本申請涉及圖像處理技術(shù)領(lǐng)域，特別涉及應(yīng)用于充電樁的一種車牌號碼識別方法、裝置及一種充電樁。

背景技術(shù)：

隨著電動汽車產(chǎn)業(yè)的大規(guī)模發(fā)展，電動汽車的應(yīng)用也逐漸開始普及。電動汽車的普及過程中，較為關(guān)鍵的環(huán)節(jié)是充電設(shè)備的普及。目前，電動汽車產(chǎn)業(yè)提出了適合電動汽車使用的充電設(shè)備稱為充電樁，而充電樁的普及使用，面臨地最大問題是如何以較低成本，實現(xiàn)快速識別車輛身份？

目前，常用的車輛身份識別方法是基于圖像處理算法識別車牌號碼，這種方法廣泛應(yīng)用于道路交通收費站、停車場收費站等地方，這種方法主要通過捕捉在某一固定位置的車輛圖片，使用圖像識別算法檢測該汽車圖片中汽車號牌。這種方法的應(yīng)用需要在實地場地部署觸發(fā)設(shè)備，例如：刷卡機、攔截桿、地下線圈等實體設(shè)備。

技術(shù)實現(xiàn)要素：

本申請所要解決的技術(shù)問題是提供一種車牌號碼識別方法，很好地適用于充電樁的應(yīng)用場景中，既能夠減少識別成本，又能夠提高識別結(jié)果的可靠性。

另外，本申請還提供一種車牌號碼識別裝置和一種充電樁，以保證上述方法在實際中的實現(xiàn)以及應(yīng)用。

在本申請第一方面提供了一種車牌號碼識別方法，所述方法包括：

確定充電樁的感興趣區(qū)域，對所述感興趣區(qū)域進行背景建模得到背景模型；

根據(jù)所述背景模型，對一幀車輛圖片進行前景檢測得到目標前景區(qū)域，所述目標前景區(qū)域是指檢測到的前景區(qū)域尺寸大于預(yù)設(shè)尺寸閾值的區(qū)域；

根據(jù)所述目標前景區(qū)域，獲取所述一幀車輛圖片中的車牌識別區(qū)域；

根據(jù)所述車牌識別區(qū)域，識別得到所述一幀車輛圖片對應(yīng)的識別號碼；

獲取至少兩幀車輛圖片各自對應(yīng)的識別號碼，其中，一幀車輛圖片對應(yīng)一個識別號碼；

根據(jù)至少兩個識別號碼，確定車牌號碼。

在本申請第二方面提供了一種車輛號牌識別裝置，所述裝置包括：

背景模型建立模塊，用于確定充電樁的感興趣區(qū)域，對所述感興趣區(qū)域進行背景建模得到背景模型；

目標前景區(qū)域檢測模塊，用于根據(jù)所述背景模型，對一幀車輛圖片進行前景檢測得到目標前景區(qū)域，所述目標前景區(qū)域是指檢測到的前景區(qū)域尺寸大于預(yù)設(shè)尺寸閾值的區(qū)域；

車牌識別區(qū)域獲取模塊，用于根據(jù)所述目標前景區(qū)域，獲取所述一幀車輛圖片中的車牌識別區(qū)域；

識別模塊，用于根據(jù)所述車牌識別區(qū)域，識別得到所述一幀車輛圖片對應(yīng)的識別號碼；

獲取識別號碼模塊，用于獲取至少兩幀車輛圖片各自對應(yīng)的識別號碼，其中，一幀車輛圖片對應(yīng)一個識別號碼；

車牌號碼確定模塊，用于根據(jù)至少兩個識別號碼，確定車牌號碼。

在本申請第三方面提供了一種充電樁，所述充電樁包括：

攝像頭、第一處理芯片、第二處理芯片；所述攝像頭與所述第一處理芯片相通信，所述第一處理芯片與所述第二處理芯片相通信；

所述攝像頭，用于拍攝得到至少兩幀車輛圖片；

所述第一處理芯片，用于確定充電樁的感興趣區(qū)域，對所述感興趣區(qū)域進行背景建模得到背景模型；根據(jù)所述背景模型，對一幀車輛圖片進行前景檢測得到目標前景區(qū)域，所述目標前景區(qū)域是指檢測到的前景區(qū)域尺寸大于預(yù)設(shè)尺寸閾值的區(qū)域；根據(jù)所述目標前景區(qū)域，獲取所述一幀車輛圖片中的車牌識別區(qū)域；根據(jù)所述車牌識別區(qū)域，識別得到所述一幀車輛圖片對應(yīng)的識別號碼；獲取至少兩幀車輛圖片各自對應(yīng)的識別號碼，其中，一幀車輛圖片對應(yīng)一個識別號碼；根據(jù)至少兩個識別號碼，確定車牌號碼；

所述第二處理芯片，用于實現(xiàn)車輛充電功能。

與現(xiàn)有技術(shù)相比，本申請?zhí)峁┑募夹g(shù)方案具有以下優(yōu)點：

本申請?zhí)峁┑囊环N車輛號牌的識別方法、一種車輛號牌的識別裝置和一種充電樁，這三種技術(shù)方案的主要技術(shù)思想相同，都能夠快速、準確地識別出車牌號碼。這三種技術(shù)方案的主要技術(shù)思想如下：

第一，本申請?zhí)岢隽藢⒈尘敖Ｋ惴ㄒ氲匠潆姌吨?，用于實現(xiàn)車輛進入充電樁對應(yīng)的車位時，能夠自動觸發(fā)號牌識別的功能。與現(xiàn)有技術(shù)相比，本申請不再需要配置觸發(fā)設(shè)備如：遮攔桿、刷卡機、地下感應(yīng)線圈等，無需通過這些硬件的觸發(fā)設(shè)備或人工干預(yù)，能夠自動實現(xiàn)觸發(fā)號牌識別的功能。尤其是在大范圍集中配置充電樁的應(yīng)用場景中，本申請能夠大大減少配置成本。

第二，本申請?zhí)岢隽死酶櫵惴ú蹲杰囕v進入充電樁對應(yīng)車位的過程中的至少兩幀圖片，跟蹤車輛號牌，一方面能夠根據(jù)識別算法的要求，調(diào)整車輛圖片的尺寸，使得調(diào)整后的尺寸位于識別算法的最優(yōu)區(qū)間，從而達到較優(yōu)的圖片識別效果；另一方面能夠減小圖片識別的計算量，因此，通過跟蹤算法既能夠提高車輛圖片識別的識別精度，又能夠提高識別的效率。

本申請主要是考慮到充電樁部署的地理環(huán)境使得拍攝環(huán)境比較復(fù)雜，并且，車輛駛?cè)氲匠潆姌兜倪^程中，車輛是曲線行駛的，因此，有些車輛圖片尺寸是不符合識別算法的要求，且車輛的號牌常處于一定的傾斜角度，這些都給號牌識別帶來了困難。因此，提出了利用跟蹤算法來解決這些問題。

第三，本申請?zhí)峁┏隼枚鄮?至少兩幀)車輛圖片的識別結(jié)果來確定車牌號碼的識別方式，這種識別方式，能夠極大地提高車牌號碼識別的可靠性。

現(xiàn)有技術(shù)僅拍攝一幀車輛圖片，在充電樁的應(yīng)用場景中，車輛圖片中車輛號牌多數(shù)處于傾斜，則很可能無法準確地識別出號牌。與現(xiàn)有技術(shù)相比，本申請通過多幀車輛圖片的驗證識別，必然能夠在一定程度上提高車牌號碼識別的可靠性。

更進一步地，本申請還提出了通過圖像縮放處理，保證每一幀圖片中的待識別的車牌區(qū)域均在號牌識別算法的可識別尺寸要求范圍內(nèi)，能夠提高每一幀圖像的識別精度。

附圖說明

為了更清楚地說明本申請實施例中的技術(shù)方案，下面將對實施例描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本申請的一些實施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動性的前提下，還可以根據(jù)這些附圖獲得其他的附圖。

圖1是本申請?zhí)峁┑囊环N車牌號碼識別方法實施例1的流程圖；

圖2是本申請?zhí)峁┑谋尘敖＿x擇的感興趣區(qū)域ROI的示意圖；

圖3是本申請?zhí)峁┑臋z測目標前景區(qū)域的示意圖；

圖4是本申請?zhí)峁┑幕谀繕饲熬皡^(qū)域的車輛號牌識別場景示意圖；

圖5是本申請?zhí)峁┑囊环N車牌號碼識別方法實施例2的流程圖；

圖6是本申請?zhí)峁┑幕诟櫵惴ǖ能嚺茀^(qū)域的跟蹤場景示意圖；

圖7是本申請?zhí)峁┑囊环N車牌號碼識別方法實施例3的流程圖；

圖8是本申請?zhí)峁┑能囕v圖片縮放處理過程示意圖；

圖9是本申請?zhí)峁┑囊环N車牌號碼識別裝置的結(jié)構(gòu)圖；

圖10是本申請?zhí)峁┑囊环N充電樁的結(jié)構(gòu)圖。

具體實施方式

下面將結(jié)合本申請實施例中的附圖，對本申請實施例中的技術(shù)方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本申請一部分實施例，而不是全部的實施例。基于本申請中的實施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本申請保護的范圍。

