CN102156862B - 一种反遮改车牌识别***及识别方法 - Google Patents
一种反遮改车牌识别***及识别方法 Download PDFInfo
- Publication number
- CN102156862B CN102156862B CN201110115738.9A CN201110115738A CN102156862B CN 102156862 B CN102156862 B CN 102156862B CN 201110115738 A CN201110115738 A CN 201110115738A CN 102156862 B CN102156862 B CN 102156862B
- Authority
- CN
- China
- Prior art keywords
- near infrared
- car plate
- character
- video camera
- license plate
- 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.)
- Expired - Fee Related
Links
Images
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种反遮改(遮挡和涂改)车牌识别***及识别方法。首先利用车牌的回归反射特性设计了一种主被动成像***,实现了图像中车牌区域的高亮显示,车身、其它背景以及遮改材料的低亮显示;然后,设计了一种反遮改车牌识别方法,实现了遮改判别和字符识别。最后,针对应用最为广泛的一类车牌对设计进行了改进。与现有车牌识别***相比,本发明具有反遮改功能,提高了***的智能化程度;同时,获取的车牌图像质量高,背景噪声少,对外界光照变化不敏感,很大程度上克服了图像源的质量对识别过程的瓶颈作用。
Description
技术领域
本发明涉及智能交通、车牌识别领域,具体为一种反遮改车牌识别***及识别方法。
背景技术
智能交通***(Intelligent Transportation System,ITS)是当今信息领域最大的***工程之一,影响经济发展和社会进步的全球性热点问题。ITS是指将先进的人工智能技术、自动控制技术、计算机技术、信息与通信技术、传感器技术以及***工程技术有效地集成,并应用于地面交通管理,从而建立一种在大范围内,全方位发挥作用的,实时、准确、高效的综合交通运输管理***。
车辆自动化管理是ITS需要解决的主要问题,而车牌识别技术是实现车辆自动化管理的核心手段。作为ITS的核心技术之一,车牌识别***的研发受到国内外学者的广泛关注。车牌识别是指从视频流中抓拍车牌图像,然后利用图像处理、模式识别等手段自动识别出车牌,为车辆管理和交通控制提供信息。车牌识别***主要由图像获取、车牌定位、字符分割和字符识别四个部分组成。
自然光照条件下,车牌区域纹理比较清晰。尽管存在需要补光的情况(如夜晚或低照度条件),现有车牌识别***的设计几乎都是基于被动成像条件,必须应对复杂背景、光照变化等不利因素。尽管采用了先进的图像处理和模式识别技术,图像源的质量仍然是车牌定位、字符分割和字符识别等模块的技术瓶颈。同时,遮挡和涂改车牌的情况屡见不鲜,对车牌识别***提出了新的挑战。因此,研发具有高质量输入源和反遮改功能的车牌识别***,实际意义显著。
车牌具有区别于车身、其它背景以及遮改材料的回归反射特性,为研发目标的实现提供了契机。回归反射特性可表述为:反射光线沿光源的方向传播,且保持在一个较小的立体角内。具有回归反射的车牌可以分为三类:第一类,车牌底和字符均采用回归反射材料;第二类,车牌底和字符仅有一者采用回归反射材料;第三类,部分车牌底或字符采用回归反射材料。其中,第二类车牌应用最为广泛,世界上许多国家仅采用此类车牌。目前,我国发行的白底黑字新式车牌也属于该类型,包含以上三种类型的“92式”车牌很可能在不久的将来被其所取代。
发明内容
本发明的目的是提供一种反遮改车牌识别***及识别方法,以实现对具有回归反射特性的车牌的识别。
为了达到上述目的,本发明所采用的技术方案为:
一种反遮改车牌识别***,其特征在于:包括有图像处理模块,还包括有基于回归反射的主被动成像***,所述主被动成像***包括近红外摄像机、安装在近红外摄像机上的近红外主动光源,以及可见光摄像机、安装在可见光摄像机上的可见光主动光源;所述近红外摄像机、可见光摄像机水平连接组装,或者相互垂直连接组装,所述近红外摄像机内置有带通滤光片,所述可见光摄像机内置有可见光低通滤光片,所述近红外摄像机、可见光摄像机分别与处理模块连接,向所述图像处理模块传输数据。
所述的一种反遮改车牌识别***,其特征在于:白天时近红外主动光源工作,近红外摄像机工作在主动成像状态,可见光主动光源关闭,可见光摄像机工作在被动成像状态,近红外摄像机、可见光摄像机进行同步抓拍;夜晚时近红外主动光源、近红外摄像机均关闭,可见光主动光源工作,可见光摄像机工作在主动成像状态。
所述的一种反遮改车牌识别***,其特征在于:所述近红外主动光源采用峰值波长位于近红外波段的近红外闪光灯,或者是峰值波长位于近红外波段的近红外激光照明器,其中:
当近红外主动光源采用近红外闪光灯时,所述近红外闪光灯、近红外摄像机分别内置有近红外闪光灯光源峰值波长附近的带通滤光片;
当近红外主动光源采用近红外激光照明器时,所述近红外摄像机内置有与近红外激光照明器激光光谱匹配的带通滤光片。
所述的一种反遮改车牌识别***,其特征在于:所述可见光主动光源采用闪光灯或定向持续照明器。
所述的一种反遮改车牌识别***,其特征在于:所述图像处理模块采用计算机或信号处理电路。
一种反遮改车牌识别方法,所述车牌分为三类:第一类为车牌底和车牌字符均采用回归反射材料;第二类为车牌底和车牌字符仅有一者采用回归反射材料;第三类为部分车牌底或车牌字符采用回归反射材料,其特征在于:处理模块对近红外摄像机、可见光摄像机采集的车牌图像进行处理,包括以下步骤:
(1) 图像输入:所述近红外摄像机、可见光摄像机分别将采集的近红外、可见光图像传输至图像处理模块;
(2) 工作模式判别:判断近红外摄像机、可见光摄像机的工作模式,如果为白天环境下工作的白天模式则继续步骤(3),如果为夜晚环境下工作的夜晚模式则转步骤(11);
(3) 近红外车牌定位:所述图像处理模块对近红外摄像机传输的近红外图像进行二值化,根据车牌的类矩形特征实现定位;
(4) 可见光车牌匹配分割:根据经验作用距离判断近红外、可见光图像之间视场差,进而根据所述视场差实现可见光图像中车牌的匹配分割;
(5) 车牌类型判别:所述图像处理模块根据车牌的纹理特征对车牌类别进行判别,如果车牌为第一类则继续步骤(6),如果车牌为第二类或第三类则转步骤(9);
(6) 遮改判别:根据步骤(3)得到的二值图像中车牌区域零像素的面积进行判别,如果该面积超过阈值即判定车牌存在遮改,继续步骤(7),如果该面积不超过阈值即判定车牌为正常车牌转步骤(8);
(7) 非遮改字符分割:利用车牌具有规则的几何尺寸、字符数等特点对可见光图像的车牌区域中不存在遮改的部分进行字符分割,分割完成后转步骤(14);
(8) 可见光字符分割:利用车牌具有规则的几何尺寸、字符数等特点对可见光图像的车牌区域进行字符分割,完成后转步骤(15);
(9) 字符匹配分割:首先对近红外图像中的字符进行分割,根据分割出的字符坐标在可见光图像中标定每个字符块的字符区域和背景区域;
(10) 遮改判别:若步骤(9)不能分割出标准数量的字符,判定为存在遮改转步骤(14);若成功分割,分别对每个字符块的字符区域和背景区域进行二值化,若字符区域和背景区域中零像素面积超过阈值,判定为存在遮改转步骤(14),否则为正常车牌转步骤(15);
(11) 可见光车牌定位:对可见光图像进行二值化,根据车牌的类矩形特征实现定位;
(12) 可见光字符分割:利用车牌具有规则的几何尺寸、字符数等特点对可见光图像中车牌区域进行字符分割;
(13) 遮改判别:若步骤(12)不能分割出标准数量的字符,判定为存在遮改继续步骤(14);若成功分割,分别对每个字符块的字符区域和背景区域进行二值化,若字符区域和背景区域中零像素面积超过阈值判定为存在遮改继续步骤(14);否则为正常车牌转步骤(15);
(14) 判定为存在遮改,并对非遮改字符进行识别后转步骤(16);
(15) 判定为正常车牌,并对字符进行识别后继续步骤(16);
(16) 结果输出。
一种反遮改车牌识别***,其特征在于:以第二类车牌——车牌底和车牌字符仅有一者采用回归反射材料,作为研究目标,包括有图像处理模块,还包括有基于回归反射的主动成像***,所述主动成像***包括近红外摄像机、安装在近红外摄像机上的红光或近红外主动光源。
所述的一种反遮改车牌识别***,其特征在于:所述红光或近红外主动光源采用峰值波长位于红光中心波长到近红外波段之间的闪光灯或激光照明器,所述近红外摄像机内置有红光或近红外主动光源峰值波长附近的带通滤波片,所述红光或近红外主动光源全天候工作,近红外摄像机始终工作在主动成像状态。
一种反遮改车牌识别方法,针对车牌底和车牌上字符仅有一者采用回归反射材料的车牌,其特征在于:图像处理模块对近红外摄像机采集的车牌图像进行处理,包括以下步骤:
(1) 图像输入:所述近红外摄像机将所采集的近红外图像传输至处理模块;
(2) 车牌定位:对近红外图像进行二值化,根据车牌的类矩形和纹理特征实现定位;
(3) 字符分割:利用车牌具有规则的几何尺寸、字符数等特点对近红外图像中车牌区域进行字符分割;
(4) 遮改判别:若步骤(3)不能分割出标准数量的字符,判定为存在遮改继续步骤(5);否则为正常车牌转步骤(6);
(5) 判定为存在遮改,并对非遮改字符进行识别后转(7);
(6) 判定为正常车牌,并对字符进行识别后继续步骤(7);
(7) 结果输出。
本发明首次利用车牌的回归反射特性设计了一种反遮改车牌识别***,与现有***相比具有一些突出优点:本发明具有反遮改功能,提高了***的智能化程度;其次,获取的车牌图像质量高,背景噪声少,对自然光照变化不敏感,很大程度上克服了图像源的质量对识别过程的瓶颈作用;此外,还提供了一种评估车牌污染程度的有效手段。
附图说明
图1 主被动成像***组成示意图。
图2 反遮改车牌识别方法的流程示意图。
图3 回归反射膜原理示意图。
图4 实施实例示意图。其中:
图4a为存在遮改的可见光车牌图像,图4b为图4a对应的近红外图像,图4c为近红外、可见光车牌匹配分割,图4d为遮改判别。
具体实施方式
如图1、图2、图3所示。
1、反遮改车牌识别***设计:
1.1 ***设计原理:车牌具有区别于车身、其它背景以及遮改材料的回归反射特性;利用可以克服外界光照影响的主动成像实现了图像中车牌区域的高亮显示,车身、其它背景以及遮改材料的低亮显示;采用近红外、可见光复合的主被动成像***及配套软件实现了车牌定位、遮改判别、字符分割以及字符识别等功能。
1.2 设计了一种基于回归反射的主被动成像***,其输入为抓拍触发信号,白天输出为相近视场的一组近红外、可见光图像,夜晚输出为一幅可见光图像,输入、输出端分别为车辆抓拍触发模块和计算机或信号处理电路。
(1) 该成像***主要由近红外摄像机、近红外主动光源、可见光摄像机、可见光主动光源以及滤光片组成。
(2) 近红外主动光源选用峰值波长位于近红外波段的闪光灯或激光照明器,可见光主动光源选用一般闪光灯或定向持续照明器;两种光源分别安装于相应的摄像机上(或与摄像机镜头绑定),两摄像机水平(或垂直)连接组装;根据近红外光源的选择,采取两种滤光片内置方式:
a) 选用近红外闪光灯。近红外闪光灯和摄像机内置有光源峰值波长附近的带通滤光片,可见光摄像机内置有可见光低通滤光片;
b) 选用近红外激光照明器。近红外摄像机内置有与激光光谱匹配的带通滤光片,可见光摄像机内置有可见光低通滤光片。
(3) 白天,近红外主动光源工作,近红外摄像机工作在主动成像状态;可见光主动光源关闭,可见光摄像机工作在被动成像状态;两摄像机进行同步抓拍。夜晚,近红外主动光源、摄像机均关闭,可见光主动光源工作,可见光摄像机工作在主动成像状态。
1.3具有回归反射的车牌可以分为三类:第一类,车牌底和字符均采用回归反射材料;第二类,车牌底和字符仅有一者采用回归反射材料;第三类,部分车牌底或字符采用回归反射材料。为了同时处理这三类车牌,设计了一种反遮改车牌识别方法,其输入为上述成像***产生的图像,输出为遮改的判别和车牌字符的识别结果。方法的具体流程如下:
(1) 图像输入。
(2) 工作模式判别,白天模式则继续,夜晚模式则转(11)。
(3) 近红外车牌定位。对近红外图像进行二值化,根据车牌的类矩形特征实现定位。
(4) 可见光车牌匹配分割。由成像***中两摄像机的排列方式和作用距离可以明确,一组近红外、可见光图像仅在水平(或垂直)方向存在较小的视场差,根据经验作用距离估计该视场差从而实现可见光图像中车牌的匹配分割。
(5) 车牌类型判别,第一类则继续,第二类或第三类则转(9)。由于二、三类车牌的材料组成属于混合型,其近红外图像中必然存在较丰富的字符纹理,而第一类车牌则不然,从而根据纹理特征对车牌进行分类;
(6) 遮改判别,是则继续,否则转(8)。二值化近红外车牌区域,零像素的面积超过阈值即判定为存在遮改;否则为正常车牌。
(7) 非遮改字符分割,转(14)。车牌几何尺寸、字符数均是规则的,利用该特点对可见光车牌区域中不存在遮改的部分进行字符分割;分割方法采用投影或连通区域分析法等。
(8) 可见光字符分割,转(15)。
(9) 字符匹配分割。首先对近红外字符进行分割,根据分割出的字符坐标在可见光车牌中标定每个字符块的字符区域和背景区域。
(10) 遮改判别,是则转(14),否则转(15)。若步骤(9)不能分割出标准数量的字符,判定为存在遮改;若成功分割,分别对每个字符块的字符区域和背景区域进行二值化,若两区域中零像素超过阈值,判定为存在遮改;否则为正常车牌。
(11) 可见光车牌定位。对可见光图像进行二值化,根据车牌的类矩形特征实现定位。
(12) 可见光字符分割。
(13) 遮改判别,是则继续,否则转(15)。若步骤(12)不能分割出标准数量的字符,判定为存在遮改;若成功分割,分别对每个字符块的字符区域和背景区域进行二值化,若两区域中零像素超过阈值判定为存在遮改;否则为正常车牌。
(14) 判定为存在遮改,并对非遮改字符进行识别,转(16)。采用训练好的神经网络、支持向量机等判别器对字符进行识别。
(15) 判定为正常车牌,并对字符进行识别。
(16) 结果输出。
2、针对第二类车牌——车牌底和字符仅有一者采用回归反射材料,对设计进行改进:
2.1设计了一种基于回归反射的主动成像***,其输入为抓拍触发信号,输出为一幅红光或近红外图像,输入、输出端分别为车辆抓拍触发模块和计算机或信号处理电路。
(1) 该成像***主要由近红外摄像机、红光或近红外主动光源、以及滤光片组成。
(2) 红光或近红外主动光源选用峰值波长位于红光中心波长到近红外波段之间的闪光灯或激光照明器;近红外摄像机内置有光源峰值波长附近的带通滤光片。
(3) 主动光源全天候工作,近红外摄像机始终工作在主动成像状态。
2.2 设计了相应的反遮改车牌识别方法,其输入为上述成像***产生的图像,输出为遮改的判别和车牌字符的识别结果。方法的具体流程如下:
(1) 图像输入。
(2) 车牌定位。对可见光图像进行二值化,根据车牌的类矩形和纹理特征实现定位。
(3) 字符分割。分割方法采用投影或连通区域分析法等。
(4) 遮改判别,是则继续,否则转(6)。若步骤(3)不能分割出标准数量的字符,判定为存在遮改;否则为正常车牌。
(5) 判定为存在遮改,并对非遮改字符进行识别,转(7)。采用训练好的神经网络、支持向量机等分类器对字符进行识别。
(6) 判定为正常车牌,并对字符进行识别。
(7) 结果输出。
如图4所示,一个篮底白字车牌,前两个字符被光盘遮挡,第四个字符“1”被白色纸条涂改为“T”。本发明所述***在白天对该车牌进行识别,主要包括以下步骤:
(1) 采集到一幅可见光图像和一幅近红外图像,如图4(a-b)所示;
(2) 将图像组输入识别软件,判定为白天模式;
(3) 实现近红外车牌定位和可见光车牌的匹配分割,如图4(c)所示;
(4) 通过近红外定位结果,判定该车牌属于第一类且存在遮改;
(5) 对非遮改字符进行分割、识别;
(6) 结果输出为车牌存在遮改,有四个正常字符;真实车牌为图4(d)中的两种情况之一。
Claims (4)
1.一种反遮改车牌识别方法,其特征在于:所述反遮改车牌识别方法应用于反遮改车牌识别***,所述反遮改车牌识别***,包括有图像处理模块,还包括有基于回归反射的主被动成像***,所述主被动成像***包括近红外摄像机、安装在近红外摄像机上的近红外主动光源,以及可见光摄像机、安装在可见光摄像机上的可见光主动光源,所述近红外摄像机、可见光摄像机水平连接组装,或者相互垂直连接组装,所述近红外摄像机内置有带通滤光片,所述可见光摄像机内置有可见光低通滤光片,所述近红外摄像机、可见光摄像机分别与图像处理模块连接,向所述图像处理模块传输数据;
白天时近红外主动光源工作,近红外摄像机工作在主动成像状态,可见光主动光源关闭,可见光摄像机工作在被动成像状态,近红外摄像机、可见光摄像机进行同步抓拍;夜晚时近红外主动光源、近红外摄像机均关闭,可见光主动光源工作,可见光摄像机工作在主动成像状态;
所述近红外主动光源采用峰值波长位于近红外波段的近红外闪光灯,或者是峰值波长位于近红外波段的近红外激光照明器,其中:
当近红外主动光源采用近红外闪光灯时,所述近红外闪光灯、近红外摄像机分别内置有近红外闪光灯光源峰值波长附近的带通滤光片;
当近红外主动光源采用近红外激光照明器时,所述近红外摄像机内置有与近红外激光照明器激光光谱匹配的带通滤光片;
所述车牌分为三类:第一类为车牌底和车牌上字符均采用回归反射材料;第二类为车牌底和车牌上字符仅有一者采用回归反射材料;第三类为部分车牌底或车牌上字符采用回归反射材料,利用近红外摄像机、可见光摄像机采集车牌图像, 所述反遮改车牌识别方法包括图像处理模块对近红外摄像机、可见光摄像机采集的车牌图像进行处理,包括以下步骤:
(1) 图像输入:所述近红外摄像机、可见光摄像机分别将所采集的近红外、可见光图像传输至图像处理模块;
(2) 工作模式判别:判断近红外摄像机、可见光摄像机的工作模式,如果为白天环境下工作的白天模式则继续步骤(3),如果为夜晚环境下工作的夜晚模式则转步骤(11);
(3) 近红外车牌定位:所述图像处理模块对近红外摄像机传输的近红外图像进行二值化,根据车牌的类矩形特征实现定位;
(4) 可见光车牌匹配分割:根据经验作用距离判断近红外、可见光图像之间视场差,进而根据所述视场差实现可见光图像中车牌的匹配分割;
(5) 车牌类型判别:所述图像处理模块根据车牌的纹理特征对车牌类别进行判别,如果车牌为第一类则继续步骤(6),如果车牌为第二类或第三类则转步骤(9);
(6) 遮改判别:根据步骤(3)得到的二值化的近红外图像零像素的面积进行判别,如果近红外图像零像素的面积超过阈值即判定车牌存在遮改,继续步骤(7),如果近红外图像零像素的面积不超过阈值即判定车牌为正常车牌转步骤(8);
(7) 非遮改字符分割:利用车牌几何尺寸、字符数为规则的特点对可见光图像的车牌区域中不存在遮改的部分进行字符分割,分割完成后转步骤(14);
(8) 可见光字符分割:利用车牌几何尺寸、字符数为规则的特点对可见光图像的车牌区域进行字符分割,完成后转步骤(15);
(9) 字符匹配分割:首先对近红外图像中的字符进行分割,根据分割出的字符坐标在可见光图像中标定每个字符块的字符区域和背景区域;
(10) 遮改判别:若步骤(9)不能分割出标准数量的字符,判定为存在遮改转步骤(14);若成功分割,分别对每个字符块的字符区域和背景区域进行二值化,若二值化的字符区域和背景区域中零像素面积超过阈值,判定为存在遮改转步骤(14),否则为正常车牌转步骤(15);
(11) 可见光车牌定位:对可见光图像进行二值化,根据车牌的类矩形特征实现定位;
(12) 可见光字符分割:利用车牌几何尺寸、字符数为规则的特点对可见光图像中车牌区域进行字符分割;
(13) 遮改判别:若步骤(12)不能分割出标准数量的字符,判定为存在遮改继续步骤(14);若成功分割,分别对每个字符块的字符区域和背景区域进行二值化,若字符区域和背景区域中零像素面积超过阈值判定为存在遮改继续步骤(14);否则为正常车牌转步骤(15);
(14) 判定为存在遮改,并对非遮改字符进行识别后转步骤(16);
(15) 判定为正常车牌,并对字符进行识别后继续步骤(16);
(16) 结果输出。
2.根据权利要求1所述的一种反遮改车牌识别方法,其特征在于:所述可见光主动光源采用闪光灯或定向持续照明器;所述图像处理模块采用计算机。
3.根据权利要求1所述的一种反遮改车牌识别方法,其特征在于:包括有图像处理模块,还包括有基于回归反射的主动成像***,所述主动成像***包括近红外摄像机、安装在近红外摄像机上的红光或近红外主动光源。
4.根据权利要求3所述的一种反遮改车牌识别方法,其特征在于:所述红光或近红外主动光源采用峰值波长位于红光中心波长到近红外波段之间的闪光灯或激光照明器,所述近红外摄像机内置有红光或近红外主动光源峰值波长附近的带通滤波片,所述红光或近红外主动光源全天候工作,近红外摄像机始终工作在主动成像状态。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110115738.9A CN102156862B (zh) | 2011-05-06 | 2011-05-06 | 一种反遮改车牌识别***及识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110115738.9A CN102156862B (zh) | 2011-05-06 | 2011-05-06 | 一种反遮改车牌识别***及识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102156862A CN102156862A (zh) | 2011-08-17 |
CN102156862B true CN102156862B (zh) | 2014-01-01 |
Family
ID=44438353
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201110115738.9A Expired - Fee Related CN102156862B (zh) | 2011-05-06 | 2011-05-06 | 一种反遮改车牌识别***及识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102156862B (zh) |
Families Citing this family (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102568202B (zh) * | 2011-12-23 | 2014-07-09 | 北京易华录信息技术股份有限公司 | 车牌遮挡检测***及检测方法 |
CN102637254A (zh) * | 2012-02-25 | 2012-08-15 | 杨星 | 一种回归反射目标的检测*** |
CN102682608B (zh) * | 2012-05-16 | 2014-02-19 | 江苏尤特斯新技术有限公司 | 机动车遮挡和污损车牌行为的图像取证方法 |
CN102722711B (zh) * | 2012-05-31 | 2014-05-07 | 信帧电子技术(北京)有限公司 | 一种车牌类型识别中的车牌字符序列识别方法及装置 |
KR102149273B1 (ko) * | 2013-12-10 | 2020-08-28 | 한화테크윈 주식회사 | 번호판 인식 방법 및 장치 |
CN105092051B (zh) * | 2014-04-29 | 2021-04-06 | 杭州美盛红外光电技术有限公司 | 信息获取装置和信息获取方法 |
CN104407488A (zh) * | 2014-12-19 | 2015-03-11 | 咸洋 | 一种激光辅助车辆信息摄取装置及摄取方法 |
JP7018878B2 (ja) * | 2015-08-21 | 2022-02-14 | スリーエム イノベイティブ プロパティズ カンパニー | 光学活性物品上に配置された文字の相違性の増大 |
CN105303823B (zh) * | 2015-09-07 | 2017-10-20 | 中国联合网络通信集团有限公司 | 车辆违规监控方法和*** |
CN105844266A (zh) * | 2016-06-12 | 2016-08-10 | 桂林金铱星科技发展有限公司 | 反遮挡和涂改的车牌识别***及方法 |
CN111357007B (zh) * | 2018-10-26 | 2024-01-19 | 合刃科技(深圳)有限公司 | 字符获取方法及装置 |
CN109177897B (zh) * | 2018-11-19 | 2020-04-17 | 蔡海强 | 一种汽车牌照架 |
CN110096995B (zh) * | 2019-04-28 | 2021-07-02 | 熵基科技股份有限公司 | 一种多光谱多目摄像头防伪识别方法及装置 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1529276A (zh) * | 2003-10-17 | 2004-09-15 | 沈阳工业学院 | 机动车牌号自动识别装置及识别方法 |
CN2828935Y (zh) * | 2005-03-22 | 2006-10-18 | 北京数字奥森识别科技有限公司 | 一种用于人脸识别的图像获取识别装置 |
CN101334846B (zh) * | 2008-08-04 | 2011-04-20 | 刘显福 | 一种广谱视频图像的采集识别方法及其设备 |
-
2011
- 2011-05-06 CN CN201110115738.9A patent/CN102156862B/zh not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
CN102156862A (zh) | 2011-08-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102156862B (zh) | 一种反遮改车牌识别***及识别方法 | |
CN110197589B (zh) | 一种基于深度学习的闯红灯违法检测方法 | |
CN100437660C (zh) | 基于全方位视觉传感器的违章车辆监控装置 | |
CN102722704B (zh) | 一种融合视频动态跟踪的车牌识别方法和*** | |
CN100507970C (zh) | 基于数字摄像机的闯红灯检测***及方法 | |
CN102867417B (zh) | 一种出租车防伪***及方法 | |
US9704060B2 (en) | Method for detecting traffic violation | |
CN103279756B (zh) | 基于集成分类器的车辆检测分析***及其检测分析方法 | |
CN101739827B (zh) | 一种车辆检测跟踪方法和装置 | |
CN102708378B (zh) | 一种基于图像异常特征的智能交通抓拍设备故障诊断的方法 | |
CN101373517B (zh) | 一种车牌识别方法及*** | |
CN201594319U (zh) | 高清抓拍多功能电子警察*** | |
CN104036262B (zh) | 一种lpr车牌筛选识别的方法和*** | |
CN105788286A (zh) | 智能识别闯红灯***以及车辆行为检测抓拍方法 | |
CN101833859A (zh) | 基于虚拟线圈的自触发车牌识别方法 | |
CN102568202B (zh) | 车牌遮挡检测***及检测方法 | |
CN103295402A (zh) | 智能交通超速抓拍*** | |
CN102332092A (zh) | 一种基于视频分析的火焰检测方法 | |
CN103544480A (zh) | 车辆颜色识别方法 | |
CN103679194B (zh) | 一种基于滤光片的红绿灯识别方法 | |
CN106469292A (zh) | 车牌识别控制***及其识别控制方法 | |
CN105046948A (zh) | 一种黄色网格线区域内交通违章停车监测***和方法 | |
CN204833705U (zh) | 一种黄网格线违法停车自动抓拍*** | |
CN201134166Y (zh) | 一种车牌识别*** | |
CN105844595A (zh) | 基于大气反射-散射原理构建模型复原夜间交通视频车灯的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
C17 | Cessation of patent right | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20140101 Termination date: 20140506 |