CN108090484A - 一种车牌识别方法及装置 - Google Patents

一种车牌识别方法及装置 Download PDF

Info

Publication number
CN108090484A
CN108090484A CN201611057767.3A CN201611057767A CN108090484A CN 108090484 A CN108090484 A CN 108090484A CN 201611057767 A CN201611057767 A CN 201611057767A CN 108090484 A CN108090484 A CN 108090484A
Authority
CN
China
Prior art keywords
character
target
license plate
template
identification result
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.)
Granted
Application number
CN201611057767.3A
Other languages
English (en)
Other versions
CN108090484B (zh
Inventor
钱华
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hangzhou Hikvision Digital Technology Co Ltd
Original Assignee
Hangzhou Hikvision Digital Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hangzhou Hikvision Digital Technology Co Ltd filed Critical Hangzhou Hikvision Digital Technology Co Ltd
Priority to CN201611057767.3A priority Critical patent/CN108090484B/zh
Publication of CN108090484A publication Critical patent/CN108090484A/zh
Application granted granted Critical
Publication of CN108090484B publication Critical patent/CN108090484B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00Scenes; Scene-specific elements
    • G06V20/60Type of objects
    • G06V20/62Text, e.g. of license plates, overlay texts or captions on TV images
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10Character recognition
    • G06V30/24Character recognition characterised by the processing or recognition method
    • G06V30/242Division of the character sequences into groups prior to recognition; Selection of dictionaries
    • G06V30/244Division of the character sequences into groups prior to recognition; Selection of dictionaries using graphical properties, e.g. alphabet type or font
    • G06V30/2445Alphabet recognition, e.g. Latin, Kanji or Katakana
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10Character recognition
    • G06V30/24Character recognition characterised by the processing or recognition method
    • G06V30/248Character recognition characterised by the processing or recognition method involving plural approaches, e.g. verification by template match; Resolving confusion among similar patterns, e.g. "O" versus "Q"
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00Scenes; Scene-specific elements
    • G06V20/60Type of objects
    • G06V20/62Text, e.g. of license plates, overlay texts or captions on TV images
    • G06V20/625License plates
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10Character recognition

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Character Discrimination (AREA)
  • Traffic Control Systems (AREA)

Abstract

本申请实施例提供了一种车牌识别方法及装置。所述方法包括:确定待识别车牌图像中的第一车牌区域;识别第一车牌区域中的字符,获得第一字符识别结果;根据第一字符识别结果,判断第一车牌区域中是否存在未识别成功的车牌号码;如果是,则从预设的车牌模板库中确定目标车牌模板,其中,所述车牌模板库,用于保存各个车牌模板及对应的模板特征;根据目标车牌模板的模板特征,从第一车牌区域中确定未识别成功车牌号码的子区域;识别子区域中的字符,获得第二字符识别结果;根据第一字符识别结果和第二字符识别结果,获得待识别车牌图像的车牌号码。应用本申请实施例提供的方案进行车牌识别,能够提高车牌识别过程的效率。

