车牌颜色检测方法、装置、服务器和计算机可读存储介质与流程

1.本技术涉及车辆检测技术领域，尤其是涉及一种车牌颜色检测方法、装置、服务器和计算机可读存储介质。


背景技术：

2.在停车场、道路抓拍等场景，通常需要对车辆的车牌号进行识别，进行匹配到车辆信息。相关技术中，当受到外部光照时，由于车牌易受到光照影响，产生发光，导致识别的车牌为车牌反射的照射光，影响车牌识别的准确性。


技术实现要素：

3.本技术的目的在于提供一种车牌颜色检测方法、装置、服务器和计算机可读存储介质，通过对车牌图像的环境光进行检测，从而可以提取出车牌图像的环境光，进而得到的反射图像的颜色则可以准确确定车牌本身的颜色，提升了车牌颜色检测的准确性。
4.第一方面，本发明提供一种车牌颜色检测方法，包括：
5.获取车牌图像数据；
6.对车牌图像数据进行环境光提取，确定车牌图像信息；
7.对车牌图像信息中的像素信息进行检测，基于像素比重信息确定目标车牌颜色。
8.在可选的实施方式中，在对车牌图像数据进行环境光提取之前，还包括：
9.检测车牌图像数据的图像形状；
10.当图像形状非常规时，对车牌图像数据进行图像矫正处理。
11.在可选的实施方式中，获取车牌图像数据，包括：
12.获取目标设备实时拍摄的车辆图像数据；目标设备至少包括停车场出入闸设备、车位监控设备或道路监控设备；
13.对车辆图像数据进行车牌区域检测，得到车牌图像数据。
14.在可选的实施方式中，对车牌图像数据进行环境光提取，确定车牌图像信息，包括：
15.基于retinex对车牌图像数据进行滤波处理，得到车牌图像数据对应的车牌图像频域信息；
16.对车牌图像频域信息进行对数运算，提取得到环境光图像；
17.对环境光图像进行去除，得到车牌图像信息。
18.在可选的实施方式中，在对车牌图像信息中的像素信息进行检测之前，方法还包括：
19.将车牌图像数据进行图像空间转换，得到车牌图像数据对应的hsv颜色空间的维度值。
20.在可选的实施方式中，对车牌图像信息中的像素信息进行检测，基于像素比重信息确定目标车牌颜色，包括：
21.对车牌图像信息中的目标像素区域进行提取，得到待识别区域；
22.对待识别区域的像素占比进行计算，将像素占比最大值对应的颜色确定为目标车牌颜色。
23.在可选的实施方式中，对车牌图像信息中的目标像素区域进行提取，得到待识别区域，包括：
24.对车牌图像信息中的字体区域进行检测，得到目标字体区域；
25.分别将车牌图像信息和目标字体区域进行区域划分，得到多个图像子区域和多个字体子区域；
26.将多个图像子区域与字体子区域进行匹配，并在图像子区域匹配到字体子区域时，将图像子区域中的字体区域进行剔除，得到待识别区域。
27.第二方面，本发明提供一种车牌颜色检测装置，包括：
28.图像获取模块，用于获取车牌图像数据；
29.环境光提取模块，用于对车牌图像数据进行环境光提取，确定车牌图像信息；
30.车牌颜色检测模块，用于对车牌图像信息中的像素信息进行检测，基于像素比重信息确定目标车牌颜色。
31.第三方面，本发明提供一种服务器，包括处理器和存储器，存储器存储有能够被处理器执行的计算机可执行指令，处理器执行计算机可执行指令以实现前述实施方式任一项的车牌颜色检测方法。
32.第四方面，本发明提供一种计算机可读存储介质，计算机可读存储介质存储有计算机可执行指令，计算机可执行指令在被处理器调用和执行时，计算机可执行指令促使处理器实现前述实施方式任一项的车牌颜色检测方法。
33.本技术提供的车牌颜色检测方法、装置、服务器和计算机可读存储介质，该方法首先获取车牌图像数据，然后对车牌图像数据进行环境光提取，确定车牌图像信息，最后对车牌图像信息中的像素信息进行检测，基于像素比重信息确定目标车牌颜色。上述方法通过对车牌图像的环境光进行检测，从而可以提取出车牌图像的环境光，避免了获取到的车牌图像数据为反射的环境光的颜色，通过对反射光进行提取，可以保留车牌本身的颜色，从而可以准确确定车牌本身的颜色。
附图说明
34.为了更清楚地说明本技术具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本技术的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
35.图1为本技术实施例提供的一种车牌颜色检测方法的流程图；
36.图2为本技术实施例提供的另一种车牌颜色检测方法的流程图；
37.图3为本技术实施例提供的一种车牌颜色检测装置的结构图；
38.图4为本技术实施例提供的一种服务器的结构图。
