CN111027535A - 一种车牌识别方法及相关设备 - Google Patents
一种车牌识别方法及相关设备 Download PDFInfo
- Publication number
- CN111027535A CN111027535A CN201811176556.0A CN201811176556A CN111027535A CN 111027535 A CN111027535 A CN 111027535A CN 201811176556 A CN201811176556 A CN 201811176556A CN 111027535 A CN111027535 A CN 111027535A
- Authority
- CN
- China
- Prior art keywords
- license plate
- target
- image
- preset
- recognition 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000001914 filtration Methods 0.000 claims description 29
- 238000004590 computer program Methods 0.000 claims description 18
- 238000006243 chemical reaction Methods 0.000 claims description 17
- 238000004422 calculation algorithm Methods 0.000 claims description 15
- 230000011218 segmentation Effects 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 11
- 230000008569 process Effects 0.000 description 11
- 230000006870 function Effects 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 6
- 238000005286 illumination Methods 0.000 description 4
- 239000010410 layer Substances 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000003708 edge detection Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 239000002356 single layer Substances 0.000 description 2
- 241000526657 Microchloa Species 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
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
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- 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
- 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)
- Character Input (AREA)
- Image Analysis (AREA)
Abstract
本申请实施例公开了一种车牌识别方法及相关设备,用于提高车牌识别率、适应性以及使车牌识别应用更加广泛。该方法包括:根据预设二值化阈值以及预设尺寸阈值对确定的目标边缘图进行处理,以确定目标边缘二值图;根据目标边缘二值图确定目标区域;对目标灰度图中目标区域的图像进行二值化处理,以确定目标图像;当目标图像中车牌的倾斜角度未达到第一预设阈值时,将目标图像中的车牌字符分割成多个独立的字符像素块输入预设的车牌字符识别引擎,以确定目标车牌的车牌字符的预选识别结果;当预选识别结果中车牌字符的可信度未达到第二预设阈值时,通过预设易混淆字符识别引擎对预选识别结果进行处理,以确定目标车牌的车牌字符的目标识别结果。
Description
技术领域
本申请涉及通信领域,尤其涉及一种车牌识别方法及相关设备。
背景技术
车牌识别***(Vehicle License Plate Recognition,VLPR)是计算机视频图像识别技术在车辆牌照识别中的一种应用。车牌识别在高速公路车辆管理中得到广泛应用,电子收费(ETC)***中,也是结合专用短程通信技术(Dedicated Short RangeCommunications,DSRC)识别车辆身份的主要手段。
车牌识别技术要求能够将运动中的汽车牌照从复杂背景中提取并识别出来,通过车牌提取、图像预处理、特征提取、车牌字符识别等技术,识别车辆牌号、颜色等信息。
在停车场管理中,车牌识别技术也是识别车辆身份的主要手段,然而对在实际使用场景的分析,车牌存在很多逆光、光照不均等情况,如夜间/昏暗环境下的汽车大灯照射,及在强烈光线作用下的反光都会导致识别受到影响。
发明内容
本申请实施例提供了一种车牌识别方法及车牌识别装置,用于提高车牌识别率、适应性以及使车牌识别的应用更加广泛。
本申请实施例第一方面提供了一种车牌识别方法,具体包括:
确定目标车牌的目标灰度图像;
对所述目标灰度图像进行处理,以确定目标边缘图;
根据预设二值化阈值以及预设的尺寸阈值对所述目标边缘图进行处理,以确定目标边缘二值图;
根据所述目标边缘二值图确定多个候选车牌区域;
根据预设条件对所述多个初始区域进行过滤,以确定目标区域;
对所述目标灰度图中所述目标区域的图像进行二值化处理,以确定目标图像;
当所述目标图像中车牌的倾斜角度未达到第一预设阈值时,将所述目标图像中的车牌字符分割成多个独立的字符像素块;
