CN110728278A - 车牌识别方法及装置 - Google Patents
车牌识别方法及装置 Download PDFInfo
- Publication number
- CN110728278A CN110728278A CN201810775778.8A CN201810775778A CN110728278A CN 110728278 A CN110728278 A CN 110728278A CN 201810775778 A CN201810775778 A CN 201810775778A CN 110728278 A CN110728278 A CN 110728278A
- Authority
- CN
- China
- Prior art keywords
- license plate
- region
- characters
- determining
- character
- 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
Images
Classifications
-
- 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
-
- 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
- G06V10/20—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
- 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)
- Computer Vision & Pattern Recognition (AREA)
- Traffic Control Systems (AREA)
- Character Discrimination (AREA)
- Character Input (AREA)
Abstract
本发明公开了一种车牌识别方法及装置,属于智能交通领域。所述方法包括:获取图像的车牌候选区域中各个字符区域的位置、所述各个字符区域包含的字符的类型以及对应的置信度;当根据所述车牌候选区域中各个字符区域的位置,确定所述车牌候选区域中各个字符区域位于同一行时,根据所述车牌候选区域中各个字符区域包含的字符的类型和置信度,确定所述车牌候选区域的识别结果;当所述车牌候选区域的识别结果为非车牌时,过滤所述非车牌。本发明通过根据车牌候选区域中各个字符的类型以及对应的置信度,来识别车牌和非车牌,并过滤非车牌,避免后续对该非车牌进行不必要的车牌字符识别过程,能够有效降低车牌识别的耗时。
Description
技术领域
本发明涉及智能交通领域,尤其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”,是用于区别各个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车牌信息,在治安管理等众多方面发挥着重要作用。
目前,相关技术在进行车牌识别时,一般经过车牌定位、车牌字符分割以及车牌字符识别等多个阶段,来完成车牌识别。其中,车牌定位是指从整个图像中定位出车牌候选区域,车牌字符分割是指从车牌候选区域中分割出一个一个的字符区域,车牌字符识别是指将各个字符区域中的字符识别出来,最终得到车牌识别结果。
在实现本发明的过程中,发明人发现相关技术至少存在以下问题:
在进行车牌字符分割后,直接对车牌候选区域中的所有字符区域进行字符识别,车牌识别的耗时较长。
发明内容
本发明实施例提供了一种车牌识别方法及装置,可以解决相关技术耗时较长的问题。所述技术方案如下:
第一方面,提供了一种车牌识别方法,所述方法包括:
获取图像的车牌候选区域中各个字符区域的位置、所述各个字符区域包含的字符的类型以及对应的置信度,每个字符区域包含一个字符;
当根据所述车牌候选区域中各个字符区域的位置,确定所述车牌候选区域中各个字符区域位于同一行时,根据所述车牌候选区域中各个字符区域包含的字符的类型和置信度,确定所述车牌候选区域的识别结果,所述识别结果包括车牌或非车牌;
当所述车牌候选区域的识别结果为非车牌时,过滤所述非车牌。
在一种可能实现方式中,所述根据所述车牌候选区域中各个字符区域包含的字符的类型和置信度,确定所述车牌候选区域的识别结果,包括:
根据所述车牌候选区域中各个字符区域包含的字符的类型和置信度,统计所述车牌候选区域中有效字符的数目和置信度总和,所述有效字符包括字母和数字;
根据所述有效字符的数目和置信度总和,确定所述车牌候选区域的识别结果。
在一种可能实现方式中,所述根据所述有效字符的数目和置信度总和,确定所述车牌候选区域的识别结果,包括:
当所述有效字符的数目小于第一阈值时,确定所述车牌候选区域为非车牌;
当所述有效字符的数目大于或等于所述第一阈值时,根据所述有效字符的平均置信度,确定所述车牌候选区域的识别结果,所述平均置信度根据所述有效字符的数目以及所述有效字符的置信度总和获取。
在一种可能实现方式中,所述根据所述有效字符的平均置信度,确定所述车牌候选区域的识别结果,包括:
