CN106503707B - 一种红外补光条件下的车牌识别方法及装置 - Google Patents
一种红外补光条件下的车牌识别方法及装置 Download PDFInfo
- Publication number
- CN106503707B CN106503707B CN201610920708.8A CN201610920708A CN106503707B CN 106503707 B CN106503707 B CN 106503707B CN 201610920708 A CN201610920708 A CN 201610920708A CN 106503707 B CN106503707 B CN 106503707B
- Authority
- CN
- China
- Prior art keywords
- license plate
- image
- contrast
- character
- plate 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.)
- Active
Links
Classifications
-
- 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
- G06V20/63—Scene text, e.g. street names
-
- 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)
- Traffic Control Systems (AREA)
- Character Input (AREA)
Abstract
本发明公开了一种红外补光条件下的车牌识别方法及装置,属于图像处理技术领域,所述方法首先从待处理过车图像中获取车牌图像,通过字符凹凸线分割车牌图像,获取其中的车牌背景区域;然后调整车牌背景区域图像的颜色至预设的颜色;最后对调整颜色后的车牌图像进行字符识别,输出识别车牌。对应地,本发明的装置包括背景分割模块、颜色调整模块和字符识别模块。本发明的方法及装置通过对车牌图像中车牌背景区域的颜色调整,在车牌位置重新得到一张对比度较高的满足字符识别要求的车牌图像,提高了车牌识别率。
Description
技术领域
本发明属于图像处理技术领域,尤其涉及一种红外补光条件下的车牌识别方法及装置。
背景技术
在交通管理中,通过抓拍车辆的视频图像,识别出车牌,已经成为目前最为常用的一种交通管理手段。然而随着城市现代化的推进,城市对于光污染现象控制的愈来愈严格,在智能交通的方案应用中,高亮度的频闪灯,爆闪灯已在城市中心路段被逐渐限制使用。而球型红外卡口相机可将光污染降低到最大限度,人眼对红外光的刺激感几乎为零,同时球型相机的结构相比于枪型相机在工程安装、治安监控方面优势更明显,如减少了大量外接设备,灵活改变监控视角等。因此智能交通管理中,越来越多地开始采用球型红外卡口相机。
目前的球型红外卡口相机,拥有抓拍过车、识别车牌号码等功能,它集成彩色一体化相机、云台、解码器、防护罩等多功能与一体,安装方便、使用简单但功能强大,广泛应用于开阔区域的监控,不同的场合都可以使用。球型红外卡口相机是一种集成度相当高的产品,集成了云台***、通讯***、和相机***,云台***是指电机带动的旋转部分,通讯***是指对电机的控制以及对图像和信号的处理部分,相机***是指采用的一体机机芯。
但球型红外卡口相机同时也存在图像处理上的问题,对于正常智能交通的工程应用方案,杆高六米,水平抓拍位置二十米左右。这导致常亮红外补光灯对于车牌的补光效果欠佳,存在对比度严重不足的问题。而目前的车牌识别方法,包括车牌图像定位、字符分割、以及字符识别,由于对比度严重不足,车牌中字体不能被准确提取,导致过车数据车牌识别率偏低的现象。
发明内容
本发明提出了一种红外补光条件下的车牌识别方法及装置,用于解决现有技术在红外补光灯对于车牌的补光效果欠佳,对比度严重不足而导致的过车数据车牌识别率偏低的问题。
为了实现上述目的,本发明技术方案如下:
一种红外补光条件下的车牌识别方法,所述车牌识别方法包括:
从待处理过车图像中获取车牌图像,通过字符凹凸线分割车牌图像,获取其中的车牌背景区域;
调整车牌背景区域图像的颜色至预设的颜色;
对调整颜色后的车牌图像进行字符识别,输出识别车牌。
进一步地,所述在从待处理过车图像中获取车牌图像后,通过字符凹凸线分割车牌图像,获取其中的车牌背景区域之前,所述方法还包括:
计算所述车牌图像的对比度;
当所述对比度低于设定的阈值时,执行通过字符凹凸线分割车牌图像,获取其中的车牌背景区域。
进一步地,所述计算所述车牌图像的对比度,包括:
对车牌图像的长宽均按设定比例缩小,获取车牌图像的中心区域,计算该中心区域的对比度,以所述中心区域的对比度作为所述车牌图像的对比度。
本发明所提出的方法,还包括:
当所述对比度不低于设定的阈值时,直接执行对所述车牌图像进行字符识别,输出识别车牌。
进一步地,在本发明的方法中,所述车牌图像的宽度像素点数量大于设定的宽度阈值。
本发明还提出了一种红外补光条件下的车牌识别装置,所述车牌识别装置包括:
背景分割模块,用于从待处理过车图像中获取车牌图像,通过字符凹凸线分割车牌图像,获取其中的车牌背景区域;
颜色调整模块,用于调整车牌背景区域图像的颜色至预设的颜色;
字符识别模块,用于对调整颜色后的车牌图像进行字符识别,输出识别车牌。
进一步地,所述背景分割模块在从待处理过车图像中获取车牌图像后,通过字符凹凸线分割车牌图像,获取其中的车牌背景区域之前,还执行如下操作:
计算所述车牌图像的对比度;
当所述对比度低于设定的阈值时,执行通过字符凹凸线分割车牌图像,获取其中的车牌背景区域。
进一步地,所述背景分割模块计算所述车牌图像的对比度,执行如下操作:
对车牌图像的长宽均按设定比例缩小,获取车牌图像的中心区域,计算该中心区域的对比度,以所述中心区域的对比度作为所述车牌图像的对比度。
本发明所述背景分割模块在所述对比度不低于设定的阈值时,直接将所述车牌图像发送至所述字符识别模块进行字符识别,输出识别车牌。
本发明提出的一种红外补光条件下的车牌识别方法及装置,通过对车牌图像中车牌背景区域的颜色调整,在车牌位置重新得到一张对比度较高的满足字符识别要求的车牌图像,提高了车牌识别率。
附图说明
图1为本发明红外补光条件下的车牌识别方法流程图;
图2为本发明实施例车牌背景颜色调整示意图;
图3为本发明红外补光条件下的车牌识别装置结构示意图。
具体实施方式
下面结合附图和实施例对本发明技术方案做进一步详细说明,以下实施例不构成对本发明的限定。
现有技术下部分红外卡口相机(如使用微光常亮补光的球型卡口相机或其他红外补光的卡口相机)采集的夜间图片时,往往存在车牌对比度过低而导致的车牌号字符无法提取识别的情况,不能满足正常使用。
球型红外卡口相机使用一体化微光常亮补光,车辆到达预定位置后,球型相机会立即采集过车图片,首选通过纹理、颜色、长宽比等对车牌进行定位,然后将定位的车牌进行字符提取,最后对提取出来的字符进行识别。对于同样款型设备在白光补光与红外补光下的视频图像,两种补光方式所呈现的车牌效果差异极大,在红外补光的情况下对比度较低,而白光补光的情况下对比度较高。
由于夜间环境光的急剧下降,依靠红外微光常亮补光的卡口相机所采集的图片中车牌字符与车牌底色对比度差值不明显,无法做到正常的字符分隔与识别。但是虽然红外补光下得到的视频图像中车牌与字符对比度极低,但在字符与车牌背景中间仍然有明显的因为凹凸而使光线折射产生的轮廓存在,本实施例根据轮廓分割视频图像,对车牌底色进行处理后,再进行车牌识别,以达到提高车牌识别率的效果。
如图1所示,一种红外补光条件下的车牌识别方法,包括:
步骤S1、从待处理过车图像中获取车牌图像,计算车牌图像的对比度。
卡口相机在有车辆经过时,会根据触发条件拍摄过车的视频图像,在本实施例中称为过车图像。对于过车图像,进一步进行车牌识别,输出车辆的车牌号码,用于智能交通管理。
车牌识别的过程,首先要对车牌进行定位,识别出车牌位置对应的车牌图像,以便于后续进行图像处理,识别出其中的字符。关于车牌定位,目前的方法包括基于边缘的车牌定位、基于颜色的车牌定位、基于机器学习的车牌定位等,这里不再赘述。
本步骤是对通过车牌定位获取的车牌图像进行处理,计算出车牌图像的对比度。对比度指的是对一幅图像中明暗区域最亮的白和最暗的黑之间不同亮度层级的测量,本实施例中对比度是就整个车牌图像而言,例如一个车牌在全白屏状态时候亮度为500cd/m2,全黑屏状态亮度为0.5cd/m2,这样车牌的对比度就是1000:1。
对比度对视觉效果的影响非常关键,一般来说对比度越大,图像越清晰醒目,色彩也越鲜明艳丽;而对比度小,则会让整个画面都灰蒙蒙的。通过计算出的车牌图像的对比度,可以判断过车图像是否是夜间拍摄,对于对比度的具体计算公式,这里不再赘述。
值得注意的是,通常根据经验值,可以设定一个阈值,当对比度不低于该阈值时,认为车牌图像比较容易进行字符识别,而对于对比度低于该阈值时,认为车牌图像是在夜间拍摄,不容易进行字符识别,需要通过本实施例的方法后续步骤进行处理后识别。
步骤S2、对于对比度低于设定的阈值的车牌图像,通过字符凹凸线分割车牌图像,获取其中的车牌背景区域。
通过前面步骤对比度的计算,通过简单的阈值判断,就可以判断车牌图像是否为夜间图像,即对于对比度低于设定的阈值的车牌图像,认为是夜间图像,需要进行处理,否则认为车牌图像满足正确进行字符识别的对比度,直接进行字符识别即可。即对于对比度不低于设定的阈值的车牌图像,不需要经过步骤S2和步骤S3的处理,直接执行对车牌图像进行字符识别,输出识别车牌。
虽然红外补光下得到的视频图像中车牌与字符对比度极低,但在字符与车牌背景中间仍然有明显的因为凹凸而使光线折射产生的轮廓存在。而对于轮廓的识别,可以通过二值化图像中像素的灰度变化来进行识别,也可以通过其他常用方法来进行识别。
例如通过字符与车牌底色的凹凸线因折射产生的轮廓进行套索算法的分割,分割过程采用广泛使用的Live Wire算法,该算法是一种交互式边缘提取和图像分割方法,其工作机理为利用动态规划方案产生图像中给定两点间的最优路径,合理地构造代价函数和选择起始点和目标点,用以提取物体的边缘。通过使用Live Wire算法对获取的车牌进行分割,获取车牌背景部分的图像。
本实施例还可以采用OpenCV方法来进行图像轮廓识别,这里不再进行赘述。
在识别出字符与车牌背景中间的轮廓之后,就可以通过字符凹凸线分割车牌图像,获取其中的车牌背景区域,即将字符与车牌背景区域分割开来,以便后续对车牌背景区域进行颜色填充。
步骤S3、调整车牌背景区域图像的颜色至预设的颜色。
车牌背景颜色包括蓝色、黄色和黑色,以蓝色居多,本实施例以蓝色为例,预设填充车牌背景区域的颜色为蓝色。
从而在获取车牌背景区域之后,对车牌背景区域的图像的颜色进行调整,即对该区域填充蓝色。
假设所需的车牌背景底色A代表具体参数色调a,饱和度b,亮度c,红色x,绿色y,蓝色z,那么最终将底色A叠加到字符轮廓以外的车牌背景部分。在车牌位置重新得到一张对比度较高的满足字符识别要求的车牌图像。
如图2所示,左边为对比度低于设定阈值的车牌图像,右边为通过车牌背景颜色调整后的车牌图像,可见通过将车牌背景区域图像的颜色调整至预设的颜色,可以使得车牌图像的变得更加容易识别。
步骤S4、对调整颜色后的车牌图像进行字符识别,输出识别车牌。
对于车牌背景区域填充了颜色的车牌图像,提高了车牌图像的对比度,已经接近于白天或白光补光条件下的车牌图像,从而按照正常的字符识别方法即可正确识别出车牌图像中的字符,大大提高了车牌识别的准确率。
容易理解的是,红外补光通常在环境亮度小于一定的值时会打开,因此本实施例也可省略对比度计算与判断的步骤,直接处理红外补光打开后过车图像,即默认打开红外补光后的过车图像才是待处理图像,需要通过字符凹凸线分割车牌图像,获取其中的车牌背景区域,来进行颜色调整。因此对于本实施例的步骤S1和步骤S2,也可以简化为直接从待处理过车图像中获取车牌图像,通过字符凹凸线分割车牌图像,获取其中的车牌背景区域,相当于默认处理的是打开红外补光后的过车图像,即夜间的过车图像。但是优选地,本实施例执行步骤S1和步骤S2,通过对比度进行判断后,剔除掉对比度满足字符识别要求的车牌图像,能够适应任何场合,减少要进行后续处理的过车图像。
本实施例步骤S1以整个车牌图像来计算对比度,下面增加一种优选的方案:
为了排除车牌框和防盗螺丝对对比度判断产生影响,本实施例在识别出车牌位置对应的车牌图像后,还以定位到的车牌位置为准,对车牌图像的长宽均按设定比例缩小50%获取车牌图像的中心区域,计算中心区域的对比度,以该中心区域的对比度作为车牌图像的对比度,与预设的对比度阈值进行比较。容易理解的是,具体缩小的比例可以调整,调整范围相对于车牌的原始大小的40%~70%,能够得到比较好的效果。还可以根据经验,以车牌图像的中心点为中心,取设定范围的长方形或正方形区域来计算对比度,作为车牌图像的对比度,这里不再赘述。如果车牌图像的对比度大于设定的阈值,则直接进行字符提取与识别,因为即使在红外补光下,黄牌车与白牌车的因其黑色字体,对比度仍然满足识别,不需要进行车牌背景的颜色调整。如果车牌图像对比度小于设定的阈值,则需要对车牌进行后处理,通过字符与车牌背景的凹凸现象产生的轮廓,分割车牌,将字体***的车牌背景重新设置颜色。
需要说明的是,为了保证到的过车图像满足后续处理条件,在曝光量参数一定的情况下,必须保证车牌宽度像素达到一定要求,例如大于设定的宽度阈值。本发明实施例是以车牌宽度像素点120的样本进行计算的,因此需要在实际应用中注意抓拍位置,抓拍位置车道宽度应与画面宽度吻合一致,从而获取合适的车牌宽度像素点数量,如像素点不满足容易导致车牌字体轮廓不够清晰,影响下一步处理。
与上述方法对应地,如图3所示,本实施例一种红外补光条件下的车牌识别装置,包括:
背景分割模块,用于从待处理过车图像中获取车牌图像,通过字符凹凸线分割车牌图像,获取其中的车牌背景区域;
颜色调整模块,用于调整车牌背景区域图像的颜色至预设的颜色;
字符识别模块,用于对调整颜色后的车牌图像进行字符识别,输出识别车牌。
本实施例背景分割模块在从待处理过车图像中获取车牌图像后,通过字符凹凸线分割车牌图像,获取其中的车牌背景区域之前,还执行如下操作:
计算所述车牌图像的对比度;
当所述对比度低于设定的阈值时,执行通过字符凹凸线分割车牌图像,获取其中的车牌背景区域。
容易理解的是,如果默认打开红外补光后的过车图像才是待处理图像,统一都需要进行颜色调整,则不需要来计算对比度,即默认对比度都低于设定的阈值。
本实施例背景分割模块计算所述车牌图像的对比度,执行如下操作:
对车牌图像的长宽均按设定比例缩小,获取车牌图像的中心区域,计算该中心区域的对比度,以该中心区域的对比度作为所述车牌图像的对比度。
容易理解的是,也可以以整幅车牌图像来计算对比度,缩小计算区域,有利于降低计算量。
与上述方法对应地,背景分割模块在所述对比度不低于设定的阈值时,直接将所述车牌图像发送至所述字符识别模块进行字符识别,输出识别车牌。
以上实施例仅用以说明本发明的技术方案而非对其进行限制,在不背离本发明精神及其实质的情况下,熟悉本领域的技术人员当可根据本发明作出各种相应的改变和变形,但这些相应的改变和变形都应属于本发明所附的权利要求的保护范围。
Claims (8)
1.一种红外补光条件下的车牌识别方法,其特征在于,所述车牌识别方法包括:
从待处理过车图像中获取车牌图像,通过字符凹凸线分割车牌图像,获取其中的车牌背景区域;
调整车牌背景区域图像的颜色至预设的颜色;
对调整颜色后的车牌图像进行字符识别,输出识别车牌;
在从待处理过车图像中获取车牌图像后,通过字符凹凸线分割车牌图像,获取其中的车牌背景区域之前,所述方法还包括:
计算所述车牌图像的对比度;
当所述对比度低于设定的阈值时,执行通过字符凹凸线分割车牌图像,获取其中的车牌背景区域。
2.根据权利要求1所述的红外补光条件下的车牌识别方法,其特征在于,所述计算所述车牌图像的对比度,包括:
对车牌图像的长宽均按设定比例缩小,获取车牌图像的中心区域,计算该中心区域的对比度,以所述中心区域的对比度作为所述车牌图像的对比度。
3.根据权利要求1所述的红外补光条件下的车牌识别方法,其特征在于,所述方法还包括:
当所述对比度不低于设定的阈值时,直接执行对所述车牌图像进行字符识别,输出识别车牌。
4.根据权利要求1所述的红外补光条件下的车牌识别方法,其特征在于,所述车牌图像的宽度像素点数量大于设定的宽度阈值。
5.一种红外补光条件下的车牌识别装置,其特征在于,所述车牌识别装置包括:
背景分割模块,用于从待处理过车图像中获取车牌图像,通过字符凹凸线分割车牌图像,获取其中的车牌背景区域;
颜色调整模块,用于调整车牌背景区域图像的颜色至预设的颜色;
字符识别模块,用于对调整颜色后的车牌图像进行字符识别,输出识别车牌;
所述背景分割模块在从待处理过车图像中获取车牌图像后,通过字符凹凸线分割车牌图像,获取其中的车牌背景区域之前,还执行如下操作:
计算所述车牌图像的对比度;
当所述对比度低于设定的阈值时,执行通过字符凹凸线分割车牌图像,获取其中的车牌背景区域。
6.根据权利要求5所述的红外补光条件下的车牌识别装置,其特征在于,所述背景分割模块计算所述车牌图像的对比度,执行如下操作:
对车牌图像的长宽均按设定比例缩小,获取车牌图像的中心区域,计算该中心区域的对比度,以所述中心区域的对比度作为所述车牌图像的对比度。
7.根据权利要求5所述的红外补光条件下的车牌识别装置,其特征在于,所述背景分割模块在所述对比度不低于设定的阈值时,直接将所述车牌图像发送至所述字符识别模块进行字符识别,输出识别车牌。
8.根据权利要求5所述的红外补光条件下的车牌识别装置,其特征在于,所述车牌图像的宽度像素点数量大于设定的宽度阈值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610920708.8A CN106503707B (zh) | 2016-10-21 | 2016-10-21 | 一种红外补光条件下的车牌识别方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610920708.8A CN106503707B (zh) | 2016-10-21 | 2016-10-21 | 一种红外补光条件下的车牌识别方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106503707A CN106503707A (zh) | 2017-03-15 |
CN106503707B true CN106503707B (zh) | 2019-08-02 |
Family
ID=58319430
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610920708.8A Active CN106503707B (zh) | 2016-10-21 | 2016-10-21 | 一种红外补光条件下的车牌识别方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106503707B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108108746B (zh) * | 2017-09-13 | 2021-04-09 | 湖南理工学院 | 基于Caffe深度学习框架的车牌字符识别方法 |
CN108710857B (zh) * | 2018-05-22 | 2022-05-17 | 深圳前海华夏智信数据科技有限公司 | 基于红外补光的人车识别方法及装置 |
CN109785251B (zh) * | 2018-12-25 | 2021-02-12 | 北京中科慧眼科技有限公司 | 一种图像质量提升方法、装置及自动驾驶*** |
CN111563402B (zh) * | 2019-02-14 | 2023-05-09 | 杭州海康威视数字技术股份有限公司 | 车牌识别方法、装置、终端及存储介质 |
CN111666788B (zh) * | 2019-03-07 | 2024-01-26 | 杭州海康威视数字技术股份有限公司 | 一种图像处理方法、装置及设备、存储介质 |
CN111582268B (zh) * | 2020-04-13 | 2023-05-12 | 浙江大华技术股份有限公司 | 一种车牌图像处理方法、装置以及计算机存储介质 |
CN115050082B (zh) * | 2022-08-12 | 2022-12-09 | 深圳市三千米光电科技有限公司 | 一种基于红外激光灯的补光监测*** |
CN116129157B (zh) * | 2023-04-13 | 2023-06-16 | 深圳市夜行人科技有限公司 | 一种基于极微光的警戒摄像机智能图像处理方法及*** |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101901479A (zh) * | 2010-07-26 | 2010-12-01 | 公安部交通管理科学研究所 | 字符颜色脱落的车牌图像优化方法 |
CN102147860A (zh) * | 2011-05-16 | 2011-08-10 | 杭州华三通信技术有限公司 | 一种基于白平衡的车牌识别方法和装置 |
CN102446348A (zh) * | 2010-10-15 | 2012-05-09 | 武汉上博科技有限公司 | 一种车辆抓拍图像彩色颜色调整与增强方法 |
CN103020930A (zh) * | 2012-11-26 | 2013-04-03 | 天津大学 | 一种夜间监控视频增强方法 |
CN103137103A (zh) * | 2011-12-05 | 2013-06-05 | 中兴通讯股份有限公司 | 文字显示方法及装置 |
-
2016
- 2016-10-21 CN CN201610920708.8A patent/CN106503707B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101901479A (zh) * | 2010-07-26 | 2010-12-01 | 公安部交通管理科学研究所 | 字符颜色脱落的车牌图像优化方法 |
CN102446348A (zh) * | 2010-10-15 | 2012-05-09 | 武汉上博科技有限公司 | 一种车辆抓拍图像彩色颜色调整与增强方法 |
CN102147860A (zh) * | 2011-05-16 | 2011-08-10 | 杭州华三通信技术有限公司 | 一种基于白平衡的车牌识别方法和装置 |
CN103137103A (zh) * | 2011-12-05 | 2013-06-05 | 中兴通讯股份有限公司 | 文字显示方法及装置 |
CN103020930A (zh) * | 2012-11-26 | 2013-04-03 | 天津大学 | 一种夜间监控视频增强方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106503707A (zh) | 2017-03-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106503707B (zh) | 一种红外补光条件下的车牌识别方法及装置 | |
CN108460395B (zh) | 目标检测方法和装置以及模糊处理方法和装置 | |
CN105812674B (zh) | 一种信号灯的颜色修正方法、监控方法及装置 | |
CN109194873B (zh) | 一种图像处理方法及装置 | |
US9639764B2 (en) | Image recognition system for vehicle for traffic sign board recognition | |
CN106991707B (zh) | 一种基于昼夜成像特征的交通信号灯图像强化方法及装置 | |
WO2020238805A1 (zh) | 人脸识别装置和门禁设备 | |
CN105868753B (zh) | 蓝色车牌颜色的识别方法及装置 | |
JP5260696B2 (ja) | エッジ点抽出装置、車線検出装置、およびプログラム | |
CN106327525B (zh) | 一种机房重地越界行为实时监测方法 | |
JP2009071789A (ja) | 車両周辺監視システム | |
CN110532903A (zh) | 一种交通灯图像处理的方法和设备 | |
CN108603997A (zh) | 控制装置、控制方法和控制程序 | |
CN113306486B (zh) | 车内照明装置控制方法、存储介质和电子设备 | |
CN113824884B (zh) | 拍摄方法与装置、摄影设备及计算机可读存储介质 | |
CN109718069A (zh) | 一种用于典型十字路口的导盲智能终端 | |
CN104574377A (zh) | 用于电子警察的红灯偏黄的校正方法 | |
CN113490316A (zh) | 一种补光***及补光灯 | |
CN113747008B (zh) | 一种摄像机及补光方法 | |
CN111565283A (zh) | 一种交通灯颜色的识别方法、校正方法和装置 | |
CN201247528Y (zh) | 图像获取和处理装置 | |
CN112204566A (zh) | 基于机器视觉的图像处理方法和设备 | |
US11153546B2 (en) | Low-light imaging system | |
CN103729624B (zh) | 一种基于肤色识别的测光方法及测光*** | |
CN111489558A (zh) | 车牌识别方法及*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20221107 Address after: 15 / F, Zhongchuang Plaza, 385 Hangtian Middle Road, national civil aerospace industrial base, Xi'an City, Shaanxi Province 710100 Patentee after: Xi'an Yu vision Mdt InfoTech Ltd. Address before: 310051 Zhejiang Jiangling Hangzhou Road, Binjiang District, Jiangling, 88, No. 10 South Block 1-11. Patentee before: ZHEJIANG UNIVIEW TECHNOLOGIES Co.,Ltd. |