将所述多个独立的字符像素块输入预设的车牌字符识别引擎,以确定所述目标车牌的车牌字符的预选识别结果;
计算所述预选识别结果中的车牌字符的可信度;
当所述预选识别结果中的车牌字符的可信度未达到第二预设阈值时,通过预设的易混淆字符识别引擎对所述预选识别结果进行处理,以确定所述目标车牌的车牌字符的目标识别结果,所述目标识别结果包括所述目标车牌的车牌号码以及所述车牌号码对应的可信度。
可选地,所述根据预设二值化阈值以及预设的尺寸预置对所述目标边缘图进行处理,以确定目标边缘二值图包括:
基于所述预设二值化阈值对所述目标边缘图进行二值化处理,以确定初始边缘二值图,所述初始边缘二值图为保留垂直边缘和水平边缘的像素点的二值图;
基于所述预设的尺寸阈值对所述初始边缘二值图进行过滤,以确定所述目标边缘二值图。
可选地,所述根据所述目标边缘二值图确定多个候选车牌区域包括:
将所述目标边缘二值图在水平和垂直方向投影,以确定水平和垂直方向投影的直方图;
基于预设的直方图阀值从所述水平和垂直方向投影的直方图定位候选车牌的水平和垂直方向的位置信息;
根据所述位置信息确定所述多个候选车牌区域。
可选地,所述确定目标车牌的目标灰度图像包括:
获取所述目标车牌的YUV格式的图像;
根据第一转换公式将所述YUV格式的图像转换为RGB格式的图像;
根据第二转换公式以及预设算法将所述RGB格式的图像转换为所述目标灰度图像;
可选地,所述根据预设条件对所述多个初始区域进行过滤,以确定目标区域包括:
根据所述RGB格式的图像确定所述目标车牌的RGB彩色图像的信息;
基于所述RGB彩色图像的信息以及预设的色彩组合将所述多个初始区域进行过滤,以确定所述目标区域,所述预设的色彩组合为车牌字符的颜色和车牌区域的底色的色彩组合。
可选地,当所述目标图像的倾斜角度达到所述第一预设阈值时,所述方法还包括:
基于所述倾斜角度对所述目标图像进行校正,以确定校正图像;
将所述校正图像作为所述目标图像。
可选地,当所述目标车牌的车牌字符的可信度达到所述第二预设阈值时,输出所述预选识别结果中的车牌字符以及所述预选识别结果中车牌字符的可信度。
本申请实施例第二方面提供了一种车牌识别装置,具体包括:
第一确定单元,用于确定目标车牌的目标灰度图像;
第一处理单元,用于对所述目标灰度图像进行处理,以确定目标边缘图;
第二处理单元,用于根据预设二值化阈值以及预设的尺寸阈值对所述目标边缘图进行处理,以确定目标边缘二值图;
第二确定单元,用于根据所述目标边缘二值图确定多个候选车牌区域;
第三确定单元,用于根据预设条件对所述多个初始区域进行过滤,以确定目标区域;
第三处理单元,用于对所述目标灰度图中所述目标区域的图像进行二值化处理,以确定目标图像;
分割单元,用于当所述目标图像中车牌的倾斜角度未达到第一预设阈值时,将所述目标图像中的车牌字符分割成多个独立的字符像素块;
第四确定单元,用于将所述多个独立的字符像素块输入预设的车牌字符识别引擎,以确定所述目标车牌的车牌字符的预选识别结果;
计算单元,用于计算所述预选识别结果中的车牌字符的可信度;
第五确定单元,用于当所述预选识别结果中的车牌字符的可信度未达到第二预设阈值时,通过预设的易混淆字符识别引擎对所述预选识别结果进行处理,以确定所述目标车牌的车牌字符的目标识别结果,所述目标识别结果包括所述目标车牌的车牌号码以及所述车牌号码对应的可信度。
可选地,所述第二处理单元具体用于:
基于所述预设二值化阈值对所述目标边缘图进行二值化处理,以确定初始边缘二值图,所述初始边缘二值图为保留垂直边缘和水平边缘的像素点的二值图;
基于所述预设的尺寸阈值对所述初始边缘二值图进行过滤,以确定所述目标边缘二值图。
可选地,所述第二确定单元具体用于:
将所述目标边缘二值图在水平和垂直方向投影,以确定水平和垂直方向投影的直方图;
基于预设的直方图阀值从所述水平和垂直方向投影的直方图定位候选车牌的水平和垂直方向的位置信息;
根据所述位置信息确定所述多个候选车牌区域。
可选地,所述第一确定单元具体用于:
获取所述目标车牌的YUV格式的图像;
根据第一转换公式将所述YUV格式的图像转换为RGB格式的图像;
根据第二转换公式以及预设算法将所述RGB格式的图像转换为所述目标灰度图像;
可选地,所述第三确定单元具体用于:
根据所述RGB格式的图像确定所述目标车牌的RGB彩色图像的信息;
基于所述RGB彩色图像的信息以及预设的色彩组合将所述多个初始区域进行过滤,以确定所述目标区域,所述预设的色彩组合为车牌字符的颜色和车牌区域的底色的色彩组合。
可选地,所述第三处理单元还用于:
当所述目标图像的倾斜角度达到所述第一预设阈值时,基于所述倾斜角度对所述目标图像进行校正,以确定校正图像;
将所述校正图像作为所述目标图像。
可选地,所述装置还包括:
输出单元,用于当所述目标车牌的车牌字符的可信度达到所述第二预设阈值时,输出所述预选识别结果中的车牌字符以及所述预选识别结果中车牌字符的可信度。
本申请实施例第三方面提供了一种处理器,所述处理器用于运行计算机程序,所述计算机程序运行时执行上述任意一项所述的车牌识别方法。
本申请实施例第四方面提供了一种计算机可读存储介质,其上存储有计算机程序,其特征在于:所述计算机程序被处理器执行时实现如权利要求1至7中任意一项所述方法的步骤。
综上所述,可以看出,由于在不同的天气情况下,例如晴、阴、雨、雾、雪等各种气候条件下,车牌的图像会存在很大的不同,同时在夜间车牌存在很多逆光、光照不均等情况,本申请通过将拍摄的YUV格式的图像转换成灰度图像,并且通过多种不同的预设算法对目标车牌的灰度图像进行识别,同时还可以在拍摄图像中的车牌的倾斜角度进行校正,可以更加高效的识别不同拍摄角度,不同天气情况下的车牌号码。
附图说明
图1为本申请实施例中车牌识别方法的一个实施例示意图;
图2为本申请实施例中车牌识别装置的一个结构示意图;
图3为本申请实施例中车牌识别装置的结构示意图。
具体实施方式
本申请实施例提供了一种车牌识别方法及车牌识别装置,用于提高车牌识别率、适应性以及使车牌识别的应用更加广泛。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
请参阅图1,本申请实施例中车牌识别方法的一个实施例包括:
