CN101303803A - 一种车牌识别的方法和*** - Google Patents
一种车牌识别的方法和*** Download PDFInfo
- Publication number
- CN101303803A CN101303803A CNA200810114753XA CN200810114753A CN101303803A CN 101303803 A CN101303803 A CN 101303803A CN A200810114753X A CNA200810114753X A CN A200810114753XA CN 200810114753 A CN200810114753 A CN 200810114753A CN 101303803 A CN101303803 A CN 101303803A
- Authority
- CN
- China
- Prior art keywords
- character
- image
- car plate
- license plate
- black
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 57
- 230000011218 segmentation Effects 0.000 claims abstract description 21
- 238000012549 training Methods 0.000 claims abstract description 18
- 238000012937 correction Methods 0.000 claims abstract description 10
- 230000000007 visual effect Effects 0.000 claims description 35
- 230000001915 proofreading effect Effects 0.000 claims description 31
- 238000012545 processing Methods 0.000 claims description 21
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000001514 detection method Methods 0.000 claims description 11
- 230000005540 biological transmission Effects 0.000 claims description 3
- 238000009434 installation Methods 0.000 abstract description 8
- 238000012423 maintenance Methods 0.000 abstract description 6
- 230000001960 triggered effect Effects 0.000 abstract 2
- 238000007689 inspection Methods 0.000 abstract 1
- 230000006698 induction Effects 0.000 description 15
- 230000000875 corresponding effect Effects 0.000 description 6
- 230000007246 mechanism Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 4
- 230000000903 blocking effect Effects 0.000 description 3
- 230000005484 gravity Effects 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000032683 aging Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000004040 coloring Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 239000004615 ingredient Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012856 packing Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Landscapes
- Traffic Control Systems (AREA)
- Character Input (AREA)
Abstract
本发明公开了一种车牌识别的方法,包括采集视频流,根据所述视频流和车辆减速使能信号判断是否触发车牌识别;当判断进行车牌识别时,使用所述视频流作为输入图像;根据所述输入图像计算车牌的边缘信息,确定车牌区域的位置,并根据所述边缘信息得到校正后的车牌图像;对所述校正后的车牌图像进行字符分割得到各字符的图像;利用预先训练得到的分类器对各字符的图像进行识别,根据识别出的字符得到最终的车牌识别结果。本发明还同时公开了一种车牌识别的***。本发明提出的车牌识别的方法和***,根据视频流和车辆减速使能信号判断是否触发车牌识别,减少由于干扰物造成的误检,不必破坏路面进行安装调试,安装和维护的成本较低。
Description
技术领域
本发明涉及车牌识别技术,具体涉及一种车牌识别的方法和***。
背景技术
当前,随着计算机技术的迅速发展,计算机的信息处理能力不断提高。图像识别技术,随着计算机处理能力的提高也得到了快速发展,其中,基于多媒体和人工智能技术的智能交通及电子警察***在世界范围内得到了广泛的应用。这些应用中,有96%的自动化***使用了车牌自动识别技术,75%以上的***是以车牌识别为核心的应用。
车牌识别,是指从静态或动态视频图像中获取图像的一定区域中存在的车牌区域,并进一步识别出车牌区域中的字符。车牌识别作为最基本的车辆信息采集技术,在视频监控和智能交通管理等各领域有着重要的实用价值。在诸如高速公路收费、车辆安检等领域,广泛应用的车牌识别的流程如图1所示,其中包括:
步骤101:预先在检测地点埋设地感线圈或者架设红外线感应光帘,通过所述的地感线圈或感应光帘,感知车辆到达信息。同时,预先架设摄像机,将摄像机指向指定区域,所述摄像机的焦点和焦距都设定在该区域的中心位置。当车辆到达指定的区域时,所述地感线圈或感应光帘感知车辆到达后发出触发信号,通知车牌识别装置将视频流中对应触发信号所在时刻的帧设置为车牌识别的目标帧。
步骤102:车牌识别装置接收到触发信号,从摄像机采集到的视频流中选出目标帧。
步骤103:采用设定的特征定位和提取技术,从目标帧中选出车牌区域,利用选定的识别算法(例如印刷体字体的识别算法),识别出车牌中的字符内容。
采用上述方法,可以从视频流中识别出所需的车牌信息,但是,现有方法需要预先埋设地感线圈或架设红外线光帘,调试地感线圈或光帘敏感度时需要花费较多人力物力,且一旦***运行出现问题或设备老化需要更新时,还需要重新毁坏道路重新铺设地感线圈或架设感应光帘,因此维护成本较高。
同时,所述地感线圈和红外线感应光帘容易出现误检。例如:当有非车辆物体经过地感线圈,或者当有人或动物等障碍物进入红外线感应光帘的感应区域时,同样有可能会触发车牌识别装置进行检测,从而出现误检,造成频繁的***触发,造成设备资源的浪费。
综上可见,当前进行车牌识别的方案在实际安装和维护的成本较高且使用时的误检率偏高。
发明内容
本发明实施例提供一种车牌识别的方法和***,能够以较低的安装和维护成本实现车牌自动识别,同时降低误检发生机率。
为达到上述目的,本发明的技术方案具体是这样实现的:
一种车牌识别的方法,该方法包括:
采集视频流,根据所述视频流和车辆减速使能信号判断是否触发车牌识别;
当判断不进行车牌识别时,继续采集视频流并执行所述判断;否则,使用所述视频流作为输入图像;
根据所述输入图像计算车牌的边缘信息,确定车牌区域的位置,并根据所述边缘信息得到校正后的车牌图像;
对所述校正后的车牌图像进行字符分割得到各字符的图像;
利用预先训练得到的分类器对各字符的图像进行识别,根据识别出的字符得到最终的车牌识别结果。
根据所述视频流和车辆减速使能信号判断是否触发车牌识别的方法包括:
根据所述视频流判断是否有车辆进入视场;当判断有车辆进入视场时,进一步判断车辆减速使能信号是否处于有效状态,若所述使能信号有效,则触发车牌识别;否则,不触发车牌识别。
根据所述视频流判断是否有车辆进入视场的方法包括:
预先建立背景图像,利用所述视频流中的各个当前帧分别与背景图像作差,得到多帧帧差图像;
根据所述帧差图像得到进入视场的目标物大小参数,当所述目标物大小参数大于设定的值时,认为有车辆进入视场;否则认为没有车辆进入视场。
所述预先建立背景图像的方法包括:
计算同一场景在背景图像建模时间内各像素点的亮度平均值,根据所述平均值生成背景图像,所述背景图像建模时间的长度预先设定;
每隔预先设定的更新时间,发起执行新的计算所述亮度平均值的步骤,根据计算得到的新的亮度平均值生成更新后的背景图像。
根据所述输入图像计算车牌的边缘信息,确定车牌区域的位置,并根据所述边缘信息得到校正后的车牌图像的方法包括:
利用运动估计从所述输入图像中选择车辆速度最慢的时刻所对应的一帧图像,采用sobel算子的水平方向的检测模板计算该帧图像中边缘像素点的水平边缘;
利用设定阈值对水平边缘之间的图像区域进行黑白化处理,得到黑白化的车牌区域;
再根据所述水平边缘,计算所述车牌区域中边缘像素点的水平方向的角度,得到校正后的车牌图像。
根据所述输入图像计算车牌的边缘信息,确定车牌区域的位置,并根据所述边缘信息得到校正后的车牌图像的方法包括:
采用sobel算子的水平方向的检测模板分别计算所述输入图像中边缘像素点的水平边缘;
利用设定阈值对所述输入图像中水平边缘之间的图像区域进行黑白化处理,得到黑白化的车牌区域的图像;
再根据所述水平边缘,分别计算所述车牌区域的图像中边缘像素点的水平方向的角度,得到多帧校正后的车牌图像。
所述利用预先训练得到的分类器对各字符的图像进行识别,根据识别出的字符得到最终的车牌识别结果的方法包括:
利用预先训练得到的分类器对各字符的图像进行识别;
融合多帧包含各字符的图像的识别结果,当所述识别结果满足预先设定的出牌条件时,生成最终的识别结果;所述预先设定的出牌条件为:该车牌的已识别样本达到预设的数量,且车牌中的各字符识别结果的置信度达到预设的置信权值。
对所述校正后的车牌图像进行字符分割得到各字符的图像的方法包括:
将校正后的车牌图像在垂直于车牌表面的方向上进行投影;
沿竖直方向,从一端开始向另一端,对投影后的图像进行逐行扫描直至遇到第一个黑色像素点,确定出整个字符区域的起始位置;从另一端开始反方向对图像进行逐行扫描直至遇到第一个黑色像素点,确定出整个字符区域的终止位置;根据所述整个字符区域的起始位置和终止位置确定出整个字符区域的高度范围;
在确定出的整个字符区域的高度范围内,沿水平方向,自一侧开始向另一侧进行逐列扫描直至遇到第一个黑色像素点,确定出第一个字符的分割起始位置;继续向另一侧进行逐列扫描直至遇到第一列不包含黑色像素点的位置,确定出第一个字符的分割终止位置;继续向另一侧进行逐列扫描,重复执行所述确定出字符的分割起始位置和分割终止位置的步骤,直到扫描至另一侧端点,确定出整个字符区域中各字符的宽度范围;
在确定出的各字符的宽度范围内,分别沿竖直方向,从一端开始进行逐行扫描直至遇到第一个黑色像素点,确定出各字符的起始位置;从另一端开始反方向进行逐行扫描直至遇到第一个黑色像素点,确定出各字符的终止位置;根据所述该字符的起始位置和终止位置确定出各字符的高度范围;
由确定出的各字符的宽度范围和高度范围得到各字符的图像。
所述车牌识别的方法中进一步包括:
车牌识别完成后,将车辆减速使能信号置为无效,放行已完成车牌识别的车辆通行,经过设定的延迟时间后再将车辆减速使能信号置为有效。
一种车牌识别的***,该***包括:视频采集装置,车辆减速装置,车牌识别触发装置和车***处理装置;
所述视频采集装置,用于采集视频流并发送给车牌识别触发装置和车***处理装置;
所述车辆减速装置,用于将车辆减速使能信号的状态发送给车牌识别触发装置;
所述车牌识别触发装置,用于根据接收的视频流和车辆减速使能信号判断是否触发车牌识别;当判断不触发车牌识别时,继续接收视频采集装置发送的视频流并执行所述判断;否则,触发车***处理装置进行车牌识别;
所述车***处理装置,用于根据所述车牌识别触发装置的触发信号,接收视频采集装置发送的视频流作为输入图像,根据所述输入图像计算车牌的边缘信息,确定车牌区域的位置,并根据所述边缘信息得到校正后的车牌图像;对所述校正后的车牌图像进行字符分割得到各字符的图像;利用预先训练得到的分类器对各字符的图像进行识别,根据识别出的字符得到车牌识别结果。
所述车牌识别触发装置中包括:目标判定模块和触发模块;
所述目标判定模块,用于根据所述视频流判断是否有车辆进入视场,并将判断结果通知触发模块;
所述触发模块,用于接收目标判定模块的判断结果,当所述目标判定模块判断有车辆进入视场时,进一步根据车辆减速装置发来的车辆减速使能信号的状态进行判断,当所述车辆减速使能信号为有效时,触发所述车***处理装置进行车牌识别;否则,不触发所述车***处理装置。
所述目标判定模块中包括:背景图像建模单元,目标大小计算单元和目标大小比对单元;
所述背景图像建模单元,用于计算同一场景在背景图像建模时间内各像素点的亮度平均值,根据所述平均值生成背景图像,所述背景图像建模时间的长度预先设定;每隔预先设定的更新时间,发起执行新的计算所述亮度平均值的步骤,根据计算得到的新的亮度平均值生成更新后的背景图像;
所述目标大小计算单元,用于将所述视频流中的各个当前帧分别与背景图像作差,得到多帧帧差图像,并根据所述帧差图像得到进入视场的目标物大小参数;
所述目标大小比对单元,用于将所述目标物大小参数与预先设定的值进行比对,当所述目标物大小参数大于预先设定的值时,判断有车辆进入视场;否则判断没有车辆进入视场;将判断结果通知触发模块。
所述车***处理装置包括:车牌图像定位模块、字符分割模块和字符识别模块;
所述车牌图像定位模块,用于根据所述车牌识别触发装置的触发信号,接收视频采集装置发送的视频流作为输入图像,根据所述输入图像计算车牌的边缘信息,确定车牌区域的位置,并根据所述边缘信息得到校正后的车牌图像;
所述字符分割模块,用于对校正后的车牌图像进行字符分割得到各字符的图像;
所述字符识别模块,用于利用预先训练得到的分类器对各字符的图像进行识别,根据识别出的字符得到车牌识别结果。
所述车牌图像定位模块中包括:边缘计算单元,黑白化处理单元和车牌校正单元;
所述边缘计算单元,用于利用sobel算子的水平方向的检测模板计算所述输入图像中边缘像素点的水平边缘;
所述黑白化处理单元,用于利用设定阈值对水平边缘之间的图像区域进行黑白化处理,得到黑白化的车牌区域;
所述车牌校正单元,用于根据所述水平边缘,计算所述黑白化的车牌区域中边缘像素点的水平方向的角度,得到校正后的车牌图像;
所述车***处理装置中进一步包括多帧融和模块;
所述多帧融和模块,用于融合多帧包含各字符的图像的识别结果,当所述识别结果满足预先设定的出牌条件时,生成最终的识别结果;所述预先设定的出牌条件为:该车牌的已识别样本达到预设的数量,且车牌中的各字符识别结果的置信度达到预设的置信权值。
所述车牌图像定位模块中包括输入图像确定单元,边缘计算单元,黑白化处理单元和车牌校正单元;
所述输入图像确定单元,用于利用运动估计从所述视频流中选择车辆速度最慢的时刻所对应的一帧图像作为最终输入图像进行车牌识别;
所述边缘计算单元,用于利用sobel算子的水平方向的检测模板计算所述输入图像中边缘像素点的水平边缘;
所述黑白化处理单元,用于利用设定阈值对水平边缘之间的图像区域进行黑白化处理,得到黑白化的车牌区域;
所述车牌校正单元,用于根据所述水平边缘,计算所述车牌区域中边缘像素点的水平方向的角度,得到校正后的车牌图像。
所述字符分割模块包括:投影单元,竖直扫描单元,水平扫描单元和字符图像生成单元;
所述投影单元,用于将校正后的车牌图像在垂直于车牌表面的方向上进行投影;
所述竖直扫描单元,用于沿竖直方向,从一端开始向另一端,对投影后的图像进行逐行扫描直至遇到第一个黑色像素点,确定出整个字符区域的起始位置;从另一端开始反方向对图像进行逐行扫描直至遇到第一个黑色像素点,确定出整个字符区域的终止位置;根据所述整个字符区域的起始位置和终止位置确定出整个字符区域的高度范围;还用于在确定出的各字符的宽度范围内,分别沿竖直方向,从一端开始进行逐行扫描直至遇到第一个黑色像素点,确定出各字符的起始位置;从另一端开始反方向进行逐行扫描直至遇到第一个黑色像素点,确定出各字符的终止位置;根据所述该字符的起始位置和终止位置确定出各字符的高度范围;
所述水平扫描单元,在确定出的整个字符区域的高度范围内,沿水平方向,自一侧开始向另一侧进行逐列扫描直至遇到第一个黑色像素点,确定出第一个字符的分割起始位置;继续向另一侧进行逐列扫描直至遇到第一列不包含黑色像素点的位置,确定出第一个字符的分割终止位置;继续向另一侧进行逐列扫描,重复执行所述确定出字符的分割起始位置和分割终止位置的步骤,直到扫描至另一侧端点,确定出整个字符区域中各字符的宽度范围;
所述字符图像生成单元,用于由确定出的各字符的宽度范围和高度范围得到各字符的图像。
所述车牌识别的***中进一步包括后端控制装置;
所述车***处理装置,进一步用于在车牌识别完成后,将车牌识别结果通过以太网或无线网络发送给后端控制装置;
所述后端控制装置,用于在接收车牌识别结果后,将车辆减速装置中的车辆减速使能信号置为无效,经过设定的延迟时间后再将其恢复为有效;还用于将接收的车牌识别结果与预先保存的许可车牌目录进行比对,当识别出的车牌不包含在所述许可车牌目录中时,将所述车牌信息保存,并在合适的时间进行异常车牌上报。
由上述的技术方案可见,本发明实施例的这种车牌识别的方法和***,根据视频流和车辆减速使能信号判断是否触发车牌识别,能够减少由于干扰物造成的误检,且该车牌识别的方法和***的车牌识别触发机制不必破坏路面进行安装调试,因此安装和维护的成本较低。
附图说明
图1为现有技术中车牌识别的方法的流程示意图。
图2为本发明实施例中车牌识别的方法的流程示意图。
图3为本发明实施例中车牌识别的***的一种组成结构示意图。
图4为本发明实施例中车牌识别的***的另一种组成结构示意图。
具体实施方式
为使本发明的目的、技术方案及优点更加清楚明白,以下参照附图并举实施例,对本发明进一步详细说明。
本发明实施例提供一种车牌识别的方法,其流程如图2所示,其中包括:
步骤201:采集视频流,根据所述视频流和车辆减速使能信号判断是否进行车牌识别;
步骤202:当判断不进行车牌识别时,继续采集视频流并执行所述判断;否则,使用所述视频流作为输入图像;
步骤203:根据所述输入图像计算车牌的边缘信息,确定车牌区域的位置,并根据所述边缘信息得到校正后的车牌图像;
步骤204:对所述校正后的车牌图像进行字符分割得到各字符的图像;
步骤205:利用预先训练得到的分类器对各字符的图像进行识别,根据识别出的字符得到最终的车牌识别结果。
下面对上述步骤201~205进行详细说明:
步骤201中根据所述视频流和车辆减速使能信号判断是否进行车牌识别的方法为:
根据所述视频流判断是否有车辆进入视场;当判断有车辆进入视场时,判断车辆减速使能信号是否处于有效状态,若所述使能信号有效,则进行车牌识别;若所述使能信号无效,或判断没有车辆进入视场时,则不进行车牌识别。
本发明实施例所述的车牌识别的方法,可以应用于各种车辆安检场景下,此时设置车辆减速装置对车辆进行减速,车辆进入视场后减速到低速状态或完全静止,此时可以获得车辆的比较清晰的车牌图像。比如常用的收费停车场,在停车场入口处通常设有拦阻杆,可以在拦阻杆上设置传感器,当拦阻杆放下,表示将车辆减速使能信号置为有效状态;拦阻杆收起时,则车辆减速使能信号置为无效状态。
其中,根据所述视频流判断是否有车辆进入视场的方法包括:
a、预先建立背景图像,利用所述视频流中的各个当前帧分别与背景图像作差,得到多帧帧差图像;
b、根据所述帧差图像得到进入视场的目标物大小参数,当所述目标物大小参数大于设定的值时,认为有车辆进入视场;否则认为没有车辆进入视场。
由于车牌识别的应用场景相对固定,因此本发明实施例采用的方法为采集同一场景在一定时间段内(下文将该一定时间段称为背景图像建模时间)的图像,计算图像内各像素的亮度平均值,根据所述平均值生成背景图像。背景图像一旦生成,每隔一段时间(也是预先设定的时间,但不同于前文中的背景图像建模时间,为表示区别,下文称为更新时间),对背景图像进行更新,即重新执行所述计算图像内各像素的亮度平均值,根据所述平均值生成背景图像的步骤,这样,就能够有效地减少昼夜光线照射等不确定因素的影响,从而可以在保证检测准确率的同时大大降低***的复杂程度。
步骤203中进一步包括:
步骤203a:采用sobel算子的水平方向的检测模板计算输入图像中边缘像素点的水平边缘;
步骤203b:利用设定阈值对水平边缘之间的图像区域进行黑白化处理,得到黑白化的车牌区域;此时的黑白化处理,是指黑白二值化处理,即将图像转化成黑白两种颜色构成的图像,不同于通常所述的多级灰度构成的黑白图像。
步骤203c:再根据所述水平边缘,计算所述车牌区域中边缘像素点的水平方向的角度,得到校正后的车牌图像。
输入图像中,车牌轮廓和背景图像的交界处具有强烈的边缘,车牌轮廓和背景交界处的边缘是进行车牌识别的重要信息,根据边缘信息可以将车牌轮廓与背景图像区分开来;同时,边缘不仅具有强度,而且还具有一定的方向,因为车牌图像并不总是正对着视频采集设备而是可能存在一定的角度,因此在进行字符识别前,为了保证良好的识别率,需要对这种车牌图像进行校正。
像素点边缘的求取方法有很多种,常用的如sobel或prewitt算子,本发明实施例中采用sobel算子,具体使用方式与现有技术相同,故不再赘述。但需要指出的是,此处同样也可以采用其他成熟的边缘计算方法。
步骤203c中,一种可行的车牌图像校正的方法为:先求原始车牌图像信号的矩阵的分布协方差矩阵,进一步求出该协方差矩阵的特征值以及相应的特征向量(每个特征向量又称为主分量)。将各特征值按降序进行排列,每个特征值与全部特征值总和的比值称为该特征值对应的主分量的贡献率,表征该分量代表原始车牌图像中的信号能量的百分比;根据需要决定选取主分量的个数,分别计算各选取的主分量与坐标轴的夹角确定车牌图像的倾斜角度,根据倾斜角度对车牌图像进行旋转,得到校正后的车牌图像。
步骤204中进一步包括:
步骤204a:将校正后的车牌图像在垂直于车牌表面的方向上进行投影;
步骤204b:沿竖直方向,从一端开始向另一端,对投影后的图像进行逐行扫描直至遇到第一个黑色像素点,确定出整个字符区域的起始位置;从另一端开始反方向对图像进行逐行扫描直至遇到第一个黑色像素点,确定出整个字符区域的终止位置;根据所述整个字符区域的起始位置和终止位置确定出整个字符区域的高度范围;
步骤204c:在确定出的整个字符区域的高度范围内,沿水平方向,自一侧开始向另一侧进行逐列扫描直至遇到第一个黑色像素点,确定出第一个字符的分割起始位置;继续向另一侧进行逐列扫描直至遇到第一列不包含黑色像素点的位置,确定出第一个字符的分割终止位置;继续向另一侧进行逐列扫描,重复执行所述确定出字符的分割起始位置和分割终止位置的步骤,直到扫描至另一侧端点,确定出整个字符区域中各字符的宽度范围;
步骤204d:在确定出的各字符的宽度范围内,分别沿竖直方向,从一端开始进行逐行扫描直至遇到第一个黑色像素点,确定出各字符的起始位置;从另一端开始反方向进行逐行扫描直至遇到第一个黑色像素点,确定出各字符的终止位置;根据所述该字符的起始位置和终止位置确定出各字符的高度范围;
至此,就可以根据确定出的各字符的宽度范围和高度范围得到各字符的图像。
在步骤205中,由于车牌中包含的特征信息相对固定,因此对所述分类器预先进行训练时可以根据各种不同类型的车牌模板对分类器进行有针对性地训练。
例如:国内应用的普通车牌通常包含汉字、英文字母和数字三类,汉字一般由各省简称开头,如京、沪、粤等,英文字母为A~Z中的任意一个或多个,同时车牌中还包括不同的颜色信息,如白色、蓝色和黄色车牌等;而特殊车牌通常如武警、军队牌照等,也都包含各自特殊的特征信息。对于数字和英文字母,可以利用的特征信息包括:
1)边缘数,表示一个字符的边缘连通轮廓的数目,例如字符6的边缘数为2,字母E的边缘数为1等。
2)边缘重心,主要针对边缘数为2的字符,分别计算两个边缘顶端和底端的坐标,记为yEdge1 Top,yEdge1 Bottom,yEdge2 Top,yEdge2 Bottom,再分别求的这两个边缘的差分 于是当DTop/DBottom<0.5,边缘重心在上半部;当DTop/DBottom>2,边缘重心在下半部。
3)轮廓特征值,使用轮廓的一阶微分变化趋势定义构成字符轮廓的基本单元,分为左斜、右斜、直线、圆弧、突变和不确定等。
4)笔画数,在字符某一位置处上下或左右任意划一条直线,根据其经过白色(字符轨迹为黑色)区域的次数对字符进行划分。
5)投影,对字符进行竖直和水平方向的投影,统计不同位置的投影量。
6)最长线,计算竖直或水平方向连通区域的白线长度,然后找出其中最长的一条,可在整幅图像中找也可以某个设定的区域内找。
7)面积比,计算某一设定区域内字符所占面积,主要用于区分诸如0、D、O或Q等字符,求面积时需对白色连通区域进行填充后计算填充后的黑色区域的面积,然后再计算白色连通区域的面积,做差后得到所述字符所占面积。
在实际应用中,还有许多其它特征信息可以用于训练分类器,限于篇幅此处不再一一列举,具体内容可以参考文献“车辆牌照字符识别算法的设计”,《视频技术应用与工程》,1002-8692(2007)05-0088-03,作者张谢华。容易理解,预先通过使用多种特征信息的组合对分类器进行训练,在进行字符识别时,再将分割后的字符图像送入训练后的分类器中,分类器就能够按照设定的分类方法从待识别字符中提取特征并进行识别。所述训练分类器和利用训练后的分类器进行字符识别属于本领域技术人员的公知技术,故不再详述。
需要指出的是,以上描述仅是为了说明几种可供选择的特征信息,不应理解为限定。同时,对车牌中包含的汉字字符进行识别时所选择的特征信息,可以参考相关文献,此处不再赘述。
本发明实施例还提供一种车牌识别的***,组成结构如图3所示,其中包括:视频采集装置310,车辆减速装置340,车牌识别触发装置320和车***处理装置330;
视频采集装置310,用于采集视频流并发送给车牌识别触发装置320和车***处理装置330;
车牌识别触发装置320,用于根据接收的视频流和车辆减速使能信号判断是否触发车牌识别;当判断不触发车牌识别时,继续接收视频采集装置310发送的视频流并执行所述判断;否则,触发车***处理装置330进行车牌识别;
车辆减速装置340,用于将车辆减速使能信号的状态发送给车牌识别触发装置320;
车***处理装置330,用于根据车牌识别触发装置320的触发信号,接收视频采集装置310发送的视频流作为输入图像,根据所述输入图像计算车牌的边缘信息,确定车牌区域的位置,并根据所述边缘信息得到校正后的车牌图像;对所述校正后的车牌图像进行字符分割得到各字符的图像;利用预先训练得到的分类器对各字符的图像进行识别,根据识别出的字符得到车牌识别结果。
在实际应用中,视频采集装置310可以采用专用的监控摄像头或传统摄像头,必要时还可以添加相应的采光补偿装置以能够应用于黑暗环境。
其中,车牌识别触发装置320中包括:目标判定模块321和触发模块322;
目标判定模块321,用于根据所述视频流判断是否有车辆进入视场,并将判断结果通知触发模块322;
触发模块322,用于接收目标判定模块321的判断结果,当所述目标判定模块321判断有车辆进入视场时,进一步根据车辆减速装置340发来的车辆减速使能信号的状态进行判断,当所述车辆减速使能信号为有效时,触发所述车***处理装置330进行车牌识别;否则,不触发所述车***处理装置330。
目标判定模块321中又进一步包括:背景图像建模单元321a,目标大小计算单元321b和目标大小比对单元321c;
背景图像建模单元321a,用于计算同一场景在背景图像建模时间内各像素点的亮度平均值,根据所述平均值生成背景图像,所述背景图像建模时间的长度预先设定;每隔预先设定的更新时间,发起执行新的计算所述亮度平均值的步骤,根据计算得到的新的亮度平均值生成更新后的背景图像;
目标大小计算单元321b,用于将所述视频流中的各个当前帧分别与背景图像作差,得到多帧帧差图像,并根据所述帧差图像得到进入视场的目标物大小参数;
目标大小比对单元321c,用于将所述目标物大小参数与预先设定的值进行比对,当所述目标物大小参数大于预先设定的值时,判断有车辆进入视场;否则判断没有车辆进入视场;将判断结果通知触发模块322。
车***处理装置330包括:车牌图像定位模块331、字符分割模块332和字符识别模块333;
车牌图像定位模块331,用于根据所述车牌识别触发装置320的触发信号,接收视频采集装置310发送的视频流作为输入图像,根据所述输入图像计算车牌的边缘信息,确定车牌区域的位置,并根据所述边缘信息得到校正后的车牌图像;
字符分割模块332,用于对校正后的车牌图像进行字符分割得到各字符的图像;
字符识别模块333,用于利用预先训练得到的分类器对各字符的图像进行识别,根据识别出的字符得到车牌识别结果。
需要说明的是,上述根据所述输入图像计算车牌的边缘信息时,由于视频采集装置310采集到的为多帧图像,此时可以采取两种方法对以所述多帧图像进行车牌识别,相应地,车***处理装置330对应有两种不同的组成结构:
其一,如图3所示,此时车***处理装置330对视频采集装置310发送的多帧图像进行车牌识别:
此时,车牌图像定位模块331包括:边缘计算单元331a,黑白化处理单元331b和车牌校正单元331c;
边缘计算单元331a,用于利用sobel算子的水平方向的检测模板计算所述输入图像中边缘像素点的水平边缘;
黑白化处理单元331b,用于利用设定阈值对水平边缘之间的图像区域进行黑白化处理,得到黑白化的车牌区域;
车牌校正单元331c,用于根据所述水平边缘,计算所述黑白化的车牌区域中边缘像素点的水平方向的角度,得到校正后的车牌图像;
相应地,此时车***处理装置330中进一步包括多帧融和模块334;
所述多帧融和模块334,用于融合多帧包含各字符的图像的识别结果,当所述识别结果满足预先设定的出牌条件时,生成最终的识别结果;所述预先设定的出牌条件为:该车牌的已识别样本达到预设的数量,且车牌中的各字符识别结果的置信度达到预设的置信权值。
其二,如图4所示,此时车***处理装置330从视频采集装置310发送的多帧图像中选择一帧作为输入图像进行车牌识别:
此时,车牌图像定位模块331中还进一步包括输入图像确定单元331d;
输入图像确定单元331d,用于利用运动估计从所述视频流中选择车辆速度最慢的时刻所对应的一帧图像作为最终输入图像进行车牌识别;
相应地,此时车***处理装置330中不再包括多帧融和模块334。
容易理解,上述两种实施方式的差别仅在于车***处理装置330结构的不同,所述车辆识别的***的其他部分完全相同,因此,下面将继续介绍该***的其他组成部分。
字符分割模块332包括:投影单元332a,竖直扫描单元332b,水平扫描单元332c和字符图像生成单元332d;
投影单元332a,用于将校正后的车牌图像在垂直于车牌表面的方向上进行投影;
竖直扫描单元332b,用于沿竖直方向,从一端开始向另一端,对投影后的图像进行逐行扫描直至遇到第一个黑色像素点,确定出整个字符区域的起始位置;从另一端开始反方向对图像进行逐行扫描直至遇到第一个黑色像素点,确定出整个字符区域的终止位置;根据所述整个字符区域的起始位置和终止位置确定出整个字符区域的高度范围;还用于在确定出的各字符的宽度范围内,分别沿竖直方向,从一端开始进行逐行扫描直至遇到第一个黑色像素点,确定出各字符的起始位置;从另一端开始反方向进行逐行扫描直至遇到第一个黑色像素点,确定出各字符的终止位置;根据所述该字符的起始位置和终止位置确定出各字符的高度范围;
水平扫描单元332c,在确定出的整个字符区域的高度范围内,沿水平方向,自一侧开始向另一侧进行逐列扫描直至遇到第一个黑色像素点,确定出第一个字符的分割起始位置;继续向另一侧进行逐列扫描直至遇到第一列不包含黑色像素点的位置,确定出第一个字符的分割终止位置;继续向另一侧进行逐列扫描,重复执行所述确定出字符的分割起始位置和分割终止位置的步骤,直到扫描至另一侧端点,确定出整个字符区域中各字符的宽度范围;
字符图像生成单元332d,用于由确定出的各字符的宽度范围和高度范围得到各字符的图像。
较佳地,本发明实施例中所述的车牌识别的***中还可以进一步包括后端控制装置350;
此时,所述车***处理装置330,进一步用于在车牌识别完成后,将车牌识别结果通过以太网或无线网络发送给后端控制装置350;
后端控制装置350,用于在接收车牌识别结果后,将所述车辆减速装置340中的车辆减速使能信号置为无效,经过设定的延迟时间后再将其恢复为有效;还用于将接收的车牌识别结果与预先保存的许可车牌目录进行比对,当识别出的车牌不包含在所述许可车牌目录中时,将所述车牌信息保存,并在合适的时间进行异常车牌上报。
在实际应用中,可以在车辆减速装置340中设置电传机构,所述车辆减速使能信号缺省保持有效状态,此时电传机构处于对应的有效状态(例如拦阻杆处于放下状态或拦阻门处于关闭状态)。当车牌识别完成,后端控制装置350向所述车辆减速装置340发送置位信号(例如取反信号),将所述车辆减速使能信号置为无效,则电传机构根据该无效后的使能信号进行相应动作(例如拦阻杆抬起或拦阻门开启),经过设定的延迟时间之后(以保证被放行车辆有足够时间正常通过所述车辆减速装置340),所述后端控制装置350发送复位信号将所述车辆减速使能信号重新置为缺省状态,则电传机构恢复进行车牌识别前的状态(例如拦阻杆重新放下或拦阻门再次关闭),准备开始下一次车牌识别。
此处的后端控制装置350只是一个示例,根据应用场景的不同,还可以进一步在所述车牌识别的***中添加各种功能模块,例如在收费停车场中,可以在车库的出入口的车辆减速装置中集成设置显示屏,用于分别显示车辆进入和离开停车场的时间,同时在后端控制装置中设置计费模块,将根据车辆进入和离开停车场的时间计算出的收费金额在车辆离开停车场出口时显示在出口处的显示屏上等。
由上述可见,本发明实施例提供的车牌识别的方法和***,根据视频流和车辆减速使能信号判断是否触发车牌识别,从而能够减少由于干扰物造成的误检,且该车牌识别的方法和***的车牌识别触发机制不必破坏路面进行安装调试,因此安装和维护的成本较低。
因此,容易理解,以上所述仅为本发明的较佳实施例,并非用于限定本发明的精神和保护范围,任何熟悉本领域的技术人员所做出的等同变化或替换,都应视为涵盖在本发明的保护范围之内。
Claims (16)
1、一种车牌识别的方法,其特征在于,该方法包括:
采集视频流,根据所述视频流和车辆减速使能信号判断是否触发车牌识别;
当判断不进行车牌识别时,继续采集视频流并执行所述判断;否则,使用所述视频流作为输入图像;
根据所述输入图像计算车牌的边缘信息,确定车牌区域的位置,并根据所述边缘信息得到校正后的车牌图像;
对所述校正后的车牌图像进行字符分割得到各字符的图像;
利用预先训练得到的分类器对各字符的图像进行识别,根据识别出的字符得到最终的车牌识别结果。
2、根据权利要求1所述的方法,其特征在于,根据所述视频流和车辆减速使能信号判断是否触发车牌识别的方法包括:
根据所述视频流判断是否有车辆进入视场;当判断有车辆进入视场时,进一步判断车辆减速使能信号是否处于有效状态,若所述使能信号有效,则触发车牌识别;否则,不触发车牌识别。
3、根据权利要求2所述的方法,其特征在于,根据所述视频流判断是否有车辆进入视场的方法包括:
预先建立背景图像,利用所述视频流中的各个当前帧分别与背景图像作差,得到多帧帧差图像;
根据所述帧差图像得到进入视场的目标物大小参数,当所述目标物大小参数大于设定的值时,认为有车辆进入视场;否则认为没有车辆进入视场。
4、根据权利要求3所述的方法,其特征在于,所述预先建立背景图像的方法包括:
计算同一场景在背景图像建模时间内各像素点的亮度平均值,根据所述平均值生成背景图像,所述背景图像建模时间的长度预先设定;
每隔预先设定的更新时间,发起执行新的计算所述亮度平均值的步骤,根据计算得到的新的亮度平均值生成更新后的背景图像。
5、根据权利要求1所述的方法,其特征在于,根据所述输入图像计算车牌的边缘信息,确定车牌区域的位置,并根据所述边缘信息得到校正后的车牌图像的方法包括:
利用运动估计从所述输入图像中选择车辆速度最慢的时刻所对应的一帧图像,采用sobel算子的水平方向的检测模板计算该帧图像中边缘像素点的水平边缘;
利用设定阈值对水平边缘之间的图像区域进行黑白化处理,得到黑白化的车牌区域;
再根据所述水平边缘,计算所述车牌区域中边缘像素点的水平方向的角度,得到校正后的车牌图像。
6、根据权利要求1所述的方法,其特征在于,根据所述输入图像计算车牌的边缘信息,确定车牌区域的位置,并根据所述边缘信息得到校正后的车牌图像的方法包括:
采用sobel算子的水平方向的检测模板分别计算所述输入图像中边缘像素点的水平边缘;
利用设定阈值对所述输入图像中水平边缘之间的图像区域进行黑白化处理,得到黑白化的车牌区域的图像;
再根据所述水平边缘,分别计算所述车牌区域的图像中边缘像素点的水平方向的角度,得到多帧校正后的车牌图像。
所述利用预先训练得到的分类器对各字符的图像进行识别,根据识别出的字符得到最终的车牌识别结果的方法包括:
利用预先训练得到的分类器对各字符的图像进行识别;
融合多帧包含各字符的图像的识别结果,当所述识别结果满足预先设定的出牌条件时,生成最终的识别结果;所述预先设定的出牌条件为:该车牌的已识别样本达到预设的数量,且车牌中的各字符识别结果的置信度达到预设的置信权值。
7、根据权利要求1所述的方法,其特征在于,对所述校正后的车牌图像进行字符分割得到各字符的图像的方法包括:
将校正后的车牌图像在垂直于车牌表面的方向上进行投影;
沿竖直方向,从一端开始向另一端,对投影后的图像进行逐行扫描直至遇到第一个黑色像素点,确定出整个字符区域的起始位置;从另一端开始反方向对图像进行逐行扫描直至遇到第一个黑色像素点,确定出整个字符区域的终止位置;根据所述整个字符区域的起始位置和终止位置确定出整个字符区域的高度范围;
在确定出的整个字符区域的高度范围内,沿水平方向,自一侧开始向另一侧进行逐列扫描直至遇到第一个黑色像素点,确定出第一个字符的分割起始位置;继续向另一侧进行逐列扫描直至遇到第一列不包含黑色像素点的位置,确定出第一个字符的分割终止位置;继续向另一侧进行逐列扫描,重复执行所述确定出字符的分割起始位置和分割终止位置的步骤,直到扫描至另一侧端点,确定出整个字符区域中各字符的宽度范围;
在确定出的各字符的宽度范围内,分别沿竖直方向,从一端开始进行逐行扫描直至遇到第一个黑色像素点,确定出各字符的起始位置;从另一端开始反方向进行逐行扫描直至遇到第一个黑色像素点,确定出各字符的终止位置;根据所述该字符的起始位置和终止位置确定出各字符的高度范围;
由确定出的各字符的宽度范围和高度范围得到各字符的图像。
8、根据权利要求1至7中任一项所述的方法,其特征在于,该方法进一步包括:
车牌识别完成后,将车辆减速使能信号置为无效,放行已完成车牌识别的车辆通行,经过设定的延迟时间后再将车辆减速使能信号置为有效。
9、一种车牌识别的***,其特征在于,该***包括:视频采集装置,车辆减速装置,车牌识别触发装置和车***处理装置;
所述视频采集装置,用于采集视频流并发送给车牌识别触发装置和车***处理装置;
所述车辆减速装置,用于将车辆减速使能信号的状态发送给车牌识别触发装置;
所述车牌识别触发装置,用于根据接收的视频流和车辆减速使能信号判断是否触发车牌识别;当判断不触发车牌识别时,继续接收视频采集装置发送的视频流并执行所述判断;否则,触发车***处理装置进行车牌识别;
所述车***处理装置,用于根据所述车牌识别触发装置的触发信号,接收视频采集装置发送的视频流作为输入图像,根据所述输入图像计算车牌的边缘信息,确定车牌区域的位置,并根据所述边缘信息得到校正后的车牌图像;对所述校正后的车牌图像进行字符分割得到各字符的图像;利用预先训练得到的分类器对各字符的图像进行识别,根据识别出的字符得到车牌识别结果。
10、根据权利要求9所述的***,其特征在于,所述车牌识别触发装置中包括:目标判定模块和触发模块;
所述目标判定模块,用于根据所述视频流判断是否有车辆进入视场,并将判断结果通知触发模块;
所述触发模块,用于接收目标判定模块的判断结果,当所述目标判定模块判断有车辆进入视场时,进一步根据车辆减速装置发来的车辆减速使能信号的状态进行判断,当所述车辆减速使能信号为有效时,触发所述车***处理装置进行车牌识别;否则,不触发所述车***处理装置。
11、根据权利要求10所述的***,其特征在于,所述目标判定模块中包括:背景图像建模单元,目标大小计算单元和目标大小比对单元;
所述背景图像建模单元,用于计算同一场景在背景图像建模时间内各像素点的亮度平均值,根据所述平均值生成背景图像,所述背景图像建模时间的长度预先设定;每隔预先设定的更新时间,发起执行新的计算所述亮度平均值的步骤,根据计算得到的新的亮度平均值生成更新后的背景图像;
所述目标大小计算单元,用于将所述视频流中的各个当前帧分别与背景图像作差,得到多帧帧差图像,并根据所述帧差图像得到进入视场的目标物大小参数;
所述目标大小比对单元,用于将所述目标物大小参数与预先设定的值进行比对,当所述目标物大小参数大于预先设定的值时,判断有车辆进入视场;否则判断没有车辆进入视场;将判断结果通知触发模块。
12、根据权利要求9所述的***,其特征在于,所述车***处理装置包括:车牌图像定位模块、字符分割模块和字符识别模块;
所述车牌图像定位模块,用于根据所述车牌识别触发装置的触发信号,接收视频采集装置发送的视频流作为输入图像,根据所述输入图像计算车牌的边缘信息,确定车牌区域的位置,并根据所述边缘信息得到校正后的车牌图像;
所述字符分割模块,用于对校正后的车牌图像进行字符分割得到各字符的图像;
所述字符识别模块,用于利用预先训练得到的分类器对各字符的图像进行识别,根据识别出的字符得到车牌识别结果。
13、根据权利要求12所述的***,其特征在与,所述车牌图像定位模块中包括:边缘计算单元,黑白化处理单元和车牌校正单元;
所述边缘计算单元,用于利用sobel算子的水平方向的检测模板计算所述输入图像中边缘像素点的水平边缘;
所述黑白化处理单元,用于利用设定阈值对水平边缘之间的图像区域进行黑白化处理,得到黑白化的车牌区域;
所述车牌校正单元,用于根据所述水平边缘,计算所述黑白化的车牌区域中边缘像素点的水平方向的角度,得到校正后的车牌图像;
所述车***处理装置中进一步包括多帧融和模块;
所述多帧融和模块,用于融合多帧包含各字符的图像的识别结果,当所述识别结果满足预先设定的出牌条件时,生成最终的识别结果;所述预先设定的出牌条件为:该车牌的已识别样本达到预设的数量,且车牌中的各字符识别结果的置信度达到预设的置信权值。
14、根据权利要求12所述的***,其特征在与,所述车牌图像定位模块中包括输入图像确定单元,边缘计算单元,黑白化处理单元和车牌校正单元;
所述输入图像确定单元,用于利用运动估计从所述视频流中选择车辆速度最慢的时刻所对应的一帧图像作为最终输入图像进行车牌识别;
所述边缘计算单元,用于利用sobel算子的水平方向的检测模板计算所述输入图像中边缘像素点的水平边缘;
所述黑白化处理单元,用于利用设定阈值对水平边缘之间的图像区域进行黑白化处理,得到黑白化的车牌区域;
所述车牌校正单元,用于根据所述水平边缘,计算所述车牌区域中边缘像素点的水平方向的角度,得到校正后的车牌图像。
15、根据权利要求12所述的***,其特征在于,所述字符分割模块包括:投影单元,竖直扫描单元,水平扫描单元和字符图像生成单元;
所述投影单元,用于将校正后的车牌图像在垂直于车牌表面的方向上进行投影;
所述竖直扫描单元,用于沿竖直方向,从一端开始向另一端,对投影后的图像进行逐行扫描直至遇到第一个黑色像素点,确定出整个字符区域的起始位置;从另一端开始反方向对图像进行逐行扫描直至遇到第一个黑色像素点,确定出整个字符区域的终止位置;根据所述整个字符区域的起始位置和终止位置确定出整个字符区域的高度范围;还用于在确定出的各字符的宽度范围内,分别沿竖直方向,从一端开始进行逐行扫描直至遇到第一个黑色像素点,确定出各字符的起始位置;从另一端开始反方向进行逐行扫描直至遇到第一个黑色像素点,确定出各字符的终止位置;根据所述该字符的起始位置和终止位置确定出各字符的高度范围;
所述水平扫描单元,在确定出的整个字符区域的高度范围内,沿水平方向,自一侧开始向另一侧进行逐列扫描直至遇到第一个黑色像素点,确定出第一个字符的分割起始位置;继续向另一侧进行逐列扫描直至遇到第一列不包含黑色像素点的位置,确定出第一个字符的分割终止位置;继续向另一侧进行逐列扫描,重复执行所述确定出字符的分割起始位置和分割终止位置的步骤,直到扫描至另一侧端点,确定出整个字符区域中各字符的宽度范围;
所述字符图像生成单元,用于由确定出的各字符的宽度范围和高度范围得到各字符的图像。
16、根据权利要求9至15中任一项所述的***,其特征在于,该***中进一步包括后端控制装置;
所述车***处理装置,进一步用于在车牌识别完成后,将车牌识别结果通过以太网或无线网络发送给后端控制装置;
所述后端控制装置,用于在接收车牌识别结果后,将车辆减速装置中的车辆减速使能信号置为无效,经过设定的延迟时间后再将其恢复为有效;还用于将接收的车牌识别结果与预先保存的许可车牌目录进行比对,当识别出的车牌不包含在所述许可车牌目录中时,将所述车牌信息保存,并在合适的时间进行异常车牌上报。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNA200810114753XA CN101303803A (zh) | 2008-06-11 | 2008-06-11 | 一种车牌识别的方法和*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNA200810114753XA CN101303803A (zh) | 2008-06-11 | 2008-06-11 | 一种车牌识别的方法和*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN101303803A true CN101303803A (zh) | 2008-11-12 |
Family
ID=40113695
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNA200810114753XA Pending CN101303803A (zh) | 2008-06-11 | 2008-06-11 | 一种车牌识别的方法和*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101303803A (zh) |
Cited By (40)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101833859A (zh) * | 2010-05-14 | 2010-09-15 | 山东大学 | 基于虚拟线圈的自触发车牌识别方法 |
CN101859382A (zh) * | 2010-06-03 | 2010-10-13 | 复旦大学 | 一种基于最大稳定极值区域的车牌检测与识别的方法 |
CN102096821A (zh) * | 2010-04-15 | 2011-06-15 | 西安理工大学 | 基于复杂网络理论的强干扰环境下的车牌识别方法 |
CN102243705A (zh) * | 2011-05-09 | 2011-11-16 | 东南大学 | 基于边缘检测的车牌定位方法 |
CN102685364A (zh) * | 2011-02-11 | 2012-09-19 | 微软公司 | 使用高帧率图像流来更新低帧率图像 |
CN102915574A (zh) * | 2012-08-30 | 2013-02-06 | 甘肃紫光智能交通与控制技术有限公司 | 嵌入式智能交通控制收费终端 |
CN103000029A (zh) * | 2012-11-20 | 2013-03-27 | 河南亚视软件技术有限公司 | 车辆视频识别方法及其应用 |
CN103136528A (zh) * | 2011-11-24 | 2013-06-05 | 同济大学 | 一种基于双边缘检测的车牌识别方法 |
CN103236167A (zh) * | 2013-03-27 | 2013-08-07 | 河南亚视软件技术有限公司 | 车辆通道入口车辆视频监控方法及其应用 |
CN103258431A (zh) * | 2012-02-20 | 2013-08-21 | 三星泰科威株式会社 | 自动号牌识别***和发送车辆信息的方法 |
CN103366577A (zh) * | 2013-05-16 | 2013-10-23 | 王斌 | 车辆牌证真伪识别*** |
CN103903005A (zh) * | 2012-12-25 | 2014-07-02 | 财团法人交大思源基金会 | 车牌影像辨识***及方法 |
CN104036241A (zh) * | 2014-05-30 | 2014-09-10 | 宁波海视智能***有限公司 | 一种车牌识别方法 |
CN104268596A (zh) * | 2014-09-25 | 2015-01-07 | 深圳市捷顺科技实业股份有限公司 | 一种车牌识别器及其车牌检测方法与*** |
WO2015066984A1 (zh) * | 2013-11-08 | 2015-05-14 | 广州中智融通金融科技有限公司 | 一种面向复杂背景的光学字符识别方法及装置 |
CN105156010A (zh) * | 2015-08-28 | 2015-12-16 | 苏州市博得立电源科技有限公司 | 基于图像分析的车库卷帘门控制方法 |
CN105391917A (zh) * | 2015-11-05 | 2016-03-09 | 清华大学 | 基于干扰物检测的视频优化方法 |
CN105608446A (zh) * | 2016-02-02 | 2016-05-25 | 北京大学深圳研究生院 | 一种视频流异常事件的检测方法及装置 |
CN106203416A (zh) * | 2016-07-08 | 2016-12-07 | 武汉工程大学 | 一种基于扫描图像的快递单据信息录入方法及录入装置 |
CN106408950A (zh) * | 2016-11-18 | 2017-02-15 | 北京停简单信息技术有限公司 | 停车场出入口车牌识别***及方法 |
CN103679191B (zh) * | 2013-09-04 | 2017-02-22 | 西交利物浦大学 | 基于静态图片的自动***检测方法 |
CN106683073A (zh) * | 2015-11-11 | 2017-05-17 | 杭州海康威视数字技术股份有限公司 | 一种车牌的检测方法及摄像机和服务器 |
CN108182808A (zh) * | 2017-12-28 | 2018-06-19 | 广东傲智创新科技有限公司 | 一种移动式车牌数据采集*** |
CN108229483A (zh) * | 2018-01-11 | 2018-06-29 | 中国计量大学 | 基于caffe与软触发下的门牌压印字符识别装置 |
CN108985137A (zh) * | 2017-06-02 | 2018-12-11 | 杭州海康威视数字技术股份有限公司 | 一种车牌识别方法、装置及*** |
CN110728278A (zh) * | 2018-07-16 | 2020-01-24 | 杭州海康威视数字技术股份有限公司 | 车牌识别方法及装置 |
TWI690857B (zh) * | 2018-03-14 | 2020-04-11 | 台達電子工業股份有限公司 | 車牌辨識方法以及其系統 |
CN111047723A (zh) * | 2019-12-12 | 2020-04-21 | 杭州昊恒科技有限公司 | 一种基于图像处理的城市智慧行为分析*** |
CN111340966A (zh) * | 2019-12-12 | 2020-06-26 | 山东中创软件工程股份有限公司 | 一种车辆检测方法、装置及*** |
CN111401360A (zh) * | 2020-03-02 | 2020-07-10 | 杭州雄迈集成电路技术股份有限公司 | 优化车牌检测模型的方法及***、车牌检测方法及*** |
CN111610925A (zh) * | 2016-12-19 | 2020-09-01 | 西安艾润物联网技术服务有限责任公司 | 车辆车牌号码辅助输入的方法及装置 |
CN111856611A (zh) * | 2019-04-17 | 2020-10-30 | 阿里巴巴集团控股有限公司 | 触发检测方法、装置及*** |
CN112071083A (zh) * | 2020-09-15 | 2020-12-11 | 台州市远行客网络技术有限公司 | 一种机动车牌接力识别***及车牌接力识别方法 |
CN112101274A (zh) * | 2020-09-24 | 2020-12-18 | 苏州科达科技股份有限公司 | 一种车牌识别方法、装置、设备及可读存储介质 |
CN112418221A (zh) * | 2020-12-02 | 2021-02-26 | 福建亿安智能技术有限公司 | 一种实现非机动车牌识别和定位的方法 |
CN112651309A (zh) * | 2020-12-15 | 2021-04-13 | 广州小鹏自动驾驶科技有限公司 | 一种车位号获取方法、装置、设备和存储介质 |
CN112712692A (zh) * | 2019-10-24 | 2021-04-27 | 上海宗保科技有限公司 | 一种车辆监控识别*** |
CN115052189A (zh) * | 2022-06-06 | 2022-09-13 | 重庆法链科技有限责任公司 | 一种视频流识别***及方法 |
US11443535B2 (en) | 2018-03-14 | 2022-09-13 | Delta Electronics, Inc. | License plate identification method and system thereof |
CN117152732A (zh) * | 2023-10-18 | 2023-12-01 | 北京精英智通科技股份有限公司 | 一种多特征辅助的车牌识别方法及*** |
-
2008
- 2008-06-11 CN CNA200810114753XA patent/CN101303803A/zh active Pending
Cited By (59)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102096821B (zh) * | 2010-04-15 | 2014-05-07 | 西安理工大学 | 基于复杂网络理论的强干扰环境下的车牌识别方法 |
CN102096821A (zh) * | 2010-04-15 | 2011-06-15 | 西安理工大学 | 基于复杂网络理论的强干扰环境下的车牌识别方法 |
CN101833859B (zh) * | 2010-05-14 | 2012-05-23 | 山东大学 | 基于虚拟线圈的自触发车牌识别方法 |
CN101833859A (zh) * | 2010-05-14 | 2010-09-15 | 山东大学 | 基于虚拟线圈的自触发车牌识别方法 |
CN101859382A (zh) * | 2010-06-03 | 2010-10-13 | 复旦大学 | 一种基于最大稳定极值区域的车牌检测与识别的方法 |
CN102685364A (zh) * | 2011-02-11 | 2012-09-19 | 微软公司 | 使用高帧率图像流来更新低帧率图像 |
CN102243705A (zh) * | 2011-05-09 | 2011-11-16 | 东南大学 | 基于边缘检测的车牌定位方法 |
CN103136528B (zh) * | 2011-11-24 | 2016-06-15 | 同济大学 | 一种基于双边缘检测的车牌识别方法 |
CN103136528A (zh) * | 2011-11-24 | 2013-06-05 | 同济大学 | 一种基于双边缘检测的车牌识别方法 |
CN103258431A (zh) * | 2012-02-20 | 2013-08-21 | 三星泰科威株式会社 | 自动号牌识别***和发送车辆信息的方法 |
CN103258431B (zh) * | 2012-02-20 | 2017-04-26 | 韩华泰科株式会社 | 自动号牌识别***和发送车辆信息的方法 |
CN102915574A (zh) * | 2012-08-30 | 2013-02-06 | 甘肃紫光智能交通与控制技术有限公司 | 嵌入式智能交通控制收费终端 |
CN103000029A (zh) * | 2012-11-20 | 2013-03-27 | 河南亚视软件技术有限公司 | 车辆视频识别方法及其应用 |
CN103903005A (zh) * | 2012-12-25 | 2014-07-02 | 财团法人交大思源基金会 | 车牌影像辨识***及方法 |
CN103903005B (zh) * | 2012-12-25 | 2016-12-28 | 财团法人交大思源基金会 | 车牌影像辨识***及方法 |
CN103236167B (zh) * | 2013-03-27 | 2015-08-05 | 河南亚视软件技术有限公司 | 车辆通道入口车辆视频监控方法及其应用 |
CN103236167A (zh) * | 2013-03-27 | 2013-08-07 | 河南亚视软件技术有限公司 | 车辆通道入口车辆视频监控方法及其应用 |
CN103366577B (zh) * | 2013-05-16 | 2015-12-23 | 王斌 | 车辆牌证真伪识别*** |
CN103366577A (zh) * | 2013-05-16 | 2013-10-23 | 王斌 | 车辆牌证真伪识别*** |
CN103679191B (zh) * | 2013-09-04 | 2017-02-22 | 西交利物浦大学 | 基于静态图片的自动***检测方法 |
US9613266B2 (en) | 2013-11-08 | 2017-04-04 | Grg Banking Equipment Co., Ltd. | Complex background-oriented optical character recognition method and device |
AU2014346263B2 (en) * | 2013-11-08 | 2016-11-17 | Grg Banking Equipment Co., Ltd. | Complex background-oriented optical character recognition method and device |
WO2015066984A1 (zh) * | 2013-11-08 | 2015-05-14 | 广州中智融通金融科技有限公司 | 一种面向复杂背景的光学字符识别方法及装置 |
CN104036241A (zh) * | 2014-05-30 | 2014-09-10 | 宁波海视智能***有限公司 | 一种车牌识别方法 |
CN104036241B (zh) * | 2014-05-30 | 2018-11-09 | 宁波海视智能***有限公司 | 一种车牌识别方法 |
CN104268596B (zh) * | 2014-09-25 | 2017-11-10 | 深圳市捷顺科技实业股份有限公司 | 一种车牌识别器及其车牌检测方法与*** |
CN104268596A (zh) * | 2014-09-25 | 2015-01-07 | 深圳市捷顺科技实业股份有限公司 | 一种车牌识别器及其车牌检测方法与*** |
CN105156010A (zh) * | 2015-08-28 | 2015-12-16 | 苏州市博得立电源科技有限公司 | 基于图像分析的车库卷帘门控制方法 |
CN105391917B (zh) * | 2015-11-05 | 2018-10-16 | 清华大学 | 基于干扰物检测的视频优化方法 |
CN105391917A (zh) * | 2015-11-05 | 2016-03-09 | 清华大学 | 基于干扰物检测的视频优化方法 |
CN106683073A (zh) * | 2015-11-11 | 2017-05-17 | 杭州海康威视数字技术股份有限公司 | 一种车牌的检测方法及摄像机和服务器 |
CN106683073B (zh) * | 2015-11-11 | 2020-02-18 | 杭州海康威视数字技术股份有限公司 | 一种车牌的检测方法及摄像机和服务器 |
CN105608446B (zh) * | 2016-02-02 | 2019-02-12 | 北京大学深圳研究生院 | 一种视频流异常事件的检测方法及装置 |
CN105608446A (zh) * | 2016-02-02 | 2016-05-25 | 北京大学深圳研究生院 | 一种视频流异常事件的检测方法及装置 |
CN106203416A (zh) * | 2016-07-08 | 2016-12-07 | 武汉工程大学 | 一种基于扫描图像的快递单据信息录入方法及录入装置 |
CN106408950A (zh) * | 2016-11-18 | 2017-02-15 | 北京停简单信息技术有限公司 | 停车场出入口车牌识别***及方法 |
CN111610925A (zh) * | 2016-12-19 | 2020-09-01 | 西安艾润物联网技术服务有限责任公司 | 车辆车牌号码辅助输入的方法及装置 |
CN108985137A (zh) * | 2017-06-02 | 2018-12-11 | 杭州海康威视数字技术股份有限公司 | 一种车牌识别方法、装置及*** |
CN108182808A (zh) * | 2017-12-28 | 2018-06-19 | 广东傲智创新科技有限公司 | 一种移动式车牌数据采集*** |
CN108229483A (zh) * | 2018-01-11 | 2018-06-29 | 中国计量大学 | 基于caffe与软触发下的门牌压印字符识别装置 |
TWI690857B (zh) * | 2018-03-14 | 2020-04-11 | 台達電子工業股份有限公司 | 車牌辨識方法以及其系統 |
US11443535B2 (en) | 2018-03-14 | 2022-09-13 | Delta Electronics, Inc. | License plate identification method and system thereof |
CN110728278A (zh) * | 2018-07-16 | 2020-01-24 | 杭州海康威视数字技术股份有限公司 | 车牌识别方法及装置 |
CN111856611A (zh) * | 2019-04-17 | 2020-10-30 | 阿里巴巴集团控股有限公司 | 触发检测方法、装置及*** |
CN112712692A (zh) * | 2019-10-24 | 2021-04-27 | 上海宗保科技有限公司 | 一种车辆监控识别*** |
CN111340966B (zh) * | 2019-12-12 | 2022-03-08 | 山东中创软件工程股份有限公司 | 一种车辆检测方法、装置及*** |
CN111047723B (zh) * | 2019-12-12 | 2021-01-05 | 杭州昊恒科技有限公司 | 一种基于图像处理的城市智慧行为分析*** |
CN111340966A (zh) * | 2019-12-12 | 2020-06-26 | 山东中创软件工程股份有限公司 | 一种车辆检测方法、装置及*** |
CN111047723A (zh) * | 2019-12-12 | 2020-04-21 | 杭州昊恒科技有限公司 | 一种基于图像处理的城市智慧行为分析*** |
CN111401360A (zh) * | 2020-03-02 | 2020-07-10 | 杭州雄迈集成电路技术股份有限公司 | 优化车牌检测模型的方法及***、车牌检测方法及*** |
CN111401360B (zh) * | 2020-03-02 | 2023-06-20 | 杭州雄迈集成电路技术股份有限公司 | 优化车牌检测模型的方法及***、车牌检测方法及*** |
CN112071083B (zh) * | 2020-09-15 | 2022-03-01 | 深圳市领航城市科技有限公司 | 一种机动车牌接力识别***及车牌接力识别方法 |
CN112071083A (zh) * | 2020-09-15 | 2020-12-11 | 台州市远行客网络技术有限公司 | 一种机动车牌接力识别***及车牌接力识别方法 |
CN112101274A (zh) * | 2020-09-24 | 2020-12-18 | 苏州科达科技股份有限公司 | 一种车牌识别方法、装置、设备及可读存储介质 |
CN112418221A (zh) * | 2020-12-02 | 2021-02-26 | 福建亿安智能技术有限公司 | 一种实现非机动车牌识别和定位的方法 |
CN112651309A (zh) * | 2020-12-15 | 2021-04-13 | 广州小鹏自动驾驶科技有限公司 | 一种车位号获取方法、装置、设备和存储介质 |
CN115052189A (zh) * | 2022-06-06 | 2022-09-13 | 重庆法链科技有限责任公司 | 一种视频流识别***及方法 |
CN117152732A (zh) * | 2023-10-18 | 2023-12-01 | 北京精英智通科技股份有限公司 | 一种多特征辅助的车牌识别方法及*** |
CN117152732B (zh) * | 2023-10-18 | 2024-02-27 | 北京精英智通科技股份有限公司 | 一种多特征辅助的车牌识别方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101303803A (zh) | 一种车牌识别的方法和*** | |
CN201159903Y (zh) | 一种车牌识别装置 | |
CN110197589B (zh) | 一种基于深度学习的闯红灯违法检测方法 | |
CN101030256B (zh) | 车辆图像分割方法和装置 | |
CN106373426B (zh) | 基于计算机视觉的停车位及违规占道停车监控方法 | |
CN101656023B (zh) | 一种视频监视模式下的室内停车场管理方法 | |
CN101751744B (zh) | 一种烟雾检测和预警方法 | |
CN107273816B (zh) | 基于车载前视单目相机的交通限速标识检测识别方法 | |
CN104851288B (zh) | 一种交通灯定位方法 | |
US20030190058A1 (en) | Apparatus and method for measuring queue length of vehicles | |
CN105512623A (zh) | 基于多传感器雾天行车视觉增强与能见度预警***及方法 | |
CN106339657B (zh) | 基于监控视频的秸秆焚烧监测方法、装置 | |
CN104573637A (zh) | 一种基于多摄像头的车牌识别方法 | |
CN106778648A (zh) | 车辆轨迹跟踪及车牌识别***和识别方法 | |
CN101692313A (zh) | 基于嵌入式平台的便携式车辆识别装置 | |
WO2008064621A1 (de) | Erkennung und kategorisierung von lichtpunkten mit einer kamera in einer fahrzeugumgebung | |
CN109447090B (zh) | 一种屏蔽门障碍物检测方法及检测*** | |
CN102867417A (zh) | 一种出租车防伪***及方法 | |
CN110956104A (zh) | 一种检测垃圾桶溢出的方法、装置及*** | |
CN104805784A (zh) | 一种闸机逃票检测***及方法 | |
CN102915433A (zh) | 基于字符组合的车牌定位和识别方法 | |
CN109190488A (zh) | 基于深度学习YOLOv3算法的前车车门打开检测方法及装置 | |
CN103413135B (zh) | 一种车辆前照灯亮暗边界线检测方法、装置和*** | |
WO2023221425A1 (zh) | 一种用于船舶过闸安全检测方法 | |
CN106682648B (zh) | 一种用户接打手机行为检测方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C12 | Rejection of a patent application after its publication | ||
RJ01 | Rejection of invention patent application after publication |
Open date: 20081112 |