CN103226696B - 车牌的识别***及方法 - Google Patents
车牌的识别***及方法 Download PDFInfo
- Publication number
- CN103226696B CN103226696B CN201310117722.0A CN201310117722A CN103226696B CN 103226696 B CN103226696 B CN 103226696B CN 201310117722 A CN201310117722 A CN 201310117722A CN 103226696 B CN103226696 B CN 103226696B
- Authority
- CN
- China
- Prior art keywords
- character
- car plate
- rectangular area
- characters
- judged
- 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
Landscapes
- Character Input (AREA)
- Character Discrimination (AREA)
- Image Analysis (AREA)
Abstract
本发明提供一种车牌的识别方法，通过对滤波后的含有车牌的图像设定其频谱阈值，选择频谱超过该阈值且颜色与车牌颜色相同的矩形区域；判断该矩形区域的形状是否符合车牌的形状，若是，则提取并判断所述矩形区域中各字符的特征是否一致；若一致，则对所述矩形区域进行灰度化、二值化、去边框及去镏钉，并将该矩形区域中的各字符进行分割，判断分割后的字符数是否满足车牌的字符数，若是，则判断分割后的各字符形状是否相同、各字符间是否线性排列，若是，则对所述各字符的尺寸进行归一化，将提取出的字符统计特征分类，输出车牌识别结果；本发明能够快速识别出任意分辨率的车牌，其识别率高，对环境的适应性强；本发明还提供一种车牌的识别***。
Description
技术领域
本发明涉及计算机视觉与模式识别领域，特别涉及一种车牌的识别***及方法。
背景技术
交通管理的自动化、交通***的智能化是21世纪世界道路交通的发展趋势；在智能交通***中，车牌自动识别***是一个非常重要的发展方向。
随着车辆全自动监控***的需求量增加，市场迫切需要性能比较好的车牌识别***，特别是针对任意分辨率的车牌识别，使得在摄像头较高档或摄像头距车牌较近，即分辨率大时，能准确识别车牌；同时，在摄像头较低档或摄像头距车牌较远时，即分辨率小时，仍能准确识别车牌；另外由于环境不同，摄像头型号也不相同，如何能研制一种可以广泛使用的车牌识别***，也成为业内的主要研究方向，因此，提出一种具有通用性、可以在任意分辨率下都能识别车牌的***及方法确实是必要的。
发明内容
针对现有技术的不足，本发明提供一种车牌的识别***及方法，使其能适用于各种不同的环境，尤其适用于任意分辨率下车牌的识别。
为实现以上目的，本发明通过以下技术方案予以实现：
一种车牌的识别方法，包括以下步骤：
S1、获取含有车牌的图像并对其进行滤波；
S2、设定频谱阈值，选择所述图像中频谱超过该阈值且颜色与车牌颜色相同的矩形区域；判断所述矩形区域的形状是否符合车牌的形状，若是，则执行步骤S3，否则继续执行步骤S2；
S3、提取所述矩形区域中的字符局部特征，判断所述字符局部特征是否一致；若一致，则执行步骤S4，否则返回执行步骤S2；
S4、对所述矩形区域进行灰度化、二值化、去边框及去镏钉，并将该矩形区域中的字符区域进行分割，判断分割后的字符数是否满足车牌的字符数，若是，则执行步骤S5，否则返回执行步骤S2；
S5、判断分割后的各字符形状是否相同、各字符间是否线性排列，若是，则执行步骤S6，否则返回执行步骤S2；
S6、对所述各字符的尺寸进行归一化，提取字符的统计特征并将其分类，输出车牌识别结果。
优选的，所述步骤S2进一步包括判断所述矩形区域的宽度是否是其高度的至少两倍，若是，则执行步骤S3，否则继续执行步骤S2。
优选的，所述步骤S4进一步包括：
S41、对所述矩形区域进行灰度化、二值化，得到二值化图像；
S42、逐行搜索所述二值化图像，判断每行的黑白变化次数是否大于12次，若是，则该行是字符区域，若不是，则将该行进行去边框及去镏钉；
S43、将所述字符区域进行分割，判断分割后的字符数是否满足车牌的字符数，若是，则执行步骤S5，否则返回执行步骤S2。
优选的，所述步骤S43进一步包括：将所述字符区域对应的二值化图像进行垂直投影、区域连通及位置模板比对，确定每个字符的位置，并对所述字符区域进行分割，判断分割后的字符数是否满足车牌的字符数。
优选的，所述步骤S6进一步包括对所述各字符的尺寸进行归一化，提取字符的统计特征并将其送入SVM或多层神经网络进行分类，输出车牌识别结果。
一种车牌的识别***，包括有：
滤波单元，用于获取含有车牌的图像并对其进行滤波；
第一识别单元，用于设定频谱阈值，选择所述图像中频谱超过该阈值且颜色与车牌颜色相同的矩形区域；判断所述矩形区域的形状是否符合车牌的形状；
第二识别单元，用于提取所述矩形区域中的字符局部特征，判断所述字符局部特征是否一致；
字符分割单元，用于对所述矩形区域进行灰度化、二值化、去边框及去镏钉，并将该矩形区域中的字符区域进行分割，判断分割后的字符数是否满足车牌的字符数；
第三识别单元，用于判断分割后的各字符形状是否相同、各字符间是否线性排列；
输出单元，用于对所述各字符的尺寸归一化，提取字符的统计特征并将其分类，输出车牌识别结果。
优选的，所述第一识别单元进一步用于判断所述矩形区域的宽度是否是其高度的至少两倍。
优选的，所述字符分割单元进一步用于将所述字符区域对应的二值化图像进行垂直投影、区域连通及位置模板比对，确定每个字符的位置，并对所述字符区域进行分割，判断分割后的字符数是否满足车牌的字符数。
优选的，所述输出单元进一步用于对所述各字符的尺寸进行归一化，提取字符的统计特征并将其送入SVM或多层神经网络进行分类，输出车牌识别结果。
本发明通过提供一种车牌的识别***及方法，能够快速识别出任意分辨率的车牌，对于尺寸大的图像和尺寸小的图像均可以识别，其识别速度快，识别率高，对环境的适应性强，还可以通过设置省份优先级，提高识别率，能广泛应用于智能交通***和电子警察***中。
附图说明
图1为本发明一实施例的流程图；
图2为本发明一实施例的***装置图。
具体实施方式
下面对于本发明所提出的一种车牌的识别***及方法，结合附图和实施例详细说明。
本发明提供一种车牌的识别方法，如图1所示，包括以下步骤：
S1、获取含有车牌的图像并对其进行滤波；
S2、设定频谱阈值，选择所述图像中频谱超过该阈值且颜色与车牌颜色相同的矩形区域；判断所述矩形区域的形状是否符合车牌的形状，若是，则执行步骤S3，否则继续执行步骤S2；
S3、提取所述矩形区域中的字符局部特征，判断所述字符局部特征是否一致；若一致，则执行步骤S4，否则返回执行步骤S2；
S4、对所述矩形区域进行灰度化、二值化、去边框及去镏钉，并将该矩形区域中的字符区域进行分割，判断分割后的字符数是否满足车牌的字符数，若是，则执行步骤S5，否则返回执行步骤S2；
S5、判断分割后的各字符形状是否相同、各字符间是否线性排列，若是，则执行步骤S6，否则返回执行步骤S2；由于字符要满足一定的长宽比，一个车牌的各字符大小应该相同；
S6、对所述各字符的尺寸进行归一化，提取字符的统计特征并将其分类，输出车牌识别结果。
优选的，所述步骤S2进一步包括判断所述矩形区域的宽度是否是其高度的至少两倍，若是，则执行步骤S3，否则继续执行步骤S2。
所述步骤S3中的字符局部特征可以为字符的笔画宽度，可以通过边缘提取的算法得到字符笔画，再用垂直信息算出笔画的宽度，只有各字符笔画宽度一致，才能作为车牌区域。
优选的，所述步骤S4进一步包括：
S41、对所述矩形区域进行灰度化、二值化，得到二值化图像；
S42、逐行搜索所述二值化图像，判断每行的黑白变化次数是否大于12次，若是，则该行是字符区域，若不是，则将该行进行去边框及去镏钉；
S43、将所述字符区域进行分割，判断分割后的字符数是否满足车牌的字符数，若是，则执行步骤S5，否则返回执行步骤S2。
优选的，所述步骤S43进一步包括：将所述字符区域对应的二值化图像进行垂直投影、区域连通及位置模板比对，确定每个字符的位置，并对所述字符区域进行分割，判断分割后的字符数是否满足车牌的字符数。
当把车牌二值化后，进行垂直投影，即统计每一列白色或黑色像素点的个数，并画一个直方图，每个字符对应的部分将会有很大的数值，用这个特性可以判断字符在什么位置，再结合字符的宽度及高度信息，可以确定一个字符；
由于每个数字和大写英文字母都是一个连通区域，根据这个特性，利用标记扩展的方法获取连通区域，进而判断字符所在的位置；
车牌字符排列是有一定规律的，单排字符的车牌中间有个点并有7个以上字符，双排字符的车牌一般上面两个字下面五个字，用这样的位置模板，可以准确地获取每个字符的位置。
优选的，所述步骤S6进一步包括对所述各字符的尺寸进行归一化，提取字符的统计特征并将其送入SVM或多层神经网络进行分类，输出车牌识别结果。
如图2所示，本发明还提供一种车牌的识别***，包括有：
滤波单元，用于获取含有车牌的图像并对其进行滤波；
第一识别单元，用于设定频谱阈值，选择所述图像中频谱超过该阈值且颜色与车牌颜色相同的矩形区域；判断所述矩形区域的形状是否符合车牌的形状；
第二识别单元，用于提取所述矩形区域中的字符局部特征，判断所述字符局部特征是否一致；
字符分割单元，用于对所述矩形区域进行灰度化、二值化、去边框及去镏钉，并将该矩形区域中的字符区域进行分割，判断分割后的字符数是否满足车牌的字符数；