101、确定目标车牌的目标灰度图像。
本实施例中,当需要识别目标车牌的具体车牌字符时,可以首先确定目标车牌的目标灰度图像。由于智能相机获得的原始图像数据一般为YUV格式的彩色图像,相机作为典型的嵌入式***,计算资源非常有限,直接在彩色图像上整图处理会浪费很多的计算资源,因此可以根据第一转换公式将智能相机获取的目标车牌的YUV格式的图像转换为RGB格式的图像,根据第二转换公式(即RGB图像与灰度图像之间的转换公式),并利用预设算法(本实施例中采用整数位移算法,也可以采用其他算法,具体不限定)将RGB格式的图像转换为目标灰度图像。
102、对目标灰度图像进行处理,以确定目标边缘图。
本实施例中,智能相机在拍摄目标车牌的图像时,可能会存在环境噪声,其中,环境的噪声会对图像处理带来很多干扰,目标灰度图像中马路、街景和车辆本身在成像过程中会有许多随机噪声产生,这些随机噪声可以通过中值滤波、平滑滤波、条件滤波等方式进行平滑处理,同时由于目标灰度图中的车牌区域不同于其他背景图像区域,最主要的特征是车牌区域的纹理特征,该车牌区域具有很密集的垂直边缘和水平边缘点,基于车牌区域的特征,可以进一步在平滑处理后的目标灰度图像上通过Sobel和Canny等边缘检测算子(当然也可以有其他算法,只要能获取目标边缘图即可,具体不做限定)获得目标边缘图。
103、根据预设二值化阈值以及预设的尺寸阈值对目标边缘图进行处理,以确定目标边缘二值图。
本实施例中,当确定了目标边缘图之后,可以基于预设二值化阈值对目标边缘图进行二值化处理,以确定初始边缘二值图,初始边缘二值图为保留垂直边缘和水平边缘的像素点的二值图,基于预设的尺寸阈值对初始边缘二值图进行过滤,以确定目标边缘二值图。具体的,通过边缘检测算法获得目标边缘图后,选定适当的二值化阀值(预设二值化阈值),根据预设二值化阈值对目标边缘图进行二值化处理,将目标边缘图转化为初始边缘二值图,初始边缘二值图只保留处于垂直边缘和水平边缘的像素点,使得目标边缘图中的车牌区域的纹理特征更加明显。由于初始边缘二值图中的背景和车辆上也有很多尺寸较大的垂直和水平的边缘点,例如街边房子的边缘、车轮廓和进气口边缘等,同时也有很多小尺寸的边缘点,如马路上的随机斑点、小草、树叶等,因此可以根据预设的尺寸阀值过滤掉初始边缘二值图中明显不满足车牌特征的垂直和水平边缘点,以得到目标边缘二值图。
104、根据目标边缘二值图确定多个候选车牌区域。
本实施例中,将目标边缘二值图在水平和垂直方向投影,以确定水平和垂直方向投影的直方图;基于预设的直方图阀值从水平和垂直方向投影的直方图定位候选车牌的水平和垂直方向的位置信息;根据位置信息确定多个候选车牌区域。具体的,当得到目标边缘二值图后,目标边缘二值图中的车牌区域有密集的水平和垂直边缘点,利用这个特征,分别在水平和垂直方向投影二值边缘图,获得水平和垂直方向投影的直方图。利用预设的直方图阀值,通过直方图定位候选车牌的水平和垂直方向的大致位置,并根据这个位置信息获得多个候选车牌区域,该多个候选车牌区域为两个以上,可以设置为3个,或4个,具体不做限定。
105、根据预设条件对多个初始区域进行过滤,以确定目标区域。
本实施例中,由于投影的方法会得到多个候选车牌区域,此时可以根据预设条件对多个初始区域进行过滤,以确定目标车牌区域。由于车牌字符的颜色和车牌区域的底色的色彩组合是固定的,例如白色的车牌字符和蓝色的车牌区域底色、黑色的车牌字符和黄色的车牌区域底色等,可以根据目标车牌的RGB格式的图像确定目标车牌的RGB彩色图像的信息,同时基于RGB彩色图像的信息以及预设的色彩组合对多个初始区域进行过滤,即通过RGB彩色图像的信息,结合候选车牌的字符颜色和车牌底色,实现过滤功能,定位目标车牌的目标区域。
需要说明的是,预设的色彩组合可以有多种,可以包括所有中国国内车牌类型,例如普通蓝牌、普通黄牌、双层黄牌、教练车牌、警车车牌、新式单层武警车牌、新式双层武警车牌、新式单层军牌、使馆车牌、港广车牌、澳广车牌、新式双层军牌、大挂车、***车牌等的色彩组合,当然也还可以包括其他国家的车牌类型的色彩组合,具体不做限定。
106、对目标灰度图中目标区域的图像进行二值化处理,以确定目标图像。
本实施例中,定位到目标车牌的目标区域后,根据目标区域,在原始RGB图像转化而来的目标灰度图像上提取属于车牌区域(目标区域)的灰度图。然后用自适应阀值的方法对目标区域的灰度图做二值化处理,使得目标图像中的车牌字符、车牌边框和车牌区域的背景能够有效的区分开。对目标灰度中目标区域的灰度图像进行二值化处理后,车牌字符和车牌边框变成白色的前景,其他像素点变为黑色的背景。
107、当目标图像的倾斜角度未达到第一预设阈值时,将目标图像上字符分割成多个独立的字符像素块。
本实施例中,由于智能相机拍摄的角度或者车辆进入的角度原因,车牌和字符会有倾斜问题存在,以5度为间隔作旋转选取投影方向,对目标图像在选取的投影方向上做投影,计算各个相应方向上的投影直方图,挑选投影直方图方差最小的角度为目标图像的车牌倾斜的角度。可以判断该车牌倾斜的角度是否达到第一预设阈值,该第一预设阈值为影响后续车牌字符像素块输入的门限值,即小于该第一预设阈值即不影响后续车牌字符像素块的使用,而大于该第一预设阈值即影响后续车牌字符像素块的使用。
当确定目标图像中车牌的倾斜角度未达到第一预设阈值时,将目标图像中车牌区域的字符分割成多个独立的字符像素块,后续作为字符识别的输入。
需要说明的是,当确定目标图像中车牌的倾斜角度达到第一预设阈值时,可以根据计算得到的倾斜角度校正目标图像中车牌区域二值图。在校正的二值图上做水平和垂直方向的投影,并去掉车牌的上下水平边框和左右垂直边框以外的部分,使保留下来的区域仅包含车牌的字符信息;同时,因为车牌字符间的边缘部分也是垂直方向的,作垂直方向的投影也实现了车牌字符分割的功能,把车牌区域的字符分割成独立的字符像素块,后续作为字符识别的输入。
108、将多个独立的字符像素块输入预设的车牌字符识别引擎,以确定目标车牌的车牌字符的预选识别结果。
本实施例中,将分割好的字符像素块送入到预设的车牌字符识别引擎(OCR引擎),该引擎根据输入字符像素块,提取字符的特征向量并与特征模板库进行模板粗分类和模板细匹配,选区最佳的匹配结果作为车牌字符的预选识别结果。