具体实施方式
39.为使本技术实施例的目的、技术方案和优点更加清楚，下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本技术一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本技术实施例的组件可以以各种不同的配置来布置和设计。
40.因此，以下对在附图中提供的本技术的实施例的详细描述并非旨在限制要求保护的本技术的范围，而是仅仅表示本技术的选定实施例。基于本技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
41.应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
42.本技术实施例提供了一种车牌颜色检测方法，参见图1所示，该主要包括以下步骤：
43.步骤s102，获取车牌图像数据。
44.服务器获取由设备拍摄上传的车牌图像数据，该车牌图像数据的获取地点适用于多种场景，诸如停车场、车位监控、道路监控、小区出入等场景。针对有车牌识别需求的场景，在经过图像拍摄后，本技术实施例所采用的服务器可以通过获取对应场景下的车牌拍摄设备拍摄的图像，以进行后续的图像处理。
45.步骤s104，对车牌图像数据进行环境光提取，确定车牌图像信息。
46.上述获取的车牌图像数据的颜色包括车牌本身颜色和入射光颜色，为了能够获取准确的车牌本身颜色，避免由于入射光颜色造成的颜色获取偏差，本实施例对车牌图像数据进行环境光提取，从而可以通过剔除提取到的环境光，确定只包括车牌本身颜色的车牌图像信息。
47.步骤s106，对车牌图像信息中的像素信息进行检测，基于像素比重信息确定目标车牌颜色。
48.在一种实施方式中，上述确定的车牌图像信息包括有车牌底色和文字标识，本技术主要用于对车牌底色的像素信息进行检测，从而便于得到目标车牌颜色。
49.上述像素信息与车牌图像信息所对应的颜色空间对应，当上述车牌图像信息对应的颜色空间为rgb颜色空间，则像素信息为rgb颜色控件所对应的像素值；当上述车牌图像信息对应的颜色空间为rgb颜色空间，则像素信息为rgb颜色空间所对应的像素值。在实际应用中，如果车牌图像信息为其他颜色空间时，相应的，该像素信息与车牌图像信息的颜色空间对应。
50.在实际应用中，目标车牌颜色可以包括蓝色、绿色、白色、黄色、黑色，对于某些颜色的车牌，在车牌边缘可能会有颜色逐渐变浅的区域，因此通过像素比重信息确定目标车牌颜色，可以提升车牌颜色识别检测的准确性。
51.本技术实施例提供的车牌颜色检测方法，首先获取车牌图像数据，然后对车牌图像数据进行环境光提取，确定车牌图像信息，最后对车牌图像信息中的像素信息进行检测，基于像素比重信息确定目标车牌颜色。上述方法通过对车牌图像的环境光进行检测，从而可以提取出车牌图像的环境光，避免了获取到的车牌图像数据为反射的环境光的颜色，通
过对反射光进行提取，可以保留车牌本身的颜色，从而可以准确确定车牌本身的颜色。
52.以下为本技术实施例提供的查车牌颜色检测方法进行详细说明。
53.由于设备在进行图像拍摄时，受拍摄角度、拍摄时间甚至是设备状态、设备型号的影响，得到的图像质量均会有所差别，因此为了提升车牌颜色提取的准确性，需要预先保证处理的车牌图像数据的质量。在一可选的实施方式中，当服务器获取到车牌图像数据之后，在对所述车牌图像数据进行环境光提取之前，还包括以下步骤1.1)和步骤1.2)：
54.步骤1.1)，检测车牌图像数据的图像形状；
55.步骤1.2)，当图像形状非常规时，对车牌图像数据进行图像矫正处理。
56.针对上述步骤1.1)，图像形状为实际拍摄获取的图像形状，受到拍摄角度、拍摄时间甚至是设备状态、设备型号等因素的影响，该图像形状可能会包括车牌常规形状或者相较车牌常规形状具有一定的形变的情况。
57.针对上述步骤1.2)，当图像形状非常规时，也即获取到的车牌图像数据产生了一定的形变，则为了便于后续区域划分提取的便利性，避免影响后续处理的结果。
58.在一可选的实施方式中，上述获取车牌图像数据，可以包括以下步骤2.1)和步骤2.2)：
59.步骤2.1)，获取目标设备实时拍摄的车辆图像数据；目标设备至少包括停车场出入闸设备、车位监控设备或道路监控设备；
60.步骤2.2)，对车辆图像数据进行车牌区域检测，得到车牌图像数据。
61.针对上述步骤2.1)，目标设备与本技术实施例的服务器通信连接，在目标设备拍摄到车辆图像数据后，可以实时上传至服务器，以提高检测的时效性。
