CN108108734B - 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 PDFInfo
- Publication number
- CN108108734B CN108108734B CN201611052182.2A CN201611052182A CN108108734B CN 108108734 B CN108108734 B CN 108108734B CN 201611052182 A CN201611052182 A CN 201611052182A CN 108108734 B CN108108734 B CN 108108734B
- Authority
- CN
- China
- Prior art keywords
- license plate
- character
- segmentation
- vertical projection
- 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
Images
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
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
-
- 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
- G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
-
- 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)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Character Input (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,涉及智能交通技术领域。所述方法包括:获得待识别车牌号码的车牌图像区域;确定所述车牌图像区域中的字符分割点;根据所确定的字符分割点,获得所述车牌图像区域对应的备选的字符区域分割方式;针对每种备选的字符区域分割方式,对所述车牌图像区域进行字符识别,获得字符识别结果;根据所获得的字符识别结果,获得所述车牌图像区域对应的车牌号码。应用本申请实施例中的技术方案进行车牌识别,能够提高车牌识别的兼容性。
Description
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。
对于不同类型的车牌,其包含的字符特征各不相同。为了能识别出这些类型的车牌,通常需要针对每种类型的车牌构建车牌模板。
通常情况下,采用上述方法进行车牌识别时,能够识别出符合上述类型的车牌中的车牌号码。但是,如果待识别车牌图像中的车牌的类型不在上述类型范围内,则无法根据上述车牌模板对车牌区域进行正确分割,也就无法采用上述方法对其进行车牌识别,因此现有技术中车牌识别方法的兼容性不高。
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,以提高车牌识别的兼容性。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:
获得待识别车牌号码的车牌图像区域;
确定所述车牌图像区域中的字符分割点;
根据所确定的字符分割点,获得所述车牌图像区域对应的备选的字符区域分割方式;
针对每种备选的字符区域分割方式,对所述车牌图像区域进行字符识别,获得字符识别结果;
根据所获得的字符识别结果,获得所述车牌图像区域对应的车牌号码。
可选的,所述确定所述车牌图像区域中的字符分割点的步骤,包括:
根据垂直投影法,确定所述车牌图像区域中每个像素列的垂直投影值;
根据所确定的垂直投影值,确定字符分割点。
可选的,所述根据所确定的垂直投影值,确定字符分割点的步骤,包括:
确定滑动窗口的宽度;
根据所述宽度和所确定的各个垂直投影值,计算每个垂直投影值对应的第一阈值;
根据各垂直投影值与对应的第一阈值,确定字符分割点;
其中,所述根据所述宽度和所确定的各个垂直投影值,计算每个垂直投影值对应的第一阈值的步骤,包括:
按照以下方式计算每个垂直投影值对应的第一阈值:
根据所述宽度,按照垂直投影值的排列顺序,选择包含目标垂直投影值在内的连续第一数量个垂直投影值,其中,所述垂直投影值的排列顺序与所述车牌图像区域中像素列的排列顺序一致,所述目标垂直投影值为:所确定的垂直投影值中的一个;
计算所选择的垂直投影值的平均值,并将所述平均值确定为所述目标垂直投影值对应的第一阈值。
可选的,所述确定滑动窗口的宽度的步骤,包括:
获得所述车牌图像区域的高度,根据所述高度,确定滑动窗口的宽度。
可选的,字符分割点的类型包括左分割点类型和右分割点类型;所述垂直投影值是根据白字黑底的二值化车牌图像区域得到的;
所述根据各垂直投影值与对应的第一阈值,确定字符分割点的步骤,包括:
将符合下述条件的垂直投影值对应的所述车牌图像区域中的像素点,确定为左分割点类型的字符分割点:
proj(i)<proj_th(i)且proj(i+1)≥proj_th(i+1)
将符合下述条件的垂直投影值对应的所述车牌图像区域中的像素点,确定为右分割点类型的字符分割点:
proj(i)≥proj_th(i)且proj(i+1)<proj_th(i+1)
其中,所述proj(i)为第i个垂直投影值,所述proj_th(i)为与第i个垂直投影值对应的第一阈值。
可选的,在所述根据各垂直投影值与对应的第一阈值,确定字符分割点的步骤之后,所述方法还包括:
将符合下述条件的垂直投影值对应的所述车牌图像区域中的像素点,确定为所述车牌图像区域的候选分割点:
proj(i)-proj_th(i)<Th
其中,所述Th为预设第二阈值;
按照以下方式,确定每个候选分割点的类型:
计算目标候选分割点与各字符分割点之间的距离值,将最小距离值对应的字符分割点的类型确定为所述目标候选分割点的类型,其中,所述目标候选分割点为所确定的候选分割点中的一个;
所述根据所确定的字符分割点,获得所述车牌图像区域对应的备选的字符区域分割方式的步骤,包括:
根据所确定的字符分割点和所述候选分割点,获得所述车牌图像区域对应的备选的字符区域分割方式。
可选的,在所述根据各垂直投影值与对应的第一阈值,确定字符分割点的步骤之后,所述方法还包括:
根据最稳定极值区域算法,获得所述车牌图像区域的稳定区域;
设置各个稳定区域内部的字符分割点为非字符分割点;
所述根据所确定的字符分割点,获得所述车牌图像区域对应的备选的字符区域分割方式的步骤,包括:
根据剩余的字符分割点,获得所述车牌图像区域对应的备选的字符区域分割方式。
可选的,所述根据所确定的字符分割点,获得所述车牌图像区域对应的备选的字符区域分割方式的步骤,包括:
根据所确定的字符分割点,获得待选字符区域;
将宽度处于[w1,w2]范围内的待选字符区域确定为目标字符区域,其中,所述w1为预设第一宽度阈值,所述w2为预设第二宽度阈值,所述w2不小于所述w1;
根据所确定的目标字符区域,获得所述车牌图像区域对应的备选的字符区域分割方式。
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:
图像区域获得模块,用于获得待识别车牌号码的车牌图像区域;
分割点确定模块,用于确定所述车牌图像区域中的字符分割点;
分割方式获得模块,用于根据所确定的字符分割点,获得所述车牌图像区域对应的备选的字符区域分割方式;
字符识别模块,用于针对每种备选的字符区域分割方式,对所述车牌图像区域进行字符识别,获得字符识别结果;
车牌号码获得模块,用于根据所获得的字符识别结果,获得所述车牌图像区域对应的车牌号码。
可选的,所述分割点确定模块,包括:
投影值确定子模块,用于根据垂直投影法,确定所述车牌图像区域中每个像素列的垂直投影值;
分割点确定子模块,用于根据所确定的垂直投影值,确定字符分割点。
可选的,所述分割点确定子模块,包括:
宽度确定单元,用于确定滑动窗口的宽度;
阈值计算单元,用于根据所述宽度和所确定的各个垂直投影值,计算每个垂直投影值对应的第一阈值;
分割点确定单元,用于根据各垂直投影值与对应的第一阈值,确定字符分割点;
其中,所述阈值计算单元,具体用于:
按照以下方式计算每个垂直投影值对应的第一阈值:
根据所述宽度,按照垂直投影值的排列顺序,选择包含目标垂直投影值在内的连续第一数量个垂直投影值,其中,所述垂直投影值的排列顺序与所述车牌图像区域中像素列的排列顺序一致,所述目标垂直投影值为:所确定的垂直投影值中的一个;
计算所选择的垂直投影值的平均值,并将所述平均值确定为所述目标垂直投影值对应的第一阈值。
可选的,所述宽度确定单元,具体用于:
获得所述车牌图像区域的高度,根据所述高度,确定滑动窗口的宽度。
可选的,字符分割点的类型包括左分割点类型和右分割点类型;所述垂直投影值是根据白字黑底的二值化车牌图像区域得到的;
所述分割点确定单元,具体用于:
将符合下述条件的垂直投影值对应的所述车牌图像区域中的像素点,确定为左分割点类型的字符分割点:
proj(i)<proj_th(i)且proj(i+1)≥proj_th(i+1)
将符合下述条件的垂直投影值对应的所述车牌图像区域中的像素点,确定为右分割点类型的字符分割点:
proj(i)≥proj_th(i)且proj(i+1)<proj_th(i+1)
其中,所述proj(i)为第i个垂直投影值,所述proj_th(i)为与第i个垂直投影值对应的第一阈值。
可选的,在所述分割点确定单元之后,所述装置还包括候选点确定单元;所述候选点确定单元,用于:
将符合下述条件的垂直投影值对应的所述车牌图像区域中的像素点,确定为所述车牌图像区域的候选分割点:
proj(i)-proj_th(i)<Th
其中,所述Th为预设第二阈值;
按照以下方式,确定每个候选分割点的类型:
计算目标候选分割点与各字符分割点之间的距离值,将最小距离值对应的字符分割点的类型确定为所述目标候选分割点的类型,其中,所述目标候选分割点为所确定的候选分割点中的一个;
所述分割方式获得模块,具体用于:
根据所确定的字符分割点和所述候选分割点,获得所述车牌图像区域对应的备选的字符区域分割方式。
可选的,在所述分割点确定单元之后,所述装置还包括:
稳定区域获得单元,用于根据最稳定极值区域算法,获得所述车牌图像区域的稳定区域;
分割点设置单元,用于设置各个稳定区域内部的字符分割点为非字符分割点;
所述分割方式获得模块,具体用于:
根据剩余的字符分割点,获得所述车牌图像区域对应的备选的字符区域分割方式。
可选的,所述分割方式获得模块,包括:
待选区域获得子模块,用于根据所确定的字符分割点,获得待选字符区域;
目标区域确定子模块,用于将宽度处于[w1,w2]范围内的待选字符区域确定为目标字符区域,其中,所述w1为预设第一宽度阈值,所述w2为预设第二宽度阈值,所述w2不小于所述w1;
分割方式获得子单元,用于根据所确定的目标字符区域,获得所述车牌图像区域对应的备选的字符区域分割方式。
由上述技术方案可见,本申请实施例针对获得的待识别车牌号码的车牌图像区域,先确定所述车牌图像区域中的字符分割点,然后根据所确定的字符分割点,获得车牌图像区域对应的备选的字符区域分割方式,并针对每种备选的字符区域分割方式,对车牌图像区域进行字符识别,获得字符识别结果,根据所获得的字符识别结果,获得车牌图像区域对应的车牌号码。
也就是说,本申请实施例针对待识别车牌号码的车牌图像区域,获得其对应的每个备选的字符区域分割方式,根据每个分割方式对车牌图像区域进行字符识别,无需根据预设的车牌模板对车牌图像区域进行字符识别,即无需区分车牌图像区域对应的车牌类型。因此,应用本申请实施例的技术方案进行车牌识别,能够提高车牌识别的兼容性。
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为本申请实施例提供的车牌识别方法的一种流程示意图;
图2a为车牌图像区域及对应的字符分割点的一种示例图;
图2b为根据备选的字符区域分割方式得到字符分割结果后的一种示例图;
图3为部分车牌示例图;
图4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5为图4中步骤S102B的一种流程示意图;
图6a为车牌图像区域对应的垂直投影曲线和动态阈值曲线的一种示例图;
图6b为针对车牌图像区域获得字符分割点之后的一种示例图;
图7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8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,该电子设备可以是终端设备或服务器等,其中,终端设备可以包括计算机、平板电脑、智能手机、行车记录仪等设备。应用本申请实施例中的技术方案进行车牌识别,能够提高车牌识别的兼容性。
下面通过具体实施例,对本申请进行详细说明。
图1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S101:获得待识别车牌号码的车牌图像区域。
其中,待识别车牌号码的车牌图像区域可以理解为:需要进行车牌识别的车牌图像区域。车牌图像区域是车牌图像中包含车牌的图像区域。车牌图像是指包含车辆的车牌部分的图像。作为一种较佳的实施方式,车牌图像区域可以是车牌字符最外侧边框所形成的图像区域。当然,车牌图像区域也可以是包含车牌字符之外的其他图像部分的区域。通常,可以将车牌图像区域设置成矩形区域。
例如,图2a中虚线框所围成的图像区域就是一个车牌图像区域,从该图中可以看出虚线框内包含车牌“A4170”。
具体的,待识别车牌号码的车牌图像区域,可以是直接获得的,也可以是采用以下方式获得的:获得待识别车牌号码的车牌图像,对该车牌图像进行车牌定位,获得车牌图像区域。其中,待识别车牌号码的车牌图像可以理解为:需要进行车牌识别的车牌图像。
上述待识别车牌号码的车牌图像可以是道路上抓拍的包含车辆的图像,也可以是在停车场拍摄的包含车辆的图像等。当然,上述待识别车牌号码的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号码的车牌图像的获得方式进行限定。
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。
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号码的车牌图像时,可以包括:接收图像采集设备采集的待识别车牌号码的车牌图像。
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号码的车牌图像时,可以包括:获取图像采集设备采集的待识别车牌号码的车牌图像。
获取的待识别车牌号码的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。
步骤S102:确定所述车牌图像区域中的字符分割点。
其中,本实施例可以采用确定字符分割点的坐标的方式来确定字符分割点。具体的,字符分割点可以理解为车牌图像区域中纵向像素列中的像素点,也可以理解为纵向像素列中最下方的像素点。
具体的,针对车牌图像区域,可以采用垂直投影、连通域、笔画宽度等方法确定车牌图像区域中的字符分割点。本实施例对确定字符分割点的具体方法不做限定。
步骤S103:根据所确定的字符分割点,获得所述车牌图像区域对应的备选的字符区域分割方式。
其中,“备选的”也是指“可能的”。字符区域分割方式是针对整个车牌图像区域的字符分割点之间的组合方式。可以理解的是,两个不同的字符分割点可以确定一个字符区域,这两个字符分割点形成一个字符分割点组。每种字符区域分割方式包含至少一个这样的字符分割点组。
通常,根据所确定的字符分割点,可以获得与车牌图像区域对应的至少一种字符区域分割方式。获得了字符区域分割方式,也就能根据该分割方式对车牌图像区域进行字符分割,得到对应的字符分割结果。
通常,车牌中包含一定数量的“空当”,即字符之间存在空白区域,这些空白区域中没有字符。因此,在确定字符区域分割方式时,可以将所形成的字符区域为空白区域的字符分割点组设置为非字符分割点组,这样可以尽可能去除干扰因素,提高字符识别的效率。
具体的,可以根据垂直投影、连通域、笔画宽度等方法,确定哪些字符分割点组所确定的字符区域为空白区域。
例如,在图2a中用三角形符号标出了车牌图像区域中的10个字符分割点,三角形符号中间标出了字符分割点的编号,这些编号分别为1、2、…、10。根据这10个字符分割点,可以获得以下两种字符区域分割方式,第一种是,(1,2)(3,4)(5,6)(7,8)(9,10),第二种是,(1,2)(3,6)(7,8)(9,10)。其中,(1,2)之类的组合就是一个字符分割点组。并且,根据垂直投影、连通域、笔画宽度等方法,可以确定车牌图像区域中(2,3)(4,5)(6,7)(8,9)之间对应的字符区域为空白区域,因此舍弃这些组合。
作为一种具体的实施方式,为了更准确地分割车牌图像区域,根据所确定的字符分割点,获得所述车牌图像区域对应的备选的字符区域分割方式,可以包括步骤1~步骤3:
步骤1:根据所确定的字符分割点,获得待选字符区域。
其中,待选字符区域可以是采用两个字符分割点的坐标表示的区域。
步骤2:将宽度处于[w1,w2]范围内的待选字符区域确定为目标字符区域,其中,所述w1为预设第一宽度阈值,所述w2为预设第二宽度阈值,所述w2不小于所述w1。通常,w1和w2的取值可以根据经验获得。
可以理解的是,宽度处于[w1,w2]范围内的待选字符区域更可能是真实的字符区域。宽度大于w2或小于w1的待选字符区域可能过宽或过窄,其属于真实字符区域的可能性较小,因此将其舍弃,以提高分割的准确性。
步骤3:根据所确定的目标字符区域,获得所述车牌图像区域对应的备选的字符区域分割方式。
步骤S104:针对每种备选的字符区域分割方式,对所述车牌图像区域进行字符识别,获得字符识别结果。
作为一种具体的实施方式,对所述车牌图像区域进行字符识别时,可以先根据备选的字符区域分割方式,对车牌图像区域进行分割,获得与每种备选的字符区域分割方式对应的字符区域分割结果,然后再对每种字符区域分割结果中的字符图像进行字符识别,获得字符识别结果。
具体的,对每种字符区域分割结果中的字符图像进行字符识别时,可以将各个字符图像的特征值输入字符识别器,字符识别器输出各个字符图像对应的字符和置信度,也就是说,每种字符识别结果可以包括字符和置信度。
沿用步骤S103中的例子,针对两种备选的字符区域分割方式,可以对车牌图像区域进行分割,获得图2b所示的两种字符区域分割结果,将每种字符区域分割结果中的字符图像输入字符分类器,可以得到表1中所示的两种字符识别结果。
表1
在对字符图像进行字符识别时,可以采用Hog(方向梯度直方图)+SVM(支持向量机)分类器的方式进行字符识别。具体的,可以提取每个字符图像的Hog特征值,将该特征值输入SVM分类器,该分类器输出识别结果。
其中,SVM分类器包括37个输出单元,分别是10个数字、26个英文字母和一个“未知”字符输出。置信度的值域为[0,1000]。
需要说明的是,本申请实施例还可以采用其他的字符识别器进行字符识别,本申请实施例对字符识别方式不做具体限定。
步骤S105:根据所获得的字符识别结果,获得所述车牌图像区域对应的车牌号码。
作为一种具体的实施方式,根据所获得的字符识别结果,获得所述车牌图像区域对应的车牌号码时,可以先计算每种字符识别结果的置信度和值,将置信度和值最大值对应的字符识别结果确定为车牌图像区域对应的车牌号码。
沿用步骤S104中的例子,针对表1中的两种字符识别结果,可以获得每种字符识别结果的置信度和值,其分别为:第一种字符识别结果的置信度和值为904+935+956+923+960=4678,第二种字符识别结果的置信度和值为:904+300+923+960=3087。可见,第一种字符识别结果的置信度和值较大,因此将第一种字符识别结果确定为车牌图像区域对应的车牌号码。
需要指出的是,如果确定分类器的识别结果为“未知”这个字符,即表示未能从字符区域中识别出字符。而之所以确定分类器的识别结果为“未知”,通常是因为在分类器包含的各个输出单元中,“未知”输出单元的置信度较高。这样就存在一个问题。在获得字符识别结果时,该字符识别结果中各个字符的置信度越高,其对应的置信度和值就越高。然而,当字符识别结果中包括“未知”这个字符时,该字符识别结果的置信度和值本应该较低,而“未知”这个字符的置信度较高,却导致该字符识别结果的置信度和值也相应变高了,这样就与事实不符了。
例如,在对图2b所示的第二种分割结果进行字符识别中,识别结果中各个字符及对应的置信度分别为:A—904,“未知”—700,7—923;0—960。可见,该识别结果中存在“未知”。相应的,该识别结果的置信度和值与第二个字符能够识别出非“未知”字符的情况相比,应较低。但是,如果直接将上述结果的置信度取和,则得到的置信度和值是很高的。
为了保证求置信度和值时,可以对识别结果中各个字符的置信度进行累加,当识别结果中存在“未知”字符时,将置信度极大值减去其置信度,获得“未知”字符修改后的置信度,采用该修改后的置信度就解决了上述问题。
例如,“未知”字符的置信度为700,置信度极值范围为[0,1000],则可以将置信度极大值1000-700=300,确定为“未知”字符修改后的置信度。
由上述内容可知,本实施例针对获得的待识别车牌号码的车牌图像区域,先确定所述车牌图像区域中的字符分割点,然后根据所确定的字符分割点,获得车牌图像区域对应的备选的字符区域分割方式,并针对每种备选的字符区域分割方式,对车牌图像区域进行字符识别,获得字符识别结果,根据所获得的字符识别结果,获得车牌图像区域对应的车牌号码。
也就是说,本实施例针对待识别车牌号码的车牌图像区域,获得其对应的每个备选的字符区域分割方式,根据每个分割方式对车牌图像区域进行字符识别,无需根据预设的车牌模板对车牌图像区域进行字符识别,即无需区分车牌图像区域对应的车牌类型。因此,应用本实施例的技术方案进行车牌识别,能够提高车牌识别的兼容性。
举例而言,现有的车牌识别方法中,可以根据中国车牌的类型建立车牌模板,以识别中国地区车牌。但是对于图3这些其他国家的车牌,则无法使用中国地区的车牌模板进行车牌识别。从图3中也可以看出,这些车牌之间没有固定模板,变化较多,采用本实施例中的车牌识别方法,无需匹配车牌模板,无需区分这些车牌属于什么车牌类型,而是根据车牌图像区域找到字符分割点,获得与车牌图像区域对应的可能的字符区域分割方式,根据这些方式得到车牌图像区域可能的字符识别结果,从这些可能的字符识别结果中确定车牌号码。可见,本实施例中提供的车牌识别方法的兼容性较高。
图4为本申请实施例提供的车牌识别方法的另一流程示意图,该方法应用于电子设备。该方法实施例是对图1所示方法实施例的改进。未改进之处与图1所示实施例内容相同,本实施例对未改进之处不再详细论述,相关说明可参考图1所示实施例。
图1所示实施例中,步骤S102,确定所述车牌图像区域中的字符分割点的步骤,可以包括:
步骤S102A:根据垂直投影法,确定所述车牌图像区域中每个像素列的垂直投影值。
其中,确定所述车牌图像区域中每个像素列的垂直投影值时,可以理解为:将所述车牌图像区域中每个像素列的像素值求和,将该和值作为该像素列对应的垂直投影值。像素列是指图像中纵向的一列像素。
具体的,为了降低处理的复杂度,在确定所述车牌图像区域中每个像素列的垂直投影值时,可以先将车牌图像区域转换为灰度图像,然后再对灰度图像进行二值化处理,获得二值化图像,确定二值化图像中每个像素列的垂直投影值。
其中,可以采用大律算法(OSTU)对灰度图像进行二值化处理。获得的二值化图像可以是黑字白底的图像,也可以是白字黑底的图像。
步骤S102B:根据所确定的垂直投影值,确定字符分割点。
具体的,步骤S102B可以包括多种实施方式,可以将所确定的垂直投影值分别与预设阈值进行比较,将大于预设阈值的垂直投影值对应的车牌图像区域中的像素点确定为字符分割点。在这种实施方式中,预设阈值是一个预先确定的固定值,其值可以根据经验确定。这种方法可以称为固定阈值法。
也可以是,将所确定的垂直投影值与动态变化的阈值进行比较。该动态变化的阈值可以根据车牌图像区域来确定。也就是说,将每一个垂直投影值均与对应的阈值进行比较,每个垂直投影值对应的阈值是不同的。该动态变化的阈值可以根据垂直投影值确定。这种方法可以称为动态阈值法。
可见,在本实施例中,根据垂直投影法,并利用车牌图像区域中字符部分与背景部分像素的像素值之间存在明显差异的特点,确定车牌图像区域的字符分割点,能够提高所确定的字符分割点的准确性,从而提高字符识别过程的准确性。
基于图4所示实施例的一种具体实施方式中,为了更加准确地根据垂直投影值确定字符分割点,步骤S102B,根据所确定的垂直投影值,确定字符分割点的步骤,可以按照图5所示流程示意图进行,该流程示意图具体包括以下步骤:
步骤S102B1:确定滑动窗口的宽度。
其中,在本实施方式中,当车牌图像区域横向的宽度以像素数量来衡量时,滑动窗口的宽度也以像素数量来表示。当车牌图像区域的纵向宽度以归一化的数值来衡量时,滑动窗口的宽度也以归一化数值来表示。总之,滑动窗口的宽度,用于表示数量值。该宽度可以是预设值,也可以是根据车牌图像区域确定的值。
在一种具体实施方式中,为了更准确地确定下述内容中的第一阈值,确定滑动窗口的宽度的步骤,可以包括:获得所述车牌图像区域的高度,根据所述高度,确定滑动窗口的宽度。
进一步的,可以将预设值与车牌图像区域的高度的乘积作为滑动窗口的宽度。其中,预设值可以取为0.6之类的数值。例如,车牌图像区域为宽100像素*高20像素的图像,滑动窗口的宽度可以取值为:0.6*20像素=12像素。
也可以将预设值与车牌图像区域的高度的和值作为滑动窗口的宽度。当然,在确定滑动窗口的宽度时,还可以包括其他的实施方式。
需要说明的是,由于车牌图像区域的纵向宽度和横向高度之间存在一定的关联性,因此,根据车牌图像区域的高度确定滑动窗口的宽度,可以提高准确性。
步骤S102B2:根据所述宽度和所确定的各个垂直投影值,计算每个垂直投影值对应的第一阈值。
其中,对于步骤S102B2,可以按照以下步骤1和步骤2所示的方式计算每个垂直投影值对应的第一阈值:
步骤1:根据所述宽度,按照垂直投影值的排列顺序,选择包含目标垂直投影值在内的连续第一数量个垂直投影值。
其中,所述垂直投影值的排列顺序与所述车牌图像区域中像素列的排列顺序一致,所述目标垂直投影值为:所确定的垂直投影值中的一个。
步骤2:计算所选择的垂直投影值的平均值,并将所述平均值确定为所述目标垂直投影值对应的第一阈值。
步骤S102B3:根据各垂直投影值与对应的第一阈值,确定字符分割点。
需要说明的是,通常可以根据字符分割点的类型将其划分为左分割点类型和右分割点类型,这两种类型分别用于表示字符区域的左右两个分割点。
上述内容中曾提到,可以将车牌图像区域转换为二值化图像,根据二值化图像得到各像素列的垂直投影值,其中,二值化图像可以是黑字白底的,也可以是白字黑底的。也就是说,垂直投影值可以是根据黑字白底的二值化图像得到的,也可以是根据白字黑底的二值化图像。下面以根据白字黑底的二值化图像得到垂直投影值的情况,介绍步骤S102B3的一种具体实施方式。
作为一种具体的实施方式,在垂直投影值是根据白字黑底的二值化车牌图像区域得到的情况下,步骤S102B3,根据各垂直投影值与对应的第一阈值,确定字符分割点的步骤,可以包括以下步骤1和步骤2:
步骤1:将符合下述条件的垂直投影值对应的所述车牌图像区域中的像素点,确定为左分割点类型的字符分割点:
proj(i)<proj_th(i)且proj(i+1)≥proj_th(i+1)
步骤2:将符合下述条件的垂直投影值对应的所述车牌图像区域中的像素点,确定为右分割点类型的字符分割点:
proj(i)≥proj_th(i)且proj(i+1)<proj_th(i+1)
其中,所述proj(i)为第i个垂直投影值,所述proj_th(i)为与第i个垂直投影值对应的第一阈值。
可以理解的是,针对左分割点类型的字符分割点,其对应的垂直投影值小于对应的第一阈值,下一个字符分割点对应的垂直投影值不小于对应的第一阈值。针对右分割点类型的字符分割点,其对应的垂直投影值不小于对应的第一阈值,下一个字符分割点对应的垂直投影值小于对应的第一阈值。
作为一个具体的实施方式,将车牌图像区域各横向像素点的坐标作为横轴,将与各像素列对应的各垂直投影值作为纵轴,可以得到车牌图像区域对应的垂直投影曲线。将车牌图像区域各横向像素点的坐标作为横轴,将与各垂直投影值对应的第一阈值作为纵轴,可以得到车牌图像区域对应的动态阈值曲线。垂直投影曲线包含波峰和波谷,起伏较大,动态阈值曲线相对比较平滑,起伏不大。
比较垂直投影曲线与动态阈值曲线中的点,可以发现,在两曲线相交的点中,处于垂直投影曲线上升期的点即为左分割点类型的字符分割点(简称为左分割点),处于垂直投影曲线下降期的点即为右分割点类型的字符分割点(简称为右分割点)。
例如,图6a中,白字黑底的二值化车牌图像区域上方画出了对应的垂直投影曲线1和动态阈值曲线2,可见垂直投影曲线包含很多波峰和波谷,动态阈值曲线存在少量的波峰和波谷,比较平滑,起伏不大。比较这两条曲线可以得到很多左分割点和右分割点。在图6a中,将带有“l”的三角形符号表示左分割点,将带有“r”的三角形符号表示右分割点。
上述内容说明的是,在垂直投影值是根据白字黑底的二值化车牌图像区域得到的情况下,步骤S102B3包含的一种具体实施方式。基于同样的思路,在垂直投影值是根据黑字白底的二值化车牌图像区域得到的情况下,能得到步骤S102B3包含的以下具体实施方式,具体包括以下步骤1和步骤2:
步骤1:将符合下述条件的垂直投影值对应的所述车牌图像区域中的像素点,确定为左分割点类型的字符分割点:
proj(i)≥proj_th(i)且proj(i+1)<proj_th(i+1)
步骤2:将符合下述条件的垂直投影值对应的所述车牌图像区域中的像素点,确定为右分割点类型的字符分割点:
proj(i)<proj_th(i)且proj(i+1)≥proj_th(i+1)
其中,所述proj(i)为第i个垂直投影值,所述proj_th(i)为与第i个垂直投影值对应的第一阈值。
本实施方式的具体说明可以参见上述“白字黑底”情况的实施方式。
综上所述,在这种实施方式中,采用动态阈值法确定字符分割点,动态的第一阈值是根据垂直投影值确定的,能够更准确地反映垂直投影值的变化规律,从而能够更准确地确定字符分割点。
经过上述过程确定出的字符分割点的数量可能很大,其中包含了很多非字符分割点。如图6a中所示,一个字符可能对应存在两个左分割点和两个右分割点。为了提高字符分割的准确性,减少分割点的数量,本实施例还可以包括以下实施方式。
作为一种具体的实施方式,在步骤S102B3之后,即根据各垂直投影值与对应的第一阈值,确定字符分割点的步骤之后,所述方法还可以包括:根据最稳定极值区域算法,获得所述车牌图像区域的稳定区域,设置各个稳定区域内部的字符分割点为非字符分割点。各个稳定区域内部的字符分割点不包括各个稳定区域两侧边缘的字符分割点。
其中,最稳定极值区域算法(Maximally Stable Extremal Regions,MSER)是一种求取最稳定极值区域的图像分割算法。在根据最稳定极值区域算法,获得所述车牌图像区域的稳定区域时,可以将所述车牌图像区域作为最稳定极值区域算法的输入,输出与车牌图像区域对应的各个稳定区域。
也就是说,将处于稳定区域内部的字符分割点设置为非字符分割点,即从确定的字符分割点中删除稳定区域内部的字符分割点。
可以理解的是,稳定区域被认为是一个完整的字符区域,不应该被分割开,并认为其内部的字符分割点可能是不准确的。
对应的,步骤S103,根据所确定的字符分割点,获得所述车牌图像区域对应的备选的字符区域分割方式的步骤,可以包括:
根据剩余的字符分割点,获得所述车牌图像区域对应的备选的字符区域分割方式。
综上,在本实施方式中,根据稳定区域去除一些不准确的字符分割点,能够提高准确度,同时也能够减少分割点的数量,降低处理的复杂度。
通常,根据垂直投影值与第一阈值的比较,能够将车牌图像区域中左分割点类型的字符分割点和右分割点类型的字符分割点确定出来,但是也可能会有遗漏的字符分割点没有识别出来。
例如,图6b中列出了针对车牌图像区域确定出的字符分割点,可以看出其中“41”部分中间的字符分割点未能有效确定出来。
更进一步的,为了识别遗漏的字符分割点,提高车牌识别准确性,在步骤S102B3之后,即在根据各垂直投影值与对应的第一阈值,确定左分割点类型和右分割点类型的字符分割点之后,所述方法还可以包括:
将符合下述条件的垂直投影值对应的所述车牌图像区域中的像素点,确定为所述车牌图像区域的候选分割点:
proj(i)-proj_th(i)<Th
其中,所述Th为预设第二阈值,即第二阈值为预先设定好的固定值,与上述动态变化的第一阈值不同。
按照以下方式,确定每个候选分割点的类型:
计算目标候选分割点与各字符分割点之间的距离值,将最小距离值对应的字符分割点的类型确定为所述目标候选分割点的类型,其中,所述目标候选分割点为所确定的候选分割点中的一个。
对应的,步骤S103,根据所确定的字符分割点,获得所述车牌图像区域对应的备选的字符区域分割方式的步骤,包括:
根据所确定的字符分割点和所述候选分割点,获得所述车牌图像区域对应的备选的字符区域分割方式。
在这种实施方式中,采用固定阈值法确定车牌图像区域中的候选分割点,能够将车牌图像区域中遗漏的字符分割点识别处理,从而提高字符分割过程的准确性。
当然,在候选分割点之后,也可以根据获得的车牌图像区域的稳定区域,设置各个稳定区域内部的候选分割点为非候选分割点,以提高字符分割的准确性,同时减少分割点的数量,以降低处理复杂度。
图7为本申请实施例提供的车牌识别装置的一种结构示意图,该装置应用于电子设备,该实施例与图1所示方法实施例相对应。具体的,该装置包括:
图像区域获得模块701,用于获得待识别车牌号码的车牌图像区域;
分割点确定模块702,用于确定所述车牌图像区域中的字符分割点;
分割方式获得模块703,用于根据所确定的字符分割点,获得所述车牌图像区域对应的备选的字符区域分割方式;
字符识别模块704,用于针对每种备选的字符区域分割方式,对所述车牌图像区域进行字符识别,获得字符识别结果;
车牌号码获得模块705,用于根据所获得的字符识别结果,获得所述车牌图像区域对应的车牌号码。
基于图7所示实施例的一种实施方式中,所述分割方式获得模块703,具体可以包括:
待选区域获得子模块(图中未示出),用于根据所确定的字符分割点,获得待选字符区域;
目标区域确定子模块(图中未示出),用于将宽度处于[w1,w2]范围内的待选字符区域确定为目标字符区域,其中,所述w1为预设第一宽度阈值,所述w2为预设第二宽度阈值,所述w2不小于所述w1;
分割方式获得子单元(图中未示出),用于根据所确定的目标字符区域,获得所述车牌图像区域对应的备选的字符区域分割方式。
图8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,该装置实施例是基于图7所示实施例的改进方案,未改进之处与图7所示实施例相同,具体内容可以参照图7所示实施例。该实施例与图4所示方法实施例相对应。
其中,所述分割点确定模块702,具体包括:
投影值确定子模块702A,用于根据垂直投影法,确定所述车牌图像区域中每个像素列的垂直投影值;
分割点确定子模块702B,用于根据所确定的垂直投影值,确定字符分割点。
基于图8所示实施例的一种实施方式中,所述分割点确定子模块702B,具体可以包括:
宽度确定单元(图中未示出),用于确定滑动窗口的宽度;
阈值计算单元(图中未示出),用于根据所述宽度和所确定的各个垂直投影值,计算每个垂直投影值对应的第一阈值;
分割点确定单元(图中未示出),用于根据各垂直投影值与对应的第一阈值,确定字符分割点;
其中,所述阈值计算单元,具体用于:
按照以下方式计算每个垂直投影值对应的第一阈值:
根据所述宽度,按照垂直投影值的排列顺序,选择包含目标垂直投影值在内的连续第一数量个垂直投影值,其中,所述垂直投影值的排列顺序与所述车牌图像区域中像素列的排列顺序一致,所述目标垂直投影值为:所确定的垂直投影值中的一个;
计算所选择的垂直投影值的平均值,并将所述平均值确定为所述目标垂直投影值对应的第一阈值。
基于图8所示实施例的一种实施方式中,所述宽度确定单元,具体用于:
获得所述车牌图像区域的高度,根据所述高度,确定滑动窗口的宽度。
基于图8所示实施例的一种实施方式中,字符分割点的类型包括左分割点类型和右分割点类型;所述垂直投影值是根据白字黑底的二值化车牌图像区域得到的;
所述分割点确定单元,具体用于:
将符合下述条件的垂直投影值对应的所述车牌图像区域中的像素点,确定为左分割点类型的字符分割点:
proj(i)<proj_th(i)且proj(i+1)≥proj_th(i+1)
将符合下述条件的垂直投影值对应的所述车牌图像区域中的像素点,确定为右分割点类型的字符分割点:
proj(i)≥proj_th(i)且proj(i+1)<proj_th(i+1)
其中,所述proj(i)为第i个垂直投影值,所述proj_th(i)为与第i个垂直投影值对应的第一阈值。
基于图8所示实施例的一种实施方式中,在所述分割点确定单元之后,所述装置还可以包括候选点确定单元(图中未示出);该候选点确定单元,用于:
将符合下述条件的垂直投影值对应的所述车牌图像区域中的像素点,确定为所述车牌图像区域的候选分割点:
proj(i)-proj_th(i)<Th
其中,所述Th为预设第二阈值;
按照以下方式,确定每个候选分割点的类型:
计算目标候选分割点与各字符分割点之间的距离值,将最小距离值对应的字符分割点的类型确定为所述目标候选分割点的类型,其中,所述目标候选分割点为所确定的候选分割点中的一个;
所述分割方式获得模块703,具体可以用于:
根据所确定的字符分割点和所述候选分割点,获得所述车牌图像区域对应的备选的字符区域分割方式。
基于图8所示实施例的一种实施方式中,在所述分割点确定单元之后,所述装置还可以包括:
稳定区域获得单元(图中未示出),用于根据最稳定极值区域算法,获得所述车牌图像区域的稳定区域;
分割点设置单元(图中未示出),用于设置各个稳定区域内部的字符分割点为非字符分割点;
所述分割方式获得模块703,具体可以用于:根据剩余的字符分割点,获得所述车牌图像区域对应的备选的字符区域分割方式。
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 (14)
1.一种车牌识别方法,其特征在于,所述方法包括:
获得待识别车牌号码的车牌图像区域;
确定所述车牌图像区域中的字符分割点;
根据所确定的字符分割点,获得所述车牌图像区域对应的备选的字符区域分割方式;
针对每种备选的字符区域分割方式,对所述车牌图像区域进行字符识别,获得字符识别结果;
根据所获得的字符识别结果,获得所述车牌图像区域对应的车牌号码;
所述方法还包括:
根据最稳定极值区域算法,获得所述车牌图像区域的稳定区域
设置各个稳定区域内部的字符分割点为非字符分割点;
所述根据所确定的字符分割点,获得所述车牌图像区域对应的备选的字符区域分割方式的步骤,包括:
根据剩余的字符分割点,获得所述车牌图像区域对应的备选的字符区域分割方式。
2.根据权利要求1所述的方法,其特征在于,所述确定所述车牌图像区域中的字符分割点的步骤,包括:
根据垂直投影法,确定所述车牌图像区域中每个像素列的垂直投影值;
根据所确定的垂直投影值,确定字符分割点。
3.根据权利要求2所述的方法,其特征在于,所述根据所确定的垂直投影值,确定字符分割点的步骤,包括:
确定滑动窗口的宽度;
根据所述宽度和所确定的各个垂直投影值,计算每个垂直投影值对应的第一阈值;
根据各垂直投影值与对应的第一阈值,确定字符分割点;
其中,所述根据所述宽度和所确定的各个垂直投影值,计算每个垂直投影值对应的第一阈值的步骤,包括:
按照以下方式计算每个垂直投影值对应的第一阈值:
根据所述宽度,按照垂直投影值的排列顺序,选择包含目标垂直投影值在内的连续第一数量个垂直投影值,其中,所述垂直投影值的排列顺序与所述车牌图像区域中像素列的排列顺序一致,所述目标垂直投影值为:所确定的垂直投影值中的一个;
计算所选择的垂直投影值的平均值,并将所述平均值确定为所述目标垂直投影值对应的第一阈值。
4.根据权利要求3所述的方法,其特征在于,所述确定滑动窗口的宽度的步骤,包括:
获得所述车牌图像区域的高度,根据所述高度,确定滑动窗口的宽度。
5.根据权利要求3所述的方法,其特征在于,字符分割点的类型包括左分割点类型和右分割点类型;所述垂直投影值是根据白字黑底的二值化车牌图像区域得到的;
所述根据各垂直投影值与对应的第一阈值,确定字符分割点的步骤,包括:
将符合下述条件的垂直投影值对应的所述车牌图像区域中的像素点,确定为左分割点类型的字符分割点:
proj(i)<proj_th(i)且proj(i+1)≥proj_th(i+1)
将符合下述条件的垂直投影值对应的所述车牌图像区域中的像素点,确定为右分割点类型的字符分割点:
proj(i)≥proj_th(i)且proj(i+1)<proj_th(i+1)
其中,所述proj(i)为第i个垂直投影值,所述proj_th(i)为与第i个垂直投影值对应的第一阈值。
6.根据权利要求5所述的方法,其特征在于,在所述根据各垂直投影值与对应的第一阈值,确定字符分割点的步骤之后,所述方法还包括:
将符合下述条件的垂直投影值对应的所述车牌图像区域中的像素点,确定为所述车牌图像区域的候选分割点:
proj(i)-proj_th(i)<Th
其中,所述Th为预设第二阈值;
按照以下方式,确定每个候选分割点的类型:
计算目标候选分割点与各字符分割点之间的距离值,将最小距离值对应的字符分割点的类型确定为所述目标候选分割点的类型,其中,所述目标候选分割点为所确定的候选分割点中的一个;
所述根据所确定的字符分割点,获得所述车牌图像区域对应的备选的字符区域分割方式的步骤,包括:
根据所确定的字符分割点和所述候选分割点,获得所述车牌图像区域对应的备选的字符区域分割方式。
7.根据权利要求1所述的方法,其特征在于,所述根据所确定的字符分割点,获得所述车牌图像区域对应的备选的字符区域分割方式的步骤,包括:
根据所确定的字符分割点,获得待选字符区域;
将宽度处于[w1,w2]范围内的待选字符区域确定为目标字符区域,其中,所述w1为预设第一宽度阈值,所述w2为预设第二宽度阈值,所述w2不小于所述w1;
根据所确定的目标字符区域,获得所述车牌图像区域对应的备选的字符区域分割方式。
8.一种车牌识别装置,其特征在于,所述装置包括:
图像区域获得模块,用于获得待识别车牌号码的车牌图像区域;
分割点确定模块,用于确定所述车牌图像区域中的字符分割点;
分割方式获得模块,用于根据所确定的字符分割点,获得所述车牌图像区域对应的备选的字符区域分割方式;
字符识别模块,用于针对每种备选的字符区域分割方式,对所述车牌图像区域进行字符识别,获得字符识别结果;
车牌号码获得模块,用于根据所获得的字符识别结果,获得所述车牌图像区域对应的车牌号码;
所述装置还包括:
稳定区域获得单元,用于根据最稳定极值区域算法,获得所述车牌图像区域的稳定区域;
分割点设置单元,用于设置各个稳定区域内部的字符分割点为非字符分割点;
所述分割方式获得模块,具体用于:
根据剩余的字符分割点,获得所述车牌图像区域对应的备选的字符区域分割方式。
9.根据权利要求8所述的装置,其特征在于,所述分割点确定模块,包括:
投影值确定子模块,用于根据垂直投影法,确定所述车牌图像区域中每个像素列的垂直投影值;
分割点确定子模块,用于根据所确定的垂直投影值,确定字符分割点。
10.根据权利要求9所述的装置,其特征在于,所述分割点确定子模块,包括:
宽度确定单元,用于确定滑动窗口的宽度;
阈值计算单元,用于根据所述宽度和所确定的各个垂直投影值,计算每个垂直投影值对应的第一阈值;
分割点确定单元,用于根据各垂直投影值与对应的第一阈值,确定字符分割点;
其中,所述阈值计算单元,具体用于:
按照以下方式计算每个垂直投影值对应的第一阈值:
根据所述宽度,按照垂直投影值的排列顺序,选择包含目标垂直投影值在内的连续第一数量个垂直投影值,其中,所述垂直投影值的排列顺序与所述车牌图像区域中像素列的排列顺序一致,所述目标垂直投影值为:所确定的垂直投影值中的一个;
计算所选择的垂直投影值的平均值,并将所述平均值确定为所述目标垂直投影值对应的第一阈值。
11.根据权利要求10所述的装置,其特征在于,所述宽度确定单元,具体用于:
获得所述车牌图像区域的高度,根据所述高度,确定滑动窗口的宽度。
12.根据权利要求10所述的装置,其特征在于,字符分割点的类型包括左分割点类型和右分割点类型;所述垂直投影值是根据白字黑底的二值化车牌图像区域得到的;
所述分割点确定单元,具体用于:
将符合下述条件的垂直投影值对应的所述车牌图像区域中的像素点,确定为左分割点类型的字符分割点:
proj(i)<proj_th(i)且proj(i+1)≥proj_th(i+1)
将符合下述条件的垂直投影值对应的所述车牌图像区域中的像素点,确定为右分割点类型的字符分割点:
proj(i)≥proj_th(i)且proj(i+1)<proj_th(i+1)
其中,所述proj(i)为第i个垂直投影值,所述proj_th(i)为与第i个垂直投影值对应的第一阈值。
13.根据权利要求12所述的装置,其特征在于,在所述分割点确定单元之后,所述装置还包括候选点确定单元;所述候选点确定单元,用于:
将符合下述条件的垂直投影值对应的所述车牌图像区域中的像素点,确定为所述车牌图像区域的候选分割点:
proj(i)-proj_th(i)<Th
其中,所述Th为预设第二阈值;
按照以下方式,确定每个候选分割点的类型:
计算目标候选分割点与各字符分割点之间的距离值,将最小距离值对应的字符分割点的类型确定为所述目标候选分割点的类型,其中,所述目标候选分割点为所确定的候选分割点中的一个;
所述分割方式获得模块,具体用于:
根据所确定的字符分割点和所述候选分割点,获得所述车牌图像区域对应的备选的字符区域分割方式。
14.根据权利要求8所述的装置,其特征在于,所述分割方式获得模块,包括:
待选区域获得子模块,用于根据所确定的字符分割点,获得待选字符区域;
目标区域确定子模块,用于将宽度处于[w1,w2]范围内的待选字符区域确定为目标字符区域,其中,所述w1为预设第一宽度阈值,所述w2为预设第二宽度阈值,所述w2不小于所述w1;
分割方式获得子单元,用于根据所确定的目标字符区域,获得所述车牌图像区域对应的备选的字符区域分割方式。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611052182.2A CN108108734B (zh) | 2016-11-24 | 2016-11-24 | 一种车牌识别方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611052182.2A CN108108734B (zh) | 2016-11-24 | 2016-11-24 | 一种车牌识别方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108108734A CN108108734A (zh) | 2018-06-01 |
CN108108734B true CN108108734B (zh) | 2021-09-24 |
Family
ID=62204484
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611052182.2A Active CN108108734B (zh) | 2016-11-24 | 2016-11-24 | 一种车牌识别方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108108734B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109034145B (zh) * | 2018-07-06 | 2021-11-09 | 西安电子科技大学 | 基于OpenCV的银行***识别方法 |
CN108960244B (zh) * | 2018-07-10 | 2023-06-20 | 北京智芯原动科技有限公司 | 一种车牌的字符投影分割方法及装置 |
CN110728276B (zh) * | 2018-07-16 | 2022-12-06 | 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 |
CN109063702B (zh) * | 2018-08-08 | 2022-05-17 | 北京旷视科技有限公司 | 车牌识别方法、装置、设备及存储介质 |
CN109977959B (zh) * | 2019-03-29 | 2021-07-06 | 国家电网有限公司 | 一种火车票字符区域分割方法及装置 |
CN110728687B (zh) * | 2019-10-15 | 2022-08-02 | 卓尔智联(武汉)研究院有限公司 | 文件图像分割方法、装置、计算机设备和存储介质 |
CN111696364A (zh) * | 2020-06-22 | 2020-09-22 | 沈志强 | 一种路侧停车管理方法 |
CN112232354A (zh) * | 2020-11-23 | 2021-01-15 | 中国第一汽车股份有限公司 | 一种文字识别方法、装置、设备及存储介质 |
WO2022141073A1 (zh) * | 2020-12-29 | 2022-07-07 | 深圳市锐明技术股份有限公司 | 车牌识别方法、装置及电子设备 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS6037082A (ja) * | 1983-08-05 | 1985-02-26 | Ricoh Co Ltd | 文字切出方式 |
JPS61206088A (ja) * | 1985-03-11 | 1986-09-12 | Mitsubishi Electric Corp | 文字読取装置 |
CN101770576A (zh) * | 2008-12-31 | 2010-07-07 | 北京新岸线网络技术有限公司 | 字符提取方法和装置 |
CN101877050A (zh) * | 2009-11-10 | 2010-11-03 | 青岛海信网络科技股份有限公司 | 一种车牌字符的自动提取方法 |
CN102129560A (zh) * | 2010-01-18 | 2011-07-20 | 富士通株式会社 | 字符识别的方法和设备 |
CN102254157A (zh) * | 2011-07-07 | 2011-11-23 | 北京文通图像识别技术研究中心有限公司 | 一种寻找左右字符的字符切分位置评价方法 |
CN102402686A (zh) * | 2011-12-07 | 2012-04-04 | 北京云星宇交通工程有限公司 | 一种基于连通域分析的车牌字符分割方法 |
CN102693431A (zh) * | 2012-05-31 | 2012-09-26 | 信帧电子技术(北京)有限公司 | 一种白色车牌类型的识别方法及装置 |
CN103207998A (zh) * | 2012-12-24 | 2013-07-17 | 电子科技大学 | 一种基于支持向量机的车牌字符分割方法 |
CN103530600A (zh) * | 2013-06-06 | 2014-01-22 | 东软集团股份有限公司 | 复杂光照下的车牌识别方法及*** |
-
2016
- 2016-11-24 CN CN201611052182.2A patent/CN108108734B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS6037082A (ja) * | 1983-08-05 | 1985-02-26 | Ricoh Co Ltd | 文字切出方式 |
JPS61206088A (ja) * | 1985-03-11 | 1986-09-12 | Mitsubishi Electric Corp | 文字読取装置 |
CN101770576A (zh) * | 2008-12-31 | 2010-07-07 | 北京新岸线网络技术有限公司 | 字符提取方法和装置 |
CN101877050A (zh) * | 2009-11-10 | 2010-11-03 | 青岛海信网络科技股份有限公司 | 一种车牌字符的自动提取方法 |
CN102129560A (zh) * | 2010-01-18 | 2011-07-20 | 富士通株式会社 | 字符识别的方法和设备 |
CN102254157A (zh) * | 2011-07-07 | 2011-11-23 | 北京文通图像识别技术研究中心有限公司 | 一种寻找左右字符的字符切分位置评价方法 |
CN102402686A (zh) * | 2011-12-07 | 2012-04-04 | 北京云星宇交通工程有限公司 | 一种基于连通域分析的车牌字符分割方法 |
CN102693431A (zh) * | 2012-05-31 | 2012-09-26 | 信帧电子技术(北京)有限公司 | 一种白色车牌类型的识别方法及装置 |
CN103207998A (zh) * | 2012-12-24 | 2013-07-17 | 电子科技大学 | 一种基于支持向量机的车牌字符分割方法 |
CN103530600A (zh) * | 2013-06-06 | 2014-01-22 | 东软集团股份有限公司 | 复杂光照下的车牌识别方法及*** |
Non-Patent Citations (2)
Title |
---|
基于机器视觉的手写体区域检测和字符分割的研究;李晨;《中国优秀硕士学位论文全文数据库信息科技辑》;20130715;全文 * |
基于结构特征点的字符分割技术的研究;张爱娟;《中国优秀硕士学位论文全文数据库信息科技辑》;20141115;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN108108734A (zh) | 2018-06-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108108734B (zh) | 一种车牌识别方法及装置 | |
CN110414507B (zh) | 车牌识别方法、装置、计算机设备和存储介质 | |
CN108268867B (zh) | 一种车牌定位方法及装置 | |
CN108073928B (zh) | 一种车牌识别方法及装置 | |
KR101182173B1 (ko) | 차량 번호판 인식 방법 및 시스템 | |
CN108229466B (zh) | 一种车牌识别方法及装置 | |
Khalifa et al. | Malaysian Vehicle License Plate Recognition. | |
CN108197644A (zh) | 一种图像识别方法和装置 | |
CN111461131B (zh) | 身份证号码信息识别方法、装置、设备及存储介质 | |
CN108090484B (zh) | 一种车牌识别方法及装置 | |
CN105303153A (zh) | 一种车辆车牌识别方法及装置 | |
CN114387591A (zh) | 车牌识别方法、***、设备及存储介质 | |
CN111178290A (zh) | 一种签名验证方法和装置 | |
CN112507782A (zh) | 文本图像的识别方法及装置 | |
JP2021135993A (ja) | テキスト認識方法及びテキスト認識装置、電子設備、記憶媒体 | |
CN114049499A (zh) | 用于连续轮廓的目标对象检测方法、设备及存储介质 | |
CN111598076B (zh) | 一种标签图像中日期检测处理方法及装置 | |
CN109741273A (zh) | 一种手机拍照低质图像的自动处理与评分方法 | |
CN108073925B (zh) | 一种车牌识别方法及装置 | |
CN112232336A (zh) | 一种证件识别方法、装置、设备及存储介质 | |
WO2022121021A1 (zh) | 一种身份证号码检测方法、装置、可读存储介质和终端 | |
CN108205670B (zh) | 一种车牌识别方法及装置 | |
CN111199240A (zh) | 银行卡识别模型的训练方法、银行卡识别方法以及装置 | |
CN115410191B (zh) | 文本图像识别方法、装置、设备和存储介质 | |
CN109635798B (zh) | 一种信息提取方法及装置 |
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 |