109、计算预选识别结果中的车牌字符的可信度。
本实施例中,不限定具体的计算方式,只要能计算出预选识别结果中的车牌字符的可信度即可。
100、当预选识别结果中的车牌字符的可信度不大于第二预设阈值时,通过预设的易混淆字符识别引擎对预选识别结果进行处理,以确定目标车牌的车牌字符的目标识别结果。
本实施例中,由于车牌字符有一些形状比较接近的,例如0和D、8和B、A和4、I和T、U和D、浙和新、贵和青等等。因此还需要对预选识别结果中的车牌字符的可信度是否达到第二预设阈值进行判断。
当计算出预选识别结果中的车牌字符的可信度之后,可以判断该可信度是否达到第二预设阈值,当该可信度未达到第二预设阈值时,可以通过预设的易混淆字符识别引擎对预选识别结果进行处理,以确定目标车牌的车牌字符的目标识别结果,目标识别结果包括目标车牌的车牌号码以及车牌号码对应的可信度。
需要说明的是,当确定该可信度达到第二预设阈值时,可以直接输出所述预选识别结果中的车牌字符以及所述预选识别结果中车牌字符的可信度,而不用经过预设的易混淆字符识别引擎进行进一步处理。
综上所述,可以看出,由于在不同的天气情况下,例如晴、阴、雨、雾、雪等各种气候条件下,车牌的图像会存在很大的不同,同时在夜间车牌存在很多逆光、光照不均等情况,本申请通过将拍摄的YUV格式的图像转换成灰度图像,并且通过多种不同的预设算法对目标车牌的灰度图像进行识别,同时还可以在拍摄图像中的车牌的倾斜角度进行校正,可以更加高效的识别不同拍摄角度,不同天气情况下的车牌号码。
上面从车牌识别方法的角度对本申请实施例进行说明,下面从车牌识别装置的角度对本申请实施例进行说明。
请参阅图2,本申请实施例中车牌识别装置的一个实施例包括:
第一确定单元201,用于确定目标车牌的目标灰度图像;
第一处理单元202,用于对所述目标灰度图像进行处理,以确定目标边缘图;
第二处理单元203,用于根据预设二值化阈值以及预设的尺寸阈值对所述目标边缘图进行处理,以确定目标边缘二值图;
第二确定单元204,用于根据所述目标边缘二值图确定多个候选车牌区域;
第三确定单元205,用于根据预设条件对所述多个初始区域进行过滤,以确定目标区域;
第三处理单元206,用于对所述目标灰度图中所述目标区域的图像进行二值化处理,以确定目标图像;
分割单元207,用于当所述目标图像中车牌的倾斜角度未达到第一预设阈值时,将所述目标图像中的车牌字符分割成多个独立的字符像素块;
第四确定单元208,用于将所述多个独立的字符像素块输入预设的车牌字符识别引擎,以确定所述目标车牌的车牌字符的预选识别结果;
计算单元209,用于计算所述预选识别结果中的车牌字符的可信度;
第五确定单元210,用于当所述预选识别结果中的车牌字符的可信度未达到第二预设阈值时,通过预设的易混淆字符识别引擎对所述预选识别结果进行处理,以确定所述目标车牌的车牌字符的目标识别结果,所述目标识别结果包括所述目标车牌的车牌号码以及所述车牌号码对应的可信度;
输出单元211,用于当所述目标车牌的车牌字符的可信度达到所述第二预设阈值时,输出所述预选识别结果中的车牌字符以及所述预选识别结果中车牌字符的可信度。
其中,所述第二处理单元203具体用于:
基于所述预设二值化阈值对所述目标边缘图进行二值化处理,以确定初始边缘二值图,所述初始边缘二值图为保留垂直边缘和水平边缘的像素点的二值图;
基于所述预设的尺寸阈值对所述初始边缘二值图进行过滤,以确定所述目标边缘二值图。
所述第二确定单元204具体用于:
将所述目标边缘二值图在水平和垂直方向投影,以确定水平和垂直方向投影的直方图;
基于预设的直方图阀值从所述水平和垂直方向投影的直方图定位候选车牌的水平和垂直方向的位置信息;
根据所述位置信息确定所述多个候选车牌区域。
所述第一确定单元201具体用于:
获取所述目标车牌的YUV格式的图像;
根据第一转换公式将所述YUV格式的图像转换为RGB格式的图像;
根据第二转换公式以及预设算法将所述RGB格式的图像转换为所述目标灰度图像;
所述第三确定单元205具体用于:
根据所述RGB格式的图像确定所述目标车牌的RGB彩色图像的信息;
基于所述RGB彩色图像的信息以及预设的色彩组合将所述多个初始区域进行过滤,以确定所述目标区域,所述预设的色彩组合为车牌字符的颜色和车牌区域的底色的色彩组合。
所述第三处理单元206还用于:
当所述目标图像的倾斜角度达到所述第一预设阈值时,基于所述倾斜角度对所述目标图像进行校正,以确定校正图像;
将所述校正图像作为所述目标图像。
本实施例中的车牌识别装置的各模块与单元之间的交互方式如前述图1所示实施例中的描述,具体此处不再赘述。
综上所述,可以看出,由于在不同的天气情况下,例如晴、阴、雨、雾、雪等各种气候条件下,车牌的图像会存在很大的不同,同时在夜间车牌存在很多逆光、光照不均等情况,本申请通过将拍摄的YUV格式的图像转换成灰度图像,并且通过多种不同的预设算法对目标车牌的灰度图像进行识别,同时还可以在拍摄图像中的车牌的倾斜角度进行校正,可以更加高效的识别不同拍摄角度,不同天气情况下的车牌号码。
请参阅图3,本申请实施例还提供了一种车牌识别装置,所述车牌识别装置包括处理器301和存储器302,上述第一确定单元、第一处理单元和分割单元等单元均作为程序单元存储在存储器中,由处理器执行存储在存储器中的上述程序单元来实现相应的功能。
存储器302可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM),存储器包括至少一个存储芯片。
本申请实施例提供了一种存储介质,其上存储有程序,该程序被处理器执行时实现所述车牌识别方法。
本申请实施例提供了一种处理器,所述处理器用于运行程序,其中,所述程序运行时执行所述车牌识别方法。
本申请实施例提供了一种设备,设备包括处理器、存储器及存储在存储器上并可在处理器上运行的程序,处理器执行程序时实现以下步骤:
确定目标车牌的目标灰度图像;
对所述目标灰度图像进行处理,以确定目标边缘图;
根据预设二值化阈值以及预设的尺寸阈值对所述目标边缘图进行处理,以确定目标边缘二值图;
根据所述目标边缘二值图确定多个候选车牌区域;
根据预设条件对所述多个初始区域进行过滤,以确定目标区域;