本申請可用于眾多通用或?qū)Ｓ玫挠嬎阊b置環(huán)境或配置中。例如：個人計算機、服務(wù)器計算機、手持設(shè)備或便攜式設(shè)備、平板型設(shè)備、多處理器裝置、包括以上任何裝置或設(shè)備的分布式計算環(huán)境等等。

本申請可以在由計算機執(zhí)行的計算機可執(zhí)行指令的一般上下文中描述，例如程序模塊。一般地，程序模塊包括執(zhí)行特定任務(wù)或?qū)崿F(xiàn)特定抽象數(shù)據(jù)類型的例程、程序、對象、組件、數(shù)據(jù)結(jié)構(gòu)等等。也可以在分布式計算環(huán)境中實踐本申請，在這些分布式計算環(huán)境中，由通過通信網(wǎng)絡(luò)而被連接的遠程處理設(shè)備來執(zhí)行任務(wù)。在分布式計算環(huán)境中，程序模塊可以位于包括存儲設(shè)備在內(nèi)的本地和遠程計算機存儲介質(zhì)中。

本申請發(fā)明人在研究中發(fā)現(xiàn)，充電樁一般都是集中配置部署，若直接在充電樁的應(yīng)用場景中采用現(xiàn)有的基于單幀拍攝照片的車輛號牌識別方案，一方面，由于需要為每個充電樁配置觸發(fā)設(shè)備，引起經(jīng)濟成本非常高(觸發(fā)設(shè)備、人工成本等)，另一方面，由于汽車駛?cè)氤潆姌兜某潆娷囄贿^程中車牌往往呈傾斜狀，僅基于單幀車輛圖片進行識別，其識別結(jié)果的可靠性是無法保證的。因此，在現(xiàn)有技術(shù)無法滿足充電樁的應(yīng)用需求的情況下，本申請發(fā)明人針對充電樁的應(yīng)用場景的特殊性以及對低成本的要求，提出了一種車牌號碼識別方法、一種車牌號碼識別裝置、以及一種充電樁。

本申請發(fā)明人提供的這三種技術(shù)方案的主要技術(shù)思想如下：

第一，本申請?zhí)岢隽藢⒈尘敖Ｋ惴ㄒ氲匠潆姌吨?，用于實現(xiàn)車輛進入充電樁對應(yīng)的車位時，能夠自動觸發(fā)號牌識別的功能。第二，本申請?zhí)岢隽死酶櫵惴ú蹲杰囕v進入充電樁對應(yīng)車位的過程中的至少兩幀圖片，跟蹤車輛號牌，一方面能夠根據(jù)識別算法的要求，調(diào)整車輛圖片的尺寸，使得調(diào)整后的尺寸位于識別算法的最優(yōu)區(qū)間，從而達到較優(yōu)的圖片識別效果；另一方面能夠減小圖片識別的計算量，因此，通過跟蹤算法既能夠提高車輛圖片識別的識別精度，又能夠提高識別的效率。第三，本申請?zhí)峁┏隼枚鄮?至少兩幀)車輛圖片的識別結(jié)果來確定車牌號碼的識別方式，這種識別方式，能夠極大地提高車牌號碼識別的可靠性。

接下來結(jié)合附圖分別介紹本申請?zhí)峁┤N技術(shù)方案。

參見圖1，圖1是本申請?zhí)峁┑囊环N車牌號碼識別方法實施例1的流程圖，該方法主要是應(yīng)用于充電樁中，如圖1所示，該方法包括步驟101至步驟106；

步驟101：確定充電樁的感興趣區(qū)域，對所述感興趣區(qū)域進行背景建模得到背景模型。

在本申請中，采用背景建模算法僅對針對充電樁的感興趣區(qū)域進行背景建模，其中，充電樁的感興趣區(qū)域是指充電樁支持的充電區(qū)域，即，車輛通過該充電樁進行充電時，車輛所在的區(qū)域。參見圖2，圖2是本申請?zhí)峁┑谋尘敖＿x擇的感興趣區(qū)域(Region of Interest，ROI)的示意圖；圖2中所示的S1區(qū)域，就是一個充電樁的感興趣區(qū)域。在本申請中先確定S1區(qū)域的目的是為后續(xù)的圖像處理相關(guān)操作打好基礎(chǔ)，使得后續(xù)所有的圖像處理相關(guān)操作都是僅針對S1區(qū)域進行，這就能夠大大減小圖像處理的計算量，提高車牌號碼識別速度。

在本申請中，可以采用已有的任何一種背景建模算法來實現(xiàn)步驟101，但經(jīng)過發(fā)明人的實驗研究發(fā)現(xiàn)，高斯背景建模算法的性能較好，因此，步驟101優(yōu)選地采用高斯背景建模算法來實現(xiàn)。

在實際應(yīng)用中，車輛需要充電時，會逐漸駛?cè)氤潆姌兜某潆妳^(qū)域，而攝像頭持續(xù)拍攝車輛得到連續(xù)多幀的車輛圖片，進而再通過步驟102-104對每一幀車輛圖片進行處理識別得到每一幀車輛圖片對應(yīng)的識別號碼。

接下來通過步驟102-104，來了解每一幀車輛圖片的識別過程。

步驟102：根據(jù)所述背景模型，對一幀車輛圖片進行前景檢測得到目標前景區(qū)域，所述目標前景區(qū)域是指檢測到的前景區(qū)域尺寸大于預(yù)設(shè)尺寸閾值的區(qū)域。

在經(jīng)過步驟101完成背景建模之后，就開始對S1區(qū)域進行目標前景檢測。為了給后續(xù)的圖像處理操作提供有價值的素材，本申請?zhí)岢隽藘H將尺寸大于預(yù)設(shè)尺寸閾值的前景區(qū)域作為目標前景。而不是將任意一個前景區(qū)域隨意地作為目標前景，如果隨意選取目標前景，則將給圖像處理操作提供很多沒有價值的素材，也會導(dǎo)致后續(xù)的圖像處理操作產(chǎn)生大量的無用計算。

步驟103：根據(jù)所述目標前景區(qū)域，獲取所述一幀車輛圖片中的車牌識別區(qū)域。

由于在一般情況下，車牌號碼圖像識別算法是基于特定形狀的區(qū)域來識別車牌信息，因此，為了兼容已有的車牌號碼圖像識別算法，在得到目標前景區(qū)域之后，還需要求出滿足車牌識別算法的需求的區(qū)域。參見圖3，圖3是本申請?zhí)峁┑臋z測目標前景區(qū)域的示意圖，如圖3所示，S2是目標前景區(qū)域，S3則是基于S2獲取得到的車輛識別區(qū)域，S3可以理解為是基于S2求出的其外接矩形區(qū)域。當然，在實際應(yīng)用中，也可以是其他形狀的區(qū)域。但車牌識別區(qū)域S3一定至少完全包含目標前景區(qū)域S2。

步驟104：根據(jù)所述車牌識別區(qū)域，識別得到所述一幀車輛圖片對應(yīng)的識別號碼。

在經(jīng)過步驟103獲得車牌識別區(qū)域S3之后，就可以進行車輛圖片中的車牌號碼的識別。在本申請中將識別得到的每一幀車輛圖片中的車牌號碼稱為識別號碼。該識別號碼作為后續(xù)最終確定車輛號碼的重要參數(shù)。這里需要說明的是，在本申請中可以采用已有的關(guān)于車牌號碼識別的算法，來識別車輛圖片中的車牌號碼。由于已有的關(guān)于車牌號碼識別的算法種類較多，此處不一一列舉，下面僅提供一種關(guān)于車牌號碼識別的算法，該算法可以具體參見專利CN 103530600 A公開的《一種適用于復(fù)雜光照下的車牌檢測方法》，通過該算法能夠識別出車牌區(qū)域以及車牌號碼。參見圖4，圖4是本申請?zhí)峁┑幕谀繕饲熬皡^(qū)域的車輛號牌識別場景示意圖；利用該算法僅對S3區(qū)域內(nèi)的圖像進行處理，能夠識別出車牌區(qū)域S4以及車牌號碼。

按照上述步驟102至104的方式，對至少兩幀車輛圖片分別作處理，得到每一幀車輛圖片各自對應(yīng)的識別號碼。

本申請為了適應(yīng)于充電樁的應(yīng)用場景，提出了多次識別驗證的方式，在執(zhí)行完畢步驟104之后，需要執(zhí)行步驟105和步驟106來根據(jù)多幀車輛圖片對應(yīng)的識別號碼，最終識別出車牌號碼。

步驟105：獲取至少兩幀車輛圖片各自對應(yīng)的識別號碼，其中，一幀車輛圖片對應(yīng)一個識別號碼。

步驟106：根據(jù)至少兩個識別號碼，確定車牌號碼。

在實際應(yīng)用中，步驟106可以具體為：判斷至少兩個識別號碼是否一致，如果是，則確定出該識別號碼為車牌號碼。

較為優(yōu)選的方式，判斷連續(xù)三幀車輛圖片對應(yīng)的識別號碼是否一致，如果是，則確定出該識別號碼為車牌號碼。這樣，既能夠保證識別結(jié)果的可靠性，又能夠減小判斷過程的計算量。

可以理解的是，圖1所示方法的實際應(yīng)用情況是，當車輛進入充電樁的感興趣區(qū)域內(nèi)時，攝像頭就會一直拍攝車輛得到多幀的車輛圖片，對一幀車輛圖片進行識別得到識別號碼之后，接著就對下一幀車輛圖片進行處理，則每一幀車輛圖片都是按照上述步驟102至104進行處理。

為了進一步提高車輛圖片識別效率，減少識別過程的計算量，本申請還提供了可選的方案。在該可選方案中，并不是直接對下一幀車輛圖像按照步驟102至步驟104進行處理，而是利用目標跟蹤算法和已被識別的車牌圖像中的車牌區(qū)域S4，對下一幀車輛圖像進行跟蹤，跟蹤確定該下一幀車輛圖像中的車牌區(qū)域；最后，直接識別該下一幀車輛圖片中的車牌區(qū)域，就能夠得到該下一幀車輛圖片對應(yīng)的識別號碼。這就大大縮小下一幀車輛圖片的識別區(qū)域，利用車牌號碼識別的算法直接識別出下一幀車輛圖片中的車牌區(qū)域中的號碼，作為識別號碼。

參見圖5，圖5是本申請?zhí)峁┑囊环N車牌號碼識別方法實施例2的流程圖，如圖5所示，該方法包括：步驟501至步驟508。

步驟501：確定充電樁的感興趣區(qū)域，對所述感興趣區(qū)域進行背景建模得到背景模型。

步驟502：根據(jù)所述背景模型，對一幀車輛圖片進行前景檢測得到目標前景區(qū)域，所述目標前景區(qū)域是指檢測到的前景區(qū)域尺寸大于預(yù)設(shè)尺寸閾值的區(qū)域。

步驟503：根據(jù)所述目標前景區(qū)域，獲取所述一幀車輛圖片中的車牌識別區(qū)域。

步驟504：根據(jù)所述車牌識別區(qū)域，識別得到所述一幀車輛圖片對應(yīng)的識別號碼。

步驟505：根據(jù)所述車牌識別區(qū)域，識別得到所述一幀車輛圖片對應(yīng)的車牌區(qū)域。

步驟506：根據(jù)所述車牌區(qū)域，對所述一幀車輛圖片的下一幀車輛圖片進行跟蹤，確定所述下一幀車輛圖片中的車牌區(qū)域。

步驟507：識別所述下一幀車輛圖片中的車牌區(qū)域，得到所述下一幀車輛圖片對應(yīng)的識別號碼。

步驟508：獲取至少兩幀車輛圖片各自對應(yīng)的識別號碼，其中，一幀車輛圖片對應(yīng)一個識別號碼；

步驟509：根據(jù)至少兩個識別號碼，確定車牌號碼。

其中，步驟501至步驟504的實現(xiàn)可以參照上述圖1所示方法的相關(guān)描述，步驟507和步驟508的實現(xiàn)也可以參照上述圖1所示方法的相關(guān)描述。而圖5所示方法與圖1所示方法的區(qū)別在于，增加了車牌區(qū)域跟蹤處理過程(步驟505至步驟507)，經(jīng)過跟蹤處理，能夠快速定位下一幀車牌圖片中的車牌區(qū)域，這就大大縮小了下一幀車牌圖片的識別區(qū)域，能夠提高識別效率。

下面結(jié)合圖6對圖5所示方法的實現(xiàn)進行示例性說明。

參見圖6，圖6是本申請?zhí)峁┑幕诟櫵惴ǖ能嚺茀^(qū)域的跟蹤場景示意圖；圖6示出的5a是經(jīng)過步驟502至步驟504所識別的一幀車輛圖片，圖6示出的5b是所述一幀車輛圖片的下一幀車輛圖片，利用目標跟蹤算法和已識別的一幀車輛圖片5a中的車牌區(qū)域S4對下一幀車輛圖片5b進行跟蹤，確定出該下一幀車輛圖像5b中的車牌區(qū)域S4；然后，針對該下一幀車輛圖像5b的車牌號碼識別，僅需要識別該車牌區(qū)域S4即可。

可以看出：利用圖5所示的方法對一幀車輛圖片的車輛進行目標跟蹤，以確定出下一幀車輛圖片中的車牌區(qū)域，進而僅對該車牌區(qū)域進行識別即可，極大了減小了下一幀車輛圖片的識別計算量，提升了識別速率。

由于車輛駛?cè)氤潆姌冻潆妳^(qū)域的過程中，車輛是曲線行駛的，且車輛距離攝像頭越來越近，攝像頭在車輛駛?cè)脒^程中拍攝多幀車輛圖片，各幀車輛圖片中車牌的像素尺寸就會變化較大，有的車牌圖片可能不滿足號牌識別算法要求的尺寸范圍，從而導(dǎo)致識別結(jié)果不準確。為了解決該問題，保證每一幀車輛圖片識別的準確性，本申請還提供了可選的方案，下面結(jié)合圖7對該方案進行解釋說明。

參見圖7，圖7是本申請?zhí)峁┑囊环N車牌號碼識別方法實施例3的流程圖，如圖7所示，該方法包括：步驟701至步驟708。

步驟701：確定充電樁的感興趣區(qū)域，對所述感興趣區(qū)域進行背景建模得到背景模型。

步驟702：根據(jù)所述背景模型，對一幀車輛圖片進行前景檢測得到目標前景區(qū)域，所述目標前景區(qū)域是指檢測到的前景區(qū)域尺寸大于預(yù)設(shè)尺寸閾值的區(qū)域。

步驟703：根據(jù)所述目標前景區(qū)域，獲取所述一幀車輛圖片中的車牌識別區(qū)域。

步驟704：根據(jù)所述車牌識別區(qū)域，識別得到所述一幀車輛圖片對應(yīng)的識別號碼。

步驟705：根據(jù)所述車牌識別區(qū)域，識別得到所述一幀車輛圖片對應(yīng)的車牌區(qū)域。

步驟706：根據(jù)所述車牌區(qū)域，對所述一幀車輛圖片的下一幀車輛圖片進行跟蹤，確定所述下一幀車輛圖片中的車牌區(qū)域。

步驟707：判斷所述下一幀車輛圖片中的車牌區(qū)域的尺寸是否符合預(yù)設(shè)的可識別尺寸范圍；如果否，進入步驟708-709-710-711；如果是，進入步驟712-710-711：直接對所述下一幀車輛圖片進行識別，得到所述下一幀車輛圖片對應(yīng)的識別號碼。

步驟708：如果否，根據(jù)所述車牌區(qū)域與所述下一幀車輛圖片中的車牌區(qū)域之間的尺寸比例，對所述下一幀車輛圖片進行縮放處理。

步驟709：對縮放處理后的所述下一幀車輛圖片進行識別，得到所述下一幀車輛圖片對應(yīng)的識別號碼。

步驟710：獲取至少兩幀車輛圖片各自對應(yīng)的識別號碼，其中，一幀車輛圖片對應(yīng)一個識別號碼。

步驟711：根據(jù)至少兩個識別號碼，確定車牌號碼。

通過上述步驟707-709的尺寸大小判斷以及尺寸縮放處理，都能夠保證每一幀車輛圖片中的車牌尺寸大小符合號牌識別算法要求的尺寸范圍，從而能夠保證單次識別精度。

接下來結(jié)合圖6對上述步驟707-709的實現(xiàn)過程進行示例性說明。

參見圖6，圖6中示出的利用跟蹤算法跟蹤車牌區(qū)域S4，將在一幀車輛圖片5a中的車牌區(qū)域S4的尺寸記為W1，將跟蹤到的該下一幀車輛圖片5b中的車牌區(qū)域S4的尺寸記為W2。由于車牌區(qū)域一般都是長方形的，因此，為了表征車牌區(qū)域的大小，W1、W2具體可以是車牌區(qū)域的長、寬、或者面積大小。

當該下一幀車輛圖片5b中的車牌區(qū)域S4的尺寸不符合號牌識別算法要求的尺寸范圍時，就利用步驟707-709對該下一幀車輛圖片5b中的車牌區(qū)域S4的尺寸進行縮放處理，使得縮放后的車牌區(qū)域能夠符合號牌識別算法要求的尺寸范圍。

在實現(xiàn)時，可以采用W2/W1比例關(guān)系對W2對應(yīng)的車輛圖片進行縮放處理，縮放結(jié)果如圖8所示。這樣，就能夠保證每一幀車輛圖片中的待識別的車牌區(qū)域符合車牌識別算法要求范圍，進而對這些車輛圖片進行識別，能夠提高單次識別的識別精度，從而能夠保證最終的車牌號碼識別結(jié)果的可靠性。

這里需要說明的是，在圖7所示的方法中，步驟709在實現(xiàn)時，也可以僅對縮放處理后的所述下一幀車輛圖片中的車牌區(qū)域進行識別，得到所述下一幀車輛圖片對應(yīng)的識別號碼。這樣處理能夠進一步地減少識別過程的計算量，提高識別效率。

這里還需要說明的是，在圖5、圖7所示的方法中都涉及到跟蹤算法，跟蹤算法也被稱為目標跟蹤算法，已有的目標跟蹤算法較多，但發(fā)明人經(jīng)過大量實驗發(fā)現(xiàn)，應(yīng)用在本申請的車輛圖片處理的場景中，光流跟蹤算法的技術(shù)效果較好，因此，本申請在實現(xiàn)時優(yōu)選的采用光流跟蹤算法。

與圖1所示方法相對應(yīng)的，本申請還提供了一種車牌號碼識別裝置，下面結(jié)合圖9對該裝置進行解釋說明。

參見圖9，圖9是本申請?zhí)峁┑囊环N車牌號碼識別裝置的結(jié)構(gòu)圖，如圖9所示，該車牌號碼識別裝置包括：背景模型建立模塊901、目標前景區(qū)域檢測模塊902、車牌識別區(qū)域獲取模塊903、識別模塊904、獲取識別號碼模塊905、以及車牌號碼確定模塊906。下面結(jié)合該車牌號碼識別裝置的工作原理對其內(nèi)部各個模塊的功能以及連接關(guān)系進行解釋說明。

背景模型建立模塊901，用于確定充電樁的感興趣區(qū)域，對所述感興趣區(qū)域進行背景建模得到背景模型；

目標前景區(qū)域檢測模塊902，用于根據(jù)所述背景模型，對一幀車輛圖片進行前景檢測得到目標前景區(qū)域，所述目標前景區(qū)域是指檢測到的前景區(qū)域尺寸大于預(yù)設(shè)尺寸閾值的區(qū)域；

車牌識別區(qū)域獲取模塊903，用于根據(jù)所述目標前景區(qū)域，獲取所述一幀車輛圖片中的車牌識別區(qū)域；

識別模塊904，用于根據(jù)所述車牌識別區(qū)域，識別得到所述一幀車輛圖片對應(yīng)的識別號碼；

獲取識別號碼模塊905，用于獲取至少兩幀車輛圖片各自對應(yīng)的識別號碼，其中，一幀車輛圖片對應(yīng)一個識別號碼；

車牌號碼確定模塊906，用于根據(jù)至少兩個識別號碼，確定車牌號碼。

進一步地，在實現(xiàn)時，所述裝置還可以包括：

車牌區(qū)域識別模塊，用于根據(jù)所述車牌識別區(qū)域，識別得到所述一幀車輛圖片對應(yīng)的車牌區(qū)域；

車牌區(qū)域跟蹤模塊，用于根據(jù)所述車牌區(qū)域，對所述一幀車輛圖片的下一幀車輛圖片進行跟蹤，確定所述下一幀車輛圖片中的車牌區(qū)域；

下一幀車輛圖片識別模塊，用于識別所述下一幀車輛圖片中的車牌區(qū)域，得到所述下一幀車輛圖片對應(yīng)的識別號碼。

進一步地，在實現(xiàn)時，所述裝置還可以包括：

車牌區(qū)域識別模塊，用于根據(jù)所述車牌識別區(qū)域，識別得到所述一幀車輛圖片對應(yīng)的車牌區(qū)域；

車牌區(qū)域跟蹤模塊，用于根據(jù)所述車牌區(qū)域，對所述一幀車輛圖片的下一幀車輛圖片進行跟蹤，確定所述下一幀車輛圖片中的車牌區(qū)域；

車牌區(qū)域尺寸判斷模塊，用于判斷所述下一幀車輛圖片中的車牌區(qū)域的尺寸是否符合預(yù)設(shè)的可識別尺寸范圍；如果否，根據(jù)所述車牌區(qū)域與所述下一幀車輛圖片中的車牌區(qū)域之間的尺寸比例，對所述下一幀車輛圖片進行縮放處理；

下一幀車牌圖片識別模塊，用于對縮放處理后的所述下一幀車輛圖片進行識別，得到所述下一幀車輛圖片對應(yīng)的識別號碼。

進一步地，在實現(xiàn)時，所述車牌區(qū)域跟蹤模塊，可以包括：

光流跟蹤子模塊，用于根據(jù)所述車牌區(qū)域，采用光流跟蹤算法對所述一幀車輛圖片的下一幀車輛圖片進行跟蹤，確定所述下一幀車輛圖片中的車牌區(qū)域。

進一步地，在實現(xiàn)時，所述背景模型建立模塊，可以包括：

高斯背景建模子模塊，用于采用高斯背景建模方法對所述感興趣區(qū)域進行背景建模得到背景模型。

進一步地，在實現(xiàn)時，所述確定車牌號碼模塊，可以包括：

確定子模塊，用于判斷至少兩個識別號碼是否一致，如果是，則確定出該識別號碼為車牌號碼。

另外，本申請還提供了一種充電樁，接下來結(jié)合圖10對該充電樁進行解釋說明。

參見圖10，圖10是本申請?zhí)峁┑囊环N充電樁的結(jié)構(gòu)圖，如圖10所示，該充電樁1000包括：攝像頭1001、第一處理芯片1002、第二處理芯片1003；

其中，所述攝像頭1001與所述第一處理芯片1002相通信，所述第一處理芯片1002與所述第二處理芯片1003相通信。

所述攝像頭1001，用于拍攝得到至少兩幀車輛圖片。

所述第一處理芯片1002，用于確定充電樁的感興趣區(qū)域，對所述感興趣區(qū)域進行背景建模得到背景模型；根據(jù)所述背景模型，對一幀車輛圖片進行前景檢測得到目標前景區(qū)域，所述目標前景區(qū)域是指檢測到的前景區(qū)域尺寸大于預(yù)設(shè)尺寸閾值的區(qū)域；根據(jù)所述目標前景區(qū)域，獲取所述一幀車輛圖片中的車牌識別區(qū)域；根據(jù)所述車牌識別區(qū)域，識別得到所述一幀車輛圖片對應(yīng)的識別號碼；獲取至少兩幀車輛圖片各自對應(yīng)的識別號碼，其中，一幀車輛圖片對應(yīng)一個識別號碼；根據(jù)至少兩個識別號碼，確定車牌號碼。

所述第二處理芯片1003，用于實現(xiàn)車輛充電功能。

這里需要說明的是，在實現(xiàn)時，也可以利用芯片集成技術(shù)將第一處理芯片和第二處理芯片集成在同一芯片板子上。

本申請?zhí)峁┑倪@種充電樁能夠自動識別出車輛的車牌號碼，從而達到識別待充電車輛的身份，其識別效率高、識別精度高，能夠較好地滿足目前電動車輛的充電需求。

需要說明的是，本說明書中的各個實施例均采用遞進的方式描述，每個實施例重點說明的都是與其他實施例的不同之處，各個實施例之間相同相似的部分互相參見即可。對于裝置類實施例而言，由于其與方法實施例基本相似，所以描述的比較簡單，相關(guān)之處參見方法實施例的部分說明即可。

最后，還需要說明的是，在本文中，諸如第一、第二、第三、第四等之類的關(guān)系術(shù)語僅僅用來將一個實體或者操作與另一個實體或操作區(qū)分開來，而不一定要求或者暗示這些實體或操作之間存在任何這種實際的關(guān)系或者順序。而且，術(shù)語“包括”、“包含”或者其任何其他變體意在涵蓋非排他性的包含，從而使得包括一系列要素的過程、方法、物品或者設(shè)備不僅包括那些要素，而且還包括沒有明確列出的其他要素，或者是還包括為這種過程、方法、物品或者設(shè)備所固有的要素。在沒有更多限制的情況下，由語句“包括一個……”限定的要素，并不排除在包括所述要素的過程、方法、物品或者設(shè)備中還存在另外的相同要素。

以上對本申請所提供的一種車牌號碼識別方法、裝置及一種充電樁進行了詳細介紹，本文中應(yīng)用了具體個例對本申請的原理及實施方式進行了闡述，以上實施例的說明只是用于幫助理解本申請的方法及其核心思想；同時，對于本領(lǐng)域的一般技術(shù)人員，依據(jù)本申請的思想，在具體實施方式及應(yīng)用范圍上均會有改變之處，綜上所述，本說明書內(nèi)容不應(yīng)理解為對本申請的限制。