62.针对上述步骤2.2)，当服务器在获取到车辆图像数据后，可以通过目标检测获取车牌区域，诸如可以通过机器学习、人工智能等方法对车牌区域进行区域检测，以得到只包括车牌区域的图像。
63.考虑到车牌图像数据取决于入射光颜色和车牌表面颜色的共同作用，由于车牌颜色通常包括蓝色、绿色、白色、黄色、黑色，当遇到带有颜色的入射光照射车牌上，可能会反射出非车牌原色的光，以致于出现拍摄到的车牌图像数据与实际车牌颜色不一致的情况。因此，在一种实施方式中，通过对车牌图像数据进行环境光提取，确定车牌图像信息，在具体实施时，可以包括以下步骤3.1)至步骤3.3)：
64.步骤3.1)，基于retinex对车牌图像数据进行滤波处理，得到车牌图像数据对应的车牌图像频域信息；
65.步骤3.2)，对车牌图像频域信息进行对数运算，提取得到环境光图像；
66.步骤3.3)，对环境光图像进行去除，得到车牌图像信息。
67.针对上述步骤3.1)，retinex(也即视网膜-大脑皮层理论)用于表征获取的图像是入射光与物质本身相互作用的结果。上述滤波处理可以包括高斯滤波，从而可以将空间域对应的车牌图像数据转换到频域对应的车牌图像频域信息。
68.针对上述步骤3.2)，在得到上述车牌图像频域信息再通过对数运算将近似入射图像给去除，从而获得没有受到太大环境光影响的图像数据。
69.针对上述步骤3.3)，在进行环境光去除时，可以参见以下公式：
70.i(x,y)＝r(x,y)
·
l(x,y)
71.其中，i(x,y)为所述车牌图像数据；l(x,y)代表环境光的照射分量；r(x,y)表示携带图像细节信息的车牌的反射分量。将该式子两边取对数，可以得到物体原本的信息log[r(x,y)](也即车牌图像信息):
[0072]
log[r(x,y)]＝log[i(x,y)]-log[l(x,y)]
[0073]
通过该方式，可以以较简便的方式快速得到车牌图像信息，从而在提升颜色检测的准确性的同时，提升颜色检测的效率。
[0074]
此外，在对车牌图像信息中的像素信息进行检测之前，还可以进一步将车牌图像数据进行图像空间转换，得到车牌图像数据对应的hsv颜色空间的维度值。在进行hsv图像空间转换时，可以通过先行后列扫描图片数据(也即车牌图像信息)，分割h、s、v三个通道。
[0075]
在一种实施方式中，以车牌图像信息为rgb颜色空间，则将其转换为hsv颜色空间时，可以采用以下公式转换：
[0076]
v＝max(r,g,b)；
[0077][0078][0079]
当对图像中的环境光剔除后，可以得到较为准确的车牌颜色，但由于图像中颜色区域较多(底色区域和文字区域)，因此，在一可选的实施方式中，对车牌图像信息中的像素信息进行检测，基于像素比重信息确定目标车牌颜色，在具体实施时，可以包括以下步骤4.1)和步骤4.2)：
[0080]
步骤4.1)，对车牌图像信息中的目标像素区域进行提取，得到待识别区域；
[0081]
步骤4.2)，对待识别区域的像素占比进行计算，将像素占比最大值对应的颜色确定为目标车牌颜色。
[0082]
针对上述步骤4.1)，可以进一步包括以下步骤4.1.1)至步骤4.1.3)：
[0083]
步骤4.1.1)，对车牌图像信息中的字体区域进行检测，得到目标字体区域。由于车牌图像信息中的字体区域所涉及的字体是有限的，对于文字、数字和字母均是有限字体，诸如京、津、冀、沪等、0-9、a-w，因此可以根据预先设置的字体区域，与车牌图像信息进行匹配，从而得到目标子图区域。
[0084]
步骤4.1.2)，分别将车牌图像信息和目标字体区域进行区域划分，得到多个图像子区域和多个字体子区域。车牌图像信息中包括主要字体区域和主要底色区域，因此将车牌图像信息进行区域划分得到多个图像子区域，将检测得到的目标字体区域进行区域划分得到多个字体子区域，并且图像子区域和字体子区域的划分标准是相同的，因此字体子区域可以直接与图像子区域中的字体对应。
[0085]
步骤4.1.3)，将多个图像子区域与字体子区域进行匹配，并在图像子区域匹配到字体子区域时，将图像子区域中的字体区域进行剔除，得到待识别区域。该待识别区域可以为多个图像子区域中选取的一个或多个。
[0086]
针对上述步骤4.2)，由于车牌底色可能会有颜色渐变的情况，诸如有些绿牌的边缘可能是偏向白色，如果对于具有渐变的绿牌，如果选取到白色区域时，则会误检测为白色。因此，通过对待识别区域的像素占比进行计算，将像素占比最大值对应的颜色确定为目标车牌颜色。
[0087]