对所述目标灰度图中所述目标区域的图像进行二值化处理,以确定目标图像;
当所述目标图像中车牌的倾斜角度未达到第一预设阈值时,将所述目标图像中的车牌字符分割成多个独立的字符像素块;
将所述多个独立的字符像素块输入预设的车牌字符识别引擎,以确定所述目标车牌的车牌字符的预选识别结果;
计算所述预选识别结果中的车牌字符的可信度;
当所述预选识别结果中的车牌字符的可信度未达到第二预设阈值时,通过预设的易混淆字符识别引擎对所述预选识别结果进行处理,以确定所述目标车牌的车牌字符的目标识别结果,所述目标识别结果包括所述目标车牌的车牌号码以及所述车牌号码对应的可信度。
可选地,所述根据预设二值化阈值以及预设的尺寸预置对所述目标边缘图进行处理,以确定目标边缘二值图包括:
基于所述预设二值化阈值对所述目标边缘图进行二值化处理,以确定初始边缘二值图,所述初始边缘二值图为保留垂直边缘和水平边缘的像素点的二值图;
基于所述预设的尺寸阈值对所述初始边缘二值图进行过滤,以确定所述目标边缘二值图。
可选地,所述根据所述目标边缘二值图确定多个候选车牌区域包括:
将所述目标边缘二值图在水平和垂直方向投影,以确定水平和垂直方向投影的直方图;
基于预设的直方图阀值从所述水平和垂直方向投影的直方图定位候选车牌的水平和垂直方向的位置信息;
根据所述位置信息确定所述多个候选车牌区域。
可选地,所述确定目标车牌的目标灰度图像包括:
获取所述目标车牌的YUV格式的图像;
根据第一转换公式将所述YUV格式的图像转换为RGB格式的图像;
根据第二转换公式以及预设算法将所述RGB格式的图像转换为所述目标灰度图像;
可选地,所述根据预设条件对所述多个初始区域进行过滤,以确定目标区域包括:
根据所述RGB格式的图像确定所述目标车牌的RGB彩色图像的信息;
基于所述RGB彩色图像的信息以及预设的色彩组合将所述多个初始区域进行过滤,以确定所述目标区域,所述预设的色彩组合为车牌字符的颜色和车牌区域的底色的色彩组合。
可选地,当所述目标图像的倾斜角度达到所述第一预设阈值时,所述方法还包括:
基于所述倾斜角度对所述目标图像进行校正,以确定校正图像;
将所述校正图像作为所述目标图像。
可选地,当所述目标车牌的车牌字符的可信度达到所述第二预设阈值时,输出所述预选识别结果中的车牌字符以及所述预选识别结果中车牌字符的可信度。
本文中的设备可以是服务器、PC、PAD、手机等。
本申请还提供了一种计算机程序产品,当在数据处理设备上执行时,适于执行初始化有如下方法步骤的程序:
确定目标车牌的目标灰度图像;
对所述目标灰度图像进行处理,以确定目标边缘图;
根据预设二值化阈值以及预设的尺寸阈值对所述目标边缘图进行处理,以确定目标边缘二值图;
根据所述目标边缘二值图确定多个候选车牌区域;
根据预设条件对所述多个初始区域进行过滤,以确定目标区域;
对所述目标灰度图中所述目标区域的图像进行二值化处理,以确定目标图像;
当所述目标图像中车牌的倾斜角度未达到第一预设阈值时,将所述目标图像中的车牌字符分割成多个独立的字符像素块;
将所述多个独立的字符像素块输入预设的车牌字符识别引擎,以确定所述目标车牌的车牌字符的预选识别结果;
计算所述预选识别结果中的车牌字符的可信度;
当所述预选识别结果中的车牌字符的可信度未达到第二预设阈值时,通过预设的易混淆字符识别引擎对所述预选识别结果进行处理,以确定所述目标车牌的车牌字符的目标识别结果,所述目标识别结果包括所述目标车牌的车牌号码以及所述车牌号码对应的可信度。
可选地,所述根据预设二值化阈值以及预设的尺寸预置对所述目标边缘图进行处理,以确定目标边缘二值图包括:
基于所述预设二值化阈值对所述目标边缘图进行二值化处理,以确定初始边缘二值图,所述初始边缘二值图为保留垂直边缘和水平边缘的像素点的二值图;
基于所述预设的尺寸阈值对所述初始边缘二值图进行过滤,以确定所述目标边缘二值图。
可选地,所述根据所述目标边缘二值图确定多个候选车牌区域包括:
将所述目标边缘二值图在水平和垂直方向投影,以确定水平和垂直方向投影的直方图;
基于预设的直方图阀值从所述水平和垂直方向投影的直方图定位候选车牌的水平和垂直方向的位置信息;
根据所述位置信息确定所述多个候选车牌区域。
可选地,所述确定目标车牌的目标灰度图像包括:
获取所述目标车牌的YUV格式的图像;
根据第一转换公式将所述YUV格式的图像转换为RGB格式的图像;
根据第二转换公式以及预设算法将所述RGB格式的图像转换为所述目标灰度图像;
可选地,所述根据预设条件对所述多个初始区域进行过滤,以确定目标区域包括:
根据所述RGB格式的图像确定所述目标车牌的RGB彩色图像的信息;
基于所述RGB彩色图像的信息以及预设的色彩组合将所述多个初始区域进行过滤,以确定所述目标区域,所述预设的色彩组合为车牌字符的颜色和车牌区域的底色的色彩组合。
可选地,当所述目标图像的倾斜角度达到所述第一预设阈值时,所述方法还包括:
基于所述倾斜角度对所述目标图像进行校正,以确定校正图像;
将所述校正图像作为所述目标图像。
可选地,当所述目标车牌的车牌字符的可信度达到所述第二预设阈值时,输出所述预选识别结果中的车牌字符以及所述预选识别结果中车牌字符的可信度。
本领域内的技术人员应明白,本申请的实施例可提供为方法、***、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照本申请实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其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、商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、商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,并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,本申请的实施例可提供为方法、***或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
