CN111382736B - 车牌图像的获取方法和装置 - Google Patents

车牌图像的获取方法和装置 Download PDF

Info

Publication number
CN111382736B
CN111382736B CN201811643555.2A CN201811643555A CN111382736B CN 111382736 B CN111382736 B CN 111382736B CN 201811643555 A CN201811643555 A CN 201811643555A CN 111382736 B CN111382736 B CN 111382736B
Authority
CN
China
Prior art keywords
license plate
image
block
license
adhered
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
Application number
CN201811643555.2A
Other languages
English (en)
Other versions
CN111382736A (zh
Inventor
雷海兵
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.)
Zhejiang Uniview Technologies Co Ltd
Original Assignee
Zhejiang Uniview Technologies 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 Zhejiang Uniview Technologies Co Ltd filed Critical Zhejiang Uniview Technologies Co Ltd
Priority to CN201811643555.2A priority Critical patent/CN111382736B/zh
Publication of CN111382736A publication Critical patent/CN111382736A/zh
Application granted granted Critical
Publication of CN111382736B publication Critical patent/CN111382736B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06V10/255—Detecting or recognising potential candidate objects based on visual cues, e.g. shapes
    • 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
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/56—Extraction of image or video features relating to colour
    • 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)
  • Image Analysis (AREA)
  • Image Processing (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明实施例提供一种车牌图像的获取方法和装置。其中，该方法包括获取待识别车辆的车牌拍照图像，确定包括有待分割的粘连车牌图像的可疑候选区域，将可疑候选区域切分成多个区块，根据各区块所包括的两种感兴趣颜色的像素数量，确定粘连车牌图像中两个车牌的分界线位置上所对应的目标区块；根据目标区块对可疑候选区域进行图像切割。本发明实施例通过对车牌拍照图像的可疑候选区域进行区块划分，并根据各区块包括的两种感兴趣颜色的像素数量来确定作为分界线的目标区块并进行图像切割，能解决车辆同时悬挂的多块不同颜色车牌的定位分割问题，具有较高的定位准确率，为车牌识别的后处理奠定基础，提高车牌识别率。

Description

车牌图像的获取方法和装置
技术领域
本发明实施例涉及图像处理技术领域，尤其涉及一种车牌图像的获取方法和装置。
背景技术
近年来，我国车辆保有量和交通出行量不断增长，地面交通管理的工作任务日渐繁重。在人工智能发展迅猛的今天，智能交通***效果显著，通过数字化、可视化管理实现信息交互，有效地解决了交通领域诸多难题。车牌识别技术是智能交通***的重要组成部分，通常分为五大步骤：车牌定位、矫正、预处理、类型判断以及识别。其中，车牌定位是基础也是核心，每一环节的差错都有可能导致最终识别结果的偏差。
车牌信息是车辆最为关键的信息之一，目前智能交通、智慧社区场景下，普遍是一车悬挂一牌，对于这类车辆已达到了较高的车牌识别水准。但是，也存在需要同时悬挂多块车牌的车辆，例如随着港珠澳大桥的通车，港澳车辆进入内地的车辆不断增加，这类车辆具有特殊性，即车身同时悬挂两块车牌(称之为粘连的车牌)，一块是境外的白底黑字车牌，另一块是黑底白字的粤Z港澳车牌。再例如地方政府为了规范化管理泥头车，在泥头车上加装一个当地的特殊车牌(例如深圳地区的蓝色车牌)。
现有的车牌定位算法对这类特殊车辆的车牌定位会受多块车牌安装位置的影响，无论是基于字符纹理的传统定位算法或者是基于深度学习框架的车牌定位算法都会存在将多块粘连的车牌同时检测出来的情况，不利于后续的车牌识别，很容易造成无识别或误识别，大幅度拉低了车牌识别率。因此，如何分离粘连的车牌是需要解决的技术问题。
发明内容
针对现有技术中存在的技术问题，本发明实施例提供一种车牌图像的获取方法和装置。
第一方面，本发明实施例提供一种车牌图像的获取方法，包括：
获取待识别车辆的车牌拍照图像，若根据预设规则判断获知所述车牌拍照图像中包括有待分割的粘连车牌图像的区域，则将所述区域作为可疑候选区域；
将所述可疑候选区域切分成多个区块，并根据各区块所包括的两种感兴趣颜色的像素数量，确定出所述粘连车牌图像中两个车牌的分界线位置上所对应的目标区块；其中，所述两种感兴趣颜色分别与所述两个车牌一一对应；
根据所述目标区块对所述可疑候选区域进行图像切割，以获得所述粘连车牌图像中所述两个车牌所分别对应的车牌图像。
第二方面，本发明实施例提供一种车牌图像的获取装置，包括：
获取模块，用于获取待识别车辆的车牌拍照图像，若根据预设规则判断获知所述车牌拍照图像中包括有待分割的粘连车牌图像的区域，则将所述区域作为可疑候选区域；
确定模块，用于将所述可疑候选区域切分成多个区块，并根据各区块所包括的两种感兴趣颜色的像素数量，确定出所述粘连车牌图像中两个车牌的分界线位置上所对应的目标区块；其中，所述两种感兴趣颜色分别与所述两个车牌一一对应；
切割模块，用于根据所述目标区块对所述可疑候选区域进行图像切割，以获得所述粘连车牌图像中所述两个车牌所分别对应的车牌图像。
第三方面，本发明实施例提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如第一方面所提供的方法的步骤。
第四方面，本发明实施例提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如第一方面所提供的方法的步骤。
第五方面，本发明实施例提供一种车牌图像处理***，
摄像头，用于获取待识别车辆的车牌拍照图像；
第一处理器，与所述摄像头连接，用于根据预设规则判断所述车牌拍照图像中是否包括有待分割的粘连车牌图像的区域；
第二处理器，与所述第一处理器连接，用于在所述第一处理器判断获知所述车牌拍照图像中包括有待分割的粘连车牌图像的区域后，将所述区域作为可疑候选区域，并将所述可疑候选区域切分成多个区块，并根据各区块所包括的两种感兴趣颜色的像素数量，确定出所述粘连车牌图像中两个车牌的分界线位置上所对应的目标区块；其中，所述两种感兴趣颜色分别与所述两个车牌一一对应；根据所述目标区块对所述可疑候选区域进行图像切割，以获得所述粘连车牌图像中所述两个车牌所分别对应的车牌图像；
第三处理器，分别与所述第一处理器和第二处理器连接，用于在所述第一处理器判断获知所述车牌拍照图像中不包括有待分割的粘连车牌图像的区域，或所述第二处理器获得所述两个车牌所分别对应的车牌图像后，对第一处理器或所述第二处理器发送的单个车牌的车牌图像进行车牌识别处理。
本发明实施例提供的车牌图像的获取方法和装置，通过对车牌拍照图像的可疑候选区域进行区块划分，并根据各区块包括的两种感兴趣颜色的像素数量来确定作为分界线的目标区块并进行图像切割，能解决车辆同时悬挂的多块不同颜色车牌的定位分割问题，具有较高的定位准确率，为车牌识别的后处理奠定基础，提高车牌识别率。
附图说明
为了更清楚地说明本发明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一简单地介绍，显而易见地，下面描述中的附图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为本发明一实施例提供的车牌图像的获取方法的流程示意图；
图2为本发明另一实施例提供的车牌图像的获取方法的流程示意图；
图3a、图3b和图3c为本发明实施例提供的车牌图像切割实例图；
图4为本发明实施例提供的车牌图像的获取装置的结构示意图；
图5为本发明实施例提供的电子设备的实体结构示意图；
图6为本发明实施例提供的车牌图像处理***组成示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
对于悬挂多个车牌的车辆，例如悬挂两个车牌的车辆，现有技术中根据车牌尺寸、颜色或纹理等方式进行车牌定位的过程中，同一候选区域包含多块粘连的车牌时各车牌的边界通过纹理和颜色等方式很难界定，从而导致无法识别。本发明各实施例针对现有技术的缺陷，提供一种基于图像处理技术获取粘连的车牌图像的方法和装置，以实现对粘连的车牌的分割。以下将通过各实施例来介绍本发明的技术方案。
图1为本发明一实施例提供的车牌图像的获取方法的流程示意图，如图1所示，该方法包括：
步骤100，获取待识别车辆的车牌拍照图像，若根据预设规则判断获知所述车牌拍照图像中包括有待分割的粘连车牌图像的区域，则将所述区域作为可疑候选区域；
本方法实施例可以由车牌图像的获取装置来执行。首先获取待识别车辆的车牌拍照图像，其中，所述的待识别车辆可以是悬挂有两块车牌的车辆，例如泥头车或港澳车辆等，该种车辆具有粘连的车牌，两个车牌的粘连方式可以是水平方向的并排布局，也可以是上下方向的垂直布局，本发明实施例对此不做限定。可以理解的是，所述的车牌拍照图像是待识别车辆的车头或车尾具有粘连车牌的图像，该图像可以是通过照相机拍照获取的一张照片，也可以是从摄影机拍摄的视频流中选取的一帧图像。
在获取到待识别车辆的车牌拍照图像后，可以采用预设规则对该车牌拍照图像是否包括有待分割的粘连车牌图像的区域进行初步判断。可以理解的是，所述车牌拍照图像可以划分出多个图像区域，若其中一个图像区域中包括有粘连车牌图像则可以将该图像区域作为可疑候选区域，后续针对该可疑候选区域进行图像处理，实现粘连车牌图像的分割，而不用对整个车牌拍照图像进行图像处理，提高了后续图像处理的工作效率。
应当说明的是，确定一个车牌拍照图像中是否包括有粘连车牌图像可以通过多种已有的技术和规则来实现，本发明实施例对此并不做限定。当然，本发明后续的方法实施例中也将针对如何根据预设规则来进行判断进行详细的展开介绍。可以理解的是，若根据预设规则判断获知所述车牌拍照图像中不包括有待分割的粘连车牌图像的区域，即仅包括有一块车牌的图像，则可以采用现有技术对单块车牌的图像进行后续的其他车牌检测流程，例如矫正、预处理、类型判断和识别过程，对于后续流程本发明实施例不做具体限定和介绍
步骤101，将所述可疑候选区域切分成多个区块，并根据各区块所包括的两种感兴趣颜色的像素数量，确定出所述粘连车牌图像中两个车牌的分界线位置上所对应的目标区块；其中，所述两种感兴趣颜色分别与所述两个车牌一一对应；
在获取到可疑候选区域后，本方法实施例后续的图像处理操作将针对该可疑候选区域来进行。具体地，首先将该可疑候选区域划分成多个区块，可以理解的是，划分区块的目的是希望在所划分出的多个区块中，找到与粘连车牌图像中两个车牌的分界线位置相临近甚至相互吻合的那个目标区块，并将该区块作为分界线分割两块车牌。因此，可以理解的是，本发明实施例划分区块的具体方式应与粘连车牌的布局方式有关，若粘连的车牌是并排布局，则区块的划分则可以是沿着水平方向(即按列)划分；若粘连的车牌是垂直布局，则区块的划分则可以是沿着上下方向(即按行)划分。当然，并不局限于此，可以理解的是也可以以其他方式例如以一定的倾斜角度来划分区块，只要能够通过划分的区块找到两块车牌的分界线即可。
本实施例中所述的两种感兴趣颜色是与待分割的两个车牌的颜色一一对应的。例如针对港澳车辆具有的黑牌+白牌的粘连车牌的处理，两种感兴趣颜色其一颜色是黑色，另一颜色即为白色。再例如针对泥头车具有蓝牌+黄牌的粘连车牌的处理，两种感兴趣颜色其一颜色是蓝色，另一颜色即为黄色。划分完区块后，获取每个区块内包括的两种感兴趣颜色的像素数量，例如通过图像处理技术确定在每一个区块中，包括的黑色颜色的像素数量，以及包括的白色颜色的像素数量。在获取到每一个区块中包括的两种颜色的像素数量后，便可以通过各区块的感兴趣颜色的像素数量来确定出所述粘连车牌图像中两个车牌的分界线位置。可以理解的是，粘连车牌中两块车牌由于车牌的颜色不同，因此在分界线两侧的像素颜色分布将具有一定的规律，例如黑牌+白牌的粘连车牌中，分界线一侧以黑色像素集中为特点，另一侧以白色像素集中为特点，因此通过划分的区块并获取每个区块内包括的感兴趣颜色的像素数量可以依据该规律特点查找到所述粘连车牌图像中两个车牌的分界线位置，并确定出位于该分界线位置上的那个区块，本实施例将该区块作为目标区块，以备后续进行图像切割用。
步骤102，根据所述目标区块对所述可疑候选区域进行图像切割，以获得所述粘连车牌图像中所述两个车牌所分别对应的车牌图像。
在找到所述目标区块后，便可以将该目标区块作为分界线对所述可疑候选区域进行图像切割。由于该目标区块是位于分界线的位置上，因此根据该目标区块进行切割可以将粘连的两块车牌分割出来，分别获得两个车牌所分别对应的车牌图像。
可以理解是，该方法实施例仅是针对粘连车牌中两个车牌进行定位提供的解决方案，在获取到各自的车牌图像后，还可以进行后续的其他车牌检测流程，例如矫正、预处理、类型判断和识别过程，对于后续流程本发明实施例不做具体限定和介绍。
该方法实施例提供了一种车牌图像的获取方法，通过对车牌拍照图像的可疑候选区域进行区块划分，并根据各区块包括的两种感兴趣颜色的像素数量来确定作为分界线的目标区块并进行图像切割，能解决车辆同时悬挂的多块不同颜色车牌的定位分割问题，具有较高的定位准确率，为车牌识别的后处理奠定基础，提高车牌识别率。
在上述各方法实施例的基础上，所述根据各区块所包括的两种感兴趣颜色的像素数量，确定出所述粘连车牌图像中两个车牌的分界线位置处所对应的目标区块，即寻找车牌分界线可以包括如下步骤：
步骤a1，统计各区块所包括的两种感兴趣颜色的像素数量，并计算各区块对应的两种感兴趣颜色的像素数量的差值；
例如可以将可疑候选区域按行或按列，切分成n个尺寸相同的区块。可以理解的是，若粘连车牌是并排布局，则按列切分；若粘连车牌是垂直布局，则按行切分，且每一个区块的大小相同。切分区块后，统计每一个区块包括的两种感兴趣颜色的像素数量，例如i1和i2表示第i个区块的两种感兴趣颜色像素数量，其对应的像素数量的差值为di＝i1-i2。此处，i1>i2。步骤b1，根据各区块对应的两种感兴趣颜色的像素数量的差值，分别计算每个区块两侧的所有区块对应的像素数量的差值平均值；
计算每一个区块对应的两种感兴趣颜色的像素数量的差值di＝i1-i2后，再计算每个区块两侧的所有区块对应的像素数量的差值平均值，具体地，以第j个区块(n≥j≥1)为例进行说明，需要计算该第j个区块之前的(j-1)个区块的对应的像素数量的差值平均值
Figure GDA0002018613930000071
以及该第j个区块之后的(n-j)个区块的对应的像素数量的差值平均值/>
Figure GDA0002018613930000072
可以根据如下公式分别计算/>
Figure GDA0002018613930000073
和/>
Figure GDA0002018613930000074
Figure GDA0002018613930000075
举例来说，若n＝10，j＝5，则需要计算该第5个区块之前的4个区块的对应的像素数量的差值平均值
Figure GDA0002018613930000076
以及该第5个区块之后的5个区块的对应的像素数量的差值平均值/>
Figure GDA0002018613930000077
以此类推，分别计算出每一个区块两侧的所有区块对应的像素数量的差值平均值。
本实施例中是将可疑候选区域切分成n个尺寸相同的区块，可以理解的是，若切分成n个尺寸不相同的区块，可以通过为计算
Figure GDA0002018613930000078
和/>
Figure GDA0002018613930000079
的公式设置权重值也可以实现，权重值的取值根据不同的区块尺寸来设置。
步骤c1，根据所述差值和所述差值平均值，计算每个区块对应的像素数量的方差；
计算获得每一个区块对应的差值和所述差值平均值后，计算每个区块对应的像素数量的方差。
步骤d1，根据每个区块对应的像素数量的方差，确定所述目标区块。
具体地，应用如下公式计算每个区块两侧的所有区块对应的像素数量的方差之和Dj，并将所对应的方差之和最小的区块，确定为所述目标区块。
计算公式为：
Figure GDA00020186139300000710
找到jmin使得/>
Figure GDA00020186139300000711
在所有方差和中为最小值，那么第j个区块对应的位置就是两块车牌的分界线，第j个区块即为目标区块，以此区块进行分割可得到两块感兴趣颜色的车牌。
该方法实施例是基于方差和最小的方式来确定目标区块，当然其他的能够反映目标区块两侧颜色变化量最小特点的其他方式也可以，本发明实施例并不做具体限定。
在上述各方法实施例的基础上，所述根据预设规则判断获知所述车牌拍照图像中包括有待分割的粘连车牌图像的区域，则将所述区域作为可疑候选区域，可以包括如下步骤：
步骤a2，根据预设的宽高比例阈值进行筛选，获取所述车牌拍照图像中至少一个的候选区域；
所述的预设的宽高比例阈值可以根据需要定位的粘连车牌的实际尺寸来确定。通过纹理方法对车牌拍照图像进行处理，可以获得多个尺寸不同的候选区域，首先通过预设的宽高比例阈值对多个候选区域进行筛选，获得尺寸符合预期大小的一个或多个候选区域。
可以理解的是，由于在实际的检测过程中，除了车牌还有可能会检测到别的图案，为了筛除这些不是车牌的图案，本发明实施例预先设置了一个宽高比例阈值，只有当图案的宽高比在这个阈值范围内时，才认为它“可能是车牌”，否则将这个图案筛除。
根据经验，标准的车牌的宽高比大约在“5:1”左右，考虑还有后续的筛选程序，阈值设置相对比较宽松。一般来说，图案的宽高比在“2:1”到“7:1”之间，都认为图案中可能包含一块完整的车牌。但是本发明实施例的情况是有车牌粘连，考虑车牌粘连会增加图案宽度，因此可以把宽高比例阈值放宽为“2：1”到“10：1”之间。以上数据为经验数值，具体情况可根据实际场景统计后进行修改。
步骤b2，获取每个所述候选区域内两种感兴趣颜色的像素数量之和，并计算感兴趣颜色的占比；
获得尺寸符合预期大小的一个或多个候选区域后，需要进一步根据其颜色占比来判断其是否可能包括粘连车牌图像。具体地，获取每个所述候选区域内两种感兴趣颜色的像素数量之和，例如若需要定位的粘连车牌是黑牌+白牌的组合，则获取每一个候选区域内包括的所有黑色像素的像素数量，和所有白色像素的像素数量，并做求和处理。根据如下公式计算每一个候选区域对应的感兴趣颜色的占比：
Figure GDA0002018613930000081
其中，分子“感兴趣颜色像素数量”为每个所述候选区域内两种感兴趣颜色的像素数量之和，分母“候选区域面积”为候选区域内所有像素的数量。
步骤c2，若判断获知一候选区域对应的占比高于预设阈值，则确定所述车牌拍照图像中包括有待分割的粘连车牌图像的区域，并将所述候选区域作为可疑候选区域。
若判断获知一候选区域对应的颜色占比高于预设阈值，则可以确定该车牌拍照图像中包括有待分割的粘连车牌图像的区域，并且该候选区域即为可疑候选区域。
进一步地，本发明实施例中，可以按照如下公式判断一个像素i是否为一感兴趣颜色的像素：
α*iR+β*iG+γ*iB>threshold(color1)；其中，iR、iG、iB为像素i对应的RGB值，threshold(color1)为一感兴趣颜色对应的门限阈值；权重α，β，γ根据所述感兴趣颜色确定。感兴趣颜色像素可通过图片的RGB值/YUV值或灰度值来判断，比如RGB图片，通过调节权重来判断某像素是否在感兴趣的色域里。可以理解地，对于黑色像素和白素像素分别对应有不同的门限阈值，而且公式中对应的三个权重也会发生改变。公式的计算结果若大于门限阈值即可认为该像素i属于这一感兴趣颜色像素。
在上述各方法实施例的基础上，所述根据所述目标区块对所述可疑候选区域进行图像切割，以获得所述粘连车牌图像中所述两个车牌所分别对应的车牌图像，包括：
根据所述目标区块对所述可疑候选区域进行图像切割，并对切割获得的两个图像进行修补，以获得所述粘连车牌图像中所述两个车牌所分别对应的车牌图像。具体地，在找到分界线并对可疑候选区域进行图像切割后，切割获得的图像有可能因切割而损失一些信息，为了保证后续流程的准确性，本实施例中可以对切割后的图像进行适当的修补，具体的修补手段不做具体限定，例如图像外扩或填充等，以获得修补后的车牌图像。
本发明方法实施例提供的车牌图像的获取方法，用于解决车牌定位过程中候选区域内同时出现多块不同颜色车牌的情况，可扩展适用范围至各种粘连车牌的情况，主要分为三个部分：(1)根据预设的宽高比例以及感兴趣颜色的像素在整个候选区域的占比，判断需要处理的可疑候选区域；(2)可疑候选区域按行或列均分为n区块，计算每个区块内两个感兴趣颜色的像素差值，从预设的第i个区块开始遍历当前区块像素差值在左侧i-1个区域内的方差以及当前区块右侧n-i个区块的方差和；(3)从第i至n-1个方差中找出最小方差和所在区块作为分界线，之后视具体情况对图像的宽高进行补正，得到割开的完整车牌。
本发明各方法实施例提供了一种基于方差分块思想的粘连车牌切割方法，通过对可疑候选区域进行分块统计两种不同颜色像素差，遍历各区块在不同区段的方差确定切割位置，将可疑候选区域的粘连车牌进行图像分割，将目标颜色识别候选区域置前，该方法可提高定位准确率，比如明显降低港澳车牌无识别的概率，提升车牌识别率。本发明实施例简单高效性能开销少，支持多种不同底色车牌并排、上下粘连摆放，在定位模块可准确分离粘连的多块车牌，从而提高车牌识别率。
图2为本发明另一实施例提供的车牌图像的获取方法的流程示意图，如图2所示，该方法包括：
步骤200，获取待识别车辆的车牌拍照图像；
步骤201，根据预设的宽高比例阈值进行筛选，获取所述车牌拍照图像中至少一个的候选区域；
本步骤中，可以筛除不符合预设的宽高比例阈值的若干异常宽高比区域。
步骤202，获取每个所述候选区域内两种感兴趣颜色的像素数量之和，并计算感兴趣颜色的占比，判断是否存在超过预设阈值的占比；若存在，则确定有可疑候选区域，并执行步骤203；若不存在，则确定无可疑候选区域，并执行步骤208；
步骤203，将可疑候选区域切分成多个区块，统计各区块所包括的两种感兴趣颜色的像素数量，并计算各区块对应的像素数量的差值；
步骤204，遍历每一个区块，统计各区块两侧像素差值的方差之和；
步骤205，将所对应的方差之和最小的区块，确定为作为分界线的目标区块；
步骤206，判断分界线是否位于可疑候选区域的边缘位置，若否，则执行步骤207；若是，则执行步骤208；
步骤207，按分界线进行图像切割，分别补全后得到两张不同颜色的车牌图像，再进入后续处理程序；
该实施例中，按照分界线位置进行分割之后，可以利用目标区块对切割获得的两块车牌的图像进行修补即可得到两张完整的车牌。
图3a、图3b和图3c为本发明实施例提供的车牌图像切割实例图，其中图3a为切割之前的图像，可以看出其中包括有两块并排分布的车牌，一块为白色车牌，另一块为黑色车牌。经过图像切割后，图3b为切割后获得白色车牌的单独图像，图3c为切割后获得黑色车牌的单独图像，可以看出来，图中的两块车牌的图像是在经过切割后应用作为分界线的目标区块进行图像修补之后的效果。
步骤208，不需要切割，进入后续车牌处理程序。
该方法流程中，有两种不需要切割的情形，一种是若判断获知目标区块位于可疑候选区域的边缘位置，则流程结束。另一种是若判断获知不存在任一候选区域对应的占比高于预设阈值，则确定车牌拍照图像中不包括有待分割的粘连车牌图像的区域，则流程结束。此处的流程结束应该理解为车牌定位环节流程结束，后续还有其他处理环节例如矫正、预处理、类型判断以及识别等，本方法实施例对后续处理环节不做具体限定。
应该说明的是，该方法实施例中的部分步骤与上述方法实施例的部分步骤处理流程相同，可以参见上述各方法实施例，在此不进行赘述。
本发明实施例提供的车牌图像的获取方法，不仅结构简单且高效，可以承接在粗定位/深度学***台，能很好解决车辆同时悬挂的多块不同颜色车牌的定位分割问题，为车牌识别的后处理奠定基础，提高车牌识别率。
图4为本发明实施例提供的车牌图像的获取装置的结构示意图，如图4所示，该装置包括获取模块401、确定模块402和切割模块403，其中：
获取模块401用于获取待识别车辆的车牌拍照图像，若根据预设规则判断获知所述车牌拍照图像中包括有待分割的粘连车牌图像的区域，则将所述区域作为可疑候选区域；确定模块402用于将所述可疑候选区域切分成多个区块，并根据各区块所包括的两种感兴趣颜色的像素数量，确定出所述粘连车牌图像中两个车牌的分界线位置上所对应的目标区块；其中，所述两种感兴趣颜色分别与所述两个车牌一一对应；切割模块403用于根据所述目标区块对所述可疑候选区域进行图像切割，以获得所述粘连车牌图像中所述两个车牌所分别对应的车牌图像。
具体地，获取模块401获取待识别车辆的车牌拍照图像，其中，所述的待识别车辆可以是悬挂有两块车牌的车辆，例如泥头车或港澳车辆等。可以理解的是，所述的车牌拍照图像是待识别车辆的车头或车尾具有粘连车牌的图像，该图像可以是通过照相机拍照获取的一张照片，也可以是从摄影机拍摄的视频流中选取的一帧图像。获取模块401在获取到待识别车辆的车牌拍照图像后，可以采用预设规则对该车牌拍照图像是否包括有待分割的粘连车牌图像的区域进行初步判断。若其中一个图像区域中包括有粘连车牌图像则可以将该图像区域作为可疑候选区域，后续针对该可疑候选区域进行图像处理，实现粘连车牌图像的分割，而不用对整个车牌拍照图像进行图像处理，提高了后续图像处理的工作效率。确定模块402将该可疑候选区域划分成多个区块，划分完区块后，获取每个区块内包括的两种感兴趣颜色的像素数量，例如通过图像识别技术确定在一个区块中，包括的黑色颜色的像素数量，以及包括的白色颜色的像素数量。在获取到每一个区块中包括的两种颜色像素的像素数量后，便可以通过各区块的感兴趣颜色的像素数量来确定出所述粘连车牌图像中两个车牌的分界线位置。在确定模块402找到所述目标区块后，切割模块403便可以将该目标区块作为分界线对所述可疑候选区域进行图像切割。由于该目标区块是位于分界线的位置上，因此根据该目标区块进行切割可以将粘连的两块车牌分割出来，分别获得两个车牌所分别对应的车牌图像。
本发明实施例提供的车牌图像的获取装置，具体用于执行上述各方法实施例的流程步骤，其具体功能可以参加上述各方法实施例，此处不再赘述。
本发明实施例提供了一种车牌图像的获取装置，通过对车牌拍照图像的可疑候选区域进行区块划分，并根据各区块包括的两种感兴趣颜色的像素数量来确定作为分界线的目标区块并进行图像切割，能解决车辆同时悬挂的多块不同颜色车牌的定位分割问题，具有较高的定位准确率，为车牌识别的后处理奠定基础，提高车牌识别率。
图5为本发明实施例提供的电子设备的实体结构示意图，如图5所示，该电子设备可以包括：处理器(processor)510、通信接口(Communications Interface)520、存储器(memory)530和通信总线540，其中，处理器510，通信接口520，存储器530通过通信总线540完成相互间的通信。处理器510可以调用存储在存储器530上并可在处理器510上运行的计算机程序，以执行上述各实施例提供的传输方法，例如包括：获取待识别车辆的车牌拍照图像，若根据预设规则判断获知所述车牌拍照图像中包括有待分割的粘连车牌图像的区域，则将所述区域作为可疑候选区域；将所述可疑候选区域切分成多个区块，并根据各区块所包括的两种感兴趣颜色的像素数量，确定出所述粘连车牌图像中两个车牌的分界线位置上所对应的目标区块；其中，所述两种感兴趣颜色分别与所述两个车牌一一对应；根据所述目标区块对所述可疑候选区域进行图像切割，以获得所述粘连车牌图像中所述两个车牌所分别对应的车牌图像。
此外，上述的存储器530中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本发明实施例提供的电子设备具体可以执行上述各方法实施例提供的车牌图像的获取方法流程，具体可以参照上述各方法实施例，此处不再赘述。
本发明实施例还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各实施例提供的传输方法，例如包括：获取待识别车辆的车牌拍照图像，若根据预设规则判断获知所述车牌拍照图像中包括有待分割的粘连车牌图像的区域，则将所述区域作为可疑候选区域；将所述可疑候选区域切分成多个区块，并根据各区块所包括的两种感兴趣颜色的像素数量，确定出所述粘连车牌图像中两个车牌的分界线位置上所对应的目标区块；其中，所述两种感兴趣颜色分别与所述两个车牌一一对应；根据所述目标区块对所述可疑候选区域进行图像切割，以获得所述粘连车牌图像中所述两个车牌所分别对应的车牌图像。
本发明实施例提供的非暂态计算机可读存储介质中的计算机程序，可以被调用执行上述各个方法实施例提供的车牌图像的获取方法流程，具体可以参照上述各方法实施例，此处不再赘述。
图6为本发明实施例提供的车牌图像处理***组成示意图，如图6所示，该***包括摄像头601、第一处理器602、第二处理器603和第三处理器604，其中：
摄像头601用于获取待识别车辆的车牌拍照图像；第一处理器602与摄像头601连接，用于根据预设规则判断所述车牌拍照图像中是否包括有待分割的粘连车牌图像的区域；第二处理器603与第一处理器602连接，用于在第一处理器602判断获知所述车牌拍照图像中包括有待分割的粘连车牌图像的区域后，将所述区域作为可疑候选区域，并将所述可疑候选区域切分成多个区块，并根据各区块所包括的两种感兴趣颜色的像素数量，确定出所述粘连车牌图像中两个车牌的分界线位置上所对应的目标区块；其中，所述两种感兴趣颜色分别与所述两个车牌一一对应；根据所述目标区块对所述可疑候选区域进行图像切割，以获得所述粘连车牌图像中所述两个车牌所分别对应的车牌图像；第三处理器604分别与第一处理器602和第二处理器603连接，用于在第一处理器602判断获知所述车牌拍照图像中不包括有待分割的粘连车牌图像的区域，或第二处理器603获得所述两个车牌所分别对应的车牌图像后，对第一处理器602或第二处理器603发送的单个车牌的车牌图像进行车牌识别处理。
进一步地，在上述实施例的基础上，该***还可以包括显示器，与第三处理器连接，用于显示第三处理器对单个车牌的车牌图像的识别结果。该显示器可以是触屏显示器，也可以是非触屏显示器。
再进一步地，在上述实施例的基础上，该***还可以包括计费处理器，与第三处理器连接，用于根据入场时间对第三处理器输出的识别结果进行停车计费。计费处理器在第三处理器输出单块车牌的车牌图像后，根据悬挂该车牌的车辆进入停车场的时间，以及当前时间计算入场时长，并根据具体的计费规则进行停车计算。
本发明实施例提供的车牌图像处理***，可以执行上述各方法实施例提供的车牌图像的获取方法流程，具体可以参照上述各方法实施例，此处不再赘述。该***，不但可以识别悬挂单个车牌的车辆，还可以识别悬挂两块车牌的车辆，适用场景广泛，特别适合于对粘连车牌的车辆的识别以及进行相应的计费处理，提高停车场对各类车辆的计算管理效率。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (17)

1.一种车牌图像的获取方法，其特征在于，包括：
获取待识别车辆的车牌拍照图像，若根据预设规则判断获知所述车牌拍照图像中包括有待分割的粘连车牌图像的区域，则将所述区域作为可疑候选区域；
基于所述粘连车牌的布局方式将所述可疑候选区域切分成多个区块，并根据各区块所包括的两种感兴趣颜色的像素数量，确定出所述粘连车牌图像中两个车牌的分界线位置上所对应的目标区块；其中，所述两种感兴趣颜色分别与所述两个车牌一一对应；
根据所述目标区块对所述可疑候选区域进行图像切割，以获得所述粘连车牌图像中所述两个车牌所分别对应的车牌图像。
2.根据权利要求1所述的方法，其特征在于，所述根据各区块所包括的两种感兴趣颜色的像素数量，确定出所述粘连车牌图像中两个车牌的分界线位置处所对应的目标区块，包括：
统计各区块所包括的两种感兴趣颜色的像素数量，并计算各区块对应的两种感兴趣颜色的像素数量的差值；
根据各区块对应的两种感兴趣颜色的像素数量的差值，分别计算每一个区块两侧的所有区块对应的像素数量的差值平均值；其中，若所述布局方式为并排布局，则所述区块两侧为该区块按列切分后的两侧；若所述布局方式为垂直布局，则所述区块两侧为该区块按行切分后的两侧；
根据所述差值和所述差值平均值，计算每一个区块对应的像素数量的方差；
根据每一个区块对应的像素数量的方差，确定所述目标区块。
3.根据权利要求2所述的方法，其特征在于，所述根据每一个区块两侧的所有区块对应的像素数量的方差，确定所述目标区块，包括：
计算每一个区块两侧的所有区块对应的像素数量的方差之和；
将所对应的方差之和最小的区块，确定为所述目标区块。
4.根据权利要求1所述的方法，其特征在于，按照如下公式判断像素i是否为一感兴趣颜色的像素：
α*iR+β*iG+γ*iB>threshold(color1)；其中，iR、iG、iB为像素i对应的RGB值，threshold(color1)为一感兴趣颜色对应的门限阈值；权重α，β，γ根据所述感兴趣颜色确定。
5.根据权利要求1所述的方法，其特征在于，所述根据预设规则判断获知所述车牌拍照图像中包括有待分割的粘连车牌图像的区域，则将所述区域作为可疑候选区域，包括：
获取每一个所述候选区域内两种感兴趣颜色的像素数量之和，并计算感兴趣颜色的占比；
若判断获知一候选区域对应的占比高于预设阈值，则确定所述车牌拍照图像中包括有待分割的粘连车牌图像的区域，并将所述候选区域作为可疑候选区域。
6.根据权利要求5所述的方法，其特征在于，所述获取每一个所述候选区域内两种感兴趣颜色的像素数量之和的步骤之前，所述方法还包括：
根据预设的宽高比例阈值进行筛选，获取所述车牌拍照图像中至少一个的候选区域。
7.根据权利要求1所述的方法，其特征在于，所述将所述可疑候选区域切分成多个区块，包括：
对所述可疑候选区域按行或列，切分成多个尺寸相同的区块。
8.根据权利要求1至7任一所述的方法，其特征在于，所述根据所述目标区块对所述可疑候选区域进行图像切割，以获得所述粘连车牌图像中所述两个车牌所分别对应的车牌图像，包括：
根据所述目标区块对所述可疑候选区域进行图像切割，并对切割获得的两个图像进行修补，以获得所述粘连车牌图像中所述两个车牌所分别对应的车牌图像。
9.根据权利要求8所述的方法，其特征在于，所述对切割获得的两个图像进行修补，包括：
利用所述目标区块，对切割获得的两个图像进行修补。
10.根据权利要求1所述的方法，其特征在于，所述方法还包括：
若判断获知所述目标区块位于所述可疑候选区域的边缘位置，则流程结束。
11.根据权利要求5所述的方法，其特征在于，所述方法还包括：
若判断获知不存在任一候选区域对应的占比高于预设阈值，则确定所述车牌拍照图像中不包括有待分割的粘连车牌图像的区域，流程结束。
12.一种车牌图像的获取装置，其特征在于包括：
获取模块，用于获取待识别车辆的车牌拍照图像，若根据预设规则判断获知所述车牌拍照图像中包括有待分割的粘连车牌图像的区域，则将所述区域作为可疑候选区域；
确定模块，用于基于所述粘连车牌的布局方式将所述可疑候选区域切分成多个区块，并根据各区块所包括的两种感兴趣颜色的像素数量，确定出所述粘连车牌图像中两个车牌的分界线位置上所对应的目标区块；其中，所述两种感兴趣颜色分别与所述两个车牌一一对应；
切割模块，用于根据所述目标区块对所述可疑候选区域进行图像切割，以获得所述粘连车牌图像中所述两个车牌所分别对应的车牌图像。
13.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至11任一项所述方法的步骤。
14.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至11任一项所述方法的步骤。
15.一种车牌图像处理***，其特征在于，包括：
摄像头，用于获取待识别车辆的车牌拍照图像；
第一处理器，与所述摄像头连接，用于根据预设规则判断所述车牌拍照图像中是否包括有待分割的粘连车牌图像的区域；
第二处理器，与所述第一处理器连接，用于在所述第一处理器判断获知所述车牌拍照图像中包括有待分割的粘连车牌图像的区域后，将所述区域作为可疑候选区域，并基于所述粘连车牌的布局方式将所述可疑候选区域切分成多个区块，并根据各区块所包括的两种感兴趣颜色的像素数量，确定出所述粘连车牌图像中两个车牌的分界线位置上所对应的目标区块；其中，所述两种感兴趣颜色分别与所述两个车牌一一对应；根据所述目标区块对所述可疑候选区域进行图像切割，以获得所述粘连车牌图像中所述两个车牌所分别对应的车牌图像；
第三处理器，分别与所述第一处理器和第二处理器连接，用于在所述第一处理器判断获知所述车牌拍照图像中不包括有待分割的粘连车牌图像的区域，或所述第二处理器获得所述两个车牌所分别对应的车牌图像后，对第一处理器或所述第二处理器发送的单个车牌的车牌图像进行车牌识别处理。
16.根据权利要求15所述的***，其特征在于，还包括：
显示器，与所述第三处理器连接，用于显示所述第三处理器对单个车牌的车牌图像的识别结果。
17.根据权利要求15或16所述的***，其特征在于，还包括：
计费处理器，与所述第三处理器连接，用于根据入场时长对所述第三处理器输出的识别结果进行停车计费。
CN201811643555.2A 2018-12-29 2018-12-29 车牌图像的获取方法和装置 Active CN111382736B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811643555.2A CN111382736B (zh) 2018-12-29 2018-12-29 车牌图像的获取方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811643555.2A CN111382736B (zh) 2018-12-29 2018-12-29 车牌图像的获取方法和装置

Publications (2)

Publication Number Publication Date
CN111382736A CN111382736A (zh) 2020-07-07
CN111382736B true CN111382736B (zh) 2023-05-23

Family

ID=71219364

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811643555.2A Active CN111382736B (zh) 2018-12-29 2018-12-29 车牌图像的获取方法和装置

Country Status (1)

Country Link
CN (1) CN111382736B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112784821A (zh) * 2021-03-06 2021-05-11 深圳市安比智慧科技有限公司 基于YOLOv5的工地行为安全检测识别方法及***

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH10224640A (ja) * 1997-02-05 1998-08-21 Canon Inc 画像処理装置及びその方法
CN101751785A (zh) * 2010-01-12 2010-06-23 杭州电子科技大学 基于图像处理的车牌自动识别方法
CN202243250U (zh) * 2011-10-17 2012-05-30 郑琳芸 框式立体车牌贴
CN109101945A (zh) * 2018-08-27 2018-12-28 贵阳学院 一种交通视频监控图像中的多车牌检测方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH10224640A (ja) * 1997-02-05 1998-08-21 Canon Inc 画像処理装置及びその方法
CN101751785A (zh) * 2010-01-12 2010-06-23 杭州电子科技大学 基于图像处理的车牌自动识别方法
CN202243250U (zh) * 2011-10-17 2012-05-30 郑琳芸 框式立体车牌贴
CN109101945A (zh) * 2018-08-27 2018-12-28 贵阳学院 一种交通视频监控图像中的多车牌检测方法

Also Published As

Publication number Publication date
CN111382736A (zh) 2020-07-07

Similar Documents

Publication Publication Date Title
CN108038883B (zh) 一种应用于公路路面视频图像的裂缝检测及识别方法
CN107679520B (zh) 一种适用于复杂条件下的车道线视觉检测方法
US10133941B2 (en) Method, apparatus and device for detecting lane boundary
CN108805042B (zh) 道路区域监控视频被树叶遮挡的检测方法
WO2018040756A1 (zh) 一种车身颜色识别的方法及装置
CN107292828B (zh) 图像边缘的处理方法和装置
CN103310435B (zh) 将垂直投影和最优路径相结合对车牌字符进行分割的方法
CN107392139A (zh) 一种基于霍夫变换的车道线检测方法及终端设备
CN109948504B (zh) 一种车道线识别方法及装置
KR101246120B1 (ko) 전후면 번호판 영상 기반 차량번호 인식 시스템
CN109816720B (zh) 道路中心检测方法、机载设备及存储介质
CN103729828A (zh) 视频去雨方法
CN106022268A (zh) 一种限速标识的识别方法和装置
CN107871315B (zh) 一种视频图像运动检测方法和装置
CN108010044A (zh) 一种视频边界检测的方法
CN110188640B (zh) 人脸识别方法、装置、服务器和计算机可读介质
CN109766846B (zh) 一种基于视频的自适应多车道车流检测方法及***
CN111382736B (zh) 车牌图像的获取方法和装置
CN107832732B (zh) 基于三叉树遍历的车道线检测方法
CN116630321B (zh) 基于人工智能的桥梁健康智能监测***
CN111695374B (zh) 监控视角中斑马线区域的分割方法、***、介质及设备
CN110619335A (zh) 一种车牌定位与车牌字符分割方法
CN115620259A (zh) 一种基于交通非现场执法场景下的车道线检测方法
CN109934126A (zh) 车辆尾烟检测方法及***
CN112070081A (zh) 一种基于高清视频的智能化车牌识别方法

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