CN107273884A - 一种基于移动终端摄像头的车辆牌照识别方法 - Google Patents
一种基于移动终端摄像头的车辆牌照识别方法 Download PDFInfo
- Publication number
- CN107273884A CN107273884A CN201710312261.0A CN201710312261A CN107273884A CN 107273884 A CN107273884 A CN 107273884A CN 201710312261 A CN201710312261 A CN 201710312261A CN 107273884 A CN107273884 A CN 107273884A
- Authority
- CN
- China
- Prior art keywords
- image
- license plate
- mrow
- mobile terminal
- terminal camera
- 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
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
- G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/14—Image acquisition
- G06V30/148—Segmentation of character regions
- G06V30/153—Segmentation of character regions using recognition of characters or words
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Traffic Control Systems (AREA)
- Image Analysis (AREA)
- Character Discrimination (AREA)
Abstract
本发明公开了一种基于移动终端摄像头的车辆牌照识别方法,包括:通过移动终端摄像头对车牌图像进行采集并处理,得到车牌边缘图像;对车牌边缘图像进行字符分割,得到字符分割图像;对字符分割图像进行字符识别,得出识别结果并输出。本发明通过对采集的车牌图像依次进行预处理、字符分割和字符识别,从而能有效提高识别的准确率,而且通过实现车辆牌照的自动识别,进而可对车辆查询相关的数据库,根据提取的车辆信息,实现有针对性的车辆检查,极大的提高工作人员的效率,降低工作强度。本发明可广泛应用于车牌识别中。
Description
技术领域
本发明涉及图像识别技术领域,尤其涉及一种基于移动终端摄像头的车辆牌照识别方法。
背景技术
现代社会已经进入信息时代,计算机技术、通信技术和计算机网络技术的不断发展,自动化信息处理能力的不断提高,在人们社会活动和生活的各个领域得到了广泛的应用,在这种情况下,作为信息来源的自动检测、图像识别技术越来越受到人们的重视。
随着汽车数量的急剧增加,车牌自动识别技术日益成为交通管理自动化的重要手段。车牌自动识别技术是计算机视觉、图像处理技术与模式识别等技术的融合,是智能交通***中一项非常重要的技术。目前车牌识别技术应用也较广泛,但普遍都存在以下问题:摄像头位置基本固定;只有在特定场合存在识别应用,比如停车场;只考虑文本信息不考虑图像信息获取;并且识别的准确率较低。
发明内容
为了解决上述技术问题,本发明的目的是提供一种能提高识别准确率,且提升工作效率的一种基于移动终端摄像头的车辆牌照识别方法。
本发明所采取的技术方案是:
一种基于移动终端摄像头的车辆牌照识别方法,包括以下步骤:
通过移动终端摄像头对车牌图像进行采集并处理,得到车牌边缘图像;
对车牌边缘图像进行字符分割,得到字符分割图像;
对字符分割图像进行字符识别,得出识别结果并输出。
作为所述的一种基于移动终端摄像头的车辆牌照识别方法的进一步改进,所述的通过移动终端摄像头对车牌图像进行采集并处理,这一步骤具体包括:
移动终端摄像头自动对焦并对车牌图像进行采集;
对车牌图像进行预处理。
作为所述的一种基于移动终端摄像头的车辆牌照识别方法的进一步改进,所述的对车牌图像进行预处理,这一步骤具体包括:
对车牌图像进行高斯平滑滤波处理;
对高斯平滑滤波处理后的车牌图像进行边缘检验处理。
作为所述的一种基于移动终端摄像头的车辆牌照识别方法的进一步改进,所述的高斯平滑滤波处理的计算公式为:
其中,σx表示处理后的横坐标,Param1表示处理前的横坐标,σy表示处理后的纵坐标,Param2表示处理前的横坐标。
作为所述的一种基于移动终端摄像头的车辆牌照识别方法的进一步改进,所述的对高斯平滑滤波处理后的车牌图像进行边缘检验处理,这一步骤具体包括:
对高斯平滑滤波处理后的车牌图像中通过Roberts算子计算图中每个像素点的局部梯度和边缘方向;
对每个像素点的局部梯度进行非极大值抑制,将非极大值点所对应的灰度值设为0,得到剩余的点为边缘点;
根据得到的边缘点,按照预设的双阈值进行分类,并对边缘点进行连接,得到车牌边缘图像。
作为所述的一种基于移动终端摄像头的车辆牌照识别方法的进一步改进,所述的对车牌边缘图像进行字符分割,得到字符分割图像,这一步骤具体包括:
对车牌边缘图像通过分水岭算法进行封闭边缘处理,得到边缘图像;
对得到的边缘图像通过种子填充算法进行图像填充,得到填充图像;
对填充图像进行字符切割,并进行二次填充处理,得到字符分割图像。
作为所述的一种基于移动终端摄像头的车辆牌照识别方法的进一步改进,所述的对字符分割图像进行字符识别,得出识别结果并输出,这一步骤具体为:
将字符分割图像与模板图像通过改良的豪斯多夫距离量度算法计算两者的豪斯多夫距离进行匹配,当得到豪斯多夫距离为最小时,其对应的模板图像即为识别的结果。
作为所述的一种基于移动终端摄像头的车辆牌照识别方法的进一步改进,所述的豪斯多夫距离的计算公式为:
其中,集合A表示字符分割图像,集合B表示模板图像,a和b分别为集合A和集合B中的点。
本发明的有益效果是:
本发明一种基于移动终端摄像头的车辆牌照识别方法通过对采集的车牌图像依次进行预处理、字符分割和字符识别,从而能有效提高识别的准确率,而且通过实现车辆牌照的自动识别,进而可对车辆查询相关的数据库,根据提取的车辆信息,实现有针对性的车辆检查,极大的提高工作人员的效率,降低工作强度。
附图说明
下面结合附图对本发明的具体实施方式作进一步说明:
图1是本发明一种基于移动终端摄像头的车辆牌照识别方法的步骤流程图;
图2是本发明一种基于移动终端摄像头的车辆牌照识别方法中采集处理的步骤流程图;
图3是本发明一种基于移动终端摄像头的车辆牌照识别方法中预处理的步骤流程图;
图4是本发明一种基于移动终端摄像头的车辆牌照识别方法中边缘检验处理的步骤流程图;
图5是本发明一种基于移动终端摄像头的车辆牌照识别方法中字符分割的步骤流程图。
具体实施方式
参考图1,本发明一种基于移动终端摄像头的车辆牌照识别方法,包括以下步骤:
通过移动终端摄像头对车牌图像进行采集并处理,得到车牌边缘图像;
对车牌边缘图像进行字符分割,得到字符分割图像;
对字符分割图像进行字符识别,得出识别结果并输出。
参考图2,进一步作为优选的实施方式,所述的通过移动终端摄像头对车牌图像进行采集并处理,这一步骤具体包括:
移动终端摄像头自动对焦并对车牌图像进行采集;
对车牌图像进行预处理。
参考图3,进一步作为优选的实施方式,所述的对车牌图像进行预处理,这一步骤具体包括:
对车牌图像进行高斯平滑滤波处理;
对高斯平滑滤波处理后的车牌图像进行边缘检验处理。
其中,由于车牌图像特征还是十分明显的,本身并没有太多的背景进行干扰。根据车牌特征,我们不需要分析太多的边缘,对于降噪和边缘检测都可以大大的降低了难度,所以在这里,采用高斯平滑滤波处理图像的平滑和降噪。
对于图像来说,高斯滤波器是利用高斯核的一个2维的卷积算子,用于图像模糊化(去除细节和噪声)。
1.高斯分布
若随机变量X服从一个数学期望为μ、标准方差为σ2的高斯分布,记为 X~N(μ,σ2);
则其概率密度函数为:
上式中,μ为数学期望,σ为标准方差。正态分布的期望值μ决定了其位置,其标准差σ决定了分布的幅度。
如果μ=0并且σ=1,这个分布被称为标准正态分布,这个分布能够简化为:
2.高斯核
理论上,高斯分布在所有定义域上都有非负值,这就需要一个无限大的卷积核。实际上,仅需要取均值周围3倍标准差内的值,以外部份直接去掉即可。
3.高斯滤波(平滑)
完成了高斯核的构造后,高斯滤波就是用此核来执行标准的卷积。
高斯滤波是图像平滑的一种重要的方式,能有效地消除和抑制噪声,达到图像平滑的效果。同时,相比于平均模板而言,效果更加自然。更加自然的意思,实际上说相对于就是适当地降低平滑后的模糊程度。平均模板对四周像素的使用是一视同仁的,这样的话整幅图处理后看上去就会非常的模糊;然而高斯滤波打破了这样的局限,分配以不同的权重,随着距离中心距离的增大,权重将迅速减小,从而确保中心的像素点看起来更像是接近与它更近的像素点,这样图像的连续性得到了保证。