当所述平均置信度小于第二阈值时,确定所述车牌候选区域为非车牌;
当所述平均置信度大于或等于所述第二阈值时,确定所述车牌候选区域为车牌。
在一种可能实现方式中,所述方法还包括:
当根据所述车牌候选区域中各个字符区域的位置,确定所述车牌候选区域中各个字符区域不位于同一行时,确定所述车牌候选区域的第一区域和第二区域,所述第一区域中字符的数目大于所述第二区域中字符的数目;
根据所述第一区域中各个字符区域包含的字符的类型和置信度,确定所述第一区域的识别结果;
根据所述第二区域中各个字符区域包含的字符的类型和置信度,确定所述第二区域的识别结果;
当所述第一区域和所述第二区域中任一区域的识别结果为非车牌时,过滤所述非车牌。
在一种可能实现方式中,所述根据所述第二区域中各个字符区域包含的字符的类型和置信度,确定所述第二区域的识别结果,包括:
根据所述第二区域中各个字符区域包含的字符的类型和置信度,统计所述第二区域中置信度大于第三阈值的无效字符的数目,所述无效字符不是字母且不是数字;
根据所述置信度大于第三阈值的无效字符的数目,确定所述第二区域的识别结果。
在一种可能实现方式中,所述根据所述置信度大于第三阈值的无效字符的数目,确定所述第二区域的识别结果,包括:
当所述置信度大于第三阈值的无效字符的数目等于所述第二区域中字符的数目时,确定所述第二区域为非车牌;
当所述置信度大于第三阈值的无效字符的数目小于所述第二区域中字符的数目时,确定所述第二区域为车牌。
第二方面,提供了一种车牌识别装置,所述装置包括:
获取模块,用于获取图像的车牌候选区域中各个字符区域的位置、所述各个字符区域包含的字符的类型以及对应的置信度,每个字符区域包含一个字符;
确定模块,用于当根据所述车牌候选区域中各个字符区域的位置,确定所述车牌候选区域中各个字符区域位于同一行时,根据所述车牌候选区域中各个字符区域包含的字符的类型和置信度,确定所述车牌候选区域的识别结果,所述识别结果包括车牌或非车牌;
过滤模块,用于当所述车牌候选区域的识别结果为非车牌时,过滤所述非车牌。
在一种可能实现方式中,所述确定模块用于:
根据所述车牌候选区域中各个字符区域包含的字符的类型和置信度,统计所述车牌候选区域中有效字符的数目和置信度总和,所述有效字符包括字母和数字;
根据所述有效字符的数目和置信度总和,确定所述车牌候选区域的识别结果。
在一种可能实现方式中,所述确定模块用于:
当所述有效字符的数目小于第一阈值时,确定所述车牌候选区域为非车牌;
当所述有效字符的数目大于或等于所述第一阈值时,根据所述有效字符的平均置信度,确定所述车牌候选区域的识别结果,所述平均置信度根据所述有效字符的数目以及所述有效字符的置信度总和获取。
在一种可能实现方式中,所述确定模块用于:
当所述平均置信度小于第二阈值时,确定所述车牌候选区域为非车牌;
当所述平均置信度大于或等于所述第二阈值时,确定所述车牌候选区域为车牌。
在一种可能实现方式中,所述确定模块还用于当根据所述车牌候选区域中各个字符区域的位置,确定所述车牌候选区域中各个字符区域不位于同一行时,确定所述车牌候选区域的第一区域和第二区域,所述第一区域中字符的数目大于所述第二区域中字符的数目;
所述确定模块还用于根据所述第一区域中各个字符区域包含的字符的类型和置信度,确定所述第一区域的识别结果;
所述确定模块还用于根据所述第二区域中各个字符区域包含的字符的类型和置信度,确定所述第二区域的识别结果;
所述过滤模块还用于当所述第一区域和所述第二区域中任一区域的识别结果为非车牌时,过滤所述非车牌。
在一种可能实现方式中,所述确定模块用于:
根据所述第二区域中各个字符区域包含的字符的类型和置信度,统计所述第二区域中置信度大于第三阈值的无效字符的数目,所述无效字符不是字母且不是数字;
根据所述置信度大于第三阈值的无效字符的数目,确定所述第二区域的识别结果。
在一种可能实现方式中,所述确定模块用于:
当所述置信度大于第三阈值的无效字符的数目等于所述第二区域中字符的数目时,确定所述第二区域为非车牌;
当所述置信度大于第三阈值的无效字符的数目小于所述第二区域中字符的数目时,确定所述第二区域为车牌。
第三方面,提供了一种计算机设备,包括处理器和存储器;所述存储器,用于存放至少一条指令;所述处理器,用于执行所述存储器上所存放的至少一条指令,实现第一方面任一种实现方式所述的方法步骤。
第四方面,提供了一种计算机可读存储介质,所述计算机可读存储介质内存储有至少一条指令,所述至少一条指令被处理器执行时实现第一方面任一种实现方式所述的方法步骤。
本发明实施例提供的技术方案带来的有益效果至少包括:
通过根据车牌候选区域中各个字符的类型以及对应的置信度,来识别车牌和非车牌,并过滤非车牌,避免后续对该非车牌进行不必要的车牌字符识别过程,能够有效降低车牌识别的耗时。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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是本发明实施例提供的一种车牌识别方法的流程图;
图2是本发明实施例提供的一种车牌识别方法的流程图;
图3是本发明实施例提供的一种单层车牌和双层车牌的示意图;
图4是本发明实施例提供的一种车牌识别过程的示意图;
图5是本发明实施例提供的一种车牌识别过程的示意图;
图6是本发明实施例提供的一种车牌识别装置的结构示意图;
图7是本发明实施例提供的一种计算机设备700的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明实施方式作进一步地详细描述。
图1是本发明实施例提供的一种车牌识别方法的流程图。参见图1,该方法包括:
101、获取图像的车牌候选区域中各个字符区域的位置、该各个字符区域包含的字符的类型以及对应的置信度,每个字符区域包含一个字符;
102、当根据该车牌候选区域中各个字符区域的位置,确定该车牌候选区域中各个字符区域位于同一行时,根据该车牌候选区域中各个字符区域包含的字符的类型和置信度,确定该车牌候选区域的识别结果,该识别结果包括车牌或非车牌。
103、当该车牌候选区域的识别结果为非车牌时,过滤该非车牌。
本发明实施例提供的方法,通过根据车牌候选区域中各个字符的类型以及对应的置信度,来识别车牌和非车牌,并过滤非车牌,避免后续对该非车牌进行不必要的车牌字符识别过程,能够有效降低车牌识别的耗时。
在一种可能实现方式中,该根据该车牌候选区域中各个字符区域包含的字符的类型和置信度,确定该车牌候选区域的识别结果,包括:
根据该车牌候选区域中各个字符区域包含的字符的类型和置信度,统计该车牌候选区域中有效字符的数目和置信度总和,该有效字符包括字母和数字;
根据该有效字符的数目和置信度总和,确定该车牌候选区域的识别结果。
在一种可能实现方式中,该根据该有效字符的数目和置信度总和,确定该车牌候选区域的识别结果,包括:
当该有效字符的数目小于第一阈值时,确定该车牌候选区域为非车牌;
当该有效字符的数目大于或等于该第一阈值时,根据该有效字符的平均置信度,确定该车牌候选区域的识别结果,该平均置信度根据该有效字符的数目以及该有效字符的置信度总和获取。
在一种可能实现方式中,该根据该有效字符的平均置信度,确定该车牌候选区域的识别结果,包括:
当该平均置信度小于第二阈值时,确定该车牌候选区域为非车牌;
当该平均置信度大于或等于该第二阈值时,确定该车牌候选区域为车牌。
在一种可能实现方式中,该方法还包括:
当根据该车牌候选区域中各个字符区域的位置,确定该车牌候选区域中各个字符区域不位于同一行时,确定该车牌候选区域的第一区域和第二区域,该第一区域中字符的数目大于该第二区域中字符的数目;
根据该第一区域中各个字符区域包含的字符的类型和置信度,确定该第一区域的识别结果;
根据该第二区域中各个字符区域包含的字符的类型和置信度,确定该第二区域的识别结果;
当该第一区域和该第二区域中任一区域的识别结果为非车牌时,过滤该非车牌。
在一种可能实现方式中,该根据该第二区域中各个字符区域包含的字符的类型和置信度,确定该第二区域的识别结果,包括:
根据该第二区域中各个字符区域包含的字符的类型和置信度,统计该第二区域中置信度大于第三阈值的无效字符的数目,该无效字符不是字母且不是数字;
根据该置信度大于第三阈值的无效字符的数目,确定该第二区域的识别结果。
在一种可能实现方式中,该根据该置信度大于第三阈值的无效字符的数目,确定该第二区域的识别结果,包括:
当该置信度大于第三阈值的无效字符的数目等于该第二区域中字符的数目时,确定该第二区域为非车牌;
当该置信度大于第三阈值的无效字符的数目小于该第二区域中字符的数目时,确定该第二区域为车牌。
上述所有可选技术方案,可以采用任意结合形成本发明的可选实施例,在此不再一一赘述。
图2是本发明实施例提供的一种车牌识别方法的流程图。该方法由计算机设备执行,参见图2,该方法包括:
201、获取图像的车牌候选区域中各个字符区域的位置、该各个字符区域包含的字符的类型以及对应的置信度,每个字符区域包含一个字符。
本发明实施例中,计算机设备可以对包含车牌的图像进行车牌定位,确定该图像中的车牌候选区域,该车牌候选区域是指图像中可能是车牌的区域。进一步地,计算机设备可以对车牌候选区域进行车牌字符分割,得到车牌候选区域中的各个字符区域以及各个字符区域的位置、每个字符区域包含的字符的类型以及对应的置信度。
其中,在车牌定位阶段,计算机设备可以将车牌候选区域定位在图像中字符数目较多的区域。在车牌字符分割阶段,计算机设备可以获取车牌候选区域中字符的上下左右边界,得到各个字符区域,进一步地,计算机设备还可以通过分类器(如神经网络等相关技术)进一步确定各个字符的类型以及对应置信度,字符的类型可以包括非字符(不是真实字符,既不是字母,也不是数字)、数字和字母。字符的置信度区间可以为0~1000,置信度越大,代表类型的可信度越高。
其中,该包含车牌的图像可以是计算机设备本地存储的图像,也可以由前端设备对道路上的车辆进行图像采集,并将采集到的车辆图像发送给该计算机设备,本发明实施例对计算机设备获取该图像的方式不做限定。
其中,该车牌可能是单层车牌,也可能是双层车牌。参见图3,提供了一种单层车牌和双层车牌的示意图,图3中的左图是单层车牌,这类车牌中的所有字符位于同一行,图3中的右图是双层车牌,这类车牌中的所有字符分布在上下两行。
相应地,通过对包含该车牌的图像进行车牌定位和车牌字符分割,得到的车牌候选区域中各个字符区域可能位于同一行,也可能分布在上下两行。针对第一种情况,计算机设备可以执行后续步骤202,来获取识别结果;针对第二种情况,计算机设备可以执行后续步骤202至步骤205来获取识别结果。
202、当根据该车牌候选区域中各个字符区域的位置,确定该车牌候选区域中各个字符区域位于同一行时,根据该车牌候选区域中各个字符区域包含的字符的类型和置信度,确定该车牌候选区域的识别结果,该识别结果包括车牌或非车牌。
在一种可能实现方式中,计算机设备确定该车牌候选区域的识别结果的过程包括下述步骤a和b:
步骤a、根据该车牌候选区域中各个字符区域包含的字符的类型和置信度,统计该车牌候选区域中有效字符的数目和置信度总和,该有效字符包括字母和数字。
计算机设备可以遍历每个字符区域,每当遍历到一个字符区域,如果该字符区域包含的字符为字母或数字时,计算机设备可以将有效字符的数目加1,直至遍历完所有的字符区域,得到车牌候选区域中全部有效字符的数目,记为valid_num。另外,计算机设备还可以将这些有效字符的置信度求和,得到置信度总和,记为total_char_belief。
步骤b、根据该有效字符的数目和置信度总和,确定该车牌候选区域的识别结果。
参见图4,提供了一种车牌识别过程的示意图,如图4所示,计算机设备统计有效字符的数目和置信度总和之后,可以将有效字符的数目与第一阈值比较,当该有效字符的数目小于第一阈值(有效字符的数目过少)时,确定该车牌候选区域为非车牌;当该有效字符的数目大于或等于该第一阈值时,根据该有效字符的平均置信度,确定该车牌候选区域的识别结果。其中,该平均置信度根据该有效字符的数目以及该有效字符的置信度总和获取,例如,该平均置信度可以用有效字符的置信度总和除以有效字符的数目得到,如平均置信度记为ave_valid_belief,则ave_valid_belief=total_char_belief/valid_num。当该平均置信度小于第二阈值(平均置信度过低)时,确定该车牌候选区域为非车牌;当该平均置信度大于或等于该第二阈值时,确定该车牌候选区域为车牌。
当有效字符的数目小于第一阈值时,表明车牌候选区域中字母或数字太少,而真实的车牌一般是由字母和数字组成,因此,计算机设备可以确定该车牌候选区域并不是真实的车牌。当有效字符的数目大于第一阈值时,表明车牌候选区域中字母或数字较多,为了避免这个结果可能是误判导致的,因此,计算机设备可以进一步通过这些字母或数字的平均置信度来进行判定,如果平均置信度小于第二阈值,表明这些字母或数字的很可能是误判,因此,计算机设备可以确定该车牌候选区域并不是真实的车牌;如果平均置信度大于或等于该第二阈值,表明这些字母或数字很可能是真实结果,因此,计算机设备可以确定该车牌候选区域是真实的车牌。
203、当该车牌候选区域的识别结果为非车牌时,过滤该非车牌,结束。
本发明实施例中,如果计算机设备通过上述步骤202确定该车牌候选区域为非车牌时,计算机设备可以认为该车牌候选区域并不是真实的车牌,从而可以过滤掉该非车牌,避免该非车牌进入后续车牌字符识别阶段而造成不必要的车牌字符识别。
204、当根据该车牌候选区域中各个字符区域的位置,确定该车牌候选区域中各个字符区域不位于同一行时,确定该车牌候选区域的第一区域和第二区域,该第一区域中字符的数目大于该第二区域中字符的数目。
本发明实施例中,如果各个字符区域分布在车牌候选区域的上、下两层区域,计算机设备可以根据各个字符区域的位置,将分布有大多数字符区域的那一层作为第一区域,将另一层作为第二区域。这样,第一区域可能是车牌候选区域的上层区域,也可能是车牌候选区域的下层区域。如果大多数字符区域分布在上层区域,则计算机设备可以将车牌候选区域的上层区域作为第一区域,如果大多数字符区域分布在下层区域,则计算机设备可以将车牌候选区域的下层区域作为第一区域。
205、根据第一区域中各个字符区域包含的字符的类型和置信度,确定该第一区域的识别结果。
其中,第一区域的字符数目较多,在一种可能实现方式中,计算机设备可以采用与步骤202中确定识别结果的相同方式,来确定该第一区域的识别结果。例如,根据第一区域中各个字符区域包含的字符的类型和置信度,统计该第一区域中有效字符的数目和置信度总和;根据该有效字符的数目和置信度总和,确定该车牌候选区域的识别结果。具体过程在步骤202中已有详细说明,此处不再赘述。
206、根据第二区域中各个字符区域包含的字符的类型和置信度,确定该第二区域的识别结果。
由于第二区域的字符数目较少,为了防止该第二区域被误认为是非车牌,需要执行该步骤206来确定该第二区域是车牌还是非车牌。在一种可能实现方式中,计算机设备确定该第二区域的识别结果的过程包括下述步骤a和b:
步骤a、根据该第二区域中各个字符区域包含的字符的类型和置信度,统计该第二区域中置信度大于第三阈值的无效字符的数目,该无效字符不是字母且不是数字。
计算机设备可以遍历每个字符区域,每当遍历到一个字符区域,如果该字符区域包含的字符既不是字母,也不是数字,且该字符区域包含的字符的置信度大于第三阈值,则计算机设备可以将无效字符的数目加1,直至遍历完所有的字符区域,得到第二区域中置信度大于第三阈值的全部无效字符的数目,记为invalid_num。
步骤b、根据该置信度大于第三阈值的无效字符的数目,确定该第二区域的识别结果。
参见图5,提供了一种车牌识别过程的示意图,如图5所示,计算机设备统计置信度大于第三阈值的无效字符的数目(统计高置信度的无效字符的数目)之后,可以将其与第三阈值比较,当该置信度大于第三阈值的无效字符的数目等于该第二区域中字符的数目时,确定该第二区域为非车牌;当该置信度大于第一阈值的无效字符的数目小于该第二区域中字符的数目时,确定该第二区域为车牌。
当无效字符的置信度大于第三阈值时,表明该无效字符很有可能是真实结果,也即是,该无效字符确实既不是字母,也不是数字,而当置信度大于第三阈值的无效字符的数目等于第二区域中字符的数目时,表明该第二区域中的字符全部是无效字符,而真实的车牌一般是由字母和数字组成,因此,计算机设备可以确定该第二区域并不是真实的车牌;当置信度大于第三阈值的无效字符的数目小于第二区域中字符的数目时,表明该第二区域中的字符并不全部是无效字符,则计算机设备可以确定该第二区域是真实的车牌。
207、当第一区域和第二区域中任一区域的识别结果为非车牌时,过滤该非车牌。
本发明实施例中,计算机设备通过上述步骤204和步骤205确定车牌候选区域中第一区域和第二区域的识别结果后,可以对车牌候选区域中的非车牌进行过滤,避免后续对该非车牌进行不必要的车牌字符识别。
本发明实施例提供的上述车牌识别方法可以应用于车牌字符分割阶段之后,通过在车牌定位和车牌字符分割阶段之后,基于车牌字符分割阶段得到的字符类型以及对应的置信度,判断车牌候选区域中是否包含非车牌,进而决定是否需要对车牌候选区域进行非车牌的过滤,如果是非车牌,则对非车牌进行过滤。上述方法充分使用字符置信度来过滤非车牌,能够有效过滤干扰,通过过滤非车牌,可以避免后续车牌字符识别阶段对该非车牌进行不必要的车牌字符识别,能够有效降低车牌识别的耗时。该方法具有通用性,能够用于各个国家和地区具有不同车牌结构的车牌识别过程。
本发明实施例提供的方法,通过根据车牌候选区域中各个字符的类型以及对应的置信度,来识别车牌和非车牌,并过滤非车牌,避免后续对该非车牌进行不必要的车牌字符识别过程,能够有效降低车牌识别的耗时。
图6是本发明实施例提供的一种车牌识别装置的结构示意图。参照图6,该装置包括:
获取模块601,用于获取图像的车牌候选区域中各个字符区域的位置、该各个字符区域包含的字符的类型以及对应的置信度,每个字符区域包含一个字符;
确定模块602,用于当根据该车牌候选区域中各个字符区域的位置,确定该车牌候选区域中各个字符区域位于同一行时,根据该车牌候选区域中各个字符区域包含的字符的类型和置信度,确定该车牌候选区域的识别结果,该识别结果包括车牌或非车牌;
过滤模块603,用于当该车牌候选区域的识别结果为非车牌时,过滤该非车牌。
在一种可能实现方式中,该确定模块602用于:
根据该车牌候选区域中各个字符区域包含的字符的类型和置信度,统计该车牌候选区域中有效字符的数目和置信度总和,该有效字符包括字母和数字;
根据该有效字符的数目和置信度总和,确定该车牌候选区域的识别结果。
在一种可能实现方式中,该确定模块602用于:
当该有效字符的数目小于第一阈值时,确定该车牌候选区域为非车牌;
当该有效字符的数目大于或等于该第一阈值时,根据该有效字符的平均置信度,确定该车牌候选区域的识别结果,该平均置信度根据该有效字符的数目以及该有效字符的置信度总和获取。
在一种可能实现方式中,该确定模块602用于:
当该平均置信度小于第二阈值时,确定该车牌候选区域为非车牌;
当该平均置信度大于或等于该第二阈值时,确定该车牌候选区域为车牌。
在一种可能实现方式中,该确定模块602还用于当根据该车牌候选区域中各个字符区域的位置,确定该车牌候选区域中各个字符区域不位于同一行时,确定该车牌候选区域的第一区域和第二区域,该第一区域中字符的数目大于该第二区域中字符的数目;
该确定模块602还用于根据该第一区域中各个字符区域包含的字符的类型和置信度,确定该第一区域的识别结果;
该确定模块602还用于根据该第二区域中各个字符区域包含的字符的类型和置信度,确定该第二区域的识别结果;
该过滤模块603还用于当该第一区域和该第二区域中任一区域的识别结果为非车牌时,过滤该非车牌。
在一种可能实现方式中,该确定模块602用于:
根据该第二区域中各个字符区域包含的字符的类型和置信度,统计该第二区域中置信度大于第三阈值的无效字符的数目,该无效字符不是字母且不是数字;
根据该置信度大于第三阈值的无效字符的数目,确定该第二区域的识别结果。
在一种可能实现方式中,该确定模块602用于:
当该置信度大于第三阈值的无效字符的数目等于该第二区域中字符的数目时,确定该第二区域为非车牌;
当该置信度大于第三阈值的无效字符的数目小于该第二区域中字符的数目时,确定该第二区域为车牌。
本发明实施例提供的装置,通过根据车牌候选区域中各个字符的类型以及对应的置信度,来识别车牌和非车牌,并过滤非车牌,避免后续对该非车牌进行不必要的车牌字符识别过程,能够有效降低车牌识别的耗时。
需要说明的是:上述实施例提供的车牌识别装置在车牌识别时,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将设备的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。另外,上述实施例提供的车牌识别装置与车牌识别方法实施例属于同一构思,其具体实现过程详见方法实施例,这里不再赘述。
图7是本发明实施例提供的一种计算机设备700的结构示意图,该计算机设备700可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上处理器(CentralProcessing Units,CPU)701和一个或一个以上的存储器702,其中,所述存储器702中存储有至少一条指令,所述至少一条指令由所述处理器701加载并执行以实现上述各个方法实施例提供的方法。当然,该计算机设备700还可以具有有线或无线网络接口、键盘以及输入输出接口等部件,以便进行输入输出,该计算机设备700还可以包括其他用于实现设备功能的部件,在此不做赘述。
在示例性实施例中,还提供了一种存储有至少一条指令的计算机可读存储介质,例如存储有至少一条指令的存储器,上述至少一条指令被处理器执行时实现上述实施例中的车牌识别方法。例如,所述计算机可读存储介质可以是只读内存(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、只读光盘(Compact Disc Read-OnlyMemory,CD-ROM)、磁带、软盘和光数据存储设备等。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,上述程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
上述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (16)
1.一种车牌识别方法,其特征在于,所述方法包括:
获取图像的车牌候选区域中各个字符区域的位置、所述各个字符区域包含的字符的类型以及对应的置信度,每个字符区域包含一个字符;
当根据所述车牌候选区域中各个字符区域的位置,确定所述车牌候选区域中各个字符区域位于同一行时,根据所述车牌候选区域中各个字符区域包含的字符的类型和置信度,确定所述车牌候选区域的识别结果,所述识别结果包括车牌或非车牌;
当所述车牌候选区域的识别结果为非车牌时,过滤所述非车牌。
2.根据权利要求1所述的方法,其特征在于,所述根据所述车牌候选区域中各个字符区域包含的字符的类型和置信度,确定所述车牌候选区域的识别结果,包括:
根据所述车牌候选区域中各个字符区域包含的字符的类型和置信度,统计所述车牌候选区域中有效字符的数目和置信度总和,所述有效字符包括字母和数字;
根据所述有效字符的数目和置信度总和,确定所述车牌候选区域的识别结果。
3.根据权利要求2所述的方法,其特征在于,所述根据所述有效字符的数目和置信度总和,确定所述车牌候选区域的识别结果,包括:
当所述有效字符的数目小于第一阈值时,确定所述车牌候选区域为非车牌;
当所述有效字符的数目大于或等于所述第一阈值时,根据所述有效字符的平均置信度,确定所述车牌候选区域的识别结果,所述平均置信度根据所述有效字符的数目以及所述有效字符的置信度总和获取。
4.根据权利要求3所述的方法,其特征在于,所述根据所述有效字符的平均置信度,确定所述车牌候选区域的识别结果,包括:
当所述平均置信度小于第二阈值时,确定所述车牌候选区域为非车牌;
当所述平均置信度大于或等于所述第二阈值时,确定所述车牌候选区域为车牌。
5.根据权利要求1所述的方法,其特征在于,所述方法还包括:
当根据所述车牌候选区域中各个字符区域的位置,确定所述车牌候选区域中各个字符区域不位于同一行时,确定所述车牌候选区域的第一区域和第二区域,所述第一区域中字符的数目大于所述第二区域中字符的数目;
根据所述第一区域中各个字符区域包含的字符的类型和置信度,确定所述第一区域的识别结果;
根据所述第二区域中各个字符区域包含的字符的类型和置信度,确定所述第二区域的识别结果;
当所述第一区域和所述第二区域中任一区域的识别结果为非车牌时,过滤所述非车牌。
6.根据权利要求5所述的方法,其特征在于,所述根据所述第二区域中各个字符区域包含的字符的类型和置信度,确定所述第二区域的识别结果,包括:
根据所述第二区域中各个字符区域包含的字符的类型和置信度,统计所述第二区域中置信度大于第三阈值的无效字符的数目,所述无效字符不是字母且不是数字;
根据所述置信度大于第三阈值的无效字符的数目,确定所述第二区域的识别结果。
7.根据权利要求6所述的方法,其特征在于,所述根据所述置信度大于第三阈值的无效字符的数目,确定所述第二区域的识别结果,包括:
当所述置信度大于第三阈值的无效字符的数目等于所述第二区域中字符的数目时,确定所述第二区域为非车牌;
当所述置信度大于第三阈值的无效字符的数目小于所述第二区域中字符的数目时,确定所述第二区域为车牌。
8.一种车牌识别装置,其特征在于,所述装置包括:
获取模块,用于获取图像的车牌候选区域中各个字符区域的位置、所述各个字符区域包含的字符的类型以及对应的置信度,每个字符区域包含一个字符;
确定模块,用于当根据所述车牌候选区域中各个字符区域的位置,确定所述车牌候选区域中各个字符区域位于同一行时,根据所述车牌候选区域中各个字符区域包含的字符的类型和置信度,确定所述车牌候选区域的识别结果,所述识别结果包括车牌或非车牌;
过滤模块,用于当所述车牌候选区域的识别结果为非车牌时,过滤所述非车牌。
9.根据权利要求8所述的装置,其特征在于,所述确定模块用于:
根据所述车牌候选区域中各个字符区域包含的字符的类型和置信度,统计所述车牌候选区域中有效字符的数目和置信度总和,所述有效字符包括字母和数字;
根据所述有效字符的数目和置信度总和,确定所述车牌候选区域的识别结果。
10.根据权利要求9所述的装置,其特征在于,所述确定模块用于:
当所述有效字符的数目小于第一阈值时,确定所述车牌候选区域为非车牌;
当所述有效字符的数目大于或等于所述第一阈值时,根据所述有效字符的平均置信度,确定所述车牌候选区域的识别结果,所述平均置信度根据所述有效字符的数目以及所述有效字符的置信度总和获取。
11.根据权利要求10所述的装置,其特征在于,所述确定模块用于:
当所述平均置信度小于第二阈值时,确定所述车牌候选区域为非车牌;
当所述平均置信度大于或等于所述第二阈值时,确定所述车牌候选区域为车牌。
12.根据权利要求8所述的装置,其特征在于,
所述确定模块还用于当根据所述车牌候选区域中各个字符区域的位置,确定所述车牌候选区域中各个字符区域不位于同一行时,确定所述车牌候选区域的第一区域和第二区域,所述第一区域中字符的数目大于所述第二区域中字符的数目;
所述确定模块还用于根据所述第一区域中各个字符区域包含的字符的类型和置信度,确定所述第一区域的识别结果;
所述确定模块还用于根据所述第二区域中各个字符区域包含的字符的类型和置信度,确定所述第二区域的识别结果;
所述过滤模块还用于当所述第一区域和所述第二区域中任一区域的识别结果为非车牌时,过滤所述非车牌。
13.根据权利要求12所述的装置,其特征在于,所述确定模块用于:
根据所述第二区域中各个字符区域包含的字符的类型和置信度,统计所述第二区域中置信度大于第三阈值的无效字符的数目,所述无效字符不是字母且不是数字;
根据所述置信度大于第三阈值的无效字符的数目,确定所述第二区域的识别结果。
14.根据权利要求13所述的装置,其特征在于,所述确定模块用于:
当所述置信度大于第三阈值的无效字符的数目等于所述第二区域中字符的数目时,确定所述第二区域为非车牌;
当所述置信度大于第三阈值的无效字符的数目小于所述第二区域中字符的数目时,确定所述第二区域为车牌。
15.一种计算机设备,其特征在于,包括处理器和存储器;所述存储器,用于存放至少一条指令;所述处理器,用于执行所述存储器上所存放的至少一条指令,实现权利要求1-7任一项所述的方法步骤。
16.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质内存储有至少一条指令,所述至少一条指令被处理器执行时实现权利要求1-7任一项所述的方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810775778.8A CN110728278A (zh) | 2018-07-16 | 2018-07-16 | 车牌识别方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810775778.8A CN110728278A (zh) | 2018-07-16 | 2018-07-16 | 车牌识别方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110728278A true CN110728278A (zh) | 2020-01-24 |
Family
ID=69216863
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810775778.8A Pending CN110728278A (zh) | 2018-07-16 | 2018-07-16 | 车牌识别方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110728278A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1085456A2 (en) * | 1999-09-15 | 2001-03-21 | Siemens Corporate Research, Inc. | Character segmentation method for vehicle license plate recognition |
CN101303803A (zh) * | 2008-06-11 | 2008-11-12 | 北京中星微电子有限公司 | 一种车牌识别的方法和*** |
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*** |
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*** |
CN107301385A (zh) * | 2017-06-09 | 2017-10-27 | 浙江宇视科技有限公司 | 一种遮挡车牌识别方法及装置 |
CN108073928A (zh) * | 2016-11-16 | 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 |
CN108073926A (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 |
-
2018
- 2018-07-16 CN CN201810775778.8A patent/CN110728278A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1085456A2 (en) * | 1999-09-15 | 2001-03-21 | Siemens Corporate Research, Inc. | Character segmentation method for vehicle license plate recognition |
CN101303803A (zh) * | 2008-06-11 | 2008-11-12 | 北京中星微电子有限公司 | 一种车牌识别的方法和*** |
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*** |
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*** |
CN108073928A (zh) * | 2016-11-16 | 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 |
CN108073926A (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 |
CN107301385A (zh) * | 2017-06-09 | 2017-10-27 | 浙江宇视科技有限公司 | 一种遮挡车牌识别方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111382704B (zh) | 基于深度学习的车辆压线违章判断方法、装置及存储介质 | |
Rasheed et al. | Automated number plate recognition using hough lines and template matching | |
CN108268867B (zh) | 一种车牌定位方法及装置 | |
WO2017125063A1 (zh) | 违规车辆处理方法及装置 | |
CN109657664B (zh) | 一种车牌类型的识别方法、装置及电子设备 | |
CN108229466B (zh) | 一种车牌识别方法及装置 | |
CN111369801B (zh) | 车辆识别方法、装置、设备和存储介质 | |
US11978340B2 (en) | Systems and methods for identifying vehicles using wireless device identifiers | |
CN107704797B (zh) | 基于安防视频中行人和车辆的实时检测方法和***及设备 | |
CN108073925B (zh) | 一种车牌识别方法及装置 | |
CN114387591A (zh) | 车牌识别方法、***、设备及存储介质 | |
CN108090484B (zh) | 一种车牌识别方法及装置 | |
CN110826415A (zh) | 一种场景图像中车辆的重识别方法及设备 | |
CN112115800A (zh) | 一种基于深度学习目标检测的车辆组合识别***及方法 | |
CN112446375A (zh) | 车牌识别方法、装置、设备及存储介质 | |
CN113450578B (zh) | 交通违章事件取证方法、装置、设备及*** | |
CN111369790B (zh) | 过车记录校正方法、装置、设备及存储介质 | |
CN110728278A (zh) | 车牌识别方法及装置 | |
CN114724128B (zh) | 一种车牌识别方法、装置、设备和介质 | |
CN111368868A (zh) | 确定车辆套牌的方法、装置及设备 | |
CN113657378B (zh) | 车辆跟踪方法、车辆跟踪***和计算设备 | |
CN110728276A (zh) | 一种车牌识别方法及装置 | |
CN114005186A (zh) | 一种车牌识别方法、装置及停车管理*** | |
CN113283303A (zh) | 一种车牌识别方法及装置 | |
KR20220169373A (ko) | 타겟 검출 방법들, 장치들, 전자 디바이스들 및 컴퓨터 판독가능한 저장 매체 |
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: 20200124 |
|
RJ01 | Rejection of invention patent application after publication |