Description

一种车牌识别方法及装置
技术领域
本申请涉及智能交通技术领域,特别涉及一种车牌识别方法及装置。
背景技术
车牌是车辆的“身份证”,是区别于其他机动车辆的一项重要信息。车牌识别技术已被广泛应用在卡口、停车场和电子警察等场景中,以获取场景内车辆的号牌信息,在治安管理等众多方面发挥着“智能交通算法”的威力。
现有技术中,在识别待识别车牌图像中的车牌号码时,通常针对待识别车牌图像,将其一一匹配预先保存的多个车牌模板,进而识别出车牌号码。具体过程为:定位待识别车牌图像中的车牌区域,根据选定的车牌模板,对待识别车牌图像中的字符进行字符分割,并对分割后的每个字符区域进行字符识别。如果字符识别成功,则认为上述车牌模板匹配成功了,将字符识别结果确定为待识别车牌图像的车牌号码。如果字符识别不成功,则选择另一个车牌模板,重复上述过程。
通常,车牌中的各个字符的宽度、高度以及各个字符之间的间隔存在一定的规律,例如,针对图1中编号为1~3的车牌,其每个字符的高度和宽度均相同,左侧2个字符与右侧的5个字符之间间隔较大,除此之外,其他字符之间的间隔相同。因此,可以根据上述车牌字符特征构建车牌模板。
又由于不同类型的车牌,上述车牌字符特征各不相同,而在对车牌图像进行车牌检测之前,往往无法得知图像中车牌的类型。为保证对这些车牌图像进行车牌识别时,得到较佳的车牌识别结果,需要针对不同类型的车牌构建车牌模板,进而导致上述车牌识别方式中需要匹配的车牌模板数量较大。例如,图1中编号为4~20的车牌中,有的车牌只包含波斯文数字,有的车牌包含波斯文数字和波斯文字母,并且,波斯文字母在车牌中出现的位置不固定,波斯文字母和波斯文数字之间的间隔也不固定,因此需要构建大量车牌模板。
对应的,在采用上述方法进行车牌识别时,需要匹配大量车牌模板,且每次匹配过程都要执行一遍字符分割、字符识别的过程,该车牌识别过程效率不高。
发明内容
本申请实施例的目的在于提供了一种车牌识别方法及装置,能够提高车牌识别过程的效率。具体的技术方案如下。
为了达到上述目的,本申请公开了一种车牌识别方法,所述方法包括:
获得待识别车牌图像,并确定所述待识别车牌图像中的第一车牌区域;
识别所述第一车牌区域中的字符,获得第一字符识别结果;
根据所述第一字符识别结果,判断所述第一车牌区域中是否存在未识别成功的车牌号码;
如果是,则从预设的车牌模板库中确定目标车牌模板,其中,所述车牌模板库,用于保存各个车牌模板及对应的模板特征;
根据所述目标车牌模板的模板特征,从所述第一车牌区域中确定未识别成功车牌号码的子区域;
识别所述子区域中的字符,获得第二字符识别结果;
根据所述第一字符识别结果和第二字符识别结果,获得所述待识别车牌图像的车牌号码。
可选的,所述从预设的车牌模板库中确定目标车牌模板的步骤,包括:
将所述第一字符识别结果中已识别成功的字符确定为目标字符;
将所述目标字符的特征分别与预设的车牌模板库中每个车牌模板的模板特征进行匹配,将匹配成功的模板特征对应的车牌模板确定为目标车牌模板。
可选的,所述目标车牌模板的模板特征包括:第一字符类型对应的第一字符特征,第二字符类型对应的第二字符特征,以及第一字符类型的字符区域与第二字符类型的字符区域的相对位置关系;
所述根据所述目标车牌模板的模板特征,从所述第一车牌区域中确定未识别成功车牌号码的子区域的步骤,包括:
将所述第一字符识别结果中已识别成功的字符确定为目标字符;
将所述目标字符所在的区域确定为目标字符区域;
将所述目标字符的特征分别与所述第一字符特征、第二字符特征进行匹配,将匹配成功的字符特征对应的字符类型确定为所述目标字符区域对应的目标字符类型;
根据所述目标字符区域、目标字符类型以及所述相对位置关系,从所述第一车牌区域中确定未识别成功车牌号码的子区域。
可选的,所述将所述第一字符识别结果中已识别成功的字符确定为目标字符的步骤,包括:
获得所述第一字符识别结果中已识别成功的字符;
将所获得的字符中字符连续分布、字符数量最多的字符段确定为目标字符。
可选的,所述识别所述子区域中的字符,获得第二字符识别结果的步骤,包括:
分割所述子区域,获得待识别字符区域;
识别所述待识别字符区域中的字符,获得第二字符识别结果。
可选的,所述目标车牌模板的模板特征包括:第一字符类型对应的第一字符特征,第二字符类型对应的第二字符特征,第一字符类型字符的尺寸和第二字符类型字符的尺寸之间的相对尺寸关系;
所述分割所述子区域,获得待识别字符区域的步骤,包括:
将所述第一字符识别结果中已识别成功的字符确定为目标字符;
根据所述目标字符的尺寸,获得第一尺寸;
将所述目标字符的特征分别与所述第一字符特征、第二字符特征进行匹配,确定所述目标字符的字符类型;
根据所述第一尺寸、目标字符的字符类型以及所述相对尺寸关系,确定第二尺寸;
根据所述第二尺寸,分割所述子区域,获得待识别字符区域。
可选的,所述根据所述第一字符识别结果和第二字符识别结果,获得所述待识别车牌图像的车牌号码,包括:
将所述第一字符识别结果中已识别成功的字符确定为目标字符;
合成所述目标字符和第二字符识别结果,获得所述待识别车牌图像的车牌号码。
可选的,所述根据所述第一字符识别结果,判断所述第一车牌区域中是否存在未识别成功的车牌号码,包括:
按照以下方式中的至少一种,判断所述第一车牌区域中是否存在未识别成功的车牌号码:
判断所述第一字符识别结果中是否包含未识别成功的识别结果,如果是,则确定所述第一车牌区域中存在未识别成功的车牌号码;
判断所述第一字符识别结果中已识别成功的字符数量是否小于预设数量阈值,如果是,则确定所述第一车牌区域中存在未识别成功的车牌号码。
为了达到上述目的,本申请公开了一种车牌识别装置,所述装置包括:
车牌区域确定模块,用于获得待识别车牌图像,并确定所述待识别车牌图像中的第一车牌区域;
第一字符识别模块,用于识别所述第一车牌区域中的字符,获得第一字符识别结果;
字符识别判断模块,用于根据所述第一字符识别结果,判断所述第一车牌区域中是否存在未识别成功的车牌号码;
目标模板确定模块,用于当所述第一车牌区域中存在未识别成功的车牌号码时,从预设的车牌模板库中确定目标车牌模板,其中,所述车牌模板库,用于保存各个车牌模板及对应的模板特征;
子区域确定模块,用于根据所述目标车牌模板的模板特征,从所述第一车牌区域中确定未识别成功车牌号码的子区域;
第二字符识别模块,用于识别所述子区域中的字符,获得第二字符识别结果;
车牌号码获得模块,用于根据所述第一字符识别结果和第二字符识别结果,获得所述待识别车牌图像的车牌号码。
可选的,所述目标模板确定模块,包括:
目标字符确定子模块,用于将所述第一字符识别结果中已识别成功的字符确定为目标字符;
目标模板确定子模块,用于将所述目标字符的特征分别与预设的车牌模板库中每个车牌模板的模板特征进行匹配,将匹配成功的模板特征对应的车牌模板确定为目标车牌模板。
可选的,所述目标车牌模板的模板特征包括:第一字符类型对应的第一字符特征,第二字符类型对应的第二字符特征,以及第一字符类型的字符区域与第二字符类型的字符区域的相对位置关系;
所述子区域确定模块,包括:
目标字符确定子模块,用于将所述第一字符识别结果中已识别成功的字符确定为目标字符;
字符区域确定子模块,用于将所述目标字符所在的区域确定为目标字符区域;
字符类型确定子模块,用于将所述目标字符的特征分别与所述第一字符特征、第二字符特征进行匹配,将匹配成功的字符特征对应的字符类型确定为所述目标字符区域对应的目标字符类型;
子区域确定子模块,用于根据所述目标字符区域、目标字符类型以及所述相对位置关系,从所述第一车牌区域中确定未识别成功车牌号码的子区域。
可选的,所述目标字符确定子模块,具体用于:
获得所述第一字符识别结果中已识别成功的字符,将所获得的字符中字符连续分布、字符数量最多的字符段确定为目标字符。
可选的,所述第二字符识别模块,包括:
分割子模块,用于分割所述子区域,获得待识别字符区域;
识别子模块,用于识别所述待识别字符区域中的字符,获得第二字符识别结果。
可选的,所述目标车牌模板的模板特征包括:第一字符类型对应的第一字符特征,第二字符类型对应的第二字符特征,第一字符类型字符的尺寸和第二字符类型字符的尺寸之间的相对尺寸关系;
所述分割子模块,具体用于:
将所述第一字符识别结果中已识别成功的字符确定为目标字符;
根据所述目标字符的尺寸,获得第一尺寸;
将所述目标字符的特征分别与所述第一字符特征、第二字符特征进行匹配,确定所述目标字符的字符类型;
根据所述第一尺寸、目标字符的字符类型以及所述相对尺寸关系,确定第二尺寸;
根据所述第二尺寸,分割所述子区域,获得待识别字符区域。
可选的,所述车牌号码获得模块,包括:
目标字符确定子模块,用于将所述第一字符识别结果中已识别成功的字符确定为目标字符;
车牌号码获得子模块,用于合成所述目标字符和第二字符识别结果,获得所述待识别车牌图像的车牌号码。
可选的,所述字符识别判断模块,具体用于:
按照以下方式中的至少一种,判断所述第一车牌区域中是否存在未识别成功的车牌号码:
判断所述第一字符识别结果中是否包含未识别成功的识别结果,如果是,则确定所述第一车牌区域中存在未识别成功的车牌号码;
判断所述第一字符识别结果中已识别成功的字符数量是否小于预设数量阈值,如果是,则确定所述第一车牌区域中存在未识别成功的车牌号码。
由上述技术方案可见,本申请实施例首先确定所述待识别车牌图像中的第一车牌区域,并识别第一车牌区域中的字符,获得第一字符识别结果。根据第一字符识别结果,判断第一车牌区域中是否存在未识别成功的车牌号码,如果是,则根据第一字符识别结果,从预设的车牌模板库中确定目标车牌模板,其中,所述车牌模板库,用于保存各个车牌模板及对应的模板特征。然后,根据目标车牌模板的模板特征,从第一车牌区域中确定未识别成功车牌号码的子区域,并识别子区域中的字符,获得第二字符识别结果,根据第一字符识别结果和第二字符识别结果,获得待识别车牌图像的车牌号码。
也就是说,在本申请实施例中,针对待识别车牌图像定位出第一车牌区域,并识别出第一车牌区域中的字符,根据该识别结果的特征从预设的车牌模板库中确定目标车牌模板,然后根据目标车牌模板的模板特征定位第一车牌区域中的子区域,并识别子区域中的字符,根据上述两次字符识别结果,获得待识别车牌图像的车牌号码。
现有技术中在定位出第一车牌区域之后,需要一一匹配车牌模板库中的模板,并且在每次匹配过程中对整个第一车牌区域重复执行字符分割、字符识别的过程。而本申请实施例中,在定位出第一车牌区域之后,先对第一车牌区域进行字符识别,根据识别结果的特征从车牌模板库中确定目标车牌模板,进而根据目标车牌模板的特征识别第一车牌区域中的其他字符。因此,应用本申请实施例提供的方案进行车牌识别,能够提高车牌识别过程的效率。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍。显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为部分车牌的实例图;
图2为本申请实施例提供的车牌识别方法的一种流程示意图;
图3为本申请实施例提供的车牌识别方法的另一种流程示意图;
图4为本申请实施例提供的车牌识别装置的一种结构示意图;
图5为本申请实施例提供的车牌识别装置的另一种结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整的描述。显然,所描述的实施例仅仅是本申请的一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
本申请实施例提供了一种车牌识别方法及装置,应用于电子设备,该电子设备可以是计算机、平板电脑、智能手机、行车记录仪等设备。应用本申请实施例提供的技术方案,能够提高车牌识别过程的效率。
下面通过具体实施例,对本申请进行详细说明。
图2为本申请实施例提供的车牌识别方法的一种流程示意图,应用于电子设备。该方法包括如下步骤:
步骤S201:获得待识别车牌图像,并确定待识别车牌图像中的第一车牌区域。
其中,作为执行主体的电子设备内部可以包含图像采集设备,也可以不包含图像采集设备。
具体的,当作为执行主体的电子设备内部包含图像采集设备时,电子设备在获得待识别车牌图像时,可以包括:接收图像采集设备采集的待识别车牌图像。
当作为执行主体的电子设备内部不包含图像采集设备时,该电子设备可以与外部的图像采集设备相连,电子设备在获得待识别车牌图像时,可以包括:获取图像采集设备采集的待识别车牌图像。
获取的待识别车牌图像可以是图像采集设备实时采集的,也可以不是实时采集的,而是图像采集设备预先采集好之后存储起来的。
上述待识别车牌图像可以理解为:要进行车牌识别的图像。可以理解的是,车牌通常是安装或放置于车辆上的,因此,上述待识别车牌图像可以理解为:要进行车牌识别的包含车辆的图像。基于此,上述待识别车牌图像可以是道路上抓拍的包含车辆的图像,可以是在停车场拍摄的包含车辆的图像等。当然,上述待识别车牌图像还可以是通过其他方式获得的,本申请并不对待识别车牌图像的获得方式进行限定。
第一车牌区域可以理解为对待识别车牌图像进行定位时定位到的区域,也可称为定位层。
作为执行主体的电子设备,在获得待识别车牌图像之后,确定待识别车牌图像中的第一车牌区域时,可以采用现有技术中定位车牌区域的方法,确定待识别车牌图像中的第一车牌区域,具体过程不再赘述。也可以在采用现有技术对待识别车牌图像进行定位之后,针对所定位到的车牌区域,再根据预设区域特征对所定位到的车牌区域进行进一步定位,去除干扰字符区域,使车牌区域的定位结果更准确,最终得到的车牌区域即为第一车牌区域。其中,该预设特征可以包括字符区域的宽高比例、字符区域的颜色等特征。
例如,对于图1中编号为7的车牌,通常根据现有技术的车牌定位方法,可以定位出图中车牌的车牌区域,该车牌区域中包含上方的5个字符区域和下方的3个字符区域,并且这3个字符区域的宽高比与上方的5个字符区域的宽高比是不同的。因此,可以根据预设的区域宽高比对所定位到的车牌区域进行进一步的定位,从而最终定位出上层的车牌区域(即第一车牌区域)。
步骤S202:识别第一车牌区域中的字符,获得第一字符识别结果。
具体的,识别第一车牌区域中的字符,获得第一字符识别结果时,可以首先采用垂直投影法或连通域法等对第一车牌区域进行分割,获得字符分割结果,然后采用预设的字符识别器对字符分割结果进行识别,获得第一字符识别结果。
其中,上述字符识别器可以包含N个输出单元,每个输出单元对应一个字符。例如,字符识别器包括37个输出单元,这些输出单元分别对应以下字符:10个数字、26个字母和1个“未知”。
上述字符分割结果通常包括多个字符区域,对应的,第一字符识别结果通常包括识别成功的字符及对应的字符区域、未识别成功的字符及对应的字符区域。
具体的,对每个字符区域进行字符识别时,可以将该字符区域输入上述字符识别器,每个输出单元均会输出一个置信度,置信度大于预设阈值的输出单元对应的字符就是该字符区域中的字符。这时,认为该字符区域识别成功,对应的字符就是识别成功的字符。
如果“未知”输出单元的置信度高于阈值,而其他输出单元的置信度均低于阈值,则认为该字符区域识别不成功,“未知”即为未识别成功的字符。
在对第一车牌区域进行分割时,可以根据垂直投影法或连通域法获得第一车牌图像区域像素的特征图像,从该特征图像中确定字符分割点,从而获得字符分割结果。
因此,对于车牌中所有字符均具有明显且一致特征的车牌图像,例如车牌图像中所有字符之间间距相同、所有字符区域的尺寸一致的情况,在分割车牌图像中的车牌区域时,通常可以得到较好的分割结果,从而较容易正确识别出车牌图像中的所有字符。其中,字符区域的尺寸包括字符区域的高度和/或宽度。
当然,实际中也存在车牌中个别字符与其他字符特征不一致的车牌图像,例如车牌图像中可能存在个别字符与其他字符间距不同,并且与其他字符区域的尺寸也不一致的字符的情况。为了表述清楚,本申请将具有以下特征的字符称为“第一类字符”:字符数量较多并且字符之间的间距彼此一致、字符的尺寸彼此一致等;将具有以下特征的字符称为“第二类字符”:字符数量较少并且字符间距与第一类字符的间距不一致、字符的尺寸与第一类字符的尺寸不一致等。
在分割这类车牌图像中的车牌区域时,通常可以对上述第一类字符部分正确分割,而第二类字符部分难以正确分割,从而导致第二类字符部分的字符识别不成功。
由于第一类字符具有较一致的特征,因此在对车牌区域进行字符识别时,通常能够正确识别出这部分字符。而由于第二类字符一般数量较少,并且与第一类字符的特征不一致,在对车牌区域进行字符识别时,通常无法正确识别出这部分字符。
下面以图1中所示的波斯文车牌为例,来说明车牌中字符所具有的特征。图1中所示的车牌中的所有字符均为波斯文字符,有的车牌中的所有字符均为数字,有的车牌中的字符是由数字和字母组成的。其中,数字的数量在3~7个之间,字符的数量在0~3个之间。进一步可以发现,在这些车牌中,数字(除去0之外的数字)字符的尺寸是彼此一致的,字母字符的尺寸与数字字符的尺寸不一致。数字字符之间的间距彼此是一致的,字母字符与数字字符之间的间距与数字字符之间的间距不一致。常见字符通常会连续3~5个地出现在车牌中,字母字符的出现位置不固定。其中,波斯文的数字0在车牌中是一个菱形小点,与其他波斯文数字的尺寸和间距均不一致,因此可以将其当成波斯文字母来对待。综上,可以将波斯文车牌中的数字字符归为第一类字符,将波斯文车牌中的字母字符归为第二类字符。
因此,在对上述车牌进行识别时,通常能够成功识别出波斯文的数字字符部分,而无法成功识别出波斯文的字母字符部分。
下面分析一下字符识别不成功所包括的几种情况。由于对第一车牌区域进行字符识别时,通常包括字符分割过程和字符识别过程,因此,字符识别不成功可能包括以下情况:一是能够分割出该部分字符,但是由于分割不正确导致字符识别器无法对其识别,例如,“未知”输出单元的置信度最高;另一是,没有分割出该部分字符,即这部分字符区域没有被输入字符识别器。
步骤S203:根据第一字符识别结果,判断第一车牌区域中是否存在未识别成功的车牌号码,如果是,则说明第一车牌区域中还存在待识别的字符,此时执行步骤S204。如果否,则说明第一车牌区域中的所有字符均已识别成功,此时直接将第一字符识别结果作为待识别车牌图像的车牌号码即可。
根据步骤S202的描述可知,第一字符识别结果可以包括识别成功的字符和未识别成功的字符。根据第一字符识别结果,可以得知对第一车牌区域的识别结果包括以下几种情况:
a.第一车牌区域中的全部字符均搜索到(即分割出全部字符),且全部字符均识别成功;
b.第一车牌区域中的全部字符均搜索到,其中部分字符识别成功,部分字符未识别成功;
c.第一车牌区域中的全部字符均搜索到,且全部字符均未识别成功;
d.第一车牌区域中的部分字符搜索到,部分字符未搜索到,其中,对搜索到的字符进行识别时,全部字符均识别成功;
e.第一车牌区域中的部分字符搜索到,部分字符未搜索到,其中,对搜索到的字符进行识别时,部分字符识别成功,部分字符未搜索到;
f.第一车牌区域中的部分字符搜索到,部分字符未搜索到,其中,对搜索到的字符进行识别时,全部字符均未识别成功。
上述情况中的a属于第一车牌区域中不存在未识别成功的车牌号码的情况,b~f均属于第一车牌区域中存在未识别成功的车牌号码的情况。
需要说明的是,未搜索到的字符部分可能被当成图像中的干扰成分舍弃掉了,例如图像中的铆钉、泥点或波斯文中的数字0。当字符未识别成功是由于对字符区域分割时未正确分割造成的时,可能是由于将两个字符分割在一个字符区域或将一个字符分割成两个字符区域。
步骤S204:从预设的车牌模板库中确定目标车牌模板,其中,所述车牌模板库,用于保存各个车牌模板及对应的模板特征。
其中,确定的目标车牌模板可以是一个,也可以是多个。本申请实施例中提及的“多个”是指至少两个。
模板特征可以包括车牌区域中的字符总数量、字符类型的种类、每种字符类型的字符数量、每种字符类型的字符的相对位置分布以及车牌区域的颜色信息、车牌区域中包含的特殊符号及其相对位置等。当然,模板特征也可以包括地理位置信息,即车牌模板所归属的国家或地区。
例如,对于图1中编号为4~6的3个车牌,这三个车牌可以归属于同一个车牌模板,该车牌模板具有的模板特征可以包括以下内容:
车牌区域中的字符总数量为:8;
车牌区域中的字符类型的种类,包括:数字类型和字母类型;
车牌区域中每种字符类型的字符数量,包括:数字类型的字符数量为7,字母类型的字符数量为1;
每种字符类型的字符的相对位置分布,包括:字母类型的字符左侧分布有2个数字类型的字符,右侧分布有5个数字类型的字符;
车牌区域中包含的特殊符号及其相对位置:包含一条竖线,位于车牌区域右侧第二和第三个数字字符之间。
需要说明的是,上述车牌模板的模板特征可以是预先保存的。由于各个地区之间车牌特征差异较大,因此可以针对同一个地区的车牌获得车牌模板。例如,针对应用波斯文字符作为车牌字符的各个国家或地区,统一创建车牌模板库。这样,属于这些国家或地区的车牌图像均可以被电子设备识别。当然,也可以针对某一个国家或地区创建车牌模板库,这样,所创建的车牌模板数量较少,所需匹配的车牌模板数量较少。
具体的,从预设的车牌模板库中确定目标车牌模板时,可以包括多种实施方式,例如,可以根据第一字符识别结果中的信息从车牌模板库中确定与该信息匹配的信息对应的目标车牌模板,也可以从待识别车牌图像中提取地理位置信息,根据该地理位置信息,从车牌模板库中确定与该地理位置信息匹配的信息对应的目标车牌模板。
作为一种具体的实施方式,从预设的车牌模板库中确定目标车牌模板的步骤,可以包括:
将第一字符识别结果中已识别成功的字符确定为目标字符,将目标字符的特征分别与预设的车牌模板库中每个车牌模板的模板特征进行匹配,将匹配成功的模板特征对应的车牌模板确定为目标车牌模板。
其中,目标字符的特征可以包括字符种类、字符数量和字符的相对位置分布中的至少一种。
需要说明的是,车牌模板的模板特征可能包括很多项特征,例如,模板特征包括字符类型、每种字符类型的字符数量、每种字符类型的字符的相对位置分布等多项特征。但是,只要目标字符的特征均能在某一模板特征中找到,就可以认为该模板特征与该目标字符的特征匹配成功。
步骤S205:根据目标车牌模板的模板特征,从第一车牌区域中确定未识别成功车牌号码的子区域。
具体的,从第一车牌区域中确定未识别成功车牌号码的子区域时,可以根据目标车牌模板的模板特征,结合第一字符识别结果中已识别成功的字符的字符特征,确定第一车牌区域中未识别成功车牌号码的目标区域,该目标区域可以是连续的一个区域块,也可以是不连续的多个区域块,然后将该目标区域确定为子区域,继续识别该子区域中的字符。
例如,已知图1中编号为4的车牌图像区域为第一车牌区域,对该第一车牌区域进行字符识别,得到第一字符识别结果,该结果中依次识别的字符为34??692?99,其中,问号“?”部分表示未识别成功的字符。确定的目标车牌模板的模板特征见上述步骤S204中例子的描述。此时,可以根据目标车牌模板的模板特征,将第一车牌区域中字符4和第二个字符6之间的区域,以及字符2和第二个字符9之间的区域确定为子区域,重新识别该子区域中的字符。
需要说明的是,当确定的目标车牌模板不止一个时,可以针对每个目标车牌模板确定多组子区域。
步骤S206:识别子区域中的字符,获得第二字符识别结果。
需要说明的是,识别子区域中的字符时,可以采用与步骤S202相同的过程,也可以采用与步骤S202不同的过程,其详细过程本实施例不再赘述。
步骤S207:根据第一字符识别结果和第二字符识别结果,获得待识别车牌图像的车牌号码。
作为一种具体的实施方式,在根据第一字符识别结果和第二字符识别结果,获得待识别车牌图像的车牌号码时,可以包括:
将第一字符识别结果中已识别成功的字符确定为目标字符,合成目标字符和第二字符识别结果,获得待识别车牌图像的车牌号码。
其中,第二字符识别结果也可以包含识别成功的字符和未识别成功的字符。
因此,在合成目标字符和第二字符识别结果时,也可以包括:
合成目标字符和第二字符识别结果中已识别成功的字符,获得待识别车牌图像的车牌号码。
作为一种具体的实施方式,在合成字符时,可以根据各个字符之间的相对位置关系进行合成。
由上述内容可知,本实施例首先确定所述待识别车牌图像中的第一车牌区域,并识别第一车牌区域中的字符,获得第一字符识别结果。根据第一字符识别结果,判断第一车牌区域中是否存在未识别成功的车牌号码,如果是,则根据第一字符识别结果,从预设的车牌模板库中确定目标车牌模板,其中,所述车牌模板库,用于保存各个车牌模板及对应的模板特征。然后,根据目标车牌模板的模板特征,从第一车牌区域中确定未识别成功车牌号码的子区域,并识别子区域中的字符,获得第二字符识别结果,根据第一字符识别结果和第二字符识别结果,获得待识别车牌图像的车牌号码。
也就是说,在本实施例中,针对待识别车牌图像定位出第一车牌区域,并识别出第一车牌区域中的字符,根据该识别结果的特征从预设的车牌模板库中确定目标车牌模板,然后根据目标车牌模板的模板特征定位第一车牌区域中的子区域,并识别子区域中的字符,根据上述两次字符识别结果,获得待识别车牌图像的车牌号码。
现有技术中在定位出第一车牌区域之后,需要一一匹配车牌模板库中的模板,并且在每次匹配过程中对整个第一车牌区域重复执行字符分割、字符识别的过程。而本实施例中,在定位出第一车牌区域之后,先对第一车牌区域进行字符识别,根据识别结果的特征从车牌模板库中确定目标车牌模板,进而根据目标车牌模板的特征识别第一车牌区域中的其他字符。因此,本实施例能够提高车牌识别过程的效率。
基于图2所示实施例的另一实施方式中,步骤S203,根据第一字符识别结果,判断第一车牌区域中是否存在未识别成功的车牌号码,具体可以包括:
按照以下方式中的至少一种,判断第一车牌区域中是否存在未识别成功的车牌号码:
方式一:判断第一字符识别结果中是否包含未识别成功的识别结果,如果是,则确定第一车牌区域中存在未识别成功的车牌号码;
在这种实施方式中,当第一字符识别结果中包含未识别成功的识别结果时,即可以认为第一车牌区域中存在未识别成功的车牌号码。
方式二:判断第一字符识别结果中已识别成功的字符数量是否小于预设数量阈值,如果是,则确定第一车牌区域中存在未识别成功的车牌号码。
在这种实施方式中,当第一字符识别结果中已识别成功的字符数量小于预设数量阈值时,说明第一车牌区域中可能存在未搜索到的字符,或者部分已搜索到的字符未识别成功,这时,也可以认为第一车牌区域中存在未识别成功的车牌号码。
其中,数量阈值可以是预设值,该预设值可以根据车牌号码总数量的统计结果确定。
图3为本申请实施例提供的车牌识别方法的另一流程示意图,该实施例为图2所示实施例的改进。其中,目标车牌模板的模板特征包括:第一字符类型对应的第一字符特征,第二字符类型对应的第二字符特征,以及第一字符类型的字符区域与第二字符类型的字符区域的相对位置关系。当然,目标车牌模板的模板特征还可以包括:特殊符号及对应位置。
具体的,第一字符类型可以为数字类型,第二字符类型可以为字母类型。对应的,字符特征可以包括字符种类、字符数量等。
例如,针对图1中编号为4~6的车牌,第一字符特征可以包括:字符种类为数字,字符数量为7;第二字符特征可以包括:字符种类为字母,字符数量为1;相对位置关系包括:车牌区域自左向右的字符区域分别为:2个第一字符类型的字符,1个第二字符类型的字符,3个第一字符类型的字符,2个第一字符类型的字符;特殊符号包括:1条竖线;特殊符号的对应位置包括:位于第6和第7个字符之间。
具体的,图2所示实施例中的步骤S205,根据所述目标车牌模板的模板特征,从所述第一车牌区域中确定未识别成功车牌号码的子区域的步骤,在图3所示实施例中可以包括:
步骤S205A:将第一字符识别结果中已识别成功的字符确定为目标字符。
具体的,将第一字符识别结果中已识别成功的字符确定为目标字符时,可以是,将第一字符识别结果中所有已识别成功的字符确定为目标字符,也可以是,从第一字符识别结果中所有已识别成功的字符中选择部分字符作为目标字符。
上述情况下确定的目标字符可以为一个字符段,也可以为多个字符段。
作为一种具体的实施方式,为了提高所确定的子区域的准确性,降低处理复杂度,将第一字符识别结果中已识别成功的字符确定为目标字符的步骤,具体可以包括:
获得第一字符识别结果中已识别成功的字符,将所获得的字符中字符连续分布、字符数量最多的字符段确定为目标字符。
需要说明的是,字符连续分布,是指字符之间不存在未识别成功的字符。
在这种实施方式中,连续分布的数量最多的字符段被成功识别的可能性更高,因此将其作为目标字符可以提高所确定的子区域的准确性。同时,将数量最多的字符段确定为目标字符,可以减少目标字符中字符段的数量,降低处理的复杂度。
步骤S205B:将目标字符所在的区域确定为目标字符区域。
步骤S205C:将目标字符的特征分别与第一字符特征、第二字符特征进行匹配,将匹配成功的字符特征对应的字符类型确定为目标字符区域对应的目标字符类型。
其中,目标字符的特征可以包括字符种类、字符数量等特征。字符种类可以是字母或数字等种类。
需要说明的是,本步骤将与目标字符的特征匹配的字符类型作为目标字符区域对应的字符类型,该字符类型或者为第一字符类型,或者为第二字符类型。
步骤S205D:根据目标字符区域、目标字符类型以及所述相对位置关系,从第一车牌区域中确定未识别成功车牌号码的子区域。
以图1中编号为4的车牌为例,其中,目标车牌模板的模板特征已经在图3所示实施例的开始部分阐述,此处不再赘述。已知第一字符识别结果为“34??692?99”,其中,问号“?”部分表示未识别成功的字符,则可以检测出该结果中已识别成功的字符构成了3个字符段:34,692,99。其中,字符数量最多的字符段为692,将其作为目标字符。根据该目标字符的特征“数字”,可以确定与“数字”匹配的字符类型为第一字符类型,则可以确定目标字符区域对应的字符类型为第一字符类型,即目标字符类型为第一字符类型。根据目标车牌模板的模板特征中的相对位置关系,可以将目标字符区域左侧预设范围确定为子区域。其中,根据特殊符号的对应位置可以确定上述第一字符识别结果中的第3个问号处为“竖线”,因此该区域被舍弃了。
综上所述,在本实施例中,根据第一字符识别结果中已识别成功的字符的特征以及目标车牌模板的模板特征,可以更准确地确定出第一车牌区域中的子区域,排除不需要识别的一些干扰符号。
在图3所示实施例中,图2所示实施例中的步骤S206,识别子区域中的字符,获得第二字符识别结果的步骤,具体可以包括:
步骤S206A:分割所述子区域,获得待识别字符区域。
在分割第二车牌区域时,可以根据垂直投影法和/或连通域法分割子区域。其具体过程属于现有技术,此处不再赘述。
作为一种具体实施方式,在分割子区域时,还可以根据分割结果判断针对上述区域的分割过程是否成功,如果分割成功,则执行步骤S206B,如果分割不成功,则重新分割。
步骤S206B:识别待识别字符区域中的字符,获得第二字符识别结果。
在识别待识别字符区域中的字符时,可以根据预设的字符分类器识别待识别字符区域的字符。其具体过程属于现有技术,此处不再赘述。
另外,在本实施例中,目标车牌模板的模板特征还可以包括:第一字符类型对应的第一字符特征,第二字符类型对应的第二字符特征,第一字符类型字符的尺寸和第二字符类型字符的尺寸之间的相对尺寸关系。对应的,可以根据这些特征进一步提高字符分割过程的准确性。
因此,基于图3所示实施例的另一实施方式中,步骤S206A,分割所述子区域,获得待识别字符区域的步骤,具体可以包括:
步骤1:将第一字符识别结果中已识别成功的字符确定为目标字符。
步骤2:根据所述目标字符的尺寸,获得第一尺寸。
其中,该尺寸可以为宽度和高度中的至少一个。目标字符的尺寸就是目标字符所在区域的尺寸,即紧卡在车牌图像中目标字符周围的矩形框的尺寸。
需要说明的是,为了表述得更简洁、清楚,在本申请实施例中,字符的尺寸均是指字符所在区域的尺寸。
可以理解的是,通常,目标字符的尺寸是基本相同的。第一尺寸是能够代表目标字符中各个字符的尺寸的一个尺寸值。
具体的,根据所述目标字符的尺寸,获得第一尺寸时,可以计算目标字符中各个字符的尺寸的平均值,将该平均值作为第一尺寸。
步骤3:将目标字符的特征分别与第一字符特征、第二字符特征进行匹配,确定目标字符的字符类型。
其中,目标字符的字符类型,或者为第一字符类型,或者为第二字符类型。
步骤4:根据所述第一尺寸、目标字符的字符类型以及所述相对尺寸关系,确定第二尺寸。
当目标字符的字符类型为第一字符类型时,第一尺寸即为第一字符类型字符的尺寸。此时,根据第一字符类型字符的尺寸和所述相对尺寸关系,即可确定第二字符类型字符的尺寸,该尺寸即为第二尺寸。
当目标字符的字符类型为第二字符类型时,第一尺寸即为第二字符类型字符的尺寸。此时,根据第二字符类型字符的尺寸和所述相对尺寸关系,即可确定第一字符类型字符的尺寸,该尺寸即为第二尺寸。
步骤5:根据所述第二尺寸,分割所述子区域,获得待识别字符区域。
具体的,在分割所述子区域时,可以首先采用垂直投影法和/或连通域法对该子区域进行第一次分割,然后在第一次分割的基础上,根据第二尺寸,修正第一次分割的结果。
综上所述,在本实施方式中,根据第一字符识别结果中已识别成功的字符的尺寸以及所述相对尺寸关系,可以确定待识别字符区域中字符的尺寸,根据该尺寸可以更准确地分割子区域的字符,从而能够提高字符分割结果的准确性。
图4为本申请实施例提供的车牌识别装置的一种流程示意图,与图2所示实施例相对应,应用于电子设备,所述装置包括:
车牌区域确定模块401,用于获得待识别车牌图像,并确定所述待识别车牌图像中的第一车牌区域;
第一字符识别模块402,用于识别所述第一车牌区域中的字符,获得第一字符识别结果;
字符识别判断模块403,用于根据所述第一字符识别结果,判断所述第一车牌区域中是否存在未识别成功的车牌号码;
目标模板确定模块404,用于当所述第一车牌区域中存在未识别成功的车牌号码时,从预设的车牌模板库中确定目标车牌模板,其中,所述车牌模板库,用于保存各个车牌模板及对应的模板特征;
子区域确定模块405,用于根据所述目标车牌模板的模板特征,从所述第一车牌区域中确定未识别成功车牌号码的子区域;
第二字符识别模块406,用于识别所述子区域中的字符,获得第二字符识别结果;
车牌号码获得模块407,用于根据所述第一字符识别结果和第二字符识别结果,获得所述待识别车牌图像的车牌号码。
基于图4所示实施例的另一实施方式中,所述字符识别判断模块403,具体可以用于:
按照以下方式中的至少一种,判断所述第一车牌区域中是否存在未识别成功的车牌号码:
判断所述第一字符识别结果中是否包含未识别成功的识别结果,如果是,则确定所述第一车牌区域中存在未识别成功的车牌号码;
判断所述第一字符识别结果中已识别成功的字符数量是否小于预设数量阈值,如果是,则确定所述第一车牌区域中存在未识别成功的车牌号码。
基于图4所示实施例的另一实施方式中,所述目标模板确定模块404,具体可以包括:
目标字符确定子模块(图中未示出),用于将所述第一字符识别结果中已识别成功的字符确定为目标字符;
目标模板确定子模块(图中未示出),用于将所述目标字符的特征分别与预设的车牌模板库中每个车牌模板的模板特征进行匹配,将匹配成功的模板特征对应的车牌模板确定为目标车牌模板。
基于图4所示实施例的另一实施方式中,所述车牌号码获得模块407,具体可以包括:
目标字符确定子模块(图中未示出),用于将所述第一字符识别结果中已识别成功的字符确定为目标字符;
车牌号码获得子模块(图中未示出),用于合成所述目标字符和第二字符识别结果,获得所述待识别车牌图像的车牌号码。
图5为本申请实施例提供的车牌识别方法的另一结构示意图,该实施例为基于图4所示实施例改进后的实施例,未改进之处与图4所示实施例相同。该实施例与图3所示方法实施例相对应。本实施例中,所述目标车牌模板的模板特征包括:第一字符类型对应的第一字符特征,第二字符类型对应的第二字符特征,以及第一字符类型的字符区域与第二字符类型的字符区域的相对位置关系。
在图5所示实施例中,所述子区域确定模块405,具体可以包括:
目标字符确定子模块501,用于将所述第一字符识别结果中已识别成功的字符确定为目标字符;
字符区域确定子模块502,用于将所述目标字符所在的区域确定为目标字符区域;
字符类型确定子模块503,用于将所述目标字符的特征分别与所述第一字符特征、第二字符特征进行匹配,将匹配成功的字符特征对应的字符类型确定为所述目标字符区域对应的目标字符类型;
子区域确定子模块504,用于根据所述目标字符区域、目标字符类型以及所述相对位置关系,从所述第一车牌区域中确定未识别成功车牌号码的子区域。
在图5所示实施例中,所述目标字符确定子模块501,具体可以用于:
获得所述第一字符识别结果中已识别成功的字符,将所获得的字符中字符连续分布、字符数量最多的字符段确定为目标字符。
基于图5所示实施例的另一实施方式中,所述第二字符识别模块406,具体可以包括:
分割子模块505,用于分割所述子区域,获得待识别字符区域;
识别子模块506,用于识别所述待识别字符区域中的字符,获得第二字符识别结果。
基于图5所示实施例的另一实施方式中,所述目标车牌模板的模板特征包括:第一字符类型对应的第一字符特征,第二字符类型对应的第二字符特征,第一字符类型字符的尺寸和第二字符类型字符的尺寸之间的相对尺寸关系。对应的,所述分割子模块505,具体可以用于:
将所述第一字符识别结果中已识别成功的字符确定为目标字符;
根据所述目标字符的尺寸,获得第一尺寸;
将所述目标字符的特征分别与所述第一字符特征、第二字符特征进行匹配,确定所述目标字符的字符类型;
根据所述第一尺寸、目标字符的字符类型以及所述相对尺寸关系,确定第二尺寸;
根据所述第二尺寸,分割所述子区域,获得待识别字符区域。
由于上述装置实施例是基于方法实施例得到的,与该方法具有相同的技术效果,因此装置实施例的技术效果在此不再赘述。
对于装置实施例而言,由于其基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本领域普通技术人员可以理解,上述实施方式中的全部或部分步骤是能够通过程序指令相关的硬件来完成的,所述的程序可以存储于计算机可读取存储介质中。这里所称存储介质,是指ROM/RAM、磁碟、光盘等。
以上所述仅为本申请的较佳实施例而已,并非用于限定本申请的保护范围。凡在本申请的精神和原则之内所做的任何修改、等同替换、改进等,均包含在本申请的保护范围内。

Claims (16)

1.一种车牌识别方法,其特征在于,所述方法包括:
获得待识别车牌图像,并确定所述待识别车牌图像中的第一车牌区域;
识别所述第一车牌区域中的字符,获得第一字符识别结果;
根据所述第一字符识别结果,判断所述第一车牌区域中是否存在未识别成功的车牌号码;
如果是,则从预设的车牌模板库中确定目标车牌模板,其中,所述车牌模板库,用于保存各个车牌模板及对应的模板特征;
根据所述目标车牌模板的模板特征,从所述第一车牌区域中确定未识别成功车牌号码的子区域;
识别所述子区域中的字符,获得第二字符识别结果;
根据所述第一字符识别结果和第二字符识别结果,获得所述待识别车牌图像的车牌号码。
2.根据权利要求1所述的方法,其特征在于,所述从预设的车牌模板库中确定目标车牌模板的步骤,包括:
将所述第一字符识别结果中已识别成功的字符确定为目标字符;
将所述目标字符的特征分别与预设的车牌模板库中每个车牌模板的模板特征进行匹配,将匹配成功的模板特征对应的车牌模板确定为目标车牌模板。
3.根据权利要求1所述的方法,其特征在于,所述目标车牌模板的模板特征包括:第一字符类型对应的第一字符特征,第二字符类型对应的第二字符特征,以及第一字符类型的字符区域与第二字符类型的字符区域的相对位置关系;
所述根据所述目标车牌模板的模板特征,从所述第一车牌区域中确定未识别成功车牌号码的子区域的步骤,包括:
将所述第一字符识别结果中已识别成功的字符确定为目标字符;
将所述目标字符所在的区域确定为目标字符区域;
将所述目标字符的特征分别与所述第一字符特征、第二字符特征进行匹配,将匹配成功的字符特征对应的字符类型确定为所述目标字符区域对应的目标字符类型;
根据所述目标字符区域、目标字符类型以及所述相对位置关系,从所述第一车牌区域中确定未识别成功车牌号码的子区域。
4.根据权利要求3所述的方法,其特征在于,所述将所述第一字符识别结果中已识别成功的字符确定为目标字符的步骤,包括:
获得所述第一字符识别结果中已识别成功的字符;
将所获得的字符中字符连续分布、字符数量最多的字符段确定为目标字符。
5.根据权利要求1所述的方法,其特征在于,所述识别所述子区域中的字符,获得第二字符识别结果的步骤,包括:
分割所述子区域,获得待识别字符区域;
识别所述待识别字符区域中的字符,获得第二字符识别结果。
6.根据权利要求5所述的方法,其特征在于,所述目标车牌模板的模板特征包括:第一字符类型对应的第一字符特征,第二字符类型对应的第二字符特征,第一字符类型字符的尺寸和第二字符类型字符的尺寸之间的相对尺寸关系;
所述分割所述子区域,获得待识别字符区域的步骤,包括:
将所述第一字符识别结果中已识别成功的字符确定为目标字符;
根据所述目标字符的尺寸,获得第一尺寸;
将所述目标字符的特征分别与所述第一字符特征、第二字符特征进行匹配,确定所述目标字符的字符类型;
根据所述第一尺寸、目标字符的字符类型以及所述相对尺寸关系,确定第二尺寸;
根据所述第二尺寸,分割所述子区域,获得待识别字符区域。
7.根据权利要求1所述的方法,其特征在于,所述根据所述第一字符识别结果和第二字符识别结果,获得所述待识别车牌图像的车牌号码,包括:
将所述第一字符识别结果中已识别成功的字符确定为目标字符;
合成所述目标字符和第二字符识别结果,获得所述待识别车牌图像的车牌号码。
8.根据权利要求1所述的方法,其特征在于,所述根据所述第一字符识别结果,判断所述第一车牌区域中是否存在未识别成功的车牌号码,包括:
按照以下方式中的至少一种,判断所述第一车牌区域中是否存在未识别成功的车牌号码:
判断所述第一字符识别结果中是否包含未识别成功的识别结果,如果是,则确定所述第一车牌区域中存在未识别成功的车牌号码;
判断所述第一字符识别结果中已识别成功的字符数量是否小于预设数量阈值,如果是,则确定所述第一车牌区域中存在未识别成功的车牌号码。
9.一种车牌识别装置,其特征在于,所述装置包括:
车牌区域确定模块,用于获得待识别车牌图像,并确定所述待识别车牌图像中的第一车牌区域;
第一字符识别模块,用于识别所述第一车牌区域中的字符,获得第一字符识别结果;
字符识别判断模块,用于根据所述第一字符识别结果,判断所述第一车牌区域中是否存在未识别成功的车牌号码;
目标模板确定模块,用于当所述第一车牌区域中存在未识别成功的车牌号码时,从预设的车牌模板库中确定目标车牌模板,其中,所述车牌模板库,用于保存各个车牌模板及对应的模板特征;
子区域确定模块,用于根据所述目标车牌模板的模板特征,从所述第一车牌区域中确定未识别成功车牌号码的子区域;
第二字符识别模块,用于识别所述子区域中的字符,获得第二字符识别结果;
车牌号码获得模块,用于根据所述第一字符识别结果和第二字符识别结果,获得所述待识别车牌图像的车牌号码。
10.根据权利要求9所述的装置,其特征在于,所述目标模板确定模块,包括:
目标字符确定子模块,用于将所述第一字符识别结果中已识别成功的字符确定为目标字符;
目标模板确定子模块,用于将所述目标字符的特征分别与预设的车牌模板库中每个车牌模板的模板特征进行匹配,将匹配成功的模板特征对应的车牌模板确定为目标车牌模板。
11.根据权利要求9所述的装置,其特征在于,所述目标车牌模板的模板特征包括:第一字符类型对应的第一字符特征,第二字符类型对应的第二字符特征,以及第一字符类型的字符区域与第二字符类型的字符区域的相对位置关系;所述子区域确定模块,包括:
目标字符确定子模块,用于将所述第一字符识别结果中已识别成功的字符确定为目标字符;
字符区域确定子模块,用于将所述目标字符所在的区域确定为目标字符区域;
字符类型确定子模块,用于将所述目标字符的特征分别与所述第一字符特征、第二字符特征进行匹配,将匹配成功的字符特征对应的字符类型确定为所述目标字符区域对应的目标字符类型;
子区域确定子模块,用于根据所述目标字符区域、目标字符类型以及所述相对位置关系,从所述第一车牌区域中确定未识别成功车牌号码的子区域。
12.根据权利要求11所述的装置,其特征在于,所述目标字符确定子模块,具体用于:
获得所述第一字符识别结果中已识别成功的字符,将所获得的字符中字符连续分布、字符数量最多的字符段确定为目标字符。
13.根据权利要求9所述的装置,其特征在于,所述第二字符识别模块,包括:
分割子模块,用于分割所述子区域,获得待识别字符区域;
识别子模块,用于识别所述待识别字符区域中的字符,获得第二字符识别结果。
14.根据权利要求13所述的装置,其特征在于,所述目标车牌模板的模板特征包括:第一字符类型对应的第一字符特征,第二字符类型对应的第二字符特征,第一字符类型字符的尺寸和第二字符类型字符的尺寸之间的相对尺寸关系;所述分割子模块,具体用于:
将所述第一字符识别结果中已识别成功的字符确定为目标字符;
根据所述目标字符的尺寸,获得第一尺寸;
将所述目标字符的特征分别与所述第一字符特征、第二字符特征进行匹配,确定所述目标字符的字符类型;
根据所述第一尺寸、目标字符的字符类型以及所述相对尺寸关系,确定第二尺寸;
根据所述第二尺寸,分割所述子区域,获得待识别字符区域。
15.根据权利要求9所述的装置,其特征在于,所述车牌号码获得模块,包括:
目标字符确定子模块,用于将所述第一字符识别结果中已识别成功的字符确定为目标字符;
车牌号码获得子模块,用于合成所述目标字符和第二字符识别结果,获得所述待识别车牌图像的车牌号码。
16.根据权利要求9所述的装置,其特征在于,所述字符识别判断模块,具体用于:
按照以下方式中的至少一种,判断所述第一车牌区域中是否存在未识别成功的车牌号码:
判断所述第一字符识别结果中是否包含未识别成功的识别结果,如果是,则确定所述第一车牌区域中存在未识别成功的车牌号码;
判断所述第一字符识别结果中已识别成功的字符数量是否小于预设数量阈值,如果是,则确定所述第一车牌区域中存在未识别成功的车牌号码。
CN201611057767.3A 2016-11-23 2016-11-23 一种车牌识别方法及装置 Active CN108090484B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201611057767.3A CN108090484B (zh) 2016-11-23 2016-11-23 一种车牌识别方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201611057767.3A CN108090484B (zh) 2016-11-23 2016-11-23 一种车牌识别方法及装置

Publications (2)

Publication Number Publication Date
CN108090484A true CN108090484A (zh) 2018-05-29
CN108090484B CN108090484B (zh) 2020-04-03

Family

ID=62169991

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201611057767.3A Active CN108090484B (zh) 2016-11-23 2016-11-23 一种车牌识别方法及装置

Country Status (1)

Country Link
CN (1) CN108090484B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110674863A (zh) * 2019-09-19 2020-01-10 北京迈格威科技有限公司 汉明码识别方法、装置及电子设备
CN110728276A (zh) * 2018-07-16 2020-01-24 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
CN111401364A (zh) * 2020-03-18 2020-07-10 深圳市市政设计研究院有限公司 一种基于颜色特征和模板匹配相结合的车牌定位算法
CN111639636A (zh) * 2020-05-29 2020-09-08 北京奇艺世纪科技有限公司 一种字符识别方法及装置
CN114419636A (zh) * 2022-01-10 2022-04-29 北京百度网讯科技有限公司 文本识别方法、装置、设备以及存储介质

Citations (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7182492B1 (en) * 2003-12-22 2007-02-27 Robert Louis Walter License plate system having enhanced illumination
CN101604381A (zh) * 2009-05-20 2009-12-16 电子科技大学 基于多分类支持向量机的车牌字符识别方法
CN102663377A (zh) * 2012-03-15 2012-09-12 华中科技大学 一种基于模板匹配的字符识别方法
CN102722733A (zh) * 2012-05-31 2012-10-10 信帧电子技术(北京)有限公司 一种车牌类型的识别方法及装置
EP2595092A2 (en) * 2011-11-18 2013-05-22 Xerox Corporation Methods and systems for improved license plate signature matching
CN103226696A (zh) * 2013-04-07 2013-07-31 布法罗机器人科技(苏州)有限公司 车牌的识别***及方法
CN103413147A (zh) * 2013-08-28 2013-11-27 庄浩洋 一种车牌识别方法和***
CN103632548A (zh) * 2012-08-22 2014-03-12 上海工程技术大学 一种车牌识别控制***及其应用
CN104050450A (zh) * 2014-06-16 2014-09-17 西安通瑞新材料开发有限公司 一种基于视频的车牌识别方法
CN104268596A (zh) * 2014-09-25 2015-01-07 深圳市捷顺科技实业股份有限公司 一种车牌识别器及其车牌检测方法与***
CN105320953A (zh) * 2015-09-28 2016-02-10 万永秀 车牌识别方法
CN105426891A (zh) * 2015-12-14 2016-03-23 广东安居宝数码科技股份有限公司 基于图像的车牌字符分割方法及其***
CN105512600A (zh) * 2014-09-28 2016-04-20 江苏省兴泽实业发展有限公司 一种基于互信息与特征提取的车牌识别方法
CN105528605A (zh) * 2014-09-28 2016-04-27 江苏省兴泽实业发展有限公司 一种基于投影与识别的双层车牌字符分割方法
CN105631470A (zh) * 2015-12-21 2016-06-01 深圳市捷顺科技实业股份有限公司 一种车牌类型验证的方法及***
CN105809170A (zh) * 2016-03-04 2016-07-27 东软集团股份有限公司 字符识别方法和装置
CN108073925A (zh) * 2016-11-17 2018-05-25 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

Patent Citations (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7182492B1 (en) * 2003-12-22 2007-02-27 Robert Louis Walter License plate system having enhanced illumination
CN101604381A (zh) * 2009-05-20 2009-12-16 电子科技大学 基于多分类支持向量机的车牌字符识别方法
EP2595092A2 (en) * 2011-11-18 2013-05-22 Xerox Corporation Methods and systems for improved license plate signature matching
CN102663377A (zh) * 2012-03-15 2012-09-12 华中科技大学 一种基于模板匹配的字符识别方法
CN102722733A (zh) * 2012-05-31 2012-10-10 信帧电子技术(北京)有限公司 一种车牌类型的识别方法及装置
CN103632548A (zh) * 2012-08-22 2014-03-12 上海工程技术大学 一种车牌识别控制***及其应用
CN103226696A (zh) * 2013-04-07 2013-07-31 布法罗机器人科技(苏州)有限公司 车牌的识别***及方法
CN103413147A (zh) * 2013-08-28 2013-11-27 庄浩洋 一种车牌识别方法和***
CN104050450A (zh) * 2014-06-16 2014-09-17 西安通瑞新材料开发有限公司 一种基于视频的车牌识别方法
CN104268596A (zh) * 2014-09-25 2015-01-07 深圳市捷顺科技实业股份有限公司 一种车牌识别器及其车牌检测方法与***
CN105512600A (zh) * 2014-09-28 2016-04-20 江苏省兴泽实业发展有限公司 一种基于互信息与特征提取的车牌识别方法
CN105528605A (zh) * 2014-09-28 2016-04-27 江苏省兴泽实业发展有限公司 一种基于投影与识别的双层车牌字符分割方法
CN105320953A (zh) * 2015-09-28 2016-02-10 万永秀 车牌识别方法
CN105426891A (zh) * 2015-12-14 2016-03-23 广东安居宝数码科技股份有限公司 基于图像的车牌字符分割方法及其***
CN105631470A (zh) * 2015-12-21 2016-06-01 深圳市捷顺科技实业股份有限公司 一种车牌类型验证的方法及***
CN105809170A (zh) * 2016-03-04 2016-07-27 东软集团股份有限公司 字符识别方法和装置
CN108073925A (zh) * 2016-11-17 2018-05-25 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

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
MIYAMOTO K等: ""Vehicle license-plate recognition by image analysis"", 《PROCEEDINGS IECON "91: 1991 INTERNATIONAL CONFERENCE ON INDUSTRIAL ELECTRONICS, CONTROL AND INSTRUMENTATION》 *
REMUS BRAD: ""License Plate Recognition System"", 《HTTP://RBRAD.ULBSIBIU.RO/PUBLICATIONS/PAPERS/ICICS2001.PDF》 *
VENKATARAMAN GANESH: ""Parking lot monitoring system using an autonomous quadrotor UAV"", 《HTTPS://TIGERPRINTS.CLEMSON.EDU/CGI/VIEWCONTENT.CGI?ARTICLE=3298&CONTEXT=ALL_THESES》 *
翟亚丹: ""基于SIFT特征的车牌识别***的研究与实现"", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110728276A (zh) * 2018-07-16 2020-01-24 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
CN110674863A (zh) * 2019-09-19 2020-01-10 北京迈格威科技有限公司 汉明码识别方法、装置及电子设备
CN110674863B (zh) * 2019-09-19 2022-06-21 北京迈格威科技有限公司 汉明码识别方法、装置及电子设备
CN111401364A (zh) * 2020-03-18 2020-07-10 深圳市市政设计研究院有限公司 一种基于颜色特征和模板匹配相结合的车牌定位算法
CN111401364B (zh) * 2020-03-18 2023-07-25 深圳市市政设计研究院有限公司 一种基于颜色特征和模板匹配相结合的车牌定位算法
CN111639636A (zh) * 2020-05-29 2020-09-08 北京奇艺世纪科技有限公司 一种字符识别方法及装置
CN114419636A (zh) * 2022-01-10 2022-04-29 北京百度网讯科技有限公司 文本识别方法、装置、设备以及存储介质

Also Published As

Publication number Publication date
CN108090484B (zh) 2020-04-03

Similar Documents

Publication Publication Date Title
CN108090484A (zh) 一种车牌识别方法及装置
CN108446700B (zh) 一种基于对抗攻击的车牌攻击生成方法
Comelli et al. Optical recognition of motor vehicle license plates
Yu et al. An approach to Korean license plate recognition based on vertical edge matching
CN108073928B (zh) 一种车牌识别方法及装置
Xie et al. A robust license plate detection and character recognition algorithm based on a combined feature extraction model and BPNN
CN106778757A (zh) 基于文本显著性的场景文本检测方法
CN106650553A (zh) 车牌识别方法及***
CN103870803A (zh) 一种基于粗定位与精定位融合的车牌识别方法和***
Wang et al. An effective method for plate number recognition
CN106228159A (zh) 一种基于图像识别的计量表抄表装置及其方法
CN108073926B (zh) 一种车牌识别方法及装置
CN106875546A (zh) 一种增值税***的识别方法
CN106650731A (zh) 一种鲁棒的车牌、车标识别方法
CN108229466B (zh) 一种车牌识别方法及装置
CN105760891A (zh) 一种中文字符验证码的识别方法
CN108073925A (zh) 一种车牌识别方法及装置
CN108108734A (zh) 一种车牌识别方法及装置
Islam et al. Automatic vehicle number plate recognition using structured elements
Azad et al. New method for optimization of license plate recognition system with use of edge detection and connected component
Rakhra et al. Classification and Prediction of License Plates Using Deeply Learned Convolutional Neural Networks
Arafat et al. Connected component analysis integrated edge based technique for automatic vehicular license plate recognition framework<? show [AQ ID= Q1]?>
CN106529472A (zh) 基于大尺度高分辨率高光谱图像的目标探测方法及装置
Owamoyo et al. Number plate recognition for Nigerian vehicles
CN108205670B (zh) 一种车牌识别方法及装置

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
GR01 Patent grant
GR01 Patent grant