基于人工智能的摄像机角度调节方法及系统与流程

本申请涉及摄像机角度调节，具体涉及基于人工智能的摄像机角度调节方法及系统。

背景技术：

1、在车辆识别过程中，摄像机角度的调节对于确保高效准确的车牌识别至关重要。正确的摄像机角度可以保证车牌图像的清晰度和完整性，减少因角度不当导致的图像变形、遮挡或反光问题。

2、车牌识别系统能否正常工作与车牌摄像机的角度有很大关系，如果停车场车牌摄像机角度不良，将会影响车牌识别正确率及工作效率。一般车牌识别过程中，摄像机的角度通常采用固定视角进行拍摄，然而，由于车辆进出停车场时的角度和速度各不相同，如果摄像头角度不良，车牌在拍摄图像中可能会呈现梯形或菱形的变形，车牌上的字符也会出现相应的变形，进而对识别造成影响。因此，需要对摄像机的角度进行调节。

技术实现思路

1、针对上述问题，有必要提供基于人工智能的摄像机角度调节方法及系统，对摄像机的角度进行调节，并提高摄像机角度调节的准确性：

2、第一方面，本申请实施例提供了基于人工智能的摄像机角度调节方法，该方法包括以下步骤：

3、获取摄像机拍摄每辆车的所有帧图像，以及每个车牌的识别时长；

4、基于每辆车车牌的每个角在所有帧图像中位置坐标的分布情况，确定每辆车车牌的每个角在各帧的行驶轨迹的混乱性；

5、基于每个车牌的不同角在所有帧行驶轨迹的混乱性之间的差异，确定每个车牌行驶轨迹的差异性；

6、基于每个车牌在所有帧图像内车牌边框相对于图像边界的倾斜角度，结合所述差异性，确定每个车牌在识别过程中的倾斜度；

7、将预设时间段内的所有车牌识别时长划分为低识别效率组和高识别效率组，基于低识别效率组和高识别效率组中数据之间对应倾斜度的差异，结合低识别效率组内数据总数及预设时间段内车牌识别总数，确定摄像机角度偏差的程度值；

8、基于所述程度值判定是否调节摄像机角度，调节方法为：基于低识别效率组中所有车牌的所述倾斜角度调节摄像机角度。

9、在其中一种实施例中，所述混乱性的确定过程为：

10、采用深度学习模型得到每一帧图像中车牌4个角的位置坐标；

11、获取任一辆车车牌的任一个角在所有帧图像中位置坐标的拟合曲线，计算所述拟合曲线在各帧对应位置坐标处的曲率；

12、计算所述任一个角在各帧图像与相邻后一帧图像中位置坐标之间的距离，计算所述距离与摄像机帧率的乘积；

13、将所述曲率与所述乘积的融合结果，作为所述任一个角在各帧的行驶轨迹的混乱性。

14、在其中一种实施例中，所述差异性的确定过程为：

15、将每辆车车牌的每个角在所有帧的行驶轨迹的混乱性，分别按照时序排列组成每辆车车牌的每个角的混乱序列；

16、将每个车牌的所有任意两个角的混乱序列之间距离的均值，作为每个车牌行驶轨迹的差异性。

17、在其中一种实施例中，所述倾斜度的确定过程为：

18、基于每个车牌在所有帧图像内车牌边框相对于图像边界的倾斜角度，确定每个车牌的倾斜程度值；

19、将每个车牌的倾斜程度值与所述差异性的乘积，作为每个车牌在识别过程中的倾斜度。

20、在其中一种实施例中，所述倾斜程度值的确定过程为：

21、以各帧图像的左上角为原点建立直角坐标系；

22、对于任一车牌的任一帧图像，分别计算车牌左上角与车牌左下角位置坐标构成向量、车牌右上角与车牌右下角位置坐标构成向量相对于垂直方向坐标轴的垂直倾斜角度；

23、分别计算车牌左上角与车牌右上角位置坐标构成向量、车牌左下角与车牌右下角位置坐标构成向量相对于水平方向坐标轴的水平倾斜角度；

24、将所有所述垂直倾斜角度与所述水平倾斜角度之和作为所述任一车牌在所述任一帧图像下的车牌倾斜量；

25、将每个车牌在所有帧图像下的车牌倾斜量的均值作为每个车牌的倾斜程度值。

26、在其中一种实施例中，所述低识别效率组和高识别效率组的获取过程为：采用聚类算法将预设时间段内所有车牌的识别时长分为两组，将识别时长均值最大的一组数据作为低识别效率组，将另外一组记为高识别效率组。

27、在其中一种实施例中，所述程度值的确定过程为：

28、将低识别效率组内的数据总数与预设时间段内车牌识别总数的比值，作为摄像机角度偏差的影响权值；

29、计算低识别效率组内任一数据与高识别效率组内所有数据之间对应倾斜度差异的累加和，计算低识别效率组内所有数据的所述累加和的均值，记为倾斜均值；

30、将所述影响权值与所述倾斜均值的乘积，作为摄像机角度偏差的程度值。

31、在其中一种实施例中，所述判定是否调节摄像机角度的方法为：当程度值的归一化结果大于等于预设调节阈值时，对摄像机角度进行调节，否则，不调节。

32、在其中一种实施例中，所述基于低识别效率组中所有车牌的所述倾斜角度调节摄像机角度的过程为：将低识别效率组中所有数据对应车牌在所有帧图像内的水平倾斜角度均值、垂直倾斜角度均值，分别作为摄像头水平方向调节量、垂直方向调节量。

33、第二方面，本申请实施例还提供了基于人工智能的摄像机角度调节系统，包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述任意一项所述基于人工智能的摄像机角度调节方法的步骤。

34、本申请至少具有如下有益效果：

35、本申请针对传统车牌识别系统中，受车辆进出停车场时的角度和速度各不相同的影响，容易存在固定的摄像机角度导致车牌识别的准确性和效率不高的问题，本申请获取每个车牌在识别过程中的位置信息及识别时长，分析了车牌的各个角运行轨迹的弯曲程度及行驶速度特征，并结合不同角行驶轨迹之间的差异以及车牌边界的倾斜程度，确定车牌在识别过程中的倾斜度，提高了分析摄像机拍摄车牌的倾斜程度的准确性；

36、进一步，根据一天内不同识别效率下倾斜度之间的差异，确定摄像机角度偏差的程度值，反映了摄像机与车牌之间的角度相对于垂直对齐状态的偏离程度，提高了分析摄像机角度偏差程度的准确性；

37、进一步，基于摄像机角度偏差的程度值及车牌边界的倾斜程度对摄像机角度进行调节，提高了摄像机角度调节的准确性。

技术特征：

1.基于人工智能的摄像机角度调节方法，其特征在于，该方法包括以下步骤：

2.如权利要求1所述的基于人工智能的摄像机角度调节方法，其特征在于，所述混乱性的确定过程为：

3.如权利要求1所述的基于人工智能的摄像机角度调节方法，其特征在于，所述差异性的确定过程为：

4.如权利要求1所述的基于人工智能的摄像机角度调节方法，其特征在于，所述倾斜度的确定过程为：

5.如权利要求4所述的基于人工智能的摄像机角度调节方法，其特征在于，所述倾斜程度值的确定过程为：

6.如权利要求1所述的基于人工智能的摄像机角度调节方法，其特征在于，所述低识别效率组和高识别效率组的获取过程为：采用聚类算法将预设时间段内所有车牌的识别时长分为两组，将识别时长均值最大的一组数据作为低识别效率组，将另外一组记为高识别效率组。

7.如权利要求1所述的基于人工智能的摄像机角度调节方法，其特征在于，所述程度值的确定过程为：

8.如权利要求1所述的基于人工智能的摄像机角度调节方法，其特征在于，所述判定是否调节摄像机角度的方法为：当程度值的归一化结果大于等于预设调节阈值时，对摄像机角度进行调节，否则，不调节。

9.如权利要求1所述的基于人工智能的摄像机角度调节方法，其特征在于，所述基于低识别效率组中所有车牌的所述倾斜角度调节摄像机角度的过程为：将低识别效率组中所有数据对应车牌在所有帧图像内的水平倾斜角度均值、垂直倾斜角度均值，分别作为摄像头水平方向调节量、垂直方向调节量。

10.基于人工智能的摄像机角度调节系统，包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1-9任意一项所述基于人工智能的摄像机角度调节方法的步骤。

技术总结本申请涉及摄像机角度调节技术领域，具体涉及基于人工智能的摄像机角度调节方法及系统，该方法包括：获取摄像机拍摄每辆车的所有帧图像，以及每个车牌的识别时长；确定每辆车车牌的每个角在各帧的行驶轨迹的混乱性；基于每个车牌的不同角在所有帧行驶轨迹的混乱性之间的差异，确定每个车牌行驶轨迹的差异性，结合每个车牌在所有帧图像内车牌边框相对于图像边界的倾斜角度，确定每个车牌在识别过程中的倾斜度；获取低识别效率组和高识别效率组，确定摄像机角度偏差的程度值；判定是否调节摄像机角度，调节方法为：基于低识别效率组中所有车牌的所述倾斜角度调节摄像机角度。本申请旨在提高摄像机角度调节的准确性。技术研发人员：李仁杰,胡贞财,陈伟平受保护的技术使用者：罗普特科技集团股份有限公司技术研发日：技术公布日：2024/9/9