CN112488100A - 一种基于多算法融合的车牌识别率提升方法及装置 - Google Patents
一种基于多算法融合的车牌识别率提升方法及装置 Download PDFInfo
- Publication number
- CN112488100A CN112488100A CN202011352444.3A CN202011352444A CN112488100A CN 112488100 A CN112488100 A CN 112488100A CN 202011352444 A CN202011352444 A CN 202011352444A CN 112488100 A CN112488100 A CN 112488100A
- Authority
- CN
- China
- Prior art keywords
- license plate
- image
- character information
- character
- layout
- 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
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 23
- 230000004927 fusion Effects 0.000 title claims abstract description 22
- 238000011084 recovery Methods 0.000 claims description 14
- 238000004458 analytical method Methods 0.000 claims description 11
- 238000007689 inspection Methods 0.000 claims description 7
- 238000000605 extraction Methods 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 claims description 3
- 239000011248 coating agent Substances 0.000 claims 2
- 238000000576 coating method Methods 0.000 claims 2
- 230000002708 enhancing effect Effects 0.000 claims 2
- 238000002360 preparation method Methods 0.000 claims 2
- 238000004364 calculation method Methods 0.000 abstract description 4
- 238000005516 engineering process Methods 0.000 description 5
- 230000011218 segmentation Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
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
- G06V30/146—Aligning or centring of the image pick-up or image-field
- G06V30/1475—Inclination or skew detection or correction of characters or of image to be recognised
- G06V30/1478—Inclination or skew detection or correction of characters or of image to be recognised of characters or characters lines
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/08—Detecting or categorising vehicles
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)
Abstract
本发明公开一种基于多算法融合的车牌识别率提升方法及装置，属于涉及车牌识别的计算、推算或计数的技术领域，通过获取车辆图像，提取车辆图像中的车牌图像，对车牌图像进行二值化处理得到二值化图，二值化图包含车牌前景字符信息和车牌背景信息，对车牌前景字符信息进行倾斜矫正，对倾斜矫正后的车牌前景字符信息进行版面分析，将处于不同行的字符信息转换至同一行，对转换至同一行的字符信息进行字符识别得到车牌字符识别结果，本发明通过二值化处理、倾斜矫正、版面分析等多种算法的融合，显著提升了车牌识别的效率。
Description
技术领域
本发明涉及智能交通技术，尤其涉及一种基于多算法融合的车牌识别率提升方法及装置，属于涉及图像识别的计算、推算或计数的技术领域。
背景技术
汽车牌照号码是车辆的唯一“身份”标识，牌照自动识别技术可以在不对汽车作任何改动的情况下实现汽车“身份”的自动登记及验证，这项技术已经应用于公路收费、停车管理、称重***、交通诱导、交通执法、公路稽查、车辆调度、车辆检测等各种场合。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。
现有技术中的一种车牌识别方法如下：首先对车辆图像进行预处理，获得待识别车牌图像以及待识别车牌图像的车牌类型，在待识别车牌图像的车牌类型指示多行车牌的情况下，基于双行车牌的尺寸规格，在双行车牌类型的待识别车牌图像上确定上下层分割线的位置，沿所确定的分割线切分所述双行车牌类型的待识别车牌图像，得到上层车牌图像和下层车牌图像，对所述上层车牌图像进行尺寸变换，得到尺寸变换后的上层车牌图像；以及将尺寸变换后的上层车牌图像与下层车牌图像进行水平方向拼接，得到转化后的单行车牌类型的车牌图像，对单行车牌类型的车牌图像进行识别，得到车牌号码。该方法通过将多行车牌转换为单行车牌，简单高效地实现多行车牌的识别。
然而，上述方法在实际识别车牌的过程中，存在以下不足之处：对于一些特殊车牌，车牌上往往不只有双层文字，例如：临时入境牌上有四层文字，由上至下依次记载有：期限信息、临时入境信息、车牌号信息以及途径地信息，此时以双行车牌的方式进行分割会导致识别率下降。再比如：农业机械车牌由农机监理部门发放，车牌颜色为绿底白字白框，牌照尺寸为300mm*165mm。低速载货车车牌由两块相同大小的车牌组成，分别悬挂于车辆的前面和尾部，尺寸也为300mm*165mm，上述两种车牌都为双层文字，但车牌类型不同导致分割线位置也会有细微差别，仅基于双行车牌的尺寸规格，在双行车牌类型的待识别车牌图像上确定上下层分割线的位置会导致识别率的下降。
因此，有必要提出一种基于多算法融合的车牌识别率提升方法及装置，以提升车牌识别率。
发明内容
本发明的发明目的是针对上述背景技术的不足，提供了一种基于多算法融合的车牌识别率提升方法及装置，通过二值化处理、倾斜矫正、版面分析等多种算法的融合实现了多行文字车牌识别率的显著提升，解决了采用现有双行车牌识别方式识别双层文字车牌时识别率低的问题。
本发明为实现上述发明目的采用如下技术方案：
第一方面，本发明提供一种基于多算法融合的车牌识别率提升方法，该方法包括：
获取车辆图像；
提取车辆图像中的车牌图像；
对车牌图像进行二值化处理，得到二值化图，二值化图包含车牌前景字符信息和车牌背景信息；
对车牌前景字符信息进行倾斜矫正；
对倾斜矫正后的车牌前景字符信息进行版面分析，将处于不同行的字符信息转换至同一行；
对转换至同一行的字符信息进行字符识别，得到车牌字符识别结果。
可选地，该方法还包括：
根据车牌的尺寸，确定车牌的类型；
根据车牌的类型，对车牌字符识别结果进行版面恢复处理，将车牌字符识别结果的版面排列方式调整为与车牌的类型相匹配的车牌字符版面排列方式。
可选地，该方法还包括：
将版面恢复处理后的车牌字符识别结果发送至人工检验终端进行人工审核。
第二方面，本发明还提供一种基于多算法融合的车牌识别率提升装置，该装置包括：
获取单元，用于获取车辆图像；
提取单元，用于提取车辆图像中的车牌图像；
处理单元，用于对车牌图像进行二值化处理，得到二值化图，二值化图包含车牌前景字符信息和车牌背景信息；
矫正单元，用于对车牌前景字符信息进行倾斜矫正；
分析单元，用于对倾斜矫正后的车牌前景字符信息进行版面分析，将处于不同行的字符信息转换至同一行；
识别单元，用于对转换至同一行的字符信息进行字符识别，得到车牌字符识别结果。
可选地，该装置还包括：
确定单元，用于根据车牌的尺寸，确定车牌的类型；
恢复单元，用于根据车牌的类型，对车牌字符识别结果进行版面恢复处理，将车牌字符识别结果的版面排列方式调整为与车牌的类型相匹配的车牌字符版面排列方式。
可选地，该装置还包括：
发送单元，用于将版面恢复处理后的车牌字符识别结果发送至人工检验终端进行人工审核。
本发明的有益效果如下：本发明提供的一种基于多算法融合的车牌识别率提升方法及装置，通过获取车辆图像，提取车辆图像中的车牌图像，对车牌图像进行二值化处理，得到二值化图，二值化图包含车牌前景字符信息和车牌背景信息，对车牌前景字符信息进行倾斜矫正，对倾斜矫正后的车牌前景字符信息进行版面分析，将处于不同行的字符信息转换至同一行，对转换至同一行的字符信息进行字符识别，得到车牌字符识别结果，本发明通过二值化处理、倾斜矫正、版面分析等多种算法的融合，显著提升了车牌识别的效率。
附图说明
为了更清楚地说明本发明的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。
图1为本发明实施例提供的一种基于多算法融合的车牌识别率提升方法的流程图。
图2为本发明实施例提供的一种基于多算法融合的车牌识别率提升方法的流程图。
图3为本发明实施例提供的一种基于多算法融合的车牌识别率提升装置的示意图。
具体实施方式
为使本发明的发明目的、技术方案和优点更加清楚，下面将结合本发明具体实施例及相应的附图对本发明技术方案进行清楚、完整地描述。显然，所描述的实施例仅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做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。以下结合附图，详细说明本发明各实施例提供的技术方案。
请参阅图1，图1为本发明实施例提供的一种基于多算法融合的车牌识别率提升方法的流程图，该方法的执行主体可以是处理器，具体包括步骤S101至步骤S106。
步骤S101，获取车辆图像。
具体地，可通过高清摄像头采集过往车辆的车头和车尾的图像，并将过往车辆的车头和车尾的图像发送至处理器。
步骤S102，提取车辆图像中的车牌图像。
步骤S103，对车牌图像进行二值化处理，得到二值化图，二值化图包含车牌前景字符信息和车牌背景信息。
在数字图像处理中，二值图像占有非常重要的地位，图像的二值化使图像中数据量大为减少，从而能凸显出目标的轮廓。本发明使用图像的二值化处理，将车牌图像上的点的灰度值设置为0或255，将整个车牌图像呈现出明显的黑白效果，即将256个亮度等级的灰度图像通过适当的阈值选取而获得仍然可以反映图像整体和局部特征的二值化图像，有利于在对车牌图像做进一步处理时，图像的集合性质只与像素值为0或255的点的位置有关，不再涉及像素的多级值，使处理变得简单，而且数据的处理和压缩量小。为了得到理想的二值图像，一般采用封闭、连通的边界定义不交叠的区域。所有灰度大于或等于阈值的像素被判定为属于特定物体，其灰度值为255表示，否则这些像素点被排除在物体区域以外，灰度值为0，表示背景或者例外的物体区域。
如果某特定物体在内部有均匀一致的灰度值，并且其处在一个具有其它等级灰度值的均匀背景下，使用阈值法就可以得到比较的分割效果。如果物体同背景的差别表现不在灰度值上（比如纹理不同），可以将这个差别特征转换为灰度的差别，然后利用阈值选取技术来分割该图像。动态调节阈值实现图像的二值化可动态观察其分割图像的具体结果。
步骤S104，对所述车牌前景字符信息进行倾斜矫正。
具体地，首先可以采用霍夫变换进行倾斜角度检测，再通过图像旋转的方式进行倾斜矫正。
步骤S105，对倾斜矫正后的车牌前景字符信息进行版面分析，将处于不同行的字符信息转换至同一行。
具体地，由于一种种类的车牌上的字符可能对多行，通过对倾斜矫正后的车牌前景字符信息进行版面分析，识别出字符的行数，再按照从上到下的方式将处于不同行的字符信息按照从左到右的顺序转换至同一行。
步骤S106，对转换至同一行的字符信息进行字符识别，得到车牌字符识别结果。
具体地，对转换至同一行的字符信息进行字符识别可根据现有技术实现，极大地提升识别效率和识别精度。
如图2所示，在一种可选实施方式中，本申请公开的车牌识别方法还可以包括步骤S201和步骤S202。
步骤S201，根据车牌的尺寸，确定车牌的类型。
具体地，不同车型的车牌有特定的尺寸，例如两、三轮摩托百车前牌照的尺寸为：220mm*95mm，车牌背景信息为黄底黑字黑框线，确定车牌类型为两轮摩托车和三轮摩托车。轻便摩托车后牌照的尺寸为：220mm*140mm，车牌背景信息为蓝底白字白框线，确定车牌类型为轻便摩托车。大型汽车前牌照的尺寸为：440mm*140mm，车牌背景信息为黄底黑字黑框线;前景字符信息为：总质量4.5t(含)、乘坐人度数20人(含)和车长，确定车牌类型为大型汽车。小型汽车车牌照的尺寸为：440mm*140mm，车牌背景信息为蓝底白字白框线，确定车牌类型为小型汽车。教练汽车车牌照的尺寸为 440mm*140mm，车牌背景信息为黄底黑字黑框线，确定车牌类型为车牌类型为教练车。
步骤S202，根据车牌类型，对车牌字符识别结果进行版面恢复处理，将车牌字符识别结果的版面排列方式调整为与车牌类型相匹配的车牌字符版面排列方式。
进一步地，在一种可选实施方式中，本申请公开的车牌识别方法还包括如下步骤：将版面恢复处理后的车牌字符识别结果发送至人工检验终端进行人工审核。
请参阅图3，本发明提供的一种基于多算法融合的车牌识别率提升装置，包括：
获取单元，用于获取车辆图像；
提取单元，用于提取车辆图像中的车牌图像；
处理单元，用于对车牌图像进行二值化处理，得到二值化图，二值化图包含车牌前景字符信息和车牌背景信息；
矫正单元，用于对车牌前景字符信息进行倾斜矫正；
分析单元，用于对倾斜矫正后的车牌前景字符信息进行版面分析，将处于不同行的字符信息转换至同一行；
识别单元，用于对转换至同一行的字符信息进行字符识别，得到车牌字符识别结果。
进一步地，装置还可以包括：
确定单元，用于根据车牌尺寸确定车牌的类型；
恢复单元，用于根据车牌类型对车牌字符识别结果进行版面恢复处理，将车牌字符识别结果的版面排列方式调整为与车牌类型相匹配的车牌字符版面排列方式。
进一步地，装置还可以包括：
发送单元，用于将版面恢复处理后的车牌字符识别结果发送至人工检验终端进行人工审核。
本发明实施例还提供一种存储介质，存储介质中存储有计算机程序，计算机程序被处理器执行时实现本发明提供的基于多算法融合的车牌识别率提升方法中的部分或全部步骤。存储介质可为磁碟、光盘、只读存储记忆体（Read Only Memory，ROM）或随机存储记忆体（Random Access Memory，RAM）等。
本领域的技术人员可以清楚地了解到本发明实施例中的技术可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本发明实施例中的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）执行本发明各个实施例或者实施例的某些部分所述的方法。
本说明书中各个实施例之间相同或相似的部分互相参见即可。尤其，对于基于多算法融合的车牌识别率提升装置实施例而言，由于其基本相似于方法实施例，所以描述地比较简单，相关之处参见方法实施例中的说明即可。
以上所述的本发明实施方式并不构成对本发明保护范围的限定。
Claims (10)
1.一种基于多算法融合的车牌识别率提升方法，其特征在于，
获取车辆图像并提取车辆图像中的车牌图像；
对所述车牌图像进行二值化处理得到包含车牌前景字符信息的二值化图；
对所述车牌前景字符信息进行倾斜矫正；
对倾斜矫正后的车牌前景字符信息进行版面分析，将处于不同行的字符信息转换至同一行；
对转换至同一行的字符信息进行字符识别，得到车牌字符识别结果。
2.根据权利要求1所述一种基于多算法融合的车牌识别率提升方法，其特征在于，在得到车牌字符识别结果后，根据车牌类型对车牌字符识别结果进行版面恢复处理，将车牌字符识别结果的版面排列方式调整为与车牌类型相匹配的车牌字符版面排列方式。
3.根据权利要求1所述一种基于多算法融合的车牌识别率提升方法，其特征在于，采用动态调节阈值的方式分割车牌图像以获取二值化图。
4.根据权利要求1所述一种基于多算法融合的车牌识别率提升方法，其特征在于，对所述车牌前景字符信息进行倾斜矫正的方法为：采用霍夫变换对车牌前景字符信息进行倾斜角度检测，再根据检测的倾斜角度对车牌前景字符信息进行旋转处理。
5.根据权利要求2所述一种基于多算法融合的车牌识别率提升方法，其特征在于，将版面恢复后的车牌字符识别结果发送至人工检验终端进行人工审核。
6.一种基于多算法融合的车牌识别率提升装置，其特征在于，包括：
获取单元，获取车辆图像；
提取单元，提取车辆图像中的车牌图像；
处理单元，对所述车牌图像进行二值化处理得到包含车牌前景字符信息的二值化图；
矫正单元，对所述车牌前景字符信息进行倾斜矫正；
分析单元，对倾斜矫正后的车牌前景字符信息进行版面分析，将处于不同行的字符信息转换至同一行；及，
识别单元，对转换至同一行的字符信息进行字符识别，得到车牌字符识别结果。
7.根据权利要求6所述一种基于多算法融合的车牌识别率提升装置，其特征在于，所述装置还包括：
确定单元，根据车牌尺寸确定车牌类型；及，
恢复单元，根据车牌类型对车牌字符识别结果进行版面恢复处理，将车牌字符识别结果的版面排列方式调整为与车牌类型相匹配的车牌字符版面排列方式。
8.根据权利要求6所述一种基于多算法融合的车牌识别率提升装置，其特征在于，所述装置还包括：
发送单元，将版面恢复后的车牌字符识别结果发送至人工检验终端进行人工审核。
9.一种计算机存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1所述的车牌识别率提升方法。
10.一种车牌识别终端设备，其特征在于，包括：存储器、处理器及存储在存储器上并可以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权利要求1所述车牌识别率提升方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011352444.3A CN112488100A (zh) | 2020-11-26 | 2020-11-26 | 一种基于多算法融合的车牌识别率提升方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011352444.3A CN112488100A (zh) | 2020-11-26 | 2020-11-26 | 一种基于多算法融合的车牌识别率提升方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112488100A true CN112488100A (zh) | 2021-03-12 |
Family
ID=74935598
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011352444.3A Pending CN112488100A (zh) | 2020-11-26 | 2020-11-26 | 一种基于多算法融合的车牌识别率提升方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112488100A (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105335743A (zh) * | 2015-10-28 | 2016-02-17 | 重庆邮电大学 | 一种车牌识别方法 |
| CN109145915A (zh) * | 2018-07-27 | 2019-01-04 | 武汉科技大学 | 一种复杂场景下车牌快速畸变矫正方法 |
| US20190114516A1 (en) * | 2017-10-13 | 2019-04-18 | Getac Technology Corporation | Method for recognizing license plate in vehicle camera device and vehicle camera device |
| CN110163199A (zh) * | 2018-09-30 | 2019-08-23 | 腾讯科技（深圳）有限公司 | 车牌识别方法、车牌识别装置、车牌识别设备及介质 |
-
2020
- 2020-11-26 CN CN202011352444.3A patent/CN112488100A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105335743A (zh) * | 2015-10-28 | 2016-02-17 | 重庆邮电大学 | 一种车牌识别方法 |
| US20190114516A1 (en) * | 2017-10-13 | 2019-04-18 | Getac Technology Corporation | Method for recognizing license plate in vehicle camera device and vehicle camera device |
| CN109145915A (zh) * | 2018-07-27 | 2019-01-04 | 武汉科技大学 | 一种复杂场景下车牌快速畸变矫正方法 |
| CN110163199A (zh) * | 2018-09-30 | 2019-08-23 | 腾讯科技（深圳）有限公司 | 车牌识别方法、车牌识别装置、车牌识别设备及介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110069986B (zh) | 一种基于混合模型的交通信号灯识别方法及*** | |
| CN109886896B (zh) | 一种蓝色车牌分割与矫正方法 | |
| CN103824066B (zh) | 一种基于视频流的车牌识别方法 | |
| CN103324930B (zh) | 一种基于灰度直方图二值化的车牌字符分割方法 | |
| CN109657632B (zh) | 一种车道线检测识别方法 | |
| CN101334836B (zh) | 一种融合色彩、尺寸和纹理特征的车牌定位方法 | |
| CN112528878A (zh) | 检测车道线的方法、装置、终端设备及可读存储介质 | |
| CN111626277B (zh) | 一种基于治超站交调指标分析的车辆跟踪方法及装置 | |
| CN109344704B (zh) | 一种基于行车方向与车道线夹角的车辆变道行为检测方法 | |
| CN111191611A (zh) | 基于深度学习的交通标志标号识别方法 | |
| CN106951898B (zh) | 一种车辆候选区域推荐方法及***、电子设备 | |
| WO2023279966A1 (zh) | 一种多车道线检测方法、装置及检测设备 | |
| Azad et al. | New method for optimization of license plate recognition system with use of edge detection and connected component | |
| CN109886168B (zh) | 一种基于层阶的地面交通标志识别方法 | |
| CN105426863A (zh) | 检测车道线的方法和装置 | |
| Premachandra et al. | Image based automatic road surface crack detection for achieving smooth driving on deformed roads | |
| CN112115800A (zh) | 一种基于深度学习目标检测的车辆组合识别***及方法 | |
| CN113297939B (zh) | 障碍物检测方法、***、终端设备及存储介质 | |
| CN107066929B (zh) | 一种融合多种特征的高速公路隧道停车事件分级识别方法 | |
| CN109800693B (zh) | 一种基于颜色通道混合特征的夜间车辆检测方法 | |
| CN112488100A (zh) | 一种基于多算法融合的车牌识别率提升方法及装置 | |
| CN114724119B (zh) | 车道线提取方法、检测设备及存储介质 | |
| CN111881897B (zh) | 一种停车场地面中文标志识别方法及其***、存储介质 | |
| CN110321973B (zh) | 一种基于视觉的组合车辆检测方法 | |
| CN202854837U (zh) | 一种汽车车道标识线检测装置 |
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 |