此外，也可以不对车牌图像信息进行划分，直接选取某些区域进行像素占比计算。在一种示例中，可以选择车牌图像信息对应的上三分之一和下三分之一，通过计算各个颜色的像素点数量，进行排序。然后分别计算颜色的占比：颜色像素点/三分之二像素点总数。得到最大像素点占比后，便可以得到最大像素占比所对应的颜色。
[0088]
综上，本技术通过基于retinex理论的方法，解决了车牌颜色检测存在误差的问题。参见图2所示，首先输入车牌图片，利用retinex原理对图像进行预处理，进而进行颜色空间转换，通过颜色判断得到最终的颜色检测结果。由于retinex理论突出了物体本身就会反射光，而自身反射的光就是物体本身的颜色，当有外部环境光照射到物体表面时，物体同样会把受到照射的环境光给反射出去。这理论目的在于去除了物体所收到的光就是物体本身的颜色，所以应用到车牌颜色判断同理，去除了车牌受到的光照，跟好的表征车牌原本的颜色，以达到获取车牌原本颜色的目的。
[0089]
基于上述方法实施例，本技术实施例还提供一种车牌颜色检测装置，参见图3所示，主要包括以下部分：
[0090]
图像获取模块32，用于获取车牌图像数据；
[0091]
环境光提取模块34，用于对车牌图像数据进行环境光提取，确定车牌图像信息；
[0092]
车牌颜色检测模块36，用于对车牌图像信息中的像素信息进行检测，基于像素比重信息确定目标车牌颜色。
[0093]
本技术实施例提供的车牌颜色检测装置，通过对车牌图像的环境光进行检测，从而可以提取出车牌图像的环境光，避免了获取到的车牌图像数据为反射的环境光的颜色，通过对反射光进行提取，可以保留车牌本身的颜色，从而可以准确确定车牌本身的颜色。
[0094]
在一些实施方式中，在对车牌图像数据进行环境光提取之前，还包括，图像矫正模块，用于：
[0095]
检测车牌图像数据的图像形状；
[0096]
当图像形状非常规时，对车牌图像数据进行图像矫正处理。
[0097]
在一些实施方式中，上述图像获取模块32，还用于：
[0098]
获取目标设备实时拍摄的车辆图像数据；目标设备至少包括停车场出入闸设备、车位监控设备或道路监控设备；
[0099]
对车辆图像数据进行车牌区域检测，得到车牌图像数据。
[0100]
在一些实施方式中，上述环境光提取模块34，还用于：
[0101]
基于retinex对车牌图像数据进行滤波处理，得到车牌图像数据对应的车牌图像频域信息；
[0102]
对车牌图像频域信息进行对数运算，提取得到环境光图像；
[0103]
对环境光图像进行去除，得到车牌图像信息。
[0104]
在一些实施方式中，在对车牌图像信息中的像素信息进行检测之前，上述装置还包括，颜色空间转换模块，用于：
[0105]
将车牌图像数据进行图像空间转换，得到车牌图像数据对应的hsv颜色空间的维度值。
[0106]
在一些实施方式中，上述车牌颜色检测模块36，还用于：
[0107]
对车牌图像信息中的目标像素区域进行提取，得到待识别区域；
[0108]
对待识别区域的像素占比进行计算，将像素占比最大值对应的颜色确定为目标车牌颜色。
[0109]
在一些实施方式中，上述车牌颜色检测模块36，还用于：
[0110]
对车牌图像信息中的字体区域进行检测，得到目标字体区域；
[0111]
分别将车牌图像信息和目标字体区域进行区域划分，得到多个图像子区域和多个字体子区域；
[0112]
将多个图像子区域与字体子区域进行匹配，并在图像子区域匹配到字体子区域时，将图像子区域中的字体区域进行剔除，得到待识别区域。
[0113]
本技术实施例提供的车牌颜色检测装置，其实现原理及产生的技术效果和前述方法实施例相同，为简要描述，车牌颜色检测装置的实施例部分未提及之处，可参考前述车牌颜色检测方法实施例中相应内容。
[0114]
本技术实施例还提供了一种服务器，如图4所示，为该服务器的结构示意图，其中，该服务器100包括处理器41和存储器40，该存储器40存储有能够被该处理器41执行的计算机可执行指令，该处理器41执行该计算机可执行指令以实现上述任一项车牌颜色检测方法。
[0115]
在图4示出的实施方式中，该服务器还包括总线42和通信接口43，其中，处理器41、通信接口43和存储器40通过总线42连接。
[0116]