以上仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (16)
1.一种车牌识别方法,其特征在于,包括:
确定目标车牌的目标灰度图像;
对所述目标灰度图像进行处理,以确定目标边缘图;
根据预设二值化阈值以及预设的尺寸阈值对所述目标边缘图进行处理,以确定目标边缘二值图;
根据所述目标边缘二值图确定多个候选车牌区域;
根据预设条件对所述多个初始区域进行过滤,以确定目标区域;
对所述目标灰度图中所述目标区域的图像进行二值化处理,以确定目标图像;
当所述目标图像中车牌的倾斜角度未达到第一预设阈值时,将所述目标图像中的车牌字符分割成多个独立的字符像素块;
将所述多个独立的字符像素块输入预设的车牌字符识别引擎,以确定所述目标车牌的车牌字符的预选识别结果;
计算所述预选识别结果中的车牌字符的可信度;
当所述预选识别结果中的车牌字符的可信度未达到第二预设阈值时,通过预设的易混淆字符识别引擎对所述预选识别结果进行处理,以确定所述目标车牌的车牌字符的目标识别结果,所述目标识别结果包括所述目标车牌的车牌号码以及所述车牌号码对应的可信度。
2.根据权利要求1所述的方法,其特征在于,所述根据预设二值化阈值以及预设的尺寸预置对所述目标边缘图进行处理,以确定目标边缘二值图包括:
基于所述预设二值化阈值对所述目标边缘图进行二值化处理,以确定初始边缘二值图,所述初始边缘二值图为保留垂直边缘和水平边缘的像素点的二值图;
基于所述预设的尺寸阈值对所述初始边缘二值图进行过滤,以确定所述目标边缘二值图。
3.根据权利要求2所述的方法,其特征在于,所述根据所述目标边缘二值图确定多个候选车牌区域包括:
将所述目标边缘二值图在水平和垂直方向投影,以确定水平和垂直方向投影的直方图;
基于预设的直方图阀值从所述水平和垂直方向投影的直方图定位候选车牌的水平和垂直方向的位置信息;
根据所述位置信息确定所述多个候选车牌区域。
4.根据权利要求1至3中任一项所述的方法,其特征在于,所述确定目标车牌的目标灰度图像包括:
获取所述目标车牌的YUV格式的图像;
根据第一转换公式将所述YUV格式的图像转换为RGB格式的图像;
根据第二转换公式以及预设算法将所述RGB格式的图像转换为所述目标灰度图像。
5.根据权利要求4所述的方法,其特征在于,所述根据预设条件对所述多个初始区域进行过滤,以确定目标区域包括:
根据所述RGB格式的图像确定所述目标车牌的RGB彩色图像的信息;
基于所述RGB彩色图像的信息以及预设的色彩组合将所述多个初始区域进行过滤,以确定所述目标区域,所述预设的色彩组合为车牌字符的颜色和车牌区域的底色的色彩组合。
6.根据权利要求1至3中任一项所述的方法,其特征在于,当所述目标图像的倾斜角度达到所述第一预设阈值时,所述方法还包括:
基于所述倾斜角度对所述目标图像进行校正,以确定校正图像;
将所述校正图像作为所述目标图像。
7.根据权利要求1至3中任一项所述的方法,其特征在于,当所述目标车牌的车牌字符的可信度达到所述第二预设阈值时,所述方法还包括:
输出所述预选识别结果中的车牌字符以及所述预选识别结果中车牌字符的可信度。
8.一种车牌识别装置,其特征在于,包括:
第一确定单元,用于确定目标车牌的目标灰度图像;
第一处理单元,用于对所述目标灰度图像进行处理,以确定目标边缘图;
第二处理单元,用于根据预设二值化阈值以及预设的尺寸阈值对所述目标边缘图进行处理,以确定目标边缘二值图;
第二确定单元,用于根据所述目标边缘二值图确定多个候选车牌区域;
第三确定单元,用于根据预设条件对所述多个初始区域进行过滤,以确定目标区域;
第三处理单元,用于对所述目标灰度图中所述目标区域的图像进行二值化处理,以确定目标图像;
分割单元,用于当所述目标图像中车牌的倾斜角度未达到第一预设阈值时,将所述目标图像中的车牌字符分割成多个独立的字符像素块;
第四确定单元,用于将所述多个独立的字符像素块输入预设的车牌字符识别引擎,以确定所述目标车牌的车牌字符的预选识别结果;
计算单元,用于计算所述预选识别结果中的车牌字符的可信度;
第五确定单元,用于当所述预选识别结果中的车牌字符的可信度未达到第二预设阈值时,通过预设的易混淆字符识别引擎对所述预选识别结果进行处理,以确定所述目标车牌的车牌字符的目标识别结果,所述目标识别结果包括所述目标车牌的车牌号码以及所述车牌号码对应的可信度。
9.根据权利要求8所述的装置,其特征在于,所述第二处理单元具体用于:
基于所述预设二值化阈值对所述目标边缘图进行二值化处理,以确定初始边缘二值图,所述初始边缘二值图为保留垂直边缘和水平边缘的像素点的二值图;
基于所述预设的尺寸阈值对所述初始边缘二值图进行过滤,以确定所述目标边缘二值图。
10.根据权利要求9所述的装置,其特征在于,所述第二确定单元具体用于:
将所述目标边缘二值图在水平和垂直方向投影,以确定水平和垂直方向投影的直方图;
基于预设的直方图阀值从所述水平和垂直方向投影的直方图定位候选车牌的水平和垂直方向的位置信息;
根据所述位置信息确定所述多个候选车牌区域。
11.根据权利要求8至10中任一项所述的装置,其特征在于,所述第一确定单元具体用于:
获取所述目标车牌的YUV格式的图像;
根据第一转换公式将所述YUV格式的图像转换为RGB格式的图像;
根据第二转换公式以及预设算法将所述RGB格式的图像转换为所述目标灰度图像。
12.根据权利要求11所述的装置,其特征在于,所述第三确定单元具体用于:
根据所述RGB格式的图像确定所述目标车牌的RGB彩色图像的信息;
基于所述RGB彩色图像的信息以及预设的色彩组合将所述多个初始区域进行过滤,以确定所述目标区域,所述预设的色彩组合为车牌字符的颜色和车牌区域的底色的色彩组合。
13.根据权利要求8至10中任一项所述的装置,其特征在于,所述第三处理单元还用于:
当所述目标图像的倾斜角度达到所述第一预设阈值时,基于所述倾斜角度对所述目标图像进行校正,以确定校正图像;
将所述校正图像作为所述目标图像。
14.根据权利要求8至10中任一项所述的装置,其特征在于,所述装置还包括:
输出单元,用于当所述目标车牌的车牌字符的可信度达到所述第二预设阈值时,输出所述预选识别结果中的车牌字符以及所述预选识别结果中车牌字符的可信度。
15.一种处理器,其特征在于,所述处理器用于运行计算机程序,所述计算机程序运行时执行如权利要求1至7中任意一项所述方法。
16.一种计算机可读存储介质,其上存储有计算机程序,其特征在于:所述计算机程序被处理器执行时实现如权利要求1至7中任意一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811176556.0A CN111027535B (zh) | 2018-10-09 | 2018-10-09 | 一种车牌识别方法及相关设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811176556.0A CN111027535B (zh) | 2018-10-09 | 2018-10-09 | 一种车牌识别方法及相关设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111027535A true CN111027535A (zh) | 2020-04-17 |
CN111027535B CN111027535B (zh) | 2023-11-17 |
Family
ID=70191703
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811176556.0A Active CN111027535B (zh) | 2018-10-09 | 2018-10-09 | 一种车牌识别方法及相关设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111027535B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111639645A (zh) * | 2020-06-03 | 2020-09-08 | 北京首汽智行科技有限公司 | 一种车牌号识别方法 |
CN111695563A (zh) * | 2020-06-10 | 2020-09-22 | 北京筑梦园科技有限公司 | 一种单双层车牌识别方法、服务器及停车收费*** |
CN111950546A (zh) * | 2020-08-06 | 2020-11-17 | 广东飞翔云计算有限公司 | 一种车牌识别方法、装置、计算机设备和存储介质 |
CN112070081A (zh) * | 2020-08-20 | 2020-12-11 | 广州杰赛科技股份有限公司 | 一种基于高清视频的智能化车牌识别方法 |
CN112581487A (zh) * | 2020-12-30 | 2021-03-30 | 征图新视(江苏)科技股份有限公司 | 自动提取检测区域及定位核的方法 |
CN113781790A (zh) * | 2021-08-31 | 2021-12-10 | 深圳市捷顺科技实业股份有限公司 | 一种识别车牌的方法及停车场终端 |
CN114882484A (zh) * | 2022-04-24 | 2022-08-09 | 江苏泽景汽车电子股份有限公司 | 车牌定位方法、装置、电子设备及计算机可读存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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*** |
CN108537099A (zh) * | 2017-05-26 | 2018-09-14 | 华南理工大学 | 一种复杂背景的车牌识别方法 |
-
2018
- 2018-10-09 CN CN201811176556.0A patent/CN111027535B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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*** |
CN108537099A (zh) * | 2017-05-26 | 2018-09-14 | 华南理工大学 | 一种复杂背景的车牌识别方法 |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111639645A (zh) * | 2020-06-03 | 2020-09-08 | 北京首汽智行科技有限公司 | 一种车牌号识别方法 |
CN111695563A (zh) * | 2020-06-10 | 2020-09-22 | 北京筑梦园科技有限公司 | 一种单双层车牌识别方法、服务器及停车收费*** |
CN111695563B (zh) * | 2020-06-10 | 2022-07-05 | 北京筑梦园科技有限公司 | 一种单双层车牌识别方法、服务器及停车收费*** |
CN111950546A (zh) * | 2020-08-06 | 2020-11-17 | 广东飞翔云计算有限公司 | 一种车牌识别方法、装置、计算机设备和存储介质 |
CN111950546B (zh) * | 2020-08-06 | 2024-06-07 | 广东飞翔云计算有限公司 | 一种车牌识别方法、装置、计算机设备和存储介质 |
CN112070081A (zh) * | 2020-08-20 | 2020-12-11 | 广州杰赛科技股份有限公司 | 一种基于高清视频的智能化车牌识别方法 |
CN112070081B (zh) * | 2020-08-20 | 2024-01-09 | 广州杰赛科技股份有限公司 | 一种基于高清视频的智能化车牌识别方法 |
CN112581487A (zh) * | 2020-12-30 | 2021-03-30 | 征图新视(江苏)科技股份有限公司 | 自动提取检测区域及定位核的方法 |
CN113781790A (zh) * | 2021-08-31 | 2021-12-10 | 深圳市捷顺科技实业股份有限公司 | 一种识别车牌的方法及停车场终端 |
