CN101196989A - 网络嵌入式多路车牌检测系统及车牌检测方法 - Google Patents
网络嵌入式多路车牌检测系统及车牌检测方法 Download PDFInfo
- Publication number
- CN101196989A CN101196989A CNA2007101639262A CN200710163926A CN101196989A CN 101196989 A CN101196989 A CN 101196989A CN A2007101639262 A CNA2007101639262 A CN A2007101639262A CN 200710163926 A CN200710163926 A CN 200710163926A CN 101196989 A CN101196989 A CN 101196989A
- Authority
- CN
- China
- Prior art keywords
- image
- car plate
- video
- license plate
- plate detection
- 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
Images
Landscapes
- Image Processing (AREA)
Abstract
本发明涉及网络嵌入式多路车牌检测系统及车牌检测方法,是一种可通过网络灵活配置各项检测参数实现多路的、高清晰的车牌检测的系统和方法。本发明包括:中央处理模块,存储器和输入输出三大模块,各个模块间通过总线连接。本发明使用的是多通道、多路摄取图像的方法,采取多通道、多路的好处在于可以对物体进行较全面的摄取,获取更多的信息,产生更多的有用的数据,最终对提高图像的分析能力产生明显的影响。由于本发明使用基于Gabor滤波器组的字符识别技术对车牌进行检测,该方法具有抗干扰性强,识别准确等优点,排除背景对车牌图像的影响,在环境较差的情况下可以较清晰的分析出车牌的图像,提高了对车牌的识别率。
Description
技术领域
本发明涉及一种网络嵌入式多路车牌检测系统及车牌检测方法,是一种用于识别文字图形的数据识别系统和方法,是一种利用数据识别的方法对车牌进行智能化识别的嵌入式系统。是一种可通过网络灵活配置各项检测参数实现多路的、高清晰的车牌检测的系统和方法。
背景技术
车牌识别是智能化交通系统的一个重要组成部分和比较热门的研究课题,许多科技工作者为此做出了努力;车牌识别的任务是分析,处理采集到的汽车图像,自动识别汽车牌号。
车牌自动识别系统具有广泛的应用范围:1.城市道路监控,违章管理。2.车流统计,安全管理等。3.小区,停车场管理。4.高速公路收费,监控管理。5.搜索被盗车辆或失效车牌,获取汽车流向数据等工作。许多发达的工业国家和地区早在80年代初期就通过对车牌图像的图像进行分析,自动提取车牌信息,确定车牌号码。英国一研究小组在1982年研制了一种用于刑侦的汽车牌照识别系统“该系统架设在公路上”对被盗车辆或失效牌照进行搜索“一旦发现”即可通过普通电话通知警方进行拦截,但该系统的正确识别率仅达50%左右1983年日本一家公司曾研究过用来检查超速行驶车辆的汽车牌照识别系统,该系统通过对A、B两点间所摄取牌照的匹配确定出汽车在A、B两点间行驶的平均车速。但系统因识别率低,难以投入实用。其主要原因是由于外界环境光线的变化,车牌上字符受灰尘和污渍影响,季节环境变化,汽车行驶角度和速度不同等降低了车牌图像质量,给车牌识别带来了较大的困难。目前国内外采用主动红外照明或使用特殊的传感器来提高采集的车牌图像质量 ,继而提高识别率 ,但系统投资成本过大,不适合普遍推广。
车牌识别系统中的两个关键部分是车牌定位和字符识别。国内外对车牌精确定位做了大量的工作,但效果并不很理想,如车牌的倾斜,表面污垢和磨损,光线等都是影响定位精度的重要因素。因此需要一种对车牌图像进行精确定位和准确识别的系统。
发明内容
本发明的目的是提出一种网络嵌入式多路车牌检测系统及车牌检测方法,本发明的车牌检测系统可通过网络灵活配置各项检测参数实现多路的、高清晰的车牌检测。所述的系统利用高清晰度的多路摄像装置获取图像,增加了图像获取的灵活性和准确性。所述方法能对图像进行基于Gabor滤波器组的字符识别技术的检测,以较强的抗干扰能力和准确的识别能力,获得车牌的检测。