其中，存储器40可能包含高速随机存取存储器(ram，random access memory)，也可能还包括非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器。通过至少一个通信接口43(可以是有线或者无线)实现该系统网元与至少一个其他网元之间的通信连接，可以使用互联网，广域网，本地网，城域网等。总线42可以是isa(industry standard architecture，工业标准体系结构)总线、pci(peripheral component interconnect，外设部件互连标准)总线或eisa(extended industry standard architecture，扩展工业标准结构)总线等。所述总线42可以分为地址总线、数据总线、控制总线等。为便于表示，图4中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的总线。
[0117]
处理器41可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器41中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器41可以是通用处理器，包括中央处理器(central processing unit，简称cpu)、网络处理器(network processor，简称np)等；还可以是数字信号处理器(digital signal processor，简称dsp)、专用集成电路(application specific integrated circuit，简称asic)、现场可编程门阵列(field-programmable gate array，简称fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本技术实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软
件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器41读取存储器中的信息，结合其硬件完成前述实施例的车牌颜色检测方法的步骤。
[0118]
本技术实施例还提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机可执行指令，该计算机可执行指令在被处理器调用和执行时，该计算机可执行指令促使处理器实现上述车牌颜色检测方法，具体实现可参见前述方法实施例，在此不再赘述。
[0119]
本技术实施例所提供的车牌颜色检测方法、装置、服务器和计算机可读存储介质的计算机程序产品，包括存储了程序代码的计算机可读存储介质，所述程序代码包括的指令可用于执行前面方法实施例中所述的方法，具体实现可参见方法实施例，在此不再赘述。
[0120]
除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对步骤、数字表达式和数值并不限制本技术的范围。
[0121]
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案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中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本技术各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
[0122]
在本技术的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，或者是该发明产品使用时惯常摆放的方位或位置关系，仅是为了便于描述本技术和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本技术的限制。
[0123]
此外，术语“水平”、“竖直”、“悬垂”等术语并不表示要求部件绝对水平或悬垂，而是可以稍微倾斜。如“水平”仅仅是指其方向相对“竖直”而言更加水平，并不是表示该结构一定要完全水平，而是可以稍微倾斜。
[0124]
在本技术的描述中，还需要说明的是，除非另有明确的规定和限定，术语“设置”、“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本技术中的具体含义。
[0125]
最后应说明的是：以上各实施例仅用以说明本技术的技术方案，而非对其限制；尽管参照前述各实施例对本技术进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本技术各实施例技术方案的范围。