属性检测模型对所述指定车辆进行检测，以获取所述指定车辆的车牌属性信息；

根据所述车牌位置信息和所述车牌属性信息对所述指定车辆进行跟踪，以完成对所述指定车辆进行车辆识别。

6.根据权利要求5所述的车辆识别方法，其特征在于，根据所述车牌位置信息和所述车牌属性信息对所述指定车辆进行跟踪，以完成对所述指定车辆进行车辆识别，包括：

将所述车牌位置信息和所述车牌属性信息作为所述指定车辆的跟踪特征信息；

将所述跟踪特征信息与获取到的所述指定车辆的第一图像信息进行匹配，以对所述指定车辆进行识别。

7.根据权利要求1所述的车辆识别方法，其特征在于，对所述指定车辆进行车辆识别之后，所述方法还包括：

检测所述指定车辆是否通过了预先设置的出入口检测线；

在所述指定车辆已通过所述出入口检测线的情况下，获取所述指定车辆的第二图像信息；

在所述第二图像信息指示所述指定车辆的车体超过所述出入口检测线的帧数大于预设阈值的情况下，保存对所述指定车辆进行车辆识别所得到的识别结果。

8.根据权利要求7所述的车辆识别方法，其特征在于，检测所述指定车辆是否通过了预先设置的出入口检测线，包括：

确定所述指定车辆的车体的底部中心点位置；

在所述底部中心点位置通过所述出入口检测线的情况下，确定所述指定车辆通过了所述出入口检测线；

在所述底部中心点位置未通过所述出入口检测线的情况下，确定所述指定车辆未通过所述出入口检测线。

9.根据权利要求7所述的车辆识别方法，其特征在于，检测所述指定车辆是否通过了预先设置的出入口检测线，包括：

根据以下公式确定比较值x：

其中，所述P1.x、P1.y、P2.x、P2.y分别为所述出入口检测线的两端横、纵坐标，P.x和P.y为所述指定车辆的车体的底部中心点横、纵坐标；

在所述比较值x大于所述P.x的情况下，确定所述指定车辆通过了所述出入口检测线；

在所述比较值x小于所述P.x的情况下，确定所述指定车辆未通过所述出入口检测线。

10.一种车辆识别装置，其特征在于，包括：

获取模块，用于获取待检测的所有目标车辆的整体位置信息，其中，所述整体位置信息用于指示所述目标车辆的车体的整体位置；

确定模块，用于根据所述整体位置信息确定所述所有目标车辆是否位于预设的检测区域内；

识别模块，用于在所述目标车辆中存在指定车辆位于所述检测区域内的情况下，对所述指定车辆进行车辆识别。

11.根据权利要求10所述的车辆识别装置，其特征在于，所述确定模块还用于获取待检测的所有目标车辆的矩形位置框信息，其中，所述整体位置信息包括：所述矩形位置框信息；确定所述矩形位置框信息的底部中心点是否位于检测区域内，以确定所述所有目标车辆是否位于所述预设的检测区域内。

12.一种计算机可读的存储介质，其特征在于，所述计算机可读的存储介质包括存储的程序，其中，所述程序运行时执行上述权利要求1至10任一项中所述的方法。

13.一种电子装置，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为通过所述计算机程序执行所述权利要求1至10任一项中所述的方法。

Images