本发明的目的是这样实现的:一种网络嵌入式多路车牌检测系统,其特征在于,包括:多台用于图像数据采集的摄像装置,所述的摄像装置与传输图像数据的多路高分辨率视频图像采集接口的输入端连接,所述多路高分辨率视频图像采集接口的输出端与视频解码器的输入端连接,视频解码器的输出端与作为中央处理器的数字信号处理器DSP的信号输入端连接,所述的数字信号处理器与先入先出存储器FIFO、同步动态随机存储器SDRAM、可擦写存储器、复杂可编程逻辑器件CPLD连接;所述数字信号处理器的以太网接口EMAC与实现RJ45以太网络接口的以太网收发器连接;所述复杂可编程逻辑器件的控制端连接多个用于视频输出的视频编码器;所述复杂可编程逻辑器件与视频解码器、以太网收发器连接;所述先入先出存储器与一个通用异步串行收发接器UART、DB9接口、RS232接口顺序连接。
一种网络嵌入式多路车牌检测方法,所使用的网络嵌入式多路车牌检测系统包括:由多台摄像装置、可擦写存储器、视频解码器、多路高分辨率视频图像采集接口组成的多路视频采集单元,由作为中央处理器的数字信号处理器、先入先出存储器、同步动态随机存储器、可擦写存储器组成的车牌检测单元,由作为中央处理器的数字信号处理器、先入先出存储器、同步动态随机存储器、可擦写存储器组成的视频压缩单元,由视频编码器、复杂可编程逻辑器件、以太网收发器、通用异步串行收发器组成的网络数据和指令传输单元,其特征在于所述网络嵌入式多路车牌检测方法的步骤包括:
启动网络嵌入式多路车牌检测系统并进行初始化的步骤;
启动并运行多路视频采集单元的步骤,依次采集各路高清晰图像,将模拟视频信号经视频解码器处理后变成数字视频信号,完成多路高分辨率视频信号的采集,并将视频信号以一定的格式准备好,存储至同步动态随机存储器中,通知并等待车牌检测单元处理;
启动并运行车牌检测单元的步骤,将固化在可擦写存储器中的车牌检测算法处理程序装载入同步动态随机存储器中运行,依次对多路图像进行快速车牌检测,当在视频图像中检测到车牌时,按照检测到的位置,将车牌图像从视频图像中剪裁出来,并以一定的格式准备好,存储到同步动态随机存储器中,按照上述处理过程,依次对各路视频图象完成车牌检测,通知并等待视频图像压缩单元处理;车牌检测单元在检测到车牌时可以通过外部参数设置命令对车牌检测位置、车牌检测尺寸、车牌输出图像大小、车牌图像是否进行去隔行处理各参数进行设置,车牌检测单元在未接到外部参数设置命令时,车牌检测位置,车牌检测尺寸,车牌输出图像大小,车牌图像是否进行去隔行处理各参数按默认参数运行,默认参数为:车牌检测位置默认为整幅图像,车牌检测尺寸默认为80象素,车牌输出图像大小默认为原始尺寸,车牌图像不进行去隔行处理;
启动并运行图像压缩单元的步骤,将固化在可擦写存储器中的视频图像压缩程序装载入同步动态随机存储器中运行,并按顺序对多路检测到的车牌视频图像逐一编码压缩,压缩过程为:预测、变换、量化、可变长度编码;将压缩码流输出至可擦写存储器中,通知并等待网络数据和指令传输单元处理,在图像压缩过程进行前系统操作人员可以通过“外部参数设置命令”对车牌图像质量进行压缩设置,在未接到外部参数设置命令时,车牌图像采取失真最小的量化方法进行压缩;
启动并运行网络数据和命令传输单元,将固化在可擦写存储器中的网络数据和命令传输程序装载入同步动态随机存储器中运行,并按顺序对压缩好的图像通过网络接口发送至记录或网络接收设备;
检测所有各路图像是否检测完成,如果“否”则回到启动并运行车牌检测单元的步骤,如果“是”则停止运行网络嵌入式多路车牌检测系统,并释放资源,结束。
本发明产生的有益效果是:本发明使用的是多通道、多路摄取图像的方法,采取多通道、多路的好处在于可以对物体进行较全面的摄取,获取更多的信息,产生更多的有用的数据,最终对提高图像的分析能力产生明显的影响。由于本发明使用基于车牌字符识别是在车牌准确定位的基础上,对车牌上的汉字,字母,数字进行有效确认的过程,其中汉字识别是一个难点,许多国外的车牌识别系统往往因为汉字难识而无法进入中国市场, 在本发明中采用的基于Gabor滤波器组的字符识别技术,该方法具有抗干扰性强,识别准确等优点,排除背景对车牌图像的影响,在环境较差的情况下可以较清晰的分析出车牌的图像,提高了对车牌的识别率。在图像检测过程中本发明还设有外部参数的设置,系统操作人员可以利用外部参数的设置在检测过程中对图像参数进行主动设置,以便根据当时当地的环境情况获取清晰的图像数据。本发明在图像压缩过程中系统操作人员对也可以利用外部参数的设置对图像的压缩过程进行主动设置,以利提高图像通过网络传输时的质量。
附图说明
下面结合附图和实施例对本发明作进一步说明。
图1是本发明实施例一所述网络嵌入式多路车牌检测系统的原理框图;
图2是本发明实施例五所述网络嵌入式多路车牌检测方法的运行原理框图;
图3是本发明实施例六所述启动并运行车牌检测单元的步骤中车牌检测算法处理程序的运行原理框图。
具体实施方式
实施例一:
本实施例是一种网络嵌入式多路车牌检测系统,如图1的框图所示。所述系统包括:四台用于图像数据采集的摄像装置,所述的摄像装置与传输图像数据的多路高分辨率视频图像采集接口的输入端连接,所述多路高分辨率视频图像采集接口的输出端与视频解码器的输入端连接,视频解码器的输出端与作为中央处理器的数字信号处理器DSP的信号输入端连接,所述的数字信号处理器与先入先出存储器FIFO、同步动态随机存储器SDRAM、可擦写存储器、复杂可编程逻辑器件CPLD连接;所述数字信号处理器的以太网接口EMAC与实现RJ45以太网络接口的以太网收发器连接;所述复杂可编程逻辑器件的控制端连接多个用于视频输出的视频编码器;所述复杂可编程逻辑器件与视频解码器、以太网收发器连接;所述先入先出存储器与一个通用异步串行收发接器UART、DB9接口、RS232接口依次连接。
本实施例中所使用的硬件可以理解为由中央处理模块、存储器模块和输入输出模块三大硬件模块组成。各个模块间通过总线连接,实现各种数据和程序交换。所述的网络嵌入式多路车牌检测匹配有车牌检测算法软件及数据,视频压缩算法软件,网络传输算法软件和操作系统存放在可擦写存储器中。运行的软件主要包含基于Gabor滤波器组的字符识别技术,视频图像压缩算法软件,网络传输算法软件和操作系统。其中操作系统负责实时管理车牌检测算法以及压缩算法,网络传输算法和数据的输入输出同步。
其中中央处理模块包含有一个作为中央处理器的数字信号处理器DSP(Digital Signal Processor,其型号是TMS320DM642),是一种特别适合于进行数字信号处理运算的微处理器,是一种典型的嵌入式系统芯片。该数字信号处理器是由美国德州仪器(Texas Instruments,Ti)公司生产的专用高性能多媒体处理器,其主要应用是实时快速地实现各种数字信号处理浮点运算。基于这种数字信号处理器设计的软件系统具有灵活、精确、稳定性好、抗干扰强、设备尺寸小、造价低、速度快等突出优点,非常适用于场地受限、稳定性要求高的应用领域。中央处理模块中还配置有先入先出存储器(First In First Out,FIFO,其型号是16C550)、同步动态随机存储器(SDRAM,其型号是MT48LC8M32)、复杂可编程逻辑器件(CPLD,其型号是XC9536XL);所述数字信号处理器的以太网接口(EMAC)与以太网收发器(Ethernet Transceiver,其型号是DP83846)连接,实现了RJ45以太网络接口,可以将车牌检测结果通过以太网输出;所述中央处理模块的信号输入端连接四个视频解码器(Video decoder,其型号是TVP5150),该视频解码器的视频输入端连接摄像装置用于图像数据采集;所述复杂可编程逻辑器件的控制端连接四个视频编码器(Video enoder,其型号是SAA7105)用于视频输出;所述先入先出存储器与一个通用异步串行收发接器(UART,其型号是MAX3243)、DB9接口依次连接,车牌检测结果也可以RS232串口协议形式从DB9接口输出。
实施例二:
本实施例是在实施例一的基础上对所述摄像装置的改进。所述摄像装置可以是摄像头、数码相机、数字摄像机中的一种。是一种可以输出数字图像信号的图像获取装置。
实施例三:
本实施例是在实施例一的基础上对所述摄像装置的改进。所述的摄像装置可以是能够采集模拟视频信号的电子器件。即可以是模拟摄像头,模拟摄像机,等等中的一种。
实施例四:
本实施例是在实施例一基础上对所述可擦写存储器的改进。所述的可擦写存储器是闪存FLASH或者是硬盘FD。
实施例五:
本实施例是网络嵌入式多路车牌检测方法的具体实施例。
本实施例是一种利用多个摄像装置获取图像并基于Gabor滤波器组的字符识别技术对获取的车牌图像进行分析,排除周围环境的干扰,得到清晰车牌图像的方法,其运行过程如图2所示。
本实施例所使用的网络嵌入式多路车牌检测系统包括:多台摄像装置,本实施例采用4台摄像装置。所述的摄像装置可以是模拟摄像装置也可以是数字摄像装置,使用的摄像装置可以是摄像头、数码相机、数字摄像机中的一种。所述的摄像装置还可以是能够采集模拟视频信号的电子器件。摄像装置与可擦写存储器、视频解码器、多路高分辨率视频图像采集接口组成的“多路视频采集单元”。该单元支持PAL制或NTSC制模拟视频信号,采集得到D1或VGA格式的高清晰数字视频图像信号。由作为中央处理器的数字信号处理器、先入先出存储器FIFO Rom、同步动态随机存储器SDRAM、可擦写存储器FLASH组成的“车牌检测单元”。所述的数字信号处理器可以是一种嵌入式数字信号处理器DSP(Digital Signal Prosessor),也可以是其他形式的微处理器。由作为中央处理器的数字信号处理器、先入先出存储器、同步动态随机存储器、可擦写存储器组成的“视频压缩单元”。由视频编码器、复杂可编程逻辑器件CPLD、以太网收发器、通用异步串行收发器组成“网络数据和指令传输单元”,这里所述的指令指的是机器指令。本实施例的主要步骤包括:
A、启动网络嵌入式多路车牌检测系统并进行系统初始化的步骤。系统的启动首先要做的是将系统初始化,做好准备工作。
B、启动并运行多路视频采集单元的步骤。单元启动后首先依次通过个摄像装置采集各路高清晰图像。如果是模拟摄像设备,就要将模拟视频信号经视频解码器处理后变成数字视频信号,完成多路高分辨率视频信号采集。图像采集后须将视频信号以一定的格式准备好。多路模拟视频信号经视频解码器处理后变成4路4:2:2的D1格式的YUV数字视频信号,然后将该数字视频信号转换为4:2:0的D1格式的YUV视频信号逐一作为车牌检测的输入图像准备好。准备好格式的图像存储至同步动态随机存储器中,通知并等待车牌检测单元处理。
C、启动并运行车牌检测单元的步骤,将固化在可擦写存储器中的车牌检测算法处理程序装载入同步动态随机存储器中运行,依次对多路图像进行快速车牌检测处理。
通过运用这些检测处理方法如果在视频图像中检测到车牌,按照检测到的位置,将车牌图像从视频图像中剪裁出来,并以一定的格式准备好,存储到可擦写存储器中。按照上述处理过程,依次对各路视频图象完成车牌检测,通知并等待视频图像压缩单元处理。车牌检测单元在检测到车牌时系统操作人员可以通过“外部参数设置命令”对车牌检测位置、车牌检测尺寸、车牌输出图像大小、车牌图像是否进行去隔行处理各参数进行设置。车牌检测单元在未接到系统操作人员发出的“外部参数设置命令”时,车牌检测位置、车牌检测尺寸、车牌输出图像大小、车牌图像是否进行去隔行处理等参数按默认参数运行。默认参数为:车牌检测位置默认为整幅图像,车牌检测尺寸默认为80象素,车牌输出图像大小默认为原始尺寸,车牌图像不进行去隔行处理。
D、启动并运行图像压缩单元的步骤,将固化在可擦写存储器中的视频图像压缩程序装载入同步动态随机存储器中运行,并按顺序对多路检测到的车牌视频图像逐一编码压缩,压缩量化参数采用Mpeg4压缩算法进行编码压缩,压缩过程为:预测、变换、量化、可变长度编码。输出压缩码流至可擦写存储器中,通知并等待网络数据和指令传输单元处理。在图像压缩过程进行前系统操作人员可以通过“外部参数设置命令”对车牌图像质量进行压缩设置。在未接到系统操作人员发出的“外部参数设置命令”时,车牌图像采取失真最小的量化方法进行压缩。
E、启动并运行网络数据和命令传输单元,将固化在可擦写存储器中的网络数据和命令传输程序装载入同步动态随机存储器中运行,接到车牌压缩图像准备就绪等待传输命令后,网络数据和命令传输单元启动并通过网络接口发送数据。在系统运行期间,网络数据和命令传输单元一直等待外部发来的命令,一旦接到命令,即进行命令解析,并根据命令参数对车牌检测或压缩进行设置,并按顺序对压缩好的图像通过网络接口发送至其他接收设备。这些记录设备可以是专用大型硬盘库或者是远程显示设备,或者是网络上连接的其他电脑。
F、检测所有各路图像是否检测完成,如果“否”则回到启动并运行车牌检测单元的步骤,如果“是”则停止运行网络嵌入式多路车牌检测系统,并释放资源,结束。
实施例六:
本实施例是在实施例五的基础上对车牌检测算法处理程序的改进,本实施例的运行过程如图3所示。其步骤为:
图像预处理:即灰度拉伸,通过图像灰度拉伸的可有效地增强图像对比度,弥补全天候自然光变化引起的图像对比度严重不足,增强后的图像中字符清晰、区域分明,便于图像边缘提取和字符分割和识别;灰度图像的边缘提取:基于车牌内字符对比分明,细节丰富的特点,本实施例采用常用的Prewitt梯度算子获得图像的梯度图像(Prewitt算子的特点是其微分对噪声有抑制作用)。 将梯度图像在水平和竖直方向上投影,通过搜索整个图像寻找具有丰富连通域的且上下具有一定长度的水平边缘的区域而确定车牌位置;图像二值化:该步骤将定位好的车牌图像的灰度值依据某些准则标定为仅为二种黑白数值的二值图像。这里采用的是动态阀值法二值化方法。其阀值选择不仅取决于该象素灰度值以及它周围象素的灰度值,而且还和该象素的坐标位置有关,由于充分考虑了每个像素邻域的特征,能更好的突出车牌的背景和目标的边界。 经过上述步骤处理后,车牌图像变为一系列二值化的字符图像,然后按比例切分,按照专利CN1459761所介绍的方法实现所有字符的识别,完成对一个通道视频图像的车牌检测和识别;按照上述处理过程,依次对每路视频图象完成车牌检测和识别。如在视频图像中检测到车牌,按照检测到的位置,将车牌图像从视频图像中剪裁出来,并以一定的格式准备好,存储到存储器中,通知并等待视频图像压缩算法编码处理。