进一步作为优选的实施方式,所述的高斯平滑滤波处理的计算公式为:
其中,σx表示处理后的横坐标,Param1表示处理前的横坐标,σy表示处理后的纵坐标,Param2表示处理前的横坐标。
参考图4,进一步作为优选的实施方式,所述的对高斯平滑滤波处理后的车牌图像进行边缘检验处理,这一步骤具体包括:
对高斯平滑滤波处理后的车牌图像中通过Roberts算子计算图中每个像素点的局部梯度和边缘方向;
对每个像素点的局部梯度进行非极大值抑制,将非极大值点所对应的灰度值设为0,得到剩余的点为边缘点;
根据得到的边缘点,按照预设的双阈值进行分类,并对边缘点进行连接,得到车牌边缘图像。
优选的,根据高阈值得到一个边缘图像,这样一个图像含有很少的假边缘,但是由于阈值较高,产生的图像边缘可能不闭合,未解决这样一个问题采用了另外一个低阈值。在高阈值图像中把边缘链接成轮廓,当到达轮廓的端点时,该算法会在断点的8邻域点中寻找满足低阈值的点,再根据此点收集新的边缘,直到整个图像边缘闭合。
其中,Roberts算子对于图像来说,是一个二维的离散型数集,通过推广二维连续型求函数偏导的方法,来求得图像的偏导数,即在(x,y)处的最大变化率,也就是这里的梯度:
上式中,为输出的图像。
通常把梯度的模叫做图象的梯度。对于数字图象,可以用差分来近似微分。Roberts模板是用斜向上的4个象素的交叉差分定义的,即
上式中,为输出的图像,f(x,y)为输入的图像。
一般将上式简化成:
上式中,为输出的图像,f(x,y)为输入的图像。
参考图5,进一步作为优选的实施方式,所述的对车牌边缘图像进行字符分割,得到字符分割图像,这一步骤具体包括:
对车牌边缘图像通过分水岭算法进行封闭边缘处理,得到边缘图像;
对得到的边缘图像通过种子填充算法进行图像填充,得到填充图像;
对填充图像进行字符切割,并进行二次填充处理,得到字符分割图像。
进一步作为优选的实施方式,所述的对字符分割图像进行字符识别,得出识别结果并输出,这一步骤具体为:
将字符分割图像与模板图像通过改良的豪斯多夫距离量度算法计算两者的豪斯多夫距离进行匹配,当得到豪斯多夫距离为最小时,其对应的模板图像即为识别的结果。
进一步作为优选的实施方式,所述的豪斯多夫距离的计算公式为:
其中,集合A表示字符分割图像,集合B表示模板图像,a和b分别为集合A和集合B中的点。改进后是把求最大最小距离变为求最小距离的累加和,这样做可以有效地抵抗随机噪声的干扰,从整体上计算两个点集之间的距离,而不是只靠最大距离,从而增加了两个点集之间距离的稳定性,从理论上更加合理。实验也证明改进后的距离算法比改进前的距离算法稳定性好,识别率更高。
本发明实施例中,专门针对手机应用而开发,程序自动调节手机摄像头进行自动聚焦、平衡补光等操作以达到最优的扫描拍摄效果,支持2种方式照片来源,分别是手机自动聚焦扫描车牌图像方式和人工聚焦拍摄识别方式。不管哪种方式来源的图像都必须确保照片的清晰度才能在后续的过程中识别出准确的信息。为了使车牌能够被精确定位,需要使用高斯平滑对图片进行处理,然后对图像做边缘检验,削弱背景干扰。经过以上的预处理,就可以对车牌进行定位和分割处理。在得到边缘图像后需要将图像中的边缘进行转换,得到相对完整分边缘便于用于图像填充,将图像填充完整后便可以进行更好的字符切割,如果填充不完全,可以重复本步骤。根据字符切割后得到的基本图像进行对应的识别。本过程主要使用了改良后的豪斯多夫距离量度算法进行识别。最后本发明可作为组件的方式存在提供API接口给外部应用程序,包括移动端及PC端,从而将识别结果通过接口返回。
从上述内容可知,本发明一种基于移动终端摄像头的车辆牌照识别方法通过对采集的车牌图像依次进行预处理、字符分割和字符识别,从而能有效提高识别的准确率,而且通过实现车辆牌照的自动识别,进而可对车辆查询相关的数据库,根据提取的车辆信息,实现有针对性的车辆检查,极大的提高工作人员的效率,降低工作强度。
以上是对本发明的较佳实施进行了具体说明,但本发明创造并不限于所述实施例,熟悉本领域的技术人员在不违背本发明精神的前提下还可做作出种种的等同变形或替换,这些等同的变形或替换均包含在本申请权利要求所限定的范围内。
Claims (8)
1.一种基于移动终端摄像头的车辆牌照识别方法,其特征在于,包括以下步骤:
通过移动终端摄像头对车牌图像进行采集并处理,得到车牌边缘图像;
对车牌边缘图像进行字符分割,得到字符分割图像;
对字符分割图像进行字符识别,得出识别结果并输出。
2.根据权利要求1所述的一种基于移动终端摄像头的车辆牌照识别方法,其特征在于:所述的通过移动终端摄像头对车牌图像进行采集并处理,这一步骤具体包括:
移动终端摄像头自动对焦并对车牌图像进行采集;
对车牌图像进行预处理。
3.根据权利要求2所述的一种基于移动终端摄像头的车辆牌照识别方法,其特征在于:所述的对车牌图像进行预处理,这一步骤具体包括:
对车牌图像进行高斯平滑滤波处理;
对高斯平滑滤波处理后的车牌图像进行边缘检验处理。
4.根据权利要求3所述的一种基于移动终端摄像头的车辆牌照识别方法,其特征在于:所述的高斯平滑滤波处理的计算公式为:
<mrow>
<msub>
<mi>&sigma;</mi>
<mi>x</mi>
</msub>
<mo>=</mo>
<mrow>
<mo>(</mo>
<mfrac>
<mrow>
<mi>P</mi>
<mi>a</mi>
<mi>r</mi>
<mi>a</mi>
<mi>m</mi>
<mn>1</mn>
</mrow>
<mn>2</mn>
</mfrac>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mo>*</mo>
<mn>0.3</mn>
<mo>+</mo>
<mn>0.8</mn>
<mo>;</mo>
</mrow>
<mrow>
<msub>
<mi>&sigma;</mi>
<mi>y</mi>
</msub>
<mo>=</mo>
<mrow>
<mo>(</mo>
<mfrac>
<mrow>
<mi>P</mi>
<mi>a</mi>
<mi>r</mi>
<mi>a</mi>
<mi>m</mi>
<mn>2</mn>
</mrow>
<mn>2</mn>
</mfrac>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mo>*</mo>
<mn>0.3</mn>
<mo>+</mo>
<mn>0.8</mn>
<mo>;</mo>
</mrow>
其中,σx表示处理后的横坐标,Param1表示处理前的横坐标,σy表示处理后的纵坐标,Param2表示处理前的横坐标。
5.根据权利要求2所述的一种基于移动终端摄像头的车辆牌照识别方法,其特征在于:所述的对高斯平滑滤波处理后的车牌图像进行边缘检验处理,这一步骤具体包括:
对高斯平滑滤波处理后的车牌图像中通过Roberts算子计算图中每个像素点的局部梯度和边缘方向;
对每个像素点的局部梯度进行非极大值抑制,将非极大值点所对应的灰度值设为0,得到剩余的点为边缘点;
根据得到的边缘点,按照预设的双阈值进行分类,并对边缘点进行连接,得到车牌边缘图像。
6.根据权利要求1所述的一种基于移动终端摄像头的车辆牌照识别方法,其特征在于:所述的对车牌边缘图像进行字符分割,得到字符分割图像,这一步骤具体包括:
对车牌边缘图像通过分水岭算法进行封闭边缘处理,得到边缘图像;
对得到的边缘图像通过种子填充算法进行图像填充,得到填充图像;
对填充图像进行字符切割,并进行二次填充处理,得到字符分割图像。
7.根据权利要求1所述的一种基于移动终端摄像头的车辆牌照识别方法,其特征在于:所述的对字符分割图像进行字符识别,得出识别结果并输出,这一步骤具体为:
将字符分割图像与模板图像通过改良的豪斯多夫距离量度算法计算两者的豪斯多夫距离进行匹配,当得到豪斯多夫距离为最小时,其对应的模板图像即为识别的结果。
8.根据权利要求7所述的一种基于移动终端摄像头的车辆牌照识别方法,其特征在于:所述的豪斯多夫距离的计算公式为:
<mrow>
<msub>
<mi>d</mi>
<mi>h</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>A</mi>
<mo>,</mo>
<mi>B</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mi>&Sigma;</mi>
<munder>
<mi>min</mi>
<mrow>
<mi>a</mi>
<mo>&Element;</mo>
<mi>A</mi>
<mo>,</mo>
<mi>b</mi>
<mo>&Element;</mo>
<mi>B</mi>
</mrow>
</munder>
<mo>|</mo>
<mo>|</mo>
<mi>a</mi>
<mo>-</mo>
<mi>b</mi>
