CN100349175C - 从车辆影像中撷取车牌区域的方法 - Google Patents
从车辆影像中撷取车牌区域的方法 Download PDFInfo
- Publication number
- CN100349175C CN100349175C CNB2004100444884A CN200410044488A CN100349175C CN 100349175 C CN100349175 C CN 100349175C CN B2004100444884 A CNB2004100444884 A CN B2004100444884A CN 200410044488 A CN200410044488 A CN 200410044488A CN 100349175 C CN100349175 C CN 100349175C
- Authority
- CN
- China
- Prior art keywords
- value
- gradient
- image
- license plate
- binaryzation
- 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.)
- Expired - Fee Related
Links
Images
Landscapes
- Traffic Control Systems (AREA)
- Image Analysis (AREA)
- Character Input (AREA)
Abstract
一种从车辆影像中撷取车牌区域的方法，主要包括：计算车辆影像的水平梯度(Horizontal gradient)及垂直梯度(Verticalgradient)以产生水平梯度影像以及垂直梯度影像；将水平梯度影像以及垂直梯度影像予以二值化(Binarization)成水平梯度二值化影像及垂直梯度二值化影像使得影像中每个像素(Pixel)的数值只为高值(High value)或低值(Low value)；将水平梯度二值化影像及垂直梯度二值化影像合并成整合梯度二值化影像；将整合梯度二值化影像中邻近的高值像素群聚成车牌候选区域(Candidate region)；将每个车牌候选区域依照其区域内的高值像素的分布情形来确定是否为车牌区域并产出确定后的车牌区域影像等步骤。
Description
技术领域
本发明涉及一种从车辆影像中撷取车牌区域的方法，特别是可应用于车牌自动辨识系统及交通监控、车辆门禁的车牌区域影像的撷取。
背景技术
车辆影像中的车牌区域的定位及撷取是车牌自动辨识的前置处理程序，因此其准确性影响车牌自动辨识的整体性能；此外，在交通监控上乃至于车辆门禁管理上，管理人员需要透过摄影机及显示器观看来往车辆的车牌号码，如果能自动将车牌区域的影像撷取并显示出来，将可方便管理人员观看。因此，如何自动且有效的从车辆影像中找出车牌的位置所在、撷取出来，便是车牌自动辨识系统及交通监控、车辆门禁等应用的重要课题。
现有技术对于车辆影像中车牌区域的定位及撷取，一般是使用像素明暗度来运算处理并将所有像素的运算结果的可能情形绘出柱状图，再从柱状图中计算出欲将所有像素的运算结果二值化所需要的临界值，所以很容易因柱状图上下起落无迹可循而无法找到合适的临界值以致二值化效果不佳而影响车牌区域定位及撷取的准确性；此外，由于先前技术多未对可能的车牌区域分析其高值像素，以致找出错误的车牌区域的机会较大。
发明内容
本发明的目的在于提供一种从车辆影像中撷取车牌区域的方法，可应用于车牌自动辨识及交通监控、车辆门禁。
本发明主要是使用像素的明暗度或对数明暗度来运算处理并将所有像素的运算结果的可能情形绘出累积柱状图，并从累积柱状图中计算出将所有像素的运算结果二值化所需要的临界值；因为累积柱状图系呈递增上升状态而不会有一般柱状图上下起落无迹可循的现象，较易计算出欲将所有像素的运算结果二值化所需的临界值，本发明以逼近法获得累积柱状图递增上升转折或趋缓最明显的一处做为二值化的临界值，可得到较佳的二值化结果。
此外，本发明对每个车牌侯选区域分别切成数个小区块并分析所有小区块所包含的高值像素的平均个数及标准差，车牌侯选区域的区块高值个数标准差太高者，可被剔除而不认定为车牌区域。
本发明所提供的从车辆影像中撷取车牌区域的方法，与现有技术相比较，具有以下优点：
1.以逼近法获得累积柱状图递增上升转折或趋缓最明显的一处做为二值化的临界值，可得到较佳的影像二值化结果。
2.对车牌侯选区域分析其高值像素，得到错误的车牌区域的机会较小。
附图说明
下面结合本发明的较佳实施例及其附图，进一步说明本发明的技术内容及其目的功效。
图1为本发明从车辆影像中撷取车牌区域的方法的实施例流程图；
图2为本发明从水平梯度值(或垂直梯度值)的累积柱状图得出水平梯度值(或垂直梯度值)的二值化临界的实施例示意图；
图3为本发明对每个车牌侯选区域分别切成数个小区块并分析所有小区块所包含的高值像素的平均个数及标准差的实施例示意图；
图4为本发明从车辆影像的水平梯度来撷取车牌区域的方法的实施例流程图；
图5为本发明从车辆影像的垂直梯度来撷取车牌区域的方法的实施例流程图。
具体实施方式
实施例一：
如图1所示，本发明所述的从车辆影像中撷取车牌区域的方式，主要包括以下步骤：
(1)计算水平梯度1：计算车辆影像的水平梯度来产生水平梯度影像；其计算水平梯度的方式是将相邻的像素的明暗度相减或将明暗度取对数后成为对数明暗度再相减。
(2)水平梯度二值化2：接着将水平梯度影像予以二值化成水平梯度二值化影像使得影像中每个像素的数值只为高值或低值，做法如图2所示，是计算水平梯度影像的所有可能的水平梯度值的出现次数以绘出水平梯度值的累积柱状图，累积柱状图的横轴是所有水平梯度值由小到大依序排列，纵轴是对每一水平梯度值而言小于或等于该水平梯度值的累积出现次数，在最低水平梯度值与最高水平梯度值之间找一个水平梯度值，使得以最低水平梯度值的出现次数、小于或等于此水平梯度值的累积出现次数、小于或等于最大水平梯度值的累积出现次数三者所构成的线性折线与水平梯度值累积柱状图的差距最小即最逼近累积柱状图，将此水平梯度值定为水平梯度值的二值化临界值，并将大于临界值的水平梯度值定为高值，小于或等于临界值的水平梯度值定为低值。
(3)计算垂直梯度3：计算车辆影像的垂直梯度来产生垂直梯度影像；其计算垂直梯度的方式是将相邻的像素的明暗度相减或将明暗度取对数后成为对数明暗度再相减。
(4)垂直梯度二值化4：并将垂直梯度影像予以二值化成垂直梯度二值化影像，使得影像中每个像素的数值只为高值或低值；做法是计算垂直梯度影像的所有可能的垂直梯度值的出现次数，以绘出垂直梯度值的累积柱状图，累积柱状图的横轴是所有垂直梯度值由小到大依序排列，纵轴是对每一垂直梯度值而言小于或等于该垂直梯度值的累积出现次数，在最低垂直梯度值与最高垂直梯度值之间找一个垂直梯度值，使得以最低垂直梯度值的出现次数、小于或等于此垂直梯度值的累积出现次数、小于或等于最大垂直梯度值的累积出现次数三者所构成的线性折线与垂直梯度值累积柱状图的差距最小即最逼近累积柱状图，将此垂直梯度值定为垂直梯度值的二值化临界值，并将大于临界值的垂直梯度值定为高值，小于或等于临界值的垂直梯度值定为低值。
(5)合并水平梯度二值化影像与垂直梯度值化影像5：将水平梯度二值化影像及垂直梯度二值化影像合并成整合梯度二值化影像，做法为将水平梯度二值化影像及垂直梯度二值化影像做“OR”运算，即水平梯度二值化影像与垂直梯度二值化影像中同一坐标位置的两个像素只要有一个是呈现高值，则整合梯度二值化影像中同一坐标位置的像素也呈现高值；如果水平梯度二值化影像与垂直梯度二值化影像中同一坐标位置的两个像素都呈现低值，则整合梯度二值化影像中同一坐标位置的像素也呈现低值。
(6)将邻近的高值像素群聚成车牌侯选区域6：将整合梯度二值化影像中邻近的高值像素群聚成车牌侯选区域：做法为整合梯度二值化影像中的高值像素间的距离，如果小于一个特定值，则将这些高值像素标示相同的卷标，再将相同卷标的所有像素的所在区域定为车牌侯选区域。
(7)以高值像素来确定车牌后选区域是否为车牌区域7：将每个车牌侯选区域依照其区域内的高值像素来确定是否为车牌区域：如图3所示，将每个车牌侯选区域分别切成数个小区块并分析所有小区块所包含的高值像素的平均个数及标准差，车牌侯选区域的区块高值个数标准差太高的，可被剔除而不认定为车牌区域，并产出确定后的车牌区域影像。
实施例二：
如图4所示，本发明所述的从车辆影像中撷取车牌区域的方式，可只针对车辆影像的水平梯度来二值化影像，主要包括以下步骤：
(1)计算水平梯度1：计算车辆影像的水平梯度来产生水平梯度影像；其计算水平梯度的方式是将相邻的像素的明暗度相减或将明暗度取对数后成为对数明暗度再相减。
(2)水平梯度二值化2：接着将水平梯度影像予以二值化成水平梯度二值化影像使得影像中每个像素的数值只为高值或低值，做法是计算水平梯度影像的所有可能的水平梯度值的出项次数以绘出水平梯度值的累积柱状图，累积柱状图的横轴是所有水平梯度值由小到大依序排列，纵轴是对每一水平梯度值而言小于或等于该水平梯度值的累积出现次数，在最低水平梯度值与最高水平梯度值之间找一个水平梯度值，使得以最低水平梯度值的出现次数、小于或等于此水平梯度值的累积出现次数、小于或等于最大水平梯度值的累积出现次数三者所构成的线性折线与水平梯度值累积柱状图的差距最小即最逼近累积柱状图，将此水平梯度值定为水平梯度值的二值化临界值，并将大于临界值的水平梯度值定为高值，小于或等于临界值的水平梯度值定为低值。
(3)将邻近的高值像素群聚成车牌侯选区域6：将整合梯度二值化影像中邻近的高值像素群聚成车牌侯选区域；做法为整合梯度二值化影像中的高值像素间的距离，如果小于特定值，则将这些高值像素标示相同的卷标，再将相同卷标的所有像素的所在区域定为车牌侯选区域。
(4)以高值像素来确定车牌侯选区域是否为车牌区域7：将每个车牌侯选区域依照其区域内的高值像素来确定是否为车牌区域：如图3所示，将每个车牌侯选区域分别切成数个小区块并分析所有小区块所包含的高值像素的平均个数及标准差，车牌侯选区域的区块高值个数标准差太高的，可被剔除而不认定为车牌区域，并产出确定后的车牌区域影像。
实施例三：
如图5所示，本发明所述的从车辆影像中撷取车牌区域的方法，可只针对车辆影像的垂直梯度来二值化影像，主要包含以下步骤：
(1)计算垂直梯度3：计算车辆影像的垂直梯度来产生垂直梯度影像；其计算垂直梯度的方式是将相邻的像素的明暗度相减或将明暗度取对数后成为对数明暗度再相减。
(2)垂直梯度二值化4：将垂直梯度影像予以二值化成垂直梯度二值化影像使得影像中每个像素的数值只为高值或低值；做法是计算垂直梯度影像的所有可能的垂直梯度值的出现次数以绘出垂直梯度值的累积柱状图，累积柱状图的横轴是所有垂直梯度值由小到大依序排列，纵轴是对每一垂直梯度值而言小于或等于该垂直梯度值的累积出现次数，在最低垂直梯度值与最高垂直剃度值之间找一个垂直梯度值，使得以最低垂直梯度值的出现次数、小于或等于此垂直梯度值的累积出现次数、小于或等于最大垂直剃度值的累积出现次数三者所构成的线性折线与垂直梯度值累积柱状图的差距最小即最逼近累积柱状图，将此垂直梯度值定为垂直梯度值的二值化临界值，并将大于临界值的垂直梯度值定为高值，小于或等于临界值的垂直梯度值定为低值。
(3)将邻近的高值像素群聚成车牌侯选区域6：将整合梯度二值化影像中邻近的高值像素群聚成车牌侯选区；做法为整合梯度二值化影像中的高值像素间的距离如果小于特定值，则将这些高值像素标示相同的卷标，再将相同卷标的所有像素的所在区域定为车牌候选区域。
(4)以高值像素来确定车牌候选区域是否为车牌区域7：将每个车牌侯选区域依照其区域内的高值像素来确定是否为车牌区域：如图3所示，将每个车牌侯选区域分别切成数个小区块并分析所有小区块所包含的高值像素的平均个数及标准差，车牌侯选区域的区块高值个数标准差太高的，可被剔除而不认定为车牌区域，并产出确定后的车牌区域影像。
Claims (11)
1.一种从车辆影像中撷取车牌区域的方法，其特征在于，主要包含以下步骤：
(1)计算水平梯度：计算车辆影像的水平梯度来产生水平梯度影像；
(2)水平梯度二值化：接着将水平梯度影像予以二值化成水平梯度二值化影像，使得影像中每个像素的数值只为高值或低值；
(3)计算垂直梯度：计算车辆影像的垂直梯度来产生垂直梯度影像；
(4)垂直梯度二值化：并将垂直梯度影像予以二值化成垂直梯度二值化影像，使得影像中每个像素的数值只为高值或低值；
(5)合并水平梯度二值化影像与垂直梯度二值化影像：将水平梯度二值化影像及垂直梯度二值化影像做OR运算以合并成整合梯度二值化影像；
(6)将邻近的高值像素群聚成车牌候选区域：然后将整合梯度二值化影像中邻近的高值像素间距离小于一特定值者群聚成车牌候选区域；
(7)以高值像素来确定车牌候选区域是否为车牌区域：最后将每个车牌候选区域依照其区域内各小区块的高值像素的平均个数及标准差的高低来确定是否为车牌区域并产出确定后的车牌区域影像。
2.根据权利要求1所述的从车辆影像中撷取车牌区域的方法，其特征在于：所述的步骤(1)中计算水平梯度的方式是将相邻的像素的明暗度相减。
3.根据权利要求1所述的从车辆影像中撷取车牌区域的方法，其特征在于：所述的步骤(1)中计算水平梯度的方式是将相邻的像素的明暗度取对数后成为对数明暗度再相减。
4.根据权利要求1所述的从车辆影像中撷取车牌区域的方法，其特征在于：所述的步骤(2)中计算水平梯度影像的所有可能的水平梯度值的出现次数以绘出水平梯度值的累积柱状图，累积柱状图的横轴是所有水平梯度值由小到大依序排列，纵轴是对每一水平梯度值而言小于或等于该水平梯度值的累积出现次数，在最低水平梯度值与最高水平梯度值之间找一水平梯度值，使得以最低水平梯度值的出现次数、小于或等于此水平梯度值的累积出现次数、小于或等于最大水平梯度值的累积出现次数三者所构成的线性折线与水平梯度值累积柱状图的差距最小即最逼近累积柱状图，将此水平梯度值定为水平梯度值的二值化临界值并将大于临界值的水平梯度值定为高值、小于或等于临界值的水平梯度值定为低值。
5.根据权利要求1所述的从车辆影像中撷取车牌区域的方法，其特征在于：所述的步骤(3)中计算垂直梯度的方式是将相邻的像素的明暗度相减。
6.根据权利要求1所述的从车辆影像中撷取车牌区域的方法，其特征在于：所述的步骤(3)中计算垂直梯度的方式是将相邻的像素的明暗度取对数后成为对数明暗度再相减。
7.根据权利要求1所述的从车辆影像中撷取车牌区域的方法，其特征在于：所述的步骤(4)中计算垂直梯度影像的所有可能的垂直梯度值的出现次数以绘出垂直梯度值的累积柱状图，累积柱状图的横轴是所有垂直梯度值由小到大依序排列，纵轴是对每一垂直梯度值而言小于或等于该垂直梯度值的累积出现次数，在最低垂直梯度值与最高垂直梯度值之间找一垂直梯度值，使得以最低垂直梯度值的出现次数、小于或等于此垂直梯度值的累积出现次数、小于或等于最大垂直梯度值的累积出现次数三者所构成的线性折线与垂直梯度值累积柱状图的差距最小即最逼近累积柱状图，将此垂直梯度值定为垂直梯度值的二值化临界值并将大于临界值的垂直梯度值定为高值、小于或等于临界值的垂直梯度值定为低值。
8.根据权利要求1所述的从车辆影像中撷取车牌区域的方法，其特征在于：所述的步骤(5)中将水平梯度二值化影像及垂直梯度二值化影像做 ″OR″运算，亦即水平梯度二值化影像与垂直梯度二值化影像中同一坐标位置的两个像素只要有一个是呈现高值，则整合梯度二值化影像中同一坐标位置的像素亦呈现高值；若水平梯度二值化影像与垂直梯度二值化影像中同一坐标位置的两个像素皆呈现低值，则整合梯度二值化影像中同一坐标位置的像素亦呈现低值。
9.根据权利要求1所述的从车辆影像中撷取车牌区域的方法，其特征在于：所述的步骤(7)中将每个车牌候选区域分别切成数个小区块并计算所有小区块所包含的高值像素的平均个数及标准差，车牌候选区域的区块高值个数标准差太高者，被剔除而不认定为车牌区域，并产出确定后的车牌区域影像。
10.一种从车辆影像中撷取车牌区域的方法，其特征在于：主要包含以下步骤：
(1)计算水平梯度：计算车辆影像的水平梯度来产生水平梯度影像；
(2)水平梯度二值化：接着将水平梯度影像予以二值化成水平梯度二值化影像，使得影像中每个像素的数值只为高值或低值；
(3)将邻近的高值像素群聚成车牌候选区域：然后将水平梯度二值化影像中邻近的高值像素间距离小于一特定值者群聚成车牌候选区域；
(4)以高值像素来确定车牌候选区域是否为车牌区域：最后将每个车牌候选区域依照其区域内各小区块的高值像素的平均个数及标准差的高低来确定是否为车牌区域并产出确定后的车牌区域影像。
11.一种从车辆影像中撷取车牌区域的方法，其特征在于：主要包含以下步骤：
(1)计算垂直梯度：计算车辆影像的垂直梯度来产生垂直梯度影像；
(2)垂直梯度二值化：接着将垂直梯度影像予以二值化成垂直梯度二值化影像，使得影像中每个像素的数值只为高值或低值；
(3)将邻近的高值像素群聚成车牌候选区域：然后将垂直梯度二值化影像中邻近的高值像素间距离小于一特定值者群聚成车牌候选区域；
(4)以高值像素来确定车牌候选区域是否为车牌区域：最后将每个车牌候选区域依照其区域内各小区块的高值像素的平均个数及标准差的高低来确定是否为车牌区域并产出确定后的车牌区域影像。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CNB2004100444884A CN100349175C (zh) | 2004-05-14 | 2004-05-14 | 从车辆影像中撷取车牌区域的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CNB2004100444884A CN100349175C (zh) | 2004-05-14 | 2004-05-14 | 从车辆影像中撷取车牌区域的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN1581212A CN1581212A (zh) | 2005-02-16 |
| CN100349175C true CN100349175C (zh) | 2007-11-14 |
Family
ID=34582202
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CNB2004100444884A Expired - Fee Related CN100349175C (zh) | 2004-05-14 | 2004-05-14 | 从车辆影像中撷取车牌区域的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN100349175C (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| MY174684A (en) * | 2015-11-27 | 2020-05-07 | Mimos Berhad | A system and method for detecting objects from image |
| CN106845484B (zh) * | 2017-02-28 | 2019-09-17 | 浙江华睿科技有限公司 | 一种一维码区域的定位方法及装置 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2002095662A1 (fr) * | 2001-05-23 | 2002-11-28 | France Telecom (Sa) | Procede de detection de zones de texte dans une image video |
| TW544643B (en) * | 2001-05-08 | 2003-08-01 | Chunghwa Telecom Co Ltd | Method for cropping area of license plate from vehicle image |
| CN1448885A (zh) * | 2002-03-28 | 2003-10-15 | 中华电信股份有限公司 | 从车辆影像中撷取车牌区域及矫正车牌歪斜方法及装置 |
-
2004
- 2004-05-14 CN CNB2004100444884A patent/CN100349175C/zh not_active Expired - Fee Related
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TW544643B (en) * | 2001-05-08 | 2003-08-01 | Chunghwa Telecom Co Ltd | Method for cropping area of license plate from vehicle image |
| WO2002095662A1 (fr) * | 2001-05-23 | 2002-11-28 | France Telecom (Sa) | Procede de detection de zones de texte dans une image video |
| CN1448885A (zh) * | 2002-03-28 | 2003-10-15 | 中华电信股份有限公司 | 从车辆影像中撷取车牌区域及矫正车牌歪斜方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN1581212A (zh) | 2005-02-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106373426B (zh) | 基于计算机视觉的停车位及违规占道停车监控方法 | |
| US8472715B2 (en) | Situation determining apparatus, situation determining method, situation determining program, abnormality determining apparatus, abnormality determining method, abnormality determining program, and congestion estimating apparatus | |
| US20140348382A1 (en) | People counting device and people trajectory analysis device | |
| CN103500322B (zh) | 基于低空航拍图像的车道线自动识别方法 | |
| CN102867417B (zh) | 一种出租车防伪系统及方法 | |
| US20070127778A1 (en) | Object detecting system and object detecting method | |
| KR101968349B1 (ko) | 영상 정보를 이용한 차선 경계 검출 방법 | |
| CN103824452A (zh) | 一种轻量级的基于全景视觉的违章停车检测装置 | |
| JP2007235950A (ja) | 車両位置検出方法及び装置 | |
| KR101102572B1 (ko) | 차량 번호판 인식방법 | |
| US10726277B2 (en) | Lane line detection method | |
| CN113759391A (zh) | 一种基于激光雷达的可通行区域检测方法 | |
| CN112419733A (zh) | 一种用户不规范停车的检测方法、装置、设备和存储介质 | |
| CN104794907A (zh) | 使用车道分割合并方法的车流量检测方法 | |
| KR101366871B1 (ko) | 관심영역 분할을 통한 곡선차선 검출장치 및 그 방법 | |
| CN101383005A (zh) | 一种利用辅助规则纹理的乘客目标图像和背景分离方法 | |
| JP4864043B2 (ja) | 画像処理装置、方法及びプログラム | |
| CN114092903A (zh) | 车道线标注、检测模型确定、车道线检测方法及相关设备 | |
| CN111523385B (zh) | 一种基于帧差法的静止车辆检测方法及系统 | |
| JP2018055597A (ja) | 車種判別装置および車種判別方法 | |
| CN100349175C (zh) | 从车辆影像中撷取车牌区域的方法 | |
| US8594438B2 (en) | Method for the identification of objects | |
| CN112700473B (zh) | 一种基于图像识别进行车厢拥挤度判断系统 | |
| KR20100000698A (ko) | 숫자의 기하학적 관계를 이용한 차량 번호판 인식 방법 | |
| CN113989765A (zh) | 一种轨道障碍物的检测方法、检测装置及可读存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20071114 Termination date: 20190514 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |