CN105469055A - 一种基于云计算的车牌识别***及方法 - Google Patents
一种基于云计算的车牌识别***及方法 Download PDFInfo
- Publication number
- CN105469055A CN105469055A CN201510843957.7A CN201510843957A CN105469055A CN 105469055 A CN105469055 A CN 105469055A CN 201510843957 A CN201510843957 A CN 201510843957A CN 105469055 A CN105469055 A CN 105469055A
- Authority
- CN
- China
- Prior art keywords
- license plate
- cloud computing
- characters
- plate image
- image
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/94—Hardware or software architectures specially adapted for image or video understanding
- G06V10/95—Hardware or software architectures specially adapted for image or video understanding structured as a network, e.g. client-server architectures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
- G06V20/625—License plates
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Traffic Control Systems (AREA)
- Character Discrimination (AREA)
Abstract
本发明提供一种基于云计算的车牌识别***及方法,包括终端设备采集车牌图像,并将采集到的车牌图像发送至云计算平台;云计算平台根据接收到的车牌图像,提取车牌图像中包含的车牌字符图像的特征值,并将所提取的车牌字符图像的特征值发送至云数据库;云数据库将存储的模板字符的特征值与车牌字符图像的特征值进行匹配,确定车牌字符,并将车牌字符的识别结果发送至云计算平台;云计算平台将接收到的车牌字符的识别结果转发至终端设备。本发明的基于云计算的车牌识别***及方法能够实现终端设备与云计算平台间的数据、应用的共享;当需要对车牌识别算法进行调整的时候,只需要对部署在云计算平台的算法进行改动即可,无需操作终端设备,便于维护。
Description
技术领域
本发明涉及一种车牌识别***及方法,特别是涉及一种基于云计算的车牌识别***及方法。
背景技术
随着经济的不断发展,机动车辆规模及流量大幅度增加,城市的交通压力越来越大。为了缓解这一压力,迫切需要采用一种智能交通***,来缓解这一压力。智能车牌识别***在道路交通管理、交通事故和抑制机动车盗窃以及维护公共安全等方面发挥着重要的作用。
车牌识别技术要求能够将运动中的汽车牌照从复杂背景中提取并识别出来,通过车牌提取、图像预处理、特征提取、车牌字符识别等技术,识别车辆牌号、颜色等信息。目前最新的技术水平为字母和数字的识别率可达到99.7%,汉字的识别率可达到99%。
目前,车牌识别***普遍安装在大量的终端上,硬件基础一般包括用于监测车辆是否进入视野的触发设备、摄像设备、图像采集设备、识别车牌号码的处理器等;其软件核心包括车牌定位算法、车牌字符分割算法和光学字符识别算法等;且软件安装于硬件设备上。
随着对车牌识别***研究的不断深入,近年来涌现出大量优秀的算法,很多算法取得了极高的识别成功率。但是迫于终端计算机硬件水平的限制以及车牌识别***实时性的要求,那些识别率很高的算法由于较为复杂,导致难以得到广泛的应用。
同时,由于绝大多数车牌识别***安装在大量的终端设备上,一旦车牌识别***的算法需要升级时,费时费力,维护起来复杂度较高,所以对运行在大量终端上的车牌识别***的维护工作也提出了很大的挑战。
发明内容
鉴于以上所述现有技术的缺点,本发明的目的在于提供一种基于云计算的车牌识别***及方法,基于不同操作***的终端设备负责采集车牌信息,并传送至云计算平台,由云计算平台通过云计算来执行车牌识别的核心算法,从而最终完成车牌识别。
为实现上述目的及其他相关目的,本发明提供一种基于云计算的车牌识别***,包括终端设备、云计算平台和云数据库;所述终端设备用于采集车牌图像,并将采集到的车牌图像发送至所述云计算平台;所述云计算平台用于根据接收到的车牌图像,提取车牌图像中包含的车牌字符图像的特征值,并将所提取的车牌字符图像的特征值发送至所述云数据库;以及将接收到的车牌字符的识别结果转发至所述终端设备;所述云数据库用于将存储的模板字符的特征值与车牌字符图像的特征值进行匹配,确定车牌字符,并将车牌字符的识别结果发送至所述云计算平台。
于本发明的一实施例中,所述终端设备通过摄像头来实时获取经过车辆的车牌图像。
于本发明的一实施例中,所述终端设备适用于Android、iOS、Windows和linux***。
于本发明的一实施例中,所述云计算平台对车辆图像进行处理以获得经分割后的单张车牌字符图像,并提取车牌字符图像的特征,构建车牌字符图像的特征值;然后根据车牌字符图像的特征值,构造云数据库请求,并将所述云数据库请求发送至所述云数据库,其中,车牌字符图像的特征值为车牌字符图像中像素点的灰度值。
于本发明的一实施例中,所述终端设备与所述云计算平台通过无线方式通信相连。
同时,本发明还提供一种基于云计算的车牌识别方法,包括以下步骤:
步骤S1、终端设备采集车牌图像,并将采集到的车牌图像发送至云计算平台;
步骤S2、云计算平台根据接收到的车牌图像,提取车牌图像中包含的车牌字符图像的特征值,并将所提取的车牌字符图像的特征值发送至云数据库;
步骤S3、云数据库将存储的模板字符的特征值与车牌字符图像的特征值进行匹配,确定车牌字符,并将车牌字符的识别结果发送至云计算平台;
步骤S4、云计算平台将接收到的车牌字符的识别结果转发至终端设备。
于本发明的一实施例中,所述终端设备通过摄像头来实时获取经过车辆的车牌图像。
于本发明的一实施例中,所述终端设备适用于Android、iOS、Windows和linux***。
于本发明的一实施例中,所述步骤S2包括以下步骤:
a)对接收到的车辆图像进行处理,获得单张车牌字符图像;
b)提取车牌字符图像的特征,生成车牌字符图像的特征值,其中,车牌字符图像的特征值为车牌字符图像中像素点的灰度值;
c)根据车牌字符图像的特征值,构造云数据库请求,并发送至云数据库。
于本发明的一实施例中,所述终端设备与所述云计算平台通过无线方式通信相连。
如上所述,本发明的基于云计算的车牌识别***及方法,具有以下有益效果:
(1)能够将所有的车牌字符模板都统一存储在云计算平台,方便对模板进行维护,同时也便于车牌识别***对模板进行读取和计算;
(2)云计算平台具有超强的运算能力和虚拟化服务等特点,安全性好、可靠性高,大大提高了车牌识别的效率;
(3)能够实现基于不同的操作***的不同终端设备与云计算平台间的数据、应用的共享;
(4)当需要对车牌识别算法进行调整的时候,只需要对部署在云计算平台的算法进行改动即可,无需操作终端设备,简单方便;
(5)成本相对低廉,便于维护。
附图说明
图1显示为本发明的基于云计算的车牌识别***的结构示意图;
图2显示为本发明的基于云计算的车牌识别方法的流程图。
元件标号说明
1终端设备
2云计算平台
3云数据库
具体实施方式
以下通过特定的具体实例说明本发明的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本发明的精神下进行各种修饰或改变。需说明的是,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。
需要说明的是,以下实施例中所提供的图示仅以示意方式说明本发明的基本构想,遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制,其实际实施时各组件的型态、数量及比例可为一种随意的改变,且其组件布局型态也可能更为复杂。
云计算是由分布式计算、并行处理及网络计算发展而来的,是一种以互联网为中心的超级计算模式,包含了互联网上的各种应用服务及提供了这些服务的硬件设施,并对这些服务及硬件设施进行统一的协作与管理,从而为用户提供安全、便捷、高效的网络计算服务与数据存储服务,使互联网这片“云”成为使用者的计算中心与数据中心。
一个云计算***往往可以包含几十万甚至上百万千万的服务器,所以云计算平台具备了远远超过单台终端设备所具备的计算处理能力。当用户向云计算平台发出计算申请时,云计算平台可以利用多台服务器来协同并完成用户的计算任务。相对于在单台计算机上进行的串行计算,可以大大的节省运算所耗费的时间。云计算通过使用同构的计算节点来实现计算节点的可互换性,同时使用多副本的数据来提高云计算的容错能力,保障了云计算平台的安全性和可靠性,并且允许基于不同操作***的不同终端设备与其进行数据共享。
用户可以在任何场合,任何时间,任何地点通过任意的终端设备向云计算平台申请所需要的服务。用户所申请的服务都是在云端中进行,免去了常规的软件安装、程序的调试运行等繁琐的工作,用户只需要一个与云端连接的终端就可以自由的向云端申请服务,获取数据。
本发明的基于云计算的车牌识别***及方法在计算量不变的情况下,通过云计算平台来进行车牌识别的具体算法,而终端设备只需要完成图像的采集及数据的发送即可,从而大大的节省了车牌识别所消耗的时间,且便于维护。
参照图1,本发明的基于云计算的车牌识别***包括终端设备1、云计算平台2和云数据库3。云计算平台2与终端设备1和云数据库3均通信相连。
终端设备1用于采集车牌图像,并将采集到的车牌图像发送至云计算平台2。
具体地,终端设备设置交通道路上,通过图像采集设备,如摄像头等来实时获取经过车辆的车牌图像,再利用HTTP协议通过无线方式将采集到的车牌图像发送至云计算平台。
其中,终端设备能够适用于Android、iOS、Windows、linux等***,具有广泛的兼容性。
云计算平台2用于根据接收到的车牌图像,提取车牌图像中包含的车牌字符图像的特征值,并将所提取的车牌字符图像的特征值发送至云数据库3;以及将接收到的车牌字符的识别结果转发至终端设备1。
具体地,云计算平台2通过部署在其上的图像识别算法对车辆图像进行处理,完成车牌定位、字符分割等工作,获得经分割后的单张车牌字符图像,并提取车牌字符图像的特征,构建车牌字符图像的特征值;然后根据车牌字符图像的特征值,构造云数据库请求,并将该请求发送至云数据库3。
当云计算平台2接收到云数据库3发送来的车牌字符的识别结果之后,对该车牌字符的识别结果进行包装,然后将车牌识别结果返回至终端设备1,从而完成车牌的自动识别。
云数据库3用于将存储的模板字符的特征值与车牌字符图像的特征值进行匹配,确定车牌字符,并将车牌字符的识别结果发送至云计算平台2。
具体地,云数据库3收到云计算平台2发送来的云数据库请求后,结合其上存储的模板字符的特征指,进行车牌字符图像的特征值的匹配度的计算,并将计算得到的车牌字符数据返回至云计算平台2。
其中,本发明的基于云计算的车牌识别***对车牌图像进行如下处理:
1)获取原始车牌图像
由终端设备拍摄。
2)图像预处理
云计算平台对动态采集到的车牌图像进行滤波、边界增强等处理以克服图像干扰。
3)车牌定位
云计算平台通过计算边缘图像的投影面积,寻找峰谷点,大致确定车牌位置,再计算此连通内的宽高比,剔除不在域值范围的连通域,最后得到的便为车牌区域。
4)字符分割
云计算平台利用投影检测的字符定位分割方法得到单个的字符。通常要对分割出来的字符进行处理,将其归一化到标准模板。
5)字符识别
云数据库利用模板匹配的方法与数据库中的字符进行匹配从而确认出字符,得到最后的汽车牌照,包括英文字母和数字。模板匹配需要首先对待识别字符进行二值化并将其尺寸大小缩放为字符数据库中模板的大小,然后与所有的模板进行匹配,最后选最佳匹配作为结果。
模板匹配时所采用的相似度函数如下:
其中,f(ij)为待识别车牌字符图像中像素点(ij)的灰度值,这里的取值为0或者1,
t(ij)为模板字符图像中像素点(ij)的灰度值,这里的取值为0或者1,M和N为模板字符点阵横向和纵向包含的像素个数。也就是说,车牌字符图像的特征值为车牌字符图像中像素点的灰度值。模板字符的特征值为模板字符图像中的像素点的灰度值。
模板匹配的步骤如下:
a、依次取出模板字符,将模板字符按照上下左右四个方向,在周围五个像素的范围内滑动,每次分别计算出相似度S值,取其中的最大值S作为车牌字符与模板字符之间的相似度。
b、依次从待识别的车牌字符与模板字符的相似度中找出最大相似度值所对应的模板字符,判断最大相似度值是否大于该字符的阈值;若是,那么待识别车牌字符的匹配结果就是该模板字符;若否,则识别失败。
c、字符匹配后,显示出所匹配的字符。
参照图2,本发明的基于云计算的车牌识别方法包括以下步骤:
步骤S1、终端设备采集车牌图像,并将采集到的车牌图像发送至云计算平台。
具体地,终端设备设置交通道路上,通过图像采集设备,如摄像头等来实时获取经过车辆的车牌图像,再利用HTTP协议通过无线方式将采集到的车牌图像发送至云计算平台。
其中,终端设备能够适用于Android、iOS、Windows、linux等***,具有广泛的兼容性。
步骤S2、云计算平台根据接收到的车牌图像,提取车牌图像中包含的车牌字符图像的特征值,并将所提取的车牌字符图像的特征值发送至云数据库。
具体地,云计算平台通过部署在其上的图像识别算法对车辆图像进行处理,完成车牌定位、字符分割等工作,获得经分割后的单张车牌字符图像,并提取车牌字符图像的特征,构建车牌字符图像的特征值;然后根据车牌字符图像的特征值,构造云数据库请求,并将该请求发送至云数据库。
因此,步骤S2包括以下步骤:
a)对接收到的车辆图像进行处理,获得单张车牌字符图像;
b)提取车牌字符图像的特征,生成车牌字符图像的特征值;
c)根据车牌字符图像的特征值,构造云数据库请求,并发送至云数据库。
步骤S3、云数据库将存储的模板字符的特征值与车牌字符图像的特征值进行匹配,确定车牌字符,并将车牌字符的识别结果发送至云计算平台。
具体地,云数据库收到云计算平台发送来的云数据库请求后,结合其上存储的模板字符的特征指,进行车牌字符图像的特征值的匹配度的计算,并将计算得到的车牌字符数据返回至云计算平台。
步骤S4、云计算平台将接收到的车牌字符的识别结果转发至终端设备。
其中,当云计算平台接收到云数据库发送来的车牌字符的识别结果之后,对该车牌字符的识别结果进行包装,然后将车牌识别结果返回至终端设备,从而完成车牌的自动识别。
综上所述,本发明的基于云计算的车牌识别***及方法能够将所有的车牌字符模板都统一存储在云计算平台,方便对模板进行维护,同时也便于车牌识别***对模板进行读取和计算;云计算平台具有超强的运算能力和虚拟化服务等特点,安全性好、可靠性高,大大提高了车牌识别的效率;能够实现基于不同的操作***的不同终端设备与云计算平台间的数据、应用的共享;当需要对车牌识别算法进行调整的时候,只需要对部署在云计算平台的算法进行改动即可,无需操作终端设备,简单方便;成本相对低廉,便于维护。所以,本发明有效克服了现有技术中的种种缺点而具高度产业利用价值。
上述实施例仅例示性说明本发明的原理及其功效,而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下,对上述实施例进行修饰或改变。因此,举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变,仍应由本发明的权利要求所涵盖。
Claims (10)
1.一种基于云计算的车牌识别***,其特征在于:包括终端设备、云计算平台和云数据库;
所述终端设备用于采集车牌图像,并将采集到的车牌图像发送至所述云计算平台;
所述云计算平台用于根据接收到的车牌图像,提取车牌图像中包含的车牌字符图像的特征值,并将所提取的车牌字符图像的特征值发送至所述云数据库;以及将接收到的车牌字符的识别结果转发至所述终端设备;
所述云数据库用于将存储的模板字符的特征值与车牌字符图像的特征值进行匹配,确定车牌字符,并将车牌字符的识别结果发送至所述云计算平台。
2.根据权利要求1所述的基于云计算的车牌识别***,其特征在于:所述终端设备通过摄像头来实时获取经过车辆的车牌图像。
3.根据权利要求1所述的基于云计算的车牌识别***,其特征在于:所述终端设备适用于Android、iOS、Windows和linux***。
4.根据权利要求1所述的基于云计算的车牌识别***,其特征在于:所述云计算平台对车辆图像进行处理以获得经分割后的单张车牌字符图像,并提取车牌字符图像的特征,构建车牌字符图像的特征值;然后根据车牌字符图像的特征值,构造云数据库请求,并将所述云数据库请求发送至所述云数据库,其中,车牌字符图像的特征值为车牌字符图像中像素点的灰度值。
5.根据权利要求1所述的基于云计算的车牌识别***,其特征在于:所述终端设备与所述云计算平台通过无线方式通信相连。
6.一种基于云计算的车牌识别方法,其特征在于:包括以下步骤:
步骤S1、终端设备采集车牌图像,并将采集到的车牌图像发送至云计算平台;
步骤S2、云计算平台根据接收到的车牌图像,提取车牌图像中包含的车牌字符图像的特征值,并将所提取的车牌字符图像的特征值发送至云数据库;
步骤S3、云数据库将存储的模板字符的特征值与车牌字符图像的特征值进行匹配,确定车牌字符,并将车牌字符的识别结果发送至云计算平台;
步骤S4、云计算平台将接收到的车牌字符的识别结果转发至终端设备。
7.根据权利要求6所述的基于云计算的车牌识别方法,其特征在于:所述终端设备通过摄像头来实时获取经过车辆的车牌图像。
8.根据权利要求6所述的基于云计算的车牌识别方法,其特征在于:所述终端设备适用于Android、iOS、Windows和linux***。
9.根据权利要求6所述的基于云计算的车牌识别方法,其特征在于:所述步骤S2包括以下步骤:
a)对接收到的车辆图像进行处理,获得单张车牌字符图像;
b)提取车牌字符图像的特征,生成车牌字符图像的特征值,其中,车牌字符图像的特征值为车牌字符图像中像素点的灰度值;
c)根据车牌字符图像的特征值,构造云数据库请求,并发送至云数据库。
10.根据权利要求6所述的基于云计算的车牌识别方法,其特征在于:所述终端设备与所述云计算平台通过无线方式通信相连。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510843957.7A CN105469055A (zh) | 2015-11-26 | 2015-11-26 | 一种基于云计算的车牌识别***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510843957.7A CN105469055A (zh) | 2015-11-26 | 2015-11-26 | 一种基于云计算的车牌识别***及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105469055A true CN105469055A (zh) | 2016-04-06 |
Family
ID=55606726
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510843957.7A Pending CN105469055A (zh) | 2015-11-26 | 2015-11-26 | 一种基于云计算的车牌识别***及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105469055A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106326896A (zh) * | 2016-08-24 | 2017-01-11 | 杭州通识停车设备有限公司 | 一种车牌读取***及应用于该车牌读取***的车牌匹配方法 |
CN106886775A (zh) * | 2017-01-20 | 2017-06-23 | 广西科技大学鹿山学院 | 一种车标识别方法、及启动方法 |
TWI615815B (zh) * | 2017-03-03 | 2018-02-21 | 群光電能科技股份有限公司 | 雲端跨區車牌辨識系統 |
CN108734167A (zh) * | 2018-05-08 | 2018-11-02 | 湖南开启时代电子信息技术有限公司 | 一种被污染的胶片文字识别方法 |
CN110460813A (zh) * | 2019-08-12 | 2019-11-15 | 兰州交通大学 | 一种基于视频流的集装箱图像采集装置及采集方法 |
CN111582180A (zh) * | 2020-05-09 | 2020-08-25 | 浙江大华技术股份有限公司 | 车牌定位方法、图像处理装置及具有存储功能的装置 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101123039A (zh) * | 2007-09-14 | 2008-02-13 | 清华大学 | 基于数字摄像机的闯红灯检测***及方法 |
-
2015
- 2015-11-26 CN CN201510843957.7A patent/CN105469055A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101123039A (zh) * | 2007-09-14 | 2008-02-13 | 清华大学 | 基于数字摄像机的闯红灯检测***及方法 |
Non-Patent Citations (4)
Title |
---|
刘静: "几种车牌字符识别算法的比较", 《电脑与电信》 * |
朱江峰等: "基于云计算技术的车牌识别***", 《科技信息》 * |
胡章芳等: "《MATLAB仿真及其在光学课程中的应用》", 31 July 2015, 北京航空航天大学出版社 * |
郑宇等: "一种基于相似度的汽车车牌号码自动识别***", 《交通与计算机》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106326896A (zh) * | 2016-08-24 | 2017-01-11 | 杭州通识停车设备有限公司 | 一种车牌读取***及应用于该车牌读取***的车牌匹配方法 |
CN106886775A (zh) * | 2017-01-20 | 2017-06-23 | 广西科技大学鹿山学院 | 一种车标识别方法、及启动方法 |
TWI615815B (zh) * | 2017-03-03 | 2018-02-21 | 群光電能科技股份有限公司 | 雲端跨區車牌辨識系統 |
CN108538057A (zh) * | 2017-03-03 | 2018-09-14 | 群光电能科技股份有限公司 | 云端跨区车牌辨识*** |
CN108538057B (zh) * | 2017-03-03 | 2020-08-07 | 群光电能科技股份有限公司 | 云端跨区车牌辨识*** |
CN108734167A (zh) * | 2018-05-08 | 2018-11-02 | 湖南开启时代电子信息技术有限公司 | 一种被污染的胶片文字识别方法 |
CN110460813A (zh) * | 2019-08-12 | 2019-11-15 | 兰州交通大学 | 一种基于视频流的集装箱图像采集装置及采集方法 |
CN111582180A (zh) * | 2020-05-09 | 2020-08-25 | 浙江大华技术股份有限公司 | 车牌定位方法、图像处理装置及具有存储功能的装置 |
CN111582180B (zh) * | 2020-05-09 | 2023-04-18 | 浙江大华技术股份有限公司 | 车牌定位方法、图像处理装置及具有存储功能的装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105469055A (zh) | 一种基于云计算的车牌识别***及方法 | |
CN107358149B (zh) | 一种人体姿态检测方法和装置 | |
CN108229297B (zh) | 人脸识别方法和装置、电子设备、计算机存储介质 | |
CN105279484B (zh) | 对象检测方法和对象检测装置 | |
CN107153817B (zh) | 行人重识别数据标注方法和装置 | |
US8792722B2 (en) | Hand gesture detection | |
US8750573B2 (en) | Hand gesture detection | |
WO2019033572A1 (zh) | 人脸遮挡检测方法、装置及存储介质 | |
Anishiya et al. | Number plate recognition for indian cars using morphological dilation and erosion with the aid of ocrs | |
Türkyılmaz et al. | License plate recognition system using artificial neural networks | |
CN103456003A (zh) | 对象跟踪装置及方法以及错误特征点剔除装置及方法 | |
CN110723432A (zh) | 垃圾分类的方法及增强现实设备 | |
GB2526658A (en) | An efficient method of offline training a special-type parked vehicle detector for video-based on-street parking occupancy detection systems | |
EP3285477A1 (en) | Image processing device, image processing method, and image processing system | |
CN112434566A (zh) | 客流统计方法、装置、电子设备及存储介质 | |
CN115690615B (zh) | 一种面向视频流的深度学习目标识别方法及*** | |
Park et al. | Vision-based surveillance system for monitoring traffic conditions | |
Pazhoumand-dar et al. | A new approach in road sign recognition based on fast fractal coding | |
CN116311205A (zh) | 车牌识别方法、车牌识别装置、电子设备及存储介质 | |
Ugwu et al. | An improved visual attention model for automated vehicle license plate number recognition using computer vision | |
Neiva et al. | A dynamic gesture recognition system to translate between sign languages in complex backgrounds | |
CN113657316A (zh) | 移动交通违章监测方法、***、电子设备及存储介质 | |
Puri et al. | Ssd based vehicle number plate detection and recognition | |
EP3591575A2 (en) | Determining parking space availability | |
JP7107544B2 (ja) | 情報処理装置、制御方法、及びプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160406 |