处理过程可以简述如下:
图像预处理:灰度拉伸。
灰度图像的边缘提取:常用的Prewitt梯度算子获得图像的梯度图像,将梯度图像在水平和竖直方向上投影,通过搜索整个图像寻找具有丰富连通域的且上下具有一定长度的水平边缘的区域而确定车牌位置。
图像二值化:该子步骤将定位好的车牌图像的灰度值依据某些准则标定为仅为二种黑白数值的二值图像。
按比例切分。
对车牌字符识别,完成对一个通道视频图像的车牌检测和识别。
回到图像预处理,对下一图像进行处理,如所有图像已处理完则结束车牌检测算法处理程序,释放资源,结束。
Claims (6)
1.一种网络嵌入式多路车牌检测系统,其特征在于,包括:多台用于图像数据采集的摄像装置,所述的摄像装置与传输图像数据的多路高分辨率视频图像采集接口的输入端连接,所述多路高分辨率视频图像采集接口的输出端与视频解码器的输入端连接,视频解码器的输出端与作为中央处理器的数字信号处理器DSP的信号输入端连接,所述的数字信号处理器与先入先出存储器FIFO、同步动态随机存储器SDRAM、可擦写存储器、复杂可编程逻辑器件CPLD连接;所述数字信号处理器的以太网接口EMAC与实现RJ45以太网络接口的以太网收发器连接;所述复杂可编程逻辑器件的控制端连接多个用于视频输出的视频编码器;所述复杂可编程逻辑器件与视频解码器、以太网收发器连接;所述先入先出存储器与一个通用异步串行收发接器UART、DB9接口、RS232接口顺序连接。
2.根据权利要求1所述的网络嵌入式多路车牌检测系统,其特征在于,所述的用于图像数据采集的摄像装置是摄像头、数码照相机、数字照相机中的一种。
3.根据权利要求1所述的网络嵌入式多路车牌检测系统,其特征在于,所述的用于图像数据采集的摄像装置是能够采集模拟视频信号的电子元件。
4.根据权利要求1所述的网络嵌入式多路车牌检测系统,其特征在于,所述的可擦写存储器是闪存FLASH或硬盘FD。
5.一种网络嵌入式多路车牌检测方法,所使用的网络嵌入式多路车牌检测系统包括:由多台摄像装置、可擦写存储器、视频解码器、多路高分辨率视频图像采集接口组成的多路视频采集单元,由作为中央处理器的数字信号处理器、先入先出存储器、同步动态随机存储器、可擦写存储器组成的车牌检测单元,由作为中央处理器的数字信号处理器、先入先出存储器、同步动态随机存储器、可擦写存储器组成的视频压缩单元,由视频编码器、复杂可编程逻辑器件、以太网收发器、通用异步串行收发器组成的网络数据和指令传输单元,其特征在于所述网络嵌入式多路车牌检测方法的步骤包括:
启动网络嵌入式多路车牌检测系统并进行初始化的步骤;
启动并运行多路视频采集单元的步骤,依次采集各路高清晰图像,将模拟视频信号经视频解码器处理后变成数字视频信号,完成多路高分辨率视频信号的采集,并将视频信号以一定的格式准备好,存储至同步动态随机存储器中,通知并等待车牌检测单元处理;
启动并运行车牌检测单元的步骤,将固化在可擦写存储器中的车牌检测算法处理程序装载入同步动态随机存储器中运行,依次对多路图像进行快速车牌检测,当在视频图像中检测到车牌时,按照检测到的位置,将车牌图像从视频图像中剪裁出来,并以一定的格式准备好,存储到同步动态随机存储器中,按照上述处理过程,依次对各路视频图象完成车牌检测,通知并等待视频图像压缩单元处理;车牌检测单元在检测到车牌时可以通过外部参数设置命令对车牌检测位置、车牌检测尺寸、车牌输出图像大小、车牌图像是否进行去隔行处理各参数进行设置,车牌检测单元在未接到外部参数设置命令时,车牌检测位置,车牌检测尺寸,车牌输出图像大小,车牌图像是否进行去隔行处理各参数按默认参数运行,默认参数为:车牌检测位置默认为整幅图像,车牌检测尺寸默认为80象素,车牌输出图像大小默认为原始尺寸,车牌图像不进行去隔行处理;
启动并运行图像压缩单元的步骤,将固化在可擦写存储器中的视频图像压缩程序装载入同步动态随机存储器中运行,并按顺序对多路检测到的车牌视频图像逐一编码压缩,压缩过程为:预测、变换、量化、可变长度编码;将压缩码流输出至可擦写存储器中,通知并等待网络数据和指令传输单元处理,在图像压缩过程进行前系统操作人员可以通过“外部参数设置命令”对车牌图像质量进行压缩设置,在未接到外部参数设置命令时,车牌图像采取失真最小的量化方法进行压缩;
启动并运行网络数据和命令传输单元,将固化在可擦写存储器中的网络数据和命令传输程序装载入同步动态随机存储器中运行,并按顺序对压缩好的图像通过网络接口发送至记录或网络接收设备;
检测所有各路图像是否检测完成,如果“否”则回到启动并运行车牌检测单元的步骤,如果“是”则停止运行网络嵌入式多路车牌检测系统,并释放资源,结束。
6.根据权利要求5所述的网络嵌入式多路车牌检测方法,其特征在于,启动并运行车牌检测单元的步骤中车牌检测算法处理程序中的子步骤:
图像预处理的子步骤:灰度拉伸;
灰度图像的边缘提取的子步骤:常用的Prewitt梯度算子获得图像的梯度图像,将梯度图像在水平和竖直方向上投影,通过搜索整个图像寻找具有丰富连通域的且上下具有一定长度的水平边缘的区域而确定车牌位置;
图像二值化的子步骤:该子步骤将定位好的车牌图像的灰度值依据某些准则标定为仅为二种黑白数值的二值图像;
按比例切分的子步骤;
对车牌字符识别的子步骤,完成对一个通道视频图像的车牌检测和识别;
回到图像预处理的子步骤对下一图像进行处理,如所有图像已处理完则结束车牌检测算法处理程序,释放资源,结束。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2007101639262A CN101196989B (zh) | 2007-10-11 | 2007-10-11 | 网络嵌入式多路车牌检测系统及车牌检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2007101639262A CN101196989B (zh) | 2007-10-11 | 2007-10-11 | 网络嵌入式多路车牌检测系统及车牌检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101196989A true CN101196989A (zh) | 2008-06-11 |
CN101196989B CN101196989B (zh) | 2011-04-27 |
Family
ID=39547383
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2007101639262A Active CN101196989B (zh) | 2007-10-11 | 2007-10-11 | 网络嵌入式多路车牌检测系统及车牌检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101196989B (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101196990B (zh) * | 2007-10-11 | 2011-04-27 | 北京海鑫科金高科技股份有限公司 | 网络嵌入式多路人脸检测系统及人脸检测方法 |
CN102541063A (zh) * | 2012-03-26 | 2012-07-04 | 重庆邮电大学 | 缩微智能车辆寻线控制方法和装置 |
CN103942560A (zh) * | 2014-01-24 | 2014-07-23 | 北京理工大学 | 一种智能交通监控系统中的高分辨率视频车辆检测方法 |
CN104036241A (zh) * | 2014-05-30 | 2014-09-10 | 宁波海视智能系统有限公司 | 一种车牌识别方法 |
CN104318226A (zh) * | 2014-11-19 | 2015-01-28 | 深圳市捷顺科技实业股份有限公司 | 车牌识别设备参数设定方法及车牌识别器 |
CN104573637A (zh) * | 2014-12-18 | 2015-04-29 | 厦门翼歌软件科技有限公司 | 一种基于多摄像头的车牌识别方法 |
CN104679017A (zh) * | 2013-11-29 | 2015-06-03 | 中国银联股份有限公司 | 移动终端应用程序的自动化测试装置以及测试方法 |
CN105488453A (zh) * | 2015-11-30 | 2016-04-13 | 杭州全实鹰科技有限公司 | 一种基于图像处理的驾驶员未系安全带检测识别方法 |
CN105518704A (zh) * | 2013-05-03 | 2016-04-20 | 柯法克斯公司 | 检测和分类使用移动设备采集的视频中对象的系统和方法 |
CN105809086A (zh) * | 2014-12-29 | 2016-07-27 | 金声 | 基于多帧图像及大数据分析的车牌识别优化方法和系统 |
CN109522823A (zh) * | 2018-10-30 | 2019-03-26 | 杭州鸿泉物联网技术股份有限公司 | 一种图像分析装置 |
CN105809086B (zh) * | 2014-12-29 | 2019-07-16 | 金声 | 基于多帧图像及大数据分析的车牌识别优化方法和系统 |
CN110400036A (zh) * | 2019-04-15 | 2019-11-01 | 泰州市朗嘉尚网络科技有限公司 | 基于计算机分析的人力分配系统 |
CN110853404A (zh) * | 2019-11-23 | 2020-02-28 | 耒阳市旗心电子科技有限公司 | 一种停车场监控方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1224900C (zh) * | 2001-12-29 | 2005-10-26 | 上海银晨智能识别科技有限公司 | 基于dsp的嵌入式人脸自动检测方法 |
CN1459761B (zh) * | 2002-05-24 | 2010-04-21 | 清华大学 | 基于Gabor滤波器组的字符识别技术 |
CN2638167Y (zh) * | 2002-07-18 | 2004-09-01 | 陈涛 | 闯红灯图像自动记录传输装置 |
CN2667571Y (zh) * | 2003-10-27 | 2004-12-29 | 北京雷波泰克信息技术有限公司 | 快速多目标人像自动识别与跟踪安全防御装置 |
CN101196990B (zh) * | 2007-10-11 | 2011-04-27 | 北京海鑫科金高科技股份有限公司 | 网络嵌入式多路人脸检测系统及人脸检测方法 |
-
2007
- 2007-10-11 CN CN2007101639262A patent/CN101196989B/zh active Active
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101196990B (zh) * | 2007-10-11 | 2011-04-27 | 北京海鑫科金高科技股份有限公司 | 网络嵌入式多路人脸检测系统及人脸检测方法 |
CN102541063A (zh) * | 2012-03-26 | 2012-07-04 | 重庆邮电大学 | 缩微智能车辆寻线控制方法和装置 |
CN102541063B (zh) * | 2012-03-26 | 2014-04-09 | 重庆邮电大学 | 缩微智能车辆寻线控制方法和装置 |
CN105518704A (zh) * | 2013-05-03 | 2016-04-20 | 柯法克斯公司 | 检测和分类使用移动设备采集的视频中对象的系统和方法 |
CN104679017A (zh) * | 2013-11-29 | 2015-06-03 | 中国银联股份有限公司 | 移动终端应用程序的自动化测试装置以及测试方法 |
CN103942560A (zh) * | 2014-01-24 | 2014-07-23 | 北京理工大学 | 一种智能交通监控系统中的高分辨率视频车辆检测方法 |
CN103942560B (zh) * | 2014-01-24 | 2017-06-16 | 北京理工大学 | 一种智能交通监控系统中的高分辨率视频车辆检测方法 |
CN104036241A (zh) * | 2014-05-30 | 2014-09-10 | 宁波海视智能系统有限公司 | 一种车牌识别方法 |
CN104036241B (zh) * | 2014-05-30 | 2018-11-09 | 宁波海视智能系统有限公司 | 一种车牌识别方法 |
CN104318226A (zh) * | 2014-11-19 | 2015-01-28 | 深圳市捷顺科技实业股份有限公司 | 车牌识别设备参数设定方法及车牌识别器 |
CN104318226B (zh) * | 2014-11-19 | 2018-01-09 | 深圳市捷顺科技实业股份有限公司 | 车牌识别设备参数设定方法及车牌识别器 |
CN104573637A (zh) * | 2014-12-18 | 2015-04-29 | 厦门翼歌软件科技有限公司 | 一种基于多摄像头的车牌识别方法 |
CN104573637B (zh) * | 2014-12-18 | 2020-11-03 | 厦门翼歌软件科技有限公司 | 一种基于多摄像头的车牌识别方法 |
CN105809086A (zh) * | 2014-12-29 | 2016-07-27 | 金声 | 基于多帧图像及大数据分析的车牌识别优化方法和系统 |
CN105809086B (zh) * | 2014-12-29 | 2019-07-16 | 金声 | 基于多帧图像及大数据分析的车牌识别优化方法和系统 |
CN105488453B (zh) * | 2015-11-30 | 2019-03-26 | 杭州全实鹰科技有限公司 | 一种基于图像处理的驾驶员未系安全带检测识别方法 |
CN105488453A (zh) * | 2015-11-30 | 2016-04-13 | 杭州全实鹰科技有限公司 | 一种基于图像处理的驾驶员未系安全带检测识别方法 |
CN109522823A (zh) * | 2018-10-30 | 2019-03-26 | 杭州鸿泉物联网技术股份有限公司 | 一种图像分析装置 |
CN110400036A (zh) * | 2019-04-15 | 2019-11-01 | 泰州市朗嘉尚网络科技有限公司 | 基于计算机分析的人力分配系统 |
CN110853404A (zh) * | 2019-11-23 | 2020-02-28 | 耒阳市旗心电子科技有限公司 | 一种停车场监控方法 |
Also Published As
Publication number | Publication date |
---|---|
CN101196989B (zh) | 2011-04-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101196989B (zh) | 网络嵌入式多路车牌检测系统及车牌检测方法 | |
CN202077142U (zh) | 一种车载智能视频侦测分析系统 | |
CN100578562C (zh) | 用视频监测车辆违法行为的方法 | |
CN102759347B (zh) | 一种高铁接触网在线巡检装置、巡检方法以及其检测系统 | |
CN101777199B (zh) | 一种基于视频的汽车行驶记录装置及其记录方法 | |
CN103646546B (zh) | 一种具有大型车辆禁行功能的智能交通系统 | |
CN103646550A (zh) | 一种智能车牌识别系统 | |
CN101196990B (zh) | 网络嵌入式多路人脸检测系统及人脸检测方法 | |
CN114898297A (zh) | 基于目标检测和目标跟踪的非机动车违法行为判定的方法 | |
CN104933773A (zh) | 一种路况信息实时监测车载记录仪器及其记录方法 | |
CN104616381A (zh) | 一种小区物业汽车通道智能测控门禁系统 | |
CN104378539A (zh) | 场景自适应的视频结构化语义提取摄像机及其方法 | |
CN114627420B (zh) | 一种城市管理违规事件信息采集方法及系统 | |
CN210666820U (zh) | 一种基于dsp边缘计算的行人异常行为检测系统 | |
CN202306822U (zh) | 一种基于dsp的便携式车牌信息快速识别装置 | |
CN201869279U (zh) | 智能交通高清检测抓拍专用摄像机 | |
CN1874500A (zh) | 红外视频监控报警装置及方法 | |
CN102881161A (zh) | 基于多帧差分与投射阴影去除的运动车辆检测方法及装置 | |
CN202455439U (zh) | 一种辅助道路交通管理用的高清网络数码摄像机 | |
CN102122438B (zh) | 基于fpga的闯红灯自动监测装置 | |
CN113076852A (zh) | 一种基于5g通信的占用公交车道车载抓拍处理系统 | |
CN106340187A (zh) | 一种摄像机车牌识别系统及识别实施方法 | |
CN215186950U (zh) | 一种基于人脸识别技术的行人闯红灯行为证据采集装置 | |
CN201600729U (zh) | 一种基于视频的汽车行驶记录装置 | |
CN101577052B (zh) | 俯空车辆检测装置和方法 |
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 |