第三识别单元，用于判断分割后的各字符形状是否相同、各字符间是否线性排列；
输出单元，用于对所述各字符的尺寸归一化，提取字符的统计特征并将其分类，输出车牌识别结果。
优选的，所述第一识别单元进一步用于判断所述矩形区域的宽度是否是其高度的至少两倍。
优选的，所述字符分割单元进一步用于将所述字符区域对应的二值化图像进行垂直投影、区域连通及位置模板比对，确定每个字符的位置，并对所述字符区域进行分割，判断分割后的字符数是否满足车牌的字符数。
优选的，所述输出单元进一步用于对所述各字符的尺寸进行归一化，提取字符的统计特征并将其送入SVM或多层神经网络进行分类，输出车牌识别结果。
通过建立识别算法，把含有车牌图像的RGB或JPEG数据输入到函数中，就可以获得含有车牌号码、车牌颜色、车牌具***置的识别结果，该***和方法可以对任意分辨率的图像进行识别，其识别速度非常快，通常在30ms左右，识别率在98%以上，能准确的识别蓝色、黑色、白色及黄色四种车牌，能识别全国任意省份的车牌，更可以通过设置省份优先级，提高识别率
本发明通过提供一种车牌的识别***及方法，能够快速识别出任意分辨率的车牌，对于尺寸大的图像和尺寸小的图像均可以识别，其识别速度快，识别率高，对环境的适应性强，还可以通过设置省份优先级，提高识别率，能广泛应用于智能交通***和电子警察***中。
以上实施方式仅用于说明本发明，而并非对本发明的限制，有关技术领域的普通技术人员，在不脱离本发明的精神和范围的情况下，还可以做出各种变化和变型，因此所有等同的技术方案也属于本发明的范畴，本发明的专利保护范围应由权利要求限定。
Claims (8)
1.一种车牌的识别方法，其特征在于，包括以下步骤：
S1、获取含有车牌的图像并对其进行滤波；
S2、设定频谱阈值，选择所述图像中频谱超过该阈值且颜色与车牌颜色相同的矩形区域；判断所述矩形区域的形状是否符合车牌的形状，若是，则执行步骤S3，否则继续执行步骤S2；
S3、提取所述矩形区域中的字符局部特征，判断所述字符局部特征是否一致；若一致，则执行步骤S4，否则返回执行步骤S2，所述字符局部特征包括字符的笔画宽度；
S4、对所述矩形区域进行灰度化、二值化、去边框及去镏钉，并将该矩形区域中的字符区域进行分割，判断分割后的字符数是否满足车牌的字符数，若是，则执行步骤S5，否则返回执行步骤S2；所述步骤S4进一步包括：
S41、对所述矩形区域进行灰度化、二值化，得到二值化图像；
S42、逐行搜索所述二值化图像，判断每行的黑白变化次数是否大于12次，若是，则该行是字符区域，若不是，则将该行进行去边框及去镏钉；
S43、将所述字符区域进行分割，判断分割后的字符数是否满足车牌的字符数，若是，则执行步骤S5，否则返回执行步骤S2；
S5、判断分割后的各字符形状是否相同、各字符间是否线性排列，若是，则执行步骤S6，否则返回执行步骤S2；
S6、对所述各字符的尺寸进行归一化，提取字符的统计特征并将其分类，输出车牌识别结果。
2.如权利要求1所述的方法，其特征在于，所述步骤S2进一步包括判断所述矩形区域的宽度是否是其高度的至少两倍，若是，则执行步骤S3，否则继续执行步骤S2。
3.如权利要求1所述的方法，其特征在于，所述步骤S43进一步包括：将所述字符区域对应的二值化图像进行垂直投影、区域连通及位置模板比对，确定每个字符的位置，并对所述字符区域进行分割，判断分割后的字符数是否满足车牌的字符数。
4.如权利要求1所述的方法，其特征在于，所述步骤S6进一步包括对所述各字符的尺寸进行归一化，提取字符的统计特征并将其送入SVM或多层神经网络进行分类，输出车牌识别结果。
5.一种车牌的识别***，其特征在于，包括有：
滤波单元，用于获取含有车牌的图像并对其进行滤波；
第一识别单元，用于设定频谱阈值，选择所述图像中频谱超过该阈值且颜色与车牌颜色相同的矩形区域；判断所述矩形区域的形状是否符合车牌的形状；
第二识别单元，用于提取所述矩形区域中的字符局部特征，判断所述字符局部特征是否一致，所述字符局部特征包括字符的笔画宽度；
字符分割单元，用于对所述矩形区域进行灰度化、二值化、去边框及去镏钉，并将该矩形区域中的字符区域进行分割，判断分割后的字符数是否满足车牌的字符数；所述字符分割单元还用于执行以下步骤：
S41、对所述矩形区域进行灰度化、二值化，得到二值化图像；
S42、逐行搜索所述二值化图像，判断每行的黑白变化次数是否大于12次，若是，则该行是字符区域，若不是，则将该行进行去边框及去镏钉；
S43、将所述字符区域进行分割，判断分割后的字符数是否满足车牌的字符数；
第三识别单元，用于判断分割后的各字符形状是否相同、各字符间是否线性排列；
输出单元，用于对所述各字符的尺寸归一化，提取字符的统计特征并将其分类，输出车牌识别结果。
6.如权利要求5所述的***，其特征在于，所述第一识别单元进一步用于判断所述矩形区域的宽度是否是其高度的至少两倍。
7.如权利要求5所述的***，其特征在于，所述字符分割单元进一步用于将所述字符区域对应的二值化图像进行垂直投影、区域连通及位置模板比对，确定每个字符的位置，并对所述字符区域进行分割，判断分割后的字符数是否满足车牌的字符数。
8.如权利要求5所述的***，其特征在于，所述输出单元进一步用于对所述各字符的尺寸进行归一化，提取字符的统计特征并将其送入SVM或多层神经网络进行分类，输出车牌识别结果。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310117722.0A CN103226696B (zh) | 2013-04-07 | 2013-04-07 | 车牌的识别***及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310117722.0A CN103226696B (zh) | 2013-04-07 | 2013-04-07 | 车牌的识别***及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN103226696A CN103226696A (zh) | 2013-07-31 |
| CN103226696B true CN103226696B (zh) | 2016-07-06 |
Family
ID=48837137
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201310117722.0A Expired - Fee Related CN103226696B (zh) | 2013-04-07 | 2013-04-07 | 车牌的识别***及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN103226696B (zh) |
Families Citing this family (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103902981A (zh) * | 2014-04-02 | 2014-07-02 | 浙江师范大学 | 一种基于字符融合特征的车牌字符识别方法及*** |
| CN103971126B (zh) * | 2014-05-12 | 2017-08-08 | 百度在线网络技术（北京）有限公司 | 一种交通标志识别方法和装置 |
| CN105005757B (zh) * | 2015-03-12 | 2018-04-06 | 电子科技大学 | 一种基于Grassmann流行的车牌字符识别方法 |
| CN108073928B (zh) * | 2016-11-16 | 2021-04-02 | 杭州海康威视数字技术股份有限公司 | 一种车牌识别方法及装置 |
| CN108073926B (zh) * | 2016-11-17 | 2020-04-03 | 杭州海康威视数字技术股份有限公司 | 一种车牌识别方法及装置 |
| CN108090484B (zh) * | 2016-11-23 | 2020-04-03 | 杭州海康威视数字技术股份有限公司 | 一种车牌识别方法及装置 |
| CN108288403A (zh) * | 2018-01-31 | 2018-07-17 | 中国地质大学（武汉） | 基于智能车位锁的停车管理*** |
| CN108805008A (zh) * | 2018-04-19 | 2018-11-13 | 江苏理工学院 | 一种基于深度学习的社区车辆安保*** |
| CN109978132A (zh) * | 2018-12-24 | 2019-07-05 | 中国科学院深圳先进技术研究院 | 一种精细化车辆识别的神经网络方法及*** |
| CN112950950A (zh) * | 2021-01-26 | 2021-06-11 | 上海启迪睿视智能科技有限公司 | 一种泊车辅助装置 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101398894A (zh) * | 2008-06-17 | 2009-04-01 | 浙江师范大学 | 机动车车牌自动识别方法及其实现装置 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8929588B2 (en) * | 2011-07-22 | 2015-01-06 | Honeywell International Inc. | Object tracking |
-
2013
- 2013-04-07 CN CN201310117722.0A patent/CN103226696B/zh not_active Expired - Fee Related
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101398894A (zh) * | 2008-06-17 | 2009-04-01 | 浙江师范大学 | 机动车车牌自动识别方法及其实现装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN103226696A (zh) | 2013-07-31 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103226696B (zh) | 车牌的识别***及方法 | |
| CN108073928B (zh) | 一种车牌识别方法及装置 | |
| CN107729899B (zh) | 一种车牌号码识别方法及装置 | |
| Sheikh et al. | Traffic sign detection and classification using colour feature and neural network | |
| KR101848019B1 (ko) | 차량 영역 검출을 통한 차량 번호판 검출 방법 및 장치 | |
| KR101992398B1 (ko) | 도로 기호 및 차선 인식 방법 및 장치 | |
| CN106650553A (zh) | 车牌识别方法及*** | |
| Sulaiman et al. | Development of automatic vehicle plate detection system | |
| US20120128210A1 (en) | Method for Traffic Sign Recognition | |
| Zhang et al. | A multi-feature fusion based traffic light recognition algorithm for intelligent vehicles | |
| CN103413147A (zh) | 一种车牌识别方法和*** | |
| CN102819728A (zh) | 一种基于分类模板匹配的交通标志检测方法 | |
| CN103390167A (zh) | 一种多特征的分层交通标志识别方法 | |
| Kim et al. | Effective traffic lights recognition method for real time driving assistance systemin the daytime | |
| CN103544480A (zh) | 车辆颜色识别方法 | |
| Islam et al. | Automatic vehicle number plate recognition using structured elements | |
| CN103207992A (zh) | 车辆牌照字符和颜色联合识别方法 | |
| CN111191611A (zh) | 基于深度学习的交通标志标号识别方法 | |
| Ingole et al. | Characters feature based Indian vehicle license plate detection and recognition | |
| CN107392115B (zh) | 一种基于分层特征提取的交通标志识别方法 | |
| CN110633635A (zh) | 一种基于roi的交通标志牌实时检测方法及*** | |
| Sallah et al. | Road sign detection and recognition system for real-time embedded applications | |
| CN104834891A (zh) | 一种中文图像型垃圾邮件过滤方法及*** | |
| Chakraborty et al. | Bangladeshi road sign detection based on YCbCr color model and DtBs vector | |
| Do et al. | Speed limit traffic sign detection and recognition based on support vector machines |
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 | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20160706 Termination date: 20190407 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |