技術(shù)領(lǐng)域

本發(fā)明涉及一種智能交通數(shù)據(jù)質(zhì)量控制方法，尤其涉及一種車牌識(shí)別智能差錯(cuò)方法和系統(tǒng)。

背景技術(shù)

隨著公路電子警察和卡口系統(tǒng)的普及，每個(gè)城市每天都產(chǎn)生數(shù)以億計(jì)的過(guò)車記錄。在智能交通領(lǐng)域，一條過(guò)車記錄指的是車輛在某個(gè)時(shí)間、經(jīng)過(guò)某個(gè)地點(diǎn)的數(shù)據(jù)記錄，基本數(shù)據(jù)包括車牌號(hào)碼、抓拍時(shí)間、抓拍地點(diǎn)、抓拍相機(jī)、行駛速度、車牌類型、行駛車道、行駛方向、抓拍圖像等。電子警察和卡口設(shè)備是在普通視頻相機(jī)的基礎(chǔ)上附加智能視頻分析程序而來(lái)，并具有更強(qiáng)的抓拍速度、計(jì)算能力和數(shù)據(jù)存儲(chǔ)能力。一般的電子警察和卡口對(duì)于車牌的識(shí)別正確率能達(dá)到白天85～90％，夜間75～80％。影響識(shí)別錯(cuò)誤的因素主要有相機(jī)設(shè)備的安裝位置、拍攝角度、車牌區(qū)域大小、曝光、能見度、環(huán)境光、車牌污損、模糊、遮擋、反光、車牌字符相似等等，另外車身其他標(biāo)志物的干擾也對(duì)車牌識(shí)別有較大的影響。

過(guò)車數(shù)據(jù)對(duì)于智能交通分析、車輛行為分析以及OD分析都具有十分重要的價(jià)值，過(guò)車數(shù)據(jù)的質(zhì)量直接影響到這些分析的準(zhǔn)確度。在目前的技術(shù)條件下，人們?yōu)榱颂岣哌^(guò)車數(shù)據(jù)質(zhì)量，找出識(shí)別錯(cuò)誤的數(shù)據(jù)，必須瀏覽全部過(guò)車記錄，審核工作針對(duì)性不強(qiáng)，造成了大量的人力資源浪費(fèi)。因此，快速找到可能的車牌識(shí)別錯(cuò)誤的記錄，略過(guò)識(shí)別無(wú)誤的記錄，具有非常好的現(xiàn)實(shí)意義和技術(shù)價(jià)值。

發(fā)明內(nèi)容

基于目前技術(shù)條件所限，本發(fā)明要解決的技術(shù)問(wèn)題是提供一種車牌識(shí)別智能查錯(cuò)方法和系統(tǒng)，以解決目前車牌識(shí)別的審核校正工作針對(duì)性不強(qiáng)，為了找到識(shí)別錯(cuò)誤的小部分記錄瀏覽全部過(guò)車記錄的技術(shù)問(wèn)題，能夠快速定位可能的車牌識(shí)別錯(cuò)誤的記錄。

本發(fā)明解決上述技術(shù)問(wèn)題所采用的技術(shù)方案如下：

根據(jù)本發(fā)明的一個(gè)方面，提供的一種車牌識(shí)別智能查錯(cuò)方法，該方法包括以下步驟：

對(duì)于接收到的過(guò)車記錄，提取車牌號(hào)字段信息，并將提取出的車牌號(hào)與全國(guó)車牌號(hào)規(guī)則庫(kù)中的所有規(guī)則進(jìn)行依次匹配，若滿足任意一條規(guī)則，則說(shuō)明匹配成功，若不滿足任何規(guī)則，則匹配失敗，說(shuō)明該條過(guò)車記錄的車牌識(shí)別錯(cuò)誤。

對(duì)于接收到的一批連續(xù)時(shí)間內(nèi)的過(guò)車數(shù)據(jù)，按照車牌號(hào)和抓拍時(shí)間信息，將同一個(gè)車牌號(hào)對(duì)應(yīng)的所有過(guò)車記錄按照抓拍時(shí)間先后順序排序，并提取抓拍地點(diǎn)、抓拍相機(jī)，構(gòu)成一個(gè)時(shí)空軌跡序列。將此時(shí)空軌跡序列與已有路網(wǎng)數(shù)據(jù)比對(duì)進(jìn)行時(shí)空可達(dá)性分析，找出不合理的軌跡點(diǎn)，該軌跡點(diǎn)對(duì)應(yīng)的過(guò)車數(shù)據(jù)即為可能的車牌識(shí)別錯(cuò)誤數(shù)據(jù)。

上述方法之前還包括：

1.在數(shù)據(jù)庫(kù)中預(yù)設(shè)全國(guó)車牌號(hào)規(guī)則表，該規(guī)則表保存了全國(guó)所有車牌號(hào)的字符串正則規(guī)則。

2.學(xué)習(xí)路網(wǎng)信息，并數(shù)據(jù)庫(kù)中預(yù)設(shè)路網(wǎng)數(shù)據(jù)，該路網(wǎng)數(shù)據(jù)通過(guò)相機(jī)序列表來(lái)表示，該相機(jī)序列表保存了長(zhǎng)度為3的頻繁相機(jī)序列。其中，頻繁相機(jī)序列是通過(guò)以下方法得到的：

a)獲取一段時(shí)間的全量過(guò)車數(shù)據(jù)，對(duì)同一車牌號(hào)的所有過(guò)車數(shù)據(jù)按照相機(jī)抓拍時(shí)間先后順序排序，并提取抓拍時(shí)間、抓拍相機(jī)，得到所有車輛經(jīng)過(guò)各個(gè)相機(jī)的相機(jī)序列。

b)步驟a得到的所有相機(jī)序列構(gòu)成序列模式數(shù)據(jù)庫(kù)SDB。

c)對(duì)SDB應(yīng)用SPADE算法進(jìn)行頻繁序列模式挖掘，找出長(zhǎng)度為3的頻繁相機(jī)序列FSSet。

上述將接收到的車牌與全國(guó)車牌號(hào)規(guī)則庫(kù)中的所有規(guī)則進(jìn)行依次匹配，若滿足任意一條規(guī)則，則說(shuō)明匹配成功，若不滿足任何規(guī)則，則匹配失敗，說(shuō)明該條過(guò)車記錄的車牌識(shí)別錯(cuò)誤，進(jìn)一步包括：

為了縮短正則匹配時(shí)間，對(duì)于一條過(guò)車數(shù)據(jù)，與全國(guó)車牌號(hào)規(guī)則庫(kù)中規(guī)則進(jìn)行匹配的過(guò)程包括以下步驟：

1.對(duì)于全國(guó)車牌號(hào)規(guī)則庫(kù)中所有規(guī)則，將其規(guī)則規(guī)定的字符串前兩位作為該條規(guī)則前綴，以此前綴對(duì)全國(guó)車牌號(hào)規(guī)則表建立索引；

2.提取該條過(guò)車數(shù)據(jù)中車牌號(hào)，并取車牌號(hào)字符串前2位作為前綴prefix；

3.按照prefix查詢?nèi)珖?guó)車牌號(hào)規(guī)則庫(kù)，找出與prefix相同的所有規(guī)則regexlist；

4.將該條過(guò)車數(shù)據(jù)中車牌號(hào)與regexlist中正則規(guī)則依次匹配，若與任意一條都未能匹配成功，則說(shuō)明該條過(guò)車數(shù)據(jù)中車牌號(hào)識(shí)別錯(cuò)誤；否則認(rèn)為該條過(guò)車數(shù)據(jù)中車牌號(hào)通過(guò)規(guī)則匹配。

上述將同一個(gè)車牌號(hào)對(duì)應(yīng)的所有過(guò)車記錄按照抓拍時(shí)間先后順序排序，并提取抓拍地點(diǎn)、抓拍相機(jī)，構(gòu)成一個(gè)時(shí)空軌跡序列；將此時(shí)空軌跡序列與已有路網(wǎng)數(shù)據(jù)比對(duì)進(jìn)行時(shí)空可達(dá)性分析，找出不合理的軌跡點(diǎn)，該軌跡點(diǎn)對(duì)應(yīng)的過(guò)車數(shù)據(jù)即為可能的車牌識(shí)別錯(cuò)誤數(shù)據(jù)，進(jìn)一步包括：

對(duì)于一段時(shí)間內(nèi)(要求至少12小時(shí))構(gòu)成的一個(gè)車輛時(shí)空軌跡序列，執(zhí)行以下步驟：