CN113781790B (zh) * | 2021-08-31 | 2022-08-12 | 深圳市捷顺科技实业股份有限公司 | 一种识别车牌的方法及停车场终端 |
CN114882484A (zh) * | 2022-04-24 | 2022-08-09 | 江苏泽景汽车电子股份有限公司 | 车牌定位方法、装置、电子设备及计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111027535B (zh) | 2023-11-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111027535B (zh) | 一种车牌识别方法及相关设备 | |
Marzougui et al. | A lane tracking method based on progressive probabilistic Hough transform | |
Rezaei et al. | Robust vehicle detection and distance estimation under challenging lighting conditions | |
CN110619750B (zh) | 面向违停车辆的智能航拍识别方法及*** | |
Al-Ghaili et al. | Vertical-edge-based car-license-plate detection method | |
Mu et al. | Lane detection based on object segmentation and piecewise fitting | |
Wali et al. | An automatic traffic sign detection and recognition system based on colour segmentation, shape matching, and svm | |
US11380104B2 (en) | Method and device for detecting illegal parking, and electronic device | |
KR101848019B1 (ko) | 차량 영역 검출을 통한 차량 번호판 검출 방법 및 장치 | |
US10552706B2 (en) | Attachable matter detection apparatus and attachable matter detection method | |
JP5223675B2 (ja) | 車両検知装置,車両検知方法並びに車両検知プログラム | |
Ding et al. | Fast lane detection based on bird’s eye view and improved random sample consensus algorithm | |
Paunwala et al. | A novel multiple license plate extraction technique for complex background in Indian traffic conditions | |
KR101756848B1 (ko) | 불법 주정차 관리 시스템 | |
Wu et al. | Raindrop detection and removal using salient visual features | |
Babbar et al. | A new approach for vehicle number plate detection | |
Li et al. | A robust lane detection method based on hyperbolic model | |
Rashedi et al. | A hierarchical algorithm for vehicle license plate localization | |
Boumediene et al. | Triangular traffic signs detection based on RSLD algorithm | |
FAN et al. | Robust lane detection and tracking based on machine vision | |
Tiwari et al. | Automatic vehicle number plate recognition system using matlab | |
Nguwi et al. | Number plate recognition in noisy image | |
JP7264428B2 (ja) | 道路標識認識装置及びそのプログラム | |
Ghani et al. | Advances in lane marking detection algorithms for all-weather conditions | |
CN114841874A (zh) | 一种图像处理方法、装置、设备及存储介质 |
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 | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 523710, 26, 188 Industrial Road, Pingshan Town, Guangdong, Dongguan, Tangxia Applicant after: Entropy Technology Co.,Ltd. Address before: 523710, 26, 188 Industrial Road, Pingshan Town, Guangdong, Dongguan, Tangxia Applicant before: ZKTECO Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |