CN112633281B - 一种基于Hash算法车辆身份认证方法及*** - Google Patents

一种基于Hash算法车辆身份认证方法及*** Download PDF

Info

Publication number
CN112633281B
CN112633281B CN202011627290.4A CN202011627290A CN112633281B CN 112633281 B CN112633281 B CN 112633281B CN 202011627290 A CN202011627290 A CN 202011627290A CN 112633281 B CN112633281 B CN 112633281B
Authority
CN
China
Prior art keywords
vehicle
license plate
image
characteristic
characteristic value
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
CN202011627290.4A
Other languages
English (en)
Other versions
CN112633281A (zh
Inventor
黄林彬
汪劲松
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.)
Guangdong Cirrus Sci Tech Dev Co ltd
Original Assignee
Guangdong Cirrus Sci Tech Dev 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 Guangdong Cirrus Sci Tech Dev Co ltd filed Critical Guangdong Cirrus Sci Tech Dev Co ltd
Priority to CN202011627290.4A priority Critical patent/CN112633281B/zh
Publication of CN112633281A publication Critical patent/CN112633281A/zh
Application granted granted Critical
Publication of CN112633281B publication Critical patent/CN112633281B/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
    • 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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
    • G06F18/2135—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on approximation criteria, e.g. principal component analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T9/00—Image coding
    • 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)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种基于Hash算法车辆身份认证方法及***，通过采集包含车辆牌照的车辆图像并传输到客户端；客户端对车辆图像滤波得到滤波图像；车辆图像的哈希编码与车牌部分的哈希编码进行相似度匹配，选取条件较好的作为哈希编码传输到服务器端与数据库中的车辆图像的哈希编码进行匹配；并输出车辆身份认证结果信息，能够快速的对车辆进行身份识别，提高了车辆识别的准确性，减少了误检率，本发明应用于车辆身份认证技术领域。

Description

一种基于Hash算法车辆身份认证方法及***
技术领域
本发明属于信息安全、车辆身份认证技术领域，具体涉及一种基于Hash算法车辆身份认证方法及***。
背景技术
目前，对车辆身份认证一般采取车牌号的方式对车辆进行身份标识的方法，加挂车牌的作用主要是方便人们进行车辆的管理。虽然，目前车牌识别***为主的信息化车辆身份识别技术已经得到了较多的应用；车辆身份认证技术作为最重要的一道安全防线，有着重要地位，可靠的车辆身份认证可以确保信息被正确的识别。
但是，现有的车牌识别技术仅仅是将车辆的拍照识别出来，识别车辆牌号、颜色等信息，而目前普遍存在的问题是安全性非常低，经常由于车牌遮挡、***等手段导致无法识别正确的车辆身份，因此，亟需一种能够快速的车辆身份认证方法以提高车辆识别的准确性。
发明内容
本发明的目的在于提出一种基于Hash算法车辆身份认证方法及***，以解决现有技术中所存在的一个或多个技术问题，至少提供一种有益的选择或创造条件。
为了实现上述目的，根据本发明的一方面，提供一种基于Hash算法车辆身份认证方法，所述方法包括以下步骤：
步骤1，采集包含车辆牌照的车辆图像；
步骤2，对车辆图像滤波得到滤波图像；
步骤3，采用主成分分析算法获取滤波图像的各个主成分，提取每个主成分的特征值，并将各个特征值按照从小到大顺序作为整体特征值集合；
步骤4，分割滤波图像中的车牌区域图像，采用主成分分析算法获取车牌区域图像的各个主成分，提取每个主成分的特征值作为车牌区域特征值集合，车牌区域特征值集合中特征值的数量为k；
步骤5，取整体特征值集合中前k个最小的特征值作为第一特征值集合，车牌区域特征值集合中特征值作为第二特征值集合，计算第一特征值集合和第二特征值集合的余弦相似度；
步骤6，如果余弦相似度大于0，则计算第一特征值集合的特征函数值作为对比特征函数值，如果余弦相似度小于或等于0则计算第二特征值集合中特征值的特征函数值作为对比特征函数值；
步骤7，将对比特征函数值在零点进行二元量化得到哈希编码；
步骤8，将哈希编码传输到服务器端与数据库中的车辆图像的哈希编码进行匹配；
步骤9，如果匹配成功则输出车辆对应的车牌号和车型信息，如果匹配失败则输出车辆身份识别失败的警告信息。
进一步地，在步骤1中，采集包含车辆牌照的车辆图像通过高速公路照车牌摄像机AW-8901或者采用SONY 210万像素逐行Exmor CMOS传感器的摄像机进行拍摄。
进一步地，客户端至少一个，用于处理车辆图像，与服务器连接；服务器包括存储有多个车辆图像、车辆编号、车牌号和车型信息的数据库。
进一步地，在步骤2中，对车辆图像滤波的方法包括线性滤波和非线性滤波中任意一种，线性滤波包括方框滤波、均值滤波、高斯滤波，非线性滤波包括中值滤波、双边滤波。
进一步地，在步骤4中，分割滤波图像中的车牌区域图像的方法为：通过多边形标注、图像标注工具labellmg工具标注出滤波图像中的车牌区域，并分割提取车牌区域图像。
进一步地，在步骤8中，将哈希编码传输到服务器端与数据库中的车辆图像的哈希编码进行匹配的方法为：服务器端的数据库中已经存储有各个车辆图像、车辆编号、车牌号和车型信息及其哈希编码，将客户端传输而来的哈希编码与数据库中车辆图像的哈希编码进行余弦相似度比对，选取余弦相似度值最大的车辆图像、车辆编号、车牌号和车型信息输出。
本发明还提供了一种基于Hash算法车辆身份认证***，所述***包括：存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序运行在以下***的单元中：
车辆图像采集单元，用于采集包含车辆牌照的车辆图像；
车辆图像滤波单元，用于对车辆图像滤波得到滤波图像；
主成分特征提取单元，用于采用主成分分析算法获取滤波图像的各个主成分，提取每个主成分的特征值，并将各个特征值按照从小到大顺序作为整体特征值集合；
车牌特征提取单元，用于分割滤波图像中的车牌区域图像，采用主成分分析算法获取车牌区域图像的各个主成分，提取每个主成分的特征值作为车牌区域特征值集合，车牌区域特征值集合中特征值的数量为k；
相似度计算单元，用于取整体特征值集合中前k个最小的特征值作为第一特征值集合，车牌区域特征值集合中特征值作为第二特征值集合，计算第一特征值集合和第二特征值集合的余弦相似度；
特征函数计算单元，用于如果余弦相似度大于0，则计算第一特征值集合的特征函数值作为对比特征函数值，如果余弦相似度小于或等于0则计算第二特征值集合中特征值的特征函数值作为对比特征函数值；
哈希编码单元，用于将对比特征函数值在零点进行二元量化得到哈希编码；
哈希匹配单元，用于将哈希编码传输到服务器端与数据库中的车辆图像的哈希编码进行匹配；
结果输出单元，用于如果匹配成功则输出车辆对应的车牌号和车型信息，如果匹配失败则输出车辆身份识别失败的警告信息。
本发明的有益效果为：本发明提供一种基于Hash算法车辆身份认证方法及***，能够快速的对车辆进行身份识别，提高了车辆识别的准确性，减少了误检率。
附图说明
通过对结合附图所示出的实施方式进行详细说明，本发明的上述以及其他特征将更加明显，本发明附图中相同的参考标号表示相同或相似的元素，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，在附图中：
图1所示为一种基于Hash算法车辆身份认证方法的流程图；
图2所示为一种基于Hash算法车辆身份认证***结构图。
具体实施方式
以下将结合实施例和附图对本发明的构思、具体结构及产生的技术效果进行清楚、完整的描述，以充分地理解本发明的目的、方案和效果。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。
如图1所示为根据本发明的一种基于Hash算法车辆身份认证方法的流程图，下面结合图1来阐述根据本发明的实施方式的一种基于Hash算法车辆身份认证方法。
本发明提出一种基于Hash算法车辆身份认证方法，具体包括以下步骤：
步骤1，采集包含车辆牌照的车辆图像并传输到客户端；
步骤2，客户端对车辆图像滤波得到滤波图像；
步骤3，采用主成分分析算法获取滤波图像的各个主成分，提取每个主成分的特征值，并将各个特征值按照从小到大顺序作为整体特征值集合；
步骤4，分割滤波图像中的车牌区域图像，采用主成分分析算法获取车牌区域图像的各个主成分，提取每个主成分的特征值作为车牌区域特征值集合，车牌区域特征值集合中特征值的数量为k；
步骤5，取整体特征值集合中前k个最小的特征值作为第一特征值集合，车牌区域特征值集合中特征值作为第二特征值集合，计算第一特征值集合和第二特征值集合的余弦相似度；
步骤6，如果余弦相似度大于0，则计算第一特征值集合的特征函数值作为对比特征函数值，如果余弦相似度小于或等于0则计算第二特征值集合中特征值的特征函数值作为对比特征函数值；
步骤7，将对比特征函数值在零点进行二元量化得到哈希编码；
步骤8，客户端将哈希编码传输到服务器端与数据库中的车辆图像的哈希编码进行匹配；
步骤9，如果匹配成功则输出车辆对应的车牌号和车型信息，如果匹配失败则输出车辆身份识别失败的警告信息。
进一步地，在步骤1中，采集包含车辆牌照的车辆图像通过高速公路照车牌摄像机AW-8901或者采用SONY 210万像素逐行Exmor CMOS传感器的摄像机进行拍摄。
进一步地，在步骤2中，对车辆图像滤波的方法包括线性滤波和非线性滤波中任意一种，线性滤波包括方框滤波、均值滤波、高斯滤波，非线性滤波包括中值滤波、双边滤波。
进一步地，在步骤4中，分割滤波图像中的车牌区域图像的方法为：通过多边形标注、图像标注工具labellmg工具标注出滤波图像中的车牌区域，并分割提取车牌区域图像。
进一步地，在步骤8中，将哈希编码传输到服务器端与数据库中的车辆图像的哈希编码进行匹配的方法为：服务器端的数据库中已经存储有各个车辆图像、车辆编号、车牌号和车型信息及其哈希编码，将客户端传输而来的哈希编码与数据库中车辆图像的哈希编码进行余弦相似度比对，选取余弦相似度值最大的车辆图像、车辆编号、车牌号和车型信息输出。
本发明的实施例提供的一种基于Hash算法车辆身份认证***，如图2所示为本发明的一种基于Hash算法车辆身份认证***结构图，该实施例的一种基于Hash算法车辆身份认证***包括：处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述一种基于Hash算法车辆身份认证***实施例中的步骤。
所述***包括：存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序运行在以下***的单元中：
车辆图像采集单元，用于采集包含车辆牌照的车辆图像并传输到客户端；
车辆图像滤波单元，用于客户端对车辆图像滤波得到滤波图像；
主成分特征提取单元，用于采用主成分分析算法获取滤波图像的各个主成分，提取每个主成分的特征值，并将各个特征值按照从小到大顺序作为整体特征值集合；
车牌特征提取单元，用于分割滤波图像中的车牌区域图像，采用主成分分析算法获取车牌区域图像的各个主成分，提取每个主成分的特征值作为车牌区域特征值集合，车牌区域特征值集合中特征值的数量为k；
相似度计算单元，用于取整体特征值集合中前k个最小的特征值作为第一特征值集合，车牌区域特征值集合中特征值作为第二特征值集合，计算第一特征值集合和第二特征值集合的余弦相似度；
特征函数计算单元，用于如果余弦相似度大于0，则计算第一特征值集合的特征函数值作为对比特征函数值，如果余弦相似度小于或等于0则计算第二特征值集合中特征值的特征函数值作为对比特征函数值；
哈希编码单元，用于将对比特征函数值在零点进行二元量化得到哈希编码；
哈希匹配单元，用于客户端将哈希编码传输到服务器端与数据库中的车辆图像的哈希编码进行匹配；
结果输出单元，用于如果匹配成功则输出车辆对应的车牌号和车型信息，如果匹配失败则输出车辆身份识别失败的警告信息。
所述一种基于Hash算法车辆身份认证***可以运行于桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备中。所述一种基于Hash算法车辆身份认证***，可运行的***可包括，但不仅限于，处理器、存储器。本领域技术人员可以理解，所述例子仅仅是一种基于Hash算法车辆身份认证***的示例，并不构成对一种基于Hash算法车辆身份认证***的限定，可以包括比例子更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述一种基于Hash算法车辆身份认证***还可以包括输入输出设备、网络接入设备、总线等。
所称处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器是所述一种基于Hash算法车辆身份认证***运行***的控制中心，利用各种接口和线路连接整个一种基于Hash算法车辆身份认证***可运行***的各个部分。
所述存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现所述一种基于Hash算法车辆身份认证***的各种功能。所述存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作***、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(SecureDigital,SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
尽管本发明的描述已经相当详尽且特别对几个所述实施例进行了描述，但其并非旨在局限于任何这些细节或实施例或任何特殊实施例，而是应当将其视作是通过参考所附权利要求考虑到现有技术为这些权利要求提供广义的可能性解释，从而有效地涵盖本发明的预定范围。此外，上文以发明人可预见的实施例对本发明进行描述，其目的是为了提供有用的描述，而那些目前尚未预见的对本发明的非实质性改动仍可代表本发明的等效改动。

Claims (6)

1.一种基于Hash算法车辆身份认证方法，其特征在于，所述方法包括以下步骤：
步骤1，采集包含车辆牌照的车辆图像；
步骤2，对车辆图像滤波得到滤波图像；
步骤3，采用主成分分析算法获取滤波图像的各个主成分，提取每个主成分的特征值，并将各个特征值按照从小到大顺序作为整体特征值集合；
步骤4，分割滤波图像中的车牌区域图像，采用主成分分析算法获取车牌区域图像的各个主成分，提取每个主成分的特征值作为车牌区域特征值集合，车牌区域特征值集合中特征值的数量为k；
步骤5，取整体特征值集合中前k个最小的特征值作为第一特征值集合，车牌区域特征值集合中特征值作为第二特征值集合，计算第一特征值集合和第二特征值集合的余弦相似度；
步骤6，如果余弦相似度大于0，则计算第一特征值集合的特征函数值作为对比特征函数值，如果余弦相似度小于或等于0则计算第二特征值集合中特征值的特征函数值作为对比特征函数值；
步骤7，将对比特征函数值在零点进行二元量化得到哈希编码；
步骤8，将哈希编码传输到服务器端与数据库中的车辆图像的哈希编码进行匹配；
步骤9，如果匹配成功则输出车辆对应的车牌号和车型信息，如果匹配失败则输出车辆身份识别失败的警告信息。
2.根据权利要求1所述的一种基于Hash算法车辆身份认证方法，其特征在于，在步骤1中，采集包含车辆牌照的车辆图像通过高速公路照车牌摄像机AW-8901或者采用SONY 210万像素逐行Exmor CMOS传感器的摄像机进行拍摄。
3.根据权利要求1所述的一种基于Hash算法车辆身份认证方法，其特征在于，在步骤2中，对车辆图像滤波的方法包括线性滤波和非线性滤波中任意一种，线性滤波包括方框滤波、均值滤波、高斯滤波，非线性滤波包括中值滤波、双边滤波。
4.根据权利要求1所述的一种基于Hash算法车辆身份认证方法，其特征在于，在步骤4中，分割滤波图像中的车牌区域图像的方法为：通过多边形标注、图像标注工具labellmg工具标注出滤波图像中的车牌区域，并分割提取车牌区域图像。
5.根据权利要求1所述的一种基于Hash算法车辆身份认证方法，其特征在于，在步骤8中，将哈希编码传输到服务器端与数据库中的车辆图像的哈希编码进行匹配的方法为：服务器端的数据库中已经存储有各个车辆图像、车辆编号、车牌号和车型信息及其哈希编码，将客户端传输而来的哈希编码与数据库中车辆图像的哈希编码进行余弦相似度比对，选取余弦相似度值最大的车辆图像、车辆编号、车牌号和车型信息输出。
6.一种基于Hash算法车辆身份认证***，其特征在于，所述***包括：存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序运行在以下***的单元中：
车辆图像采集单元，用于采集包含车辆牌照的车辆图像；
车辆图像滤波单元，用于对车辆图像滤波得到滤波图像；
主成分特征提取单元，用于采用主成分分析算法获取滤波图像的各个主成分，提取每个主成分的特征值，并将各个特征值按照从小到大顺序作为整体特征值集合；
车牌特征提取单元，用于分割滤波图像中的车牌区域图像，采用主成分分析算法获取车牌区域图像的各个主成分，提取每个主成分的特征值作为车牌区域特征值集合，车牌区域特征值集合中特征值的数量为k；
相似度计算单元，用于取整体特征值集合中前k个最小的特征值作为第一特征值集合，车牌区域特征值集合中特征值作为第二特征值集合，计算第一特征值集合和第二特征值集合的余弦相似度；
特征函数计算单元，用于如果余弦相似度大于0，则计算第一特征值集合的特征函数值作为对比特征函数值，如果余弦相似度小于或等于0则计算第二特征值集合中特征值的特征函数值作为对比特征函数值；
哈希编码单元，用于将对比特征函数值在零点进行二元量化得到哈希编码；
哈希匹配单元，用于将哈希编码传输到服务器端与数据库中的车辆图像的哈希编码进行匹配；
结果输出单元，用于如果匹配成功则输出车辆对应的车牌号和车型信息，如果匹配失败则输出车辆身份识别失败的警告信息。
CN202011627290.4A 2020-12-30 2020-12-30 一种基于Hash算法车辆身份认证方法及*** Active CN112633281B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011627290.4A CN112633281B (zh) 2020-12-30 2020-12-30 一种基于Hash算法车辆身份认证方法及***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011627290.4A CN112633281B (zh) 2020-12-30 2020-12-30 一种基于Hash算法车辆身份认证方法及***

Publications (2)

Publication Number Publication Date
CN112633281A CN112633281A (zh) 2021-04-09
CN112633281B true CN112633281B (zh) 2022-11-22

Family

ID=75290598

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011627290.4A Active CN112633281B (zh) 2020-12-30 2020-12-30 一种基于Hash算法车辆身份认证方法及***

Country Status (1)

Country Link
CN (1) CN112633281B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113762254B (zh) * 2021-09-07 2022-11-11 重庆畅停智慧停车服务有限公司 一种车牌识别方法和***
CN117037129A (zh) * 2023-06-16 2023-11-10 江苏大学 一种基于图像处理技术的虚假车牌识别方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108596277A (zh) * 2018-05-10 2018-09-28 腾讯科技（深圳）有限公司 一种车辆身份识别方法、装置和存储介质

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9412031B2 (en) * 2013-10-16 2016-08-09 Xerox Corporation Delayed vehicle identification for privacy enforcement
CN104361359A (zh) * 2014-11-25 2015-02-18 深圳市哈工大交通电子技术有限公司 基于图像检测的车辆识别方法
CN104463233B (zh) * 2014-12-30 2018-08-17 深圳市捷顺科技实业股份有限公司 车标识别方法及车标识别装置
CN111582269B (zh) * 2020-04-20 2023-04-25 佛山科学技术学院 一种保护隐私的车牌识别方法及装置

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108596277A (zh) * 2018-05-10 2018-09-28 腾讯科技（深圳）有限公司 一种车辆身份识别方法、装置和存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于计算机视觉的车型识别研究;金炎;《中国优秀硕士学位论文全文数据库信息科技辑》;20170215(第2期);第I138-3176页 *

Also Published As

Publication number Publication date
CN112633281A (zh) 2021-04-09

Similar Documents

Publication Publication Date Title
CN108229297B (zh) 人脸识别方法和装置、电子设备、计算机存储介质
CN111191568B (zh) 翻拍图像识别方法、装置、设备及介质
KR101637229B1 (ko) Ｓｉｆｔ 기반의 특징점 추출 장치 및 방법과 이를 이용한 얼굴 인식 시스템
CN112633281B (zh) 一种基于Hash算法车辆身份认证方法及***
US20130138652A1 (en) Automatic identity enrolment
CN110647895B (zh) 一种基于登录框图像的钓鱼页面识别方法及相关设备
KR102558736B1 (ko) 지문 인식 방법 및 장치
JP7121132B2 (ja) 画像処理方法、装置及び電子機器
CN111931548A (zh) 人脸识别***、建立人脸识别数据的方法及人脸识别方法
Shabanifard et al. Forensic detection of image manipulation using the Zernike moments and pixel‐pair histogram
US11715324B2 (en) Method for extracting a signature of a fingerprint and device implementing said method
Shashidhar et al. Novel framework for optimized digital forensic for mitigating complex image attacks
Benzaoui et al. Ear biometric recognition in unconstrained conditions
CN111860272A (zh) 图像处理方法、芯片及电子装置
CN114724128A (zh) 一种车牌识别方法、装置、设备和介质
KR20180065475A (ko) 지문인식센서 및 터치스크린에 남은 지문을 이용한 지문 이미지 복원 방법 및 장치
Kaushik et al. Digital Image Forgery Detection using Local Binary Patterns (LBP) and Histogram of Oriented Gradients (HOG)
CN113516598A (zh) 图像校正方法、装置和服务器
Maser et al. Identifying the origin of finger vein samples using texture descriptors
Kale et al. Copy Move Forgery Detection-A Robust Technique
CN113255674A (zh) 字符识别方法、装置、电子设备及计算机可读存储介质
CN111582269A (zh) 一种保护隐私的车牌识别方法及装置
Greenberg et al. Fusion of visual salience maps for object acquisition
US20240193929A1 (en) Target identification method, device and computer-readable storage medium
CN115170616B (zh) 人员轨迹分析方法、装置、终端及存储介质

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
GR01 Patent grant
GR01 Patent grant