车牌识别方法、装置、电子设备、可读介质和程序产品与流程

1.本公开的实施例涉及计算机技术领域，具体涉及车牌识别方法、装置、电子设备、可读介质和程序产品。


背景技术：

2.车牌识别是指自动对车辆的车牌进行识别的一项技术，在车辆识别和交通控制领域均有着重要的实践作用。目前，在进行车辆识别时，通常采用的方式为：通过单一的车牌识别模型，对定焦摄像头采集的单张图像进行图像识别，以达到车牌识别的目的。
3.然而，发明人发现，当采用上述方式时，经常会存在如下技术问题：第一，由于车辆的驻车位置往往不同，使得采用定焦摄像头采集的图像中的车牌可能较小，从而导致车牌识别失败；第二，受环境因素影响，摄像头采集得到的图像往往存在不清晰的问题，从而影响车牌识别的准确率；第三，由于车牌类型多样，且不同车牌配型的车牌的字符内容以及字符排布往往不同，采用单一的车牌识别模型进行车牌识别，识别准确率无法得到保障。
4.该背景技术部分中所公开的以上信息仅用于增强对本发明构思的背景的理解，并因此，其可包含并不形成本国的本领域普通技术人员已知的现有技术的信息。


技术实现要素：

5.本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
6.本公开的一些实施例提出了车牌识别方法、装置、电子设备、可读介质和程序产品，来解决以上背景技术部分提到的技术问题中的一项或多项。
7.第一方面，本公开的一些实施例提供了一种车牌识别方法，该方法包括：通过车牌识别装置包括的红外测距传感器，对目标区域进行距离测量，以生成测距结果，其中，上述红外测距传感器用于发出多条共面的红外线束；响应于确定上述测量结果表征存在障碍物，开启上述车牌识别装置包括的摄像头进行图像采集，得到第一图像；对上述第一图像进行车牌区域识别，以生成车牌区域信息；根据上述车牌区域信息和标准车牌区域信息，生成缩放比例；根据上述缩放比例，对上述摄像头进行焦距缩放，以及控制焦距缩放后的摄像头进行图像采集，得到第二图像集合；对上述第二图像集合中的第二图像进行图像融合，以生成融合图像；对上述融合图像进行车牌识别，以生成车牌信息，其中，上述车牌信息包括：车牌号信息。
8.第二方面，本公开的一些实施例提供了一种车牌识别装置，装置包括：距离测量单元，被配置成通过车牌识别装置包括的红外测距传感器，对目标区域进行距离测量，以生成测距结果，其中，上述红外测距传感器用于发出多条共面的红外线束；图像采集单元，被配
置成响应于确定上述测量结果表征存在障碍物，开启上述车牌识别装置包括的摄像头进行图像采集，得到第一图像；车牌区域识别单元，被配置成对上述第一图像进行车牌区域识别，以生成车牌区域信息；生成单元，被配置成根据上述车牌区域信息和标准车牌区域信息，生成缩放比例；焦距缩放单元，被配置成根据上述缩放比例，对上述摄像头进行焦距缩放，以及控制焦距缩放后的摄像头进行图像采集，得到第二图像集合；图像融合单元，被配置成对上述第二图像集合中的第二图像进行图像融合，以生成融合图像；车牌识别单元，被配置成对上述融合图像进行车牌识别，以生成车牌信息。
9.第三方面，本公开的一些实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现上述第一方面任一实现方式所描述的方法。
10.第四方面，本公开的一些实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，程序被处理器执行时实现上述第一方面任一实现方式所描述的方法。
11.第五方面，本公开的一些实施例提供了一种计算机程序产品，包括计算机程序，计算机程序在被处理器执行时实现上述第一方面任一实现方式所描述的方法。
12.本公开的上述各个实施例具有如下有益效果：通过本公开的一些实施例的车牌识别方法，保证了车牌识别的成功率和准确率。具体来说，造成车牌识别的成功率和准确率较低的原因在于：第一，由于车辆的驻车位置往往不同，使得采用定焦摄像头采集的图像中的车牌可能较小，从而导致车牌识别失败；第二，受环境因素影响，摄像头采集得到的图像往往存在不清晰的问题，从而影响车牌识别的准确率。基于此，本公开的一些实施例的车牌识别方法，首先，通过车牌识别装置包括的红外测距传感器，对目标区域进行距离测量，以生成测距结果，其中，上述红外测距传感器用于发出多条共面的红外线束。实际情况中，在进行车辆感知时，通常采用的方式为：通过将预先设置的未包含车辆的图像与当前图像进行比较，以判断是否存在车辆，或直接对采集的图像进行车辆识别。上述两种方式均需要实时地对采集得到的图像进行车辆识别，识别效率较低。此外，也可以采用可发出单线束红外线的红外测距传感器进行测距。但无法有效地对车辆和其他障碍物进行有效区分。由此，本公开通过可以发出多条共面的红外线束的红外测距传感器，由于车辆相较于其他障碍物体积较大，采用共面的红外线束可以有效地确定障碍物是否为车辆。其次，响应于确定上述测量结果表征存在障碍物，开启上述车牌识别装置包括的摄像头进行图像采集，得到第一图像。当存在车辆时，再开启摄像头进行图像采集。进一步，对上述第一图像进行车牌区域识别，以生成车牌区域信息。以此识别到车牌所在区域。接着，根据上述车牌区域信息和标准车牌区域信息，生成缩放比例。由于车辆的驻车位置往往不同，使得采集得到的图像中的车牌可能较小，通过生成缩放比例实现对摄像头的焦距调整，以保证图像中的车牌的比例适当。除此之外，根据上述缩放比例，对上述摄像头进行焦距缩放，以及控制焦距缩放后的摄像头进行图像采集，得到第二图像集合。接着，对上述第二图像集合中的第二图像进行图像融合，以生成融合图像。受环境因素影响，摄像头采集得到的图像往往存在不清晰的问题，基于此，本公开通过采集多张图像，并进行图像融合，以达到提高图像清晰度的目的。最后，对上述融合图像进行车牌识别，以生成车牌信息，其中，上述车牌信息包括：车牌号信息。通过此种方式，大大提高了车辆识别的成功率和准确率。
附图说明
13.结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，元件和元素不一定按照比例绘制。
14.图1是根据本公开的车牌识别方法的一些实施例的流程图；图2是根据本公开的车牌识别装置的一些实施例的结构示意图；图3是适于用来实现本公开的一些实施例的电子设备的结构示意图。
具体实施方式
15.下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例。相反，提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
16.另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。
17.需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
18.需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
19.本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
20.下面将参考附图并结合实施例来详细说明本公开。
21.参考图1，示出了根据本公开的车牌识别方法的一些实施例的流程100。该车牌识别方法，包括以下步骤：步骤101，通过车牌识别装置包括的红外测距传感器，对目标区域进行距离测量，以生成测距结果。
22.在一些实施例中，车牌识别方法的执行主体（例如，计算设备）可以通过车牌识别装置包括的红外测距传感器，对目标区域进行距离测量，以生成测距结果。其中，上述车牌识别装置可以是用于进行车牌识别的装置。上述车牌识别装置可以包括：红外测距传感器和摄像头。上述红外测距传感器可以发出多条共面的红外线束。上述目标区域可以是上述摄像头所对应的拍摄区域中、与上述多条共面的红外线束所在平面平行的中线所在的区域。上述测量结果表征上述红外测距传感器发出的多条红外线束对应的多个距离测量值。
23.需要说明的是，上述计算设备可以是硬件，也可以是软件。当计算设备为硬件时，可以实现成多个服务器或终端设备组成的分布式集群，也可以实现成单个服务器或单个终端设备。当计算设备体现为软件时，可以安装在上述所列举的硬件设备中。其可以实现成例如用来提供分布式服务的多个软件或软件模块，也可以实现成单个软件或软件模块。在此不做具体限定。此外，根据实现需要，可以具有任意数目的计算设备。
24.步骤102，响应于确定测量结果表征存在障碍物，开启车牌识别装置包括的摄像头进行图像采集，得到第一图像。
25.在一些实施例中，上述执行主体可以响应于确定测量结果表征存在障碍物，开启车牌识别装置包括的摄像头进行图像采集，得到第一图像。其中，上述第一图像可以是上述摄像头采集的拍摄区域的图像。实践中，当上述测量结果表征上述红外测距传感器发出的多条红外线束中目标比例的红外线束对应的距离测量值发生变化，则表征存在车辆障碍物。其中，上述目标比例可以是80%。由于车辆的占地面积相较于其他障碍物的占地面积较大，即会遮挡更多的红外线束，因此，当目标比例的红外线束的距离测量值发生变化时，可以认定存在车辆障碍物。
26.步骤103，对第一图像进行车牌区域识别，以生成车牌区域信息。
27.在一些实施例中，上述执行主体可以对第一图像进行车牌区域识别，以生成车牌区域信息。其中，上述车牌区域信息可以表征上述第一图像内的车牌所在的区域。实践中，上述车牌区域信息可以包括车牌所在区域的角点坐标。
28.作为示例，上述执行主体可以通过yolo（you only look once）模型，对第一图像进行车牌区域识别，以生成车牌区域信息。
29.在一些实施例的一些可选的实现方式中，上述执行主体对第一图像进行车牌区域识别，以生成车牌区域信息，可以包括以下步骤：第一步，对上述第一图像进行图像二值化处理，以生成二值化处理后图像。
30.作为示例，上述执行主体可以对上述第一图像进行，最大值-最小值二值化处理，以生成上述二值化处理后图像。
31.第二步，对上述二值化处理后图像进行匀光处理，以生成匀光处理后图像。
32.作为示例，上述执行主体可以通过变分mask自适应匀光算法，对上述二值化处理后图像进行匀光处理，以生成匀光处理后图像。
33.第三步，对上述匀光处理后图像进行图像矫正处理，以生成矫正处理后图像。
34.作为示例，上述执行主体可以对上述匀光处理后图像进行图像畸变矫正，以生成上述矫正处理后图像。
35.第四步，对上述矫正处理后图像进行连通区域识别，以生成候选连通区域集合。
36.其中，候选连通区域集合中的候选连通区域是上述矫正处理后图像中包括的连通区域。例如，候选连通区域可以是车牌所在的区域。又如，候选连通区域也可以是车辆的进气格栅所在的区域。上述执行主体可以通过种子填充法，对上述矫正处理后图像进行连通区域识别，以生成候选连通区域集合。
37.第五步，对上述候选联通区域集合中的每个候选连通区域，执行以下第二处理步骤：第一子步骤，对上述候选连通区域进行角点检测，以生成角点信息集合。
38.其中，角点信息集合中的角点信息表征上述候选连连通区域的角点。实践中，角点信息可以通过角点坐标表征。
39.作为示例，上述执行主体可以通过角点检测算法，对上述候选连通区域进行角点检测，以生成角点信息集合。例如，上述角点检测算法可以是harris角点检测算法。
40.第二子步骤，根据上述角点信息集合中的角点信息进行区域拟合，以生成拟合区域类型。
41.其中，上述拟合区域类型表征区域拟合后的区域的区域类型。实践中，拟合区域类
型可以包括但不限于以下任意一项：矩形类型，圆形类型，梯形类型，其它类型。
42.第三子步骤，响应于确定拟合区域类型与预设拟合区域类型一致，确定上述候选连通区域的置信度，得到置信度值。
43.其中，上述预设拟合区域类型可以是矩形类型。置信度值表征上述候选连通区域为车牌所在区域的概率。其中，上述执行主体可以将yolo模型进行车牌区域识别时的对应的识别置信度，作为上述置信度值。其中，识别置信度表征识别到的区域为车牌区域的置信度。
44.第四子步骤，响应于确定上述置信度值大于预设阈值，根据上述候选连通区域信息，生成上述车牌区域信息。
45.其中，上述预设阈值可以是95%。上述执行主体可以将候选连通区域信息对应的区域位置，确定为上述车牌区域信息对应的区域位置，以生成上述车牌区域信息。
46.在进行车牌区域信息生成，即车牌区域识别时，由于不需要对车牌的字符颜色，字符类型，字符分布进行识别，因此，为了提高识别效率，通过对图像进行二值化处理可以大大减少数据处理量。此外，考虑到图像采集时可能会受到外部光源的影响 ，通过匀光处理以弱化高曝光区域的亮度，提高低曝光区域的亮度。接着，考虑到图像采集得到的图像可能存在一定程度的畸变，因此，通过图像矫正处理，以消除图像畸变。此外，考虑到车牌对应的区域为封闭区域，即连通区域，通过连通区域识别可以快速高效地进行识别。但由于存在如进气格栅等其它连通区域的干扰。因此，通过基于角点信息进行区域拟合，以及和预设拟合区域类型进行比较，以将非车牌对应的区域进行剔除。最后，考虑到上述方式可能仍存在一定的误差，因此结合置信度数值进行进一步过滤，由此可以提高生成车牌区域信息的准确度。
47.步骤104，根据车牌区域信息和标准车牌区域信息，生成缩放比例。
48.在一些实施例中，上述执行主体可以根据车牌区域信息和标准车牌区域信息，生成缩放比例。其中，标准车牌区域信息可以是预设的、车牌在图像中的区域信息。实践中，上述执行主体可以将上述车牌区域信息对应的区域，与标准车牌区域信息对应的区域的面积比值，确定为上述缩放比例。当缩放比例为1时，无需对上述摄像头进行焦距缩放，当缩放比例小于1时，对上述摄像头的焦距进行放大。当缩放比例大于1时，对上述摄像头的焦距进行缩小。
49.步骤105，根据缩放比例，对摄像头进行焦距缩放，以及控制焦距缩放后的摄像头进行图像采集，得到第二图像集合。
50.在一些实施例中，上述执行主体可以根据缩放比例，对摄像头进行焦距缩放，以及控制焦距缩放后的摄像头进行图像采集，得到第二图像集合。其中，上述第二图像集合是上述焦距缩放后的摄像头连续采集的多张图像。
51.作为示例，上述执行主体可以根据上述缩放比例和焦距的对应关系，对上述摄像头进行焦距缩放。当焦距缩放完毕后，控制上述焦距缩放后的摄像头进行图像采集，得到第二图像集合。
52.步骤106，对第二图像集合中的第二图像进行图像融合，以生成融合图像。
53.在一些实施例中，上述执行主体可以对第二图像集合中的第二图像进行图像融合，以生成融合图像。
54.作为示例，首先，上述执行主体可以对上述第二图像集合中等每个第二图像进行图像抖动消除，以生成第三图像，得到第三图像集合。然后，上述执行主体可以对上述第三图像集合中的第三图像进行图像叠加，以生成上述融合图像。
55.在一些实施例的一些可选的实现方式中，上述执行主体对第二图像集合中的第二图像进行图像融合，以生成融合图像，可以包括以下步骤：对上述第二图像集合中的每张第二图像，执行第三处理步骤：第一步，对上述第二图像进行关键点检测，以生成关键点信息组。
56.其中，上述关键点信息组中的关键点信息包括：关键点坐标和关键点特征向量。其中，关键点特征向量是关键点坐标对应的关键点的特征向量。
57.作为示例，上述执行主体可以通过sift（scale-invariant feature transform，尺度不变特征转换）算法，对上述第二图像进行关键点检测，以生成关键点信息组。
58.第二步，根据上述关键点信息组中的关键点信息包括的关键点坐标，生成上述第二图像对应的关键点网络图，作为上述第二图像对应的第一识别特征。
59.其中，上述执行主体可以对上述关键点信息组中的关键点信息包括的关键点坐标对应的关键点进行连接，以生成第二图像对应的关键点网络图，作为上述第二图像对应的第一识别特征。
60.第三步，对上述关键点信息组中的关键点信息包括的关键点特征向量进行向量拼接，以生成拼接向量，作为上述第二图像对应的第二识别特征。
61.第四步，对上述第二图像集合中的第二图像对应的第二识别特征进行聚类处理，以得到聚类后图像组集合。
62.其中，聚类后图像组中的聚类后图像为对应有相同簇中心的第二图像。实践中，上述执行主体可以通过k-means算法对上述第二图像集合中的第二图像对应的第二识别特征进行聚类处理，以得到聚类后图像组集合。
63.第五步，从上述聚类后图像组集合中筛选出满足筛选条件的聚类后图像组，作为目标图像组。
64.其中，上述筛选条件为：聚类后图像组中的聚类后图像得数量，与聚类后图像组集合中包含有最多的聚类后图像的聚类后图像组中的聚类后图像的数量相同。
65.第六步，根据目标图像组，执行以下第一图像融合步骤：第一子步骤，从目标图像组中随机选取一张目标图像，作为基准图像。
66.第二子步骤，将目标图像组中除基准图像外的目标图像，作为候选图像，得到候选图像组。
67.第三子步骤，对于候选图像组中的每张候选图像，执行以下第二图像融合步骤：步骤1：对候选图像对应的第一识别特征进行特征旋转和移动。
68.其中，上述执行主体可以对候选图像对应的第一识别特征进行顺时针的特征旋转，以及以预设步长进行移动。
69.步骤2：响应于确定候选图像对应的第一识别特征和基准图像对应的第一识别特征对齐，根据候选图像对应的旋转量和移动量，将候选图像叠加至基准图像上。
70.第四子步骤，将叠加后的图像确定为上述融合图像。
71.步骤107，对融合图像进行车牌识别，以生成车牌信息。
72.在一些实施例中，上述执行主体可以通过各种方式对融合图像进行车牌识别，以生成车牌信息。其中，车牌信息包括：车牌号信息和车牌类型。
73.在一些实施例的一些可选的实现方式中，上述执行主体对融合图像进行车牌识别，以生成车牌信息，可以包括以下步骤：第一步，通过预先训练的车牌识别模型中的车牌定位模型，对上述融合图像进行车牌定位，以生成车牌区域图像。
74.其中，上述车牌定位模型可以是yolo模型。
75.第二步，通过上述车牌识别模型中的车牌类型识别模型，对上述车牌区域图像进行车牌类型识别，以生成上述车牌信息包括的车牌类型。
76.其中，上述车牌类别识别模型可以是具有多分类层的卷积神经网络模型。实践中，上述车牌类型可以包括但不限于以下至少一项：小型新能源车类型，大型新能源车类型，大型汽车类型，挂车类型，小型汽车类型，使馆或领馆所属车辆类型，港澳车辆类型，教练车类型，警车类型，应急车类型。
77.第三步，通过上述车牌识别模型中的车牌号识别模型，对上述车牌区域图像进行车牌号识别，以生成上述车牌信息包括的车牌号信息。
78.其中，车牌号识别模型可以是rcnn（region-based convolutional neural networks，基于区域的卷积神经网络）模型。实践中，不同车牌类型可以对应有不同的车牌号识别模型。不同的车牌号识别模型的模型结构相同，在模型训练阶段可以采用不同的训练样本进行模型训练。为提高模型训练速度，实践中，车牌号识别模型可以先采用相通的训练样本进行预训练，在采用与车牌类型对应的车牌图像进行模型训练，从而达到提高训练速度的目的。实践中，车牌定位模型、车牌类型识别模型和车牌号识别模型可以并行训练。不同车牌类型对应的车牌号识别模型可以并行训练。
79.上述第一步至第三步作为本公开的一个发明点，解决了背景技术提及的技术问题三，即“由于车牌类型多样，且不同车牌配型的车牌的字符内容以及字符排布往往不同，采用单一的车牌识别模型进行车牌识别，识别准确率无法得到保障”。基于此，本公开首先，采用车牌定位模型进行车牌定位。然后，采用车牌类型识别模型进行车牌类型识别。最后，在采用车牌号识别模型进行车牌号识别。实践中，考虑到不同车牌类型的车牌结构不同，因此，可以采用经过不同训练样本训练得到的、具有相同结构的车牌号识别模型进行车牌号识别。采用车牌类型对应的训练样本对车牌号识别模型进行训练，可以提高车牌号识别模型的识别精度。此外，通过将车牌定位模型，车牌类型识别模型和车牌号识别模型，分别进行车牌定位，车牌类型识别和车牌号识别。实现了任务细化，避免了较复杂的模型结构所导致模型训练效率底下的问题。同时为了进一步提高模型训练速度，本公开中的车牌定位模型、车牌类型识别模型和车牌号识别模型可以并行训练。不同车牌类型对应的车牌号识别模型也可以并行训练。通过上述方式，保证了模型训练速度，以及实现了对不同类型的车牌的有效识别。
80.在一些实施例的一些可选的实现方式中，上述执行主体还可以执行以下处理步骤：第一步，响应于确定上述车牌类型与目标类型一致，控制车辆拦杆抬起。
81.其中，上述目标类型为应急车类型。
82.第二步，响应于确定上述车牌类型与目标类型不一致，执行以下第一处理步骤：第一子步骤，与目标车牌信息库进行数据库连接，以及读取上述目标车牌信息库内的目标车牌信息，得到目标车牌信息组序列。
83.其中，上述目标车牌信息库中存储有可通行车辆的车牌信息。上述目标车牌信息组序列中的车牌信息有序。上述目标车牌信息组序列中的目标车牌信息组中的车牌信息有序。
84.第二子步骤，根据目标车牌信息组序列和上述车牌信息，执行以下车牌确认步骤：子步骤1：确定第一索引值和第二索引值的均值，得到目标索引值。
85.其中，第一索引值是目标车牌信息组序列中第一个目标车牌信息组的索引值。第二索引值是目标车牌信息组序列中最后一个目标车牌信息组的索引值。
86.子步骤2：将目标车牌信息组序列中目标索引值对应的目标车牌信息组，确定为候选车牌信息组。
87.子步骤3：响应于确定车牌信息满足筛选条件，采用折半查找确定候选车牌信息组是否存在与上述车牌信息相同的候选车牌信息。
88.其中，上述筛选条件为：车牌信息大于等于候选车牌信息组中第三索引位置的候选车牌信息、且车牌信息小于等于候选车牌信息组中第四索引位置的候选车牌信息。第三索引位置是候选车牌信息组中第一个候选车牌信息的索引位置。第四索引位置是候选车牌信息组中最后一个候选车牌信息的索引位置。
89.子步骤4：响应于存在，控制上述车辆拦杆抬起。
90.子步骤5：响应于不存在，在信息提示端显示提示信息。
91.第三子步骤，响应于确定车牌信息不满足筛选条件，将第一索引值至目标索引值之间的目标车牌信息组确定为目标车牌信息组序列，再次执行上述车牌确认步骤。
92.本公开的上述各个实施例具有如下有益效果：通过本公开的一些实施例的车牌识别方法，保证了车牌识别的成功率和准确率。具体来说，造成车牌识别的成功率和准确率较低的原因在于：第一，由于车辆的驻车位置往往不同，使得采用定焦摄像头采集的图像中的车牌可能较小，从而导致车牌识别失败；第二，受环境因素影响，摄像头采集得到的图像往往存在不清晰的问题，从而影响车牌识别的准确率。基于此，本公开的一些实施例的车牌识别方法，首先，通过车牌识别装置包括的红外测距传感器，对目标区域进行距离测量，以生成测距结果，其中，上述红外测距传感器用于发出多条共面的红外线束。实际情况中，在进行车辆感知时，通常采用的方式为：通过将预先设置的未包含车辆的图像与当前图像进行比较，以判断是否存在车辆，或直接对采集的图像进行车辆识别。上述两种方式均需要实时地对采集得到的图像进行车辆识别，识别效率较低。此外，也可以采用可发出单线束红外线的红外测距传感器进行测距。但无法有效地对车辆和其他障碍物进行有效区分。由此，本公开通过可以发出多条共面的红外线束的红外测距传感器，由于车辆相较于其他障碍物体积较大，采用共面的红外线束可以有效地确定障碍物是否为车辆。其次，响应于确定上述测量结果表征存在障碍物，开启上述车牌识别装置包括的摄像头进行图像采集，得到第一图像。当存在车辆时，再开启摄像头进行图像采集。进一步，对上述第一图像进行车牌区域识别，以生成车牌区域信息。以此识别到车牌所在区域。接着，根据上述车牌区域信息和标准车牌区域信息，生成缩放比例。由于车辆的驻车位置往往不同，使得采集得到的图像中的车牌可
能较小，通过生成缩放比例实现对摄像头的焦距调整，以保证图像中的车牌的比例适当。除此之外，根据上述缩放比例，对上述摄像头进行焦距缩放，以及控制焦距缩放后的摄像头进行图像采集，得到第二图像集合。接着，对上述第二图像集合中的第二图像进行图像融合，以生成融合图像。受环境因素影响，摄像头采集得到的图像往往存在不清晰的问题，基于此，本公开通过采集多张图像，并进行图像融合，以达到提高图像清晰度的目的。最后，对上述融合图像进行车牌识别，以生成车牌信息，其中，上述车牌信息包括：车牌号信息。通过此种方式，大大提高了车辆识别的成功率和准确率。
93.进一步参考图2，作为对上述各图所示方法的实现，本公开提供了一种车牌识别装置的一些实施例，这些装置实施例与图1所示的那些方法实施例相对应，该车牌识别装置具体可以应用于各种电子设备中。
94.如图2所示，一些实施例的车牌识别装置200包括：距离测量单元201、图像采集单元202、车牌区域识别单元203、生成单元204、焦距缩放单元205、图像融合单元206和车牌识别单元207。距离测量单元201，被配置成通过车牌识别装置包括的红外测距传感器，对目标区域进行距离测量，以生成测距结果，其中，上述红外测距传感器用于发出多条共面的红外线束；图像采集单元202，被配置成响应于确定上述测量结果表征存在障碍物，开启上述车牌识别装置包括的摄像头进行图像采集，得到第一图像；车牌区域识别单元203，被配置成对上述第一图像进行车牌区域识别，以生成车牌区域信息；生成单元204，被配置成根据上述车牌区域信息和标准车牌区域信息，生成缩放比例；焦距缩放单元205，被配置成根据上述缩放比例，对上述摄像头进行焦距缩放，以及控制焦距缩放后的摄像头进行图像采集，得到第二图像集合；图像融合单元206，被配置成对上述第二图像集合中的第二图像进行图像融合，以生成融合图像；车牌识别单元207，被配置成对上述融合图像进行车牌识别，以生成车牌信息。
95.可以理解的是，该车牌识别装置200中记载的诸单元与参考图1描述的方法中的各个步骤相对应。由此，上文针对方法描述的操作、特征以及产生的有益效果同样适用于车牌识别装置200及其中包含的单元，在此不再赘述。
96.下面参考图3，其示出了适于用来实现本公开的一些实施例的电子设备（例如，计算设备）300的结构示意图。图3示出的电子设备仅仅是一个示例，不应对本公开的实施例的功能和使用范围带来任何限制。
97.如图3所示，电子设备300可以包括处理装置（例如中央处理器、图形处理器等）301，其可以根据存储在只读存储器（rom）302中的程序或者从存储装置308加载到随机访问存储器（ram）303中的程序而执行各种适当的动作和处理。在ram 303中，还存储有电子设备300操作所需的各种程序和数据。处理装置301、rom 302以及ram 303通过总线304彼此相连。输入/输出（i/o）接口305也连接至总线304。
98.通常，以下装置可以连接至i/o接口305：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置306；包括例如液晶显示器（lcd）、扬声器、振动器等的输出装置307；包括例如磁带、硬盘等的存储装置308；以及通信装置309。通信装置309可以允许电子设备300与其他设备进行无线或有线通信以交换数据。虽然图3示出了具有各种装置的电子设备300，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图3中示出的每个方框可以代表一个装置，也可以根
据需要代表多个装置。
99.特别地，根据本公开的一些实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的一些实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的一些实施例中，该计算机程序可以通过通信装置309从网络上被下载和安装，或者从存储装置308被安装，或者从rom 302被安装。在该计算机程序被处理装置301执行时，执行本公开的一些实施例的方法中限定的上述功能。
100.需要说明的是，本公开的一些实施例中记载的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器（ram）、只读存储器（rom）、可擦式可编程只读存储器（eprom或闪存）、光纤、便携式紧凑磁盘只读存储器（cd-rom）、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的一些实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的一些实施例中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、rf（射频）等等，或者上述的任意合适的组合。
101.在一些实施方式中，客户端、服务器可以利用诸如http（hyper text transfer protocol，超文本传输协议）之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信（例如，通信网络）互连。通信网络的示例包括局域网（“lan”），广域网（“wan”），网际网（例如，互联网）以及端对端网络（例如，ad hoc端对端网络），以及任何当前已知或未来研发的网络。
102.上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：通过车牌识别装置包括的红外测距传感器，对目标区域进行距离测量，以生成测距结果，其中，上述红外测距传感器用于发出多条共面的红外线束；响应于确定上述测量结果表征存在障碍物，开启上述车牌识别装置包括的摄像头进行图像采集，得到第一图像；对上述第一图像进行车牌区域识别，以生成车牌区域信息；根据上述车牌区域信息和标准车牌区域信息，生成缩放比例；根据上述缩放比例，对上述摄像头进行焦距缩放，以及控制焦距缩放后的摄像头进行图像采集，得到第二图像集合；对上述第二图像集合中的第二图像进行图像融合，以生成融合图像；对上述融合图像进行车牌识别，以生成车牌信息，其中，上述车牌信息包括：车牌号信息。
103.可以以一种或多种程序设计语言或其组合来编写用于执行本公开的一些实施例的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如java、
smalltalk、c++，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网（lan）或广域网（wan）——连接到用户计算机，或者，可以连接到外部计算机（例如利用因特网服务提供商来通过因特网连接）。
104.附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
105.描述于本公开的一些实施例中的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括距离测量单元、图像采集单元、车牌区域识别单元、生成单元、焦距缩放单元、图像融合单元和车牌识别单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，图像采集单元还可以被描述为“响应于确定上述测量结果表征存在障碍物，开启上述车牌识别装置包括的摄像头进行图像采集，得到第一图像的单元”。
106.本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列（fpga）、专用集成电路（asic）、专用标准产品（assp）、片上系统（soc）、复杂可编程逻辑设备（cpld）等等。
107.本公开的一些实施例还提供一种计算机程序产品，包括计算机程序，计算机程序在被处理器执行时实现上述任一的车牌识别方法。
108.以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开的实施例中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的（但不限于）具有类似功能的技术特征进行互相替换而形成的技术方案。