<mo>|</mo>
<mo>|</mo>
<mo>;</mo>
</mrow>
其中,集合A表示字符分割图像,集合B表示模板图像,a和b分别为集合A和集合B中的点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710312261.0A CN107273884A (zh) | 2017-05-05 | 2017-05-05 | 一种基于移动终端摄像头的车辆牌照识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710312261.0A CN107273884A (zh) | 2017-05-05 | 2017-05-05 | 一种基于移动终端摄像头的车辆牌照识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107273884A true CN107273884A (zh) | 2017-10-20 |
Family
ID=60073721
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710312261.0A Pending CN107273884A (zh) | 2017-05-05 | 2017-05-05 | 一种基于移动终端摄像头的车辆牌照识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107273884A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108364392A (zh) * | 2018-05-15 | 2018-08-03 | 安徽天卓信息技术有限公司 | 一种小区车辆牌照自动识别门禁*** |
CN108470452A (zh) * | 2018-05-18 | 2018-08-31 | 厦门客管家网络科技有限公司 | 一种基于图像识别的车辆信息管理方法、***及存储介质 |
CN108921259A (zh) * | 2018-09-18 | 2018-11-30 | 西安艾润物联网技术服务有限责任公司 | 停车场巡检装置及*** |
CN109492645A (zh) * | 2018-11-01 | 2019-03-19 | 湖南文理学院 | 一种车牌字符分割方法和装置 |
CN114566056A (zh) * | 2022-02-28 | 2022-05-31 | 招商局重庆公路工程检测中心有限公司 | 一种公路隧道行车安全风险辨识与防控方法及*** |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101625795A (zh) * | 2009-08-07 | 2010-01-13 | 张忠义 | 基于手机的城市自助泊车与监管*** |
CN102043950A (zh) * | 2010-12-30 | 2011-05-04 | 南京信息工程大学 | 基于canny算子和边缘点统计的车辆轮廓识别方法 |
CN104156704A (zh) * | 2014-08-04 | 2014-11-19 | 胡艳艳 | 一种新的车牌识别方法及*** |
-
2017
- 2017-05-05 CN CN201710312261.0A patent/CN107273884A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101625795A (zh) * | 2009-08-07 | 2010-01-13 | 张忠义 | 基于手机的城市自助泊车与监管*** |
CN102043950A (zh) * | 2010-12-30 | 2011-05-04 | 南京信息工程大学 | 基于canny算子和边缘点统计的车辆轮廓识别方法 |
CN104156704A (zh) * | 2014-08-04 | 2014-11-19 | 胡艳艳 | 一种新的车牌识别方法及*** |
Non-Patent Citations (2)
Title |
---|
DONG-GYU SIM等: "Object Matching Algorithms Using Robust Hausdorff Distance Measures", 《IEEE TRANSACTIONS ON IMAGE PROCESSING》 * |
罗军等: "基于匹配跟踪置信度的自适应对应像素距离图像匹配跟踪算法", 《信号处理》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108364392A (zh) * | 2018-05-15 | 2018-08-03 | 安徽天卓信息技术有限公司 | 一种小区车辆牌照自动识别门禁*** |
CN108470452A (zh) * | 2018-05-18 | 2018-08-31 | 厦门客管家网络科技有限公司 | 一种基于图像识别的车辆信息管理方法、***及存储介质 |
CN108921259A (zh) * | 2018-09-18 | 2018-11-30 | 西安艾润物联网技术服务有限责任公司 | 停车场巡检装置及*** |
CN109492645A (zh) * | 2018-11-01 | 2019-03-19 | 湖南文理学院 | 一种车牌字符分割方法和装置 |
CN114566056A (zh) * | 2022-02-28 | 2022-05-31 | 招商局重庆公路工程检测中心有限公司 | 一种公路隧道行车安全风险辨识与防控方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107273884A (zh) | 一种基于移动终端摄像头的车辆牌照识别方法 | |
US11887362B2 (en) | Sky filter method for panoramic images and portable terminal | |
CN107895376A (zh) | 基于改进Canny算子和轮廓面积阈值的太阳能电池板识别方法 | |
US11790499B2 (en) | Certificate image extraction method and terminal device | |
CN105139386A (zh) | 一种快速自动检测电气接插件焊点不合格品的图像处理方法 | |
CN111179232A (zh) | 基于图像处理的钢筋尺寸检测***及方法 | |
CN102096802B (zh) | 人脸检测方法及装置 | |
CN106682665B (zh) | 一种基于计算机视觉的七段式数显仪表数字识别方法 | |
CN109360179B (zh) | 一种图像融合方法、装置及可读存储介质 | |
CN102819728A (zh) | 一种基于分类模板匹配的交通标志检测方法 | |
CN101877127A (zh) | 基于梯度剖面的图像无参考质量评价方法及*** | |
CN107945200A (zh) | 图像二值化分割方法 | |
CN107945122A (zh) | 基于自适应直方图分段的红外图像增强方法及*** | |
CN104597057A (zh) | 一种基于机器视觉的柱状二极管表面缺陷检测装置 | |
Babbar et al. | A new approach for vehicle number plate detection | |
CN113537037A (zh) | 路面病害识别方法、***、电子设备及存储介质 | |
CN113313107A (zh) | 一种斜拉桥缆索表面多类型病害智能检测和识别方法 | |
CN115082776A (zh) | 一种基于图像识别的电能表自动检测***及方法 | |
CN111652033A (zh) | 基于OpenCV的车道线检测方法 | |
CN116052152A (zh) | 一种基于轮廓检测和深度神经网络的车牌识别*** | |
CN115841633A (zh) | 一种电力塔和电力线关联矫正的电力塔和电力线检测方法 | |
CN105426847A (zh) | 低质量自然光虹膜图像非线性增强方法 | |
CN106446920A (zh) | 一种基于梯度幅度约束的笔画宽度变换方法 | |
CN116311212B (zh) | 基于高速摄像机实现运动状态下的船号识别方法及装置 | |
CN112001336A (zh) | 行人越界报警方法、装置、设备及*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20171020 |
|
RJ01 | Rejection of invention patent application after publication |