CN101339601A - 一种基于sift算法的车牌汉字识别方法 - Google Patents
一种基于sift算法的车牌汉字识别方法 Download PDFInfo
- Publication number
- CN101339601A CN101339601A CNA2008100225550A CN200810022555A CN101339601A CN 101339601 A CN101339601 A CN 101339601A CN A2008100225550 A CNA2008100225550 A CN A2008100225550A CN 200810022555 A CN200810022555 A CN 200810022555A CN 101339601 A CN101339601 A CN 101339601A
- Authority
- CN
- China
- Prior art keywords
- image
- chinese character
- car plate
- license plate
- identified
- 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
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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/28—Character recognition specially adapted to the type of the alphabet, e.g. Latin alphabet
- G06V30/287—Character recognition specially adapted to the type of the alphabet, e.g. Latin alphabet of Kanji, Hiragana or Katakana characters
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Character Discrimination (AREA)
Abstract
本发明提供了一种基于SIFT算法的车牌汉字识别方法,首先制作车牌汉字模版图像,该图像由车牌汉字的有序排列组成,然后运用SIFT算法计算车牌汉字模版图像的SIFT特征点向量集合;接着对拍摄到的待识别的原始图像进行定位计算得到车牌候选区域,并截取车牌候选区域生成待识别图像;运用SIFT算法对待识别图像进行处理,得到待识别图像的SIFT特征点向量集合;然后对车牌汉字模版图像的SIFT特征点向量集合和待识别图像的SIFT特征点向量集合进行匹配操作;最后根据车牌汉字模版图像中匹配特征点集合的坐标位置,实现对待识别图像中的汉字识别。本发明可对复杂背景、倾斜、形变、污浊、部分遮挡、光线变化的车牌汉字进行有效识别。
Description
技术领域:
本发明属于智能交通技术领域,特别涉及车牌识别系统中车牌汉字的识别方法。
背景技术:
车牌识别技术作为智能交通系统的核心和基础技术之一,是目前智能交通领域内研究的前沿和热点,该技术在车辆收费和管理、违章车辆监控、交通流量检测、停车场收费管理等具体实践中正得到越来越广泛的应用。
车牌识别系统在西方发达国家发展较早,其相关技术已日渐成熟,在实用化和产业化方面已做了大量的工作。但我国的车牌和国外车牌相比最大的区别在于我国车牌具有一个或多个汉字,而汉字的结构往往比字母和数字要复杂的多,如照搬国外车牌识别系统中用于字母和数字的方法对汉字进行识别,其正确识别率会大大降低,这也是目前国内车牌识别系统汉字识别率要低于字母和数字识别率的原因。而且在实际运用当中车牌汉字识别率还受到背景复杂度、倾斜程度、形变程度、遮挡情况、受污染程度、光照情况的较大影响。实现一种专门针对车牌汉字识别的,能够对具有复杂背景、较大倾斜角度、形变明显、有部分遮挡、表面具有污染、光照情况复杂的车牌中的汉字进行稳定识别的方法,具有重要的现实意义和较大的经济价值。
SIFT(Scale Invariant Feature Transform)算法即尺度不变特征变换算法,是David G.Lowe在2004年总结了现有的基于不变量技术的特征检测方法的基础上,提出的一种基于尺度空间的、对图像缩放、旋转、仿射变换、光照变化保持稳定性的图像局部特征描述算子——SIFT算子。SIFT特征点向量的生成由以下四个步骤组成:1、在尺度空间中检测极值点;2、去除低对比度的极值点和不稳定的边缘极值点,得到特征点;3、计算特征点的方向参数;4、生成SIFT特征点向量,向量维数一般为128维。
运用SIFT算法提取的SIFT特征点向量具有如下优点:●SIFT特征是图像的局部特征,对旋转、尺度缩放、亮度变化保持不变性,对视角变化、仿射变换、噪声也保持一定程度的稳定性;●独特性好,信息量丰富,适用于在海量特征数据库中进行快速、准确的匹配;●多量性,即使少数的几个物体也可以产生大量SIFT特征向量。
发明内容:
本发明利用SIFT算法的上述优点,针对车牌汉字识别的具体情况,提供了一种基于SIFT算法的车牌汉字识别方法,能够对复杂背景、倾斜、形变、污浊、部分遮挡、光线变化的车牌汉字进行有效识别。
本发明采用的技术方案:
一种基于SIFT算法的车牌汉字识别方法,其特征在于它包含下列步骤:
(1)、将拍摄装置安装于公路路口、收费站、停车场或其它要求的位置,对车辆进行图像采集,得到含有车牌图像的原始图像;
(2)、制作车牌汉字模版图像,具体方法为事先对含有各种不同汉字的不同车牌进行拍摄,截取图像中的汉字部分,并将多个汉字图像进行有序排列,组成车牌汉字模版图像;
(3)、运用SIFT算法对车牌汉字模版图像进行处理,得到车牌汉字模版图像的SIFT特征点向量集合;
(4)、对步骤1中得到的含有车牌图像的原始图像进行车牌定位计算,得到一个或多个可能包含车牌的车牌候选区域图像;
(5)、对步骤4中得到的车牌候选区域图像进行处理:即根据实际情况截取车牌候选区域图像中的一部分作为待识别图像,待识别图像中只要包含车牌的汉字部分即可;
(6)、运用SIFT算法对步骤5中得到的待识别图像进行处理,得到待识别图像的SIFT特征点向量集合;
(7)、在步骤3中得到的车牌汉字模版图像的SIFT特征点向量集合和步骤6中得到的待识别图像的SIFT特征点向量集合中查找相互匹配的特征点,计算两张图像相对应的匹配特征点集合;
(8)、经过步骤7的计算后,如车牌汉字模版图像和待识别图像具有相互匹配的特征点,则转向步骤9;如车牌汉字模版图像和待识别图像中没有相互匹配的特征点则判断待识别图像不包含车牌,则从步骤4其它的车牌候选区域图像中截取待识别图像,对该待识别图像进行步骤(5)、(6)、(7)处理,直到处理完所有的车牌候选区域;
(9)、对步骤7中计算得到的车牌汉字模版图像的匹配特征点集合进行处理,根据匹配特征点在车牌汉字模版图像中的坐标位置,实现对待识别图像中的汉字识别。
所述的基于SIFT算法的车牌汉字识别方法,其特征在于所述的车牌中汉字可以是全国全部或部分区域的代称或者包括有特殊代称。
发明的优点:
本方法首次将SIFT算法用于车牌汉字识别中,与现有方法相比具有以下几个方面的优点:
1、无需对车牌汉字进行较精确的分割,只要待识别图像中包含待识别的汉字即可;
2、车牌汉字无需进行倾斜校正、二值化等预处理过程;
3、无需采集训练样本,工作量低,车牌模版图像制作简单,可根据需要灵活的加以变更;
4、可对复杂背景、倾斜、形变、污浊、部分遮挡、光线变化的车牌汉字进行有效识别。
5、在进行车牌汉字识别的过程中,自动包含了实现车牌候选区域分选的功能。
附图说明:
图1为本发明的流程示意图。
具体实施方式:
一种基于SIFT算法的车牌汉字识别方法,其特征在于它包含下列步骤:
(1)、将拍摄装置安装于公路路口、收费站、停车场或其它要求的位置,对车辆进行图像采集,得到含有车牌图像的原始图像;
(2)、制作车牌汉字模版图像,具体方法为事先对含有全国部分省市及武警军车的汉字简称的不同车牌进行高清晰度拍摄,截取图像中的汉字部分,并将多个汉字图像进行有序排列,组成车牌汉字模版图像;
(3)、运用SIFT算法对车牌汉字模版图像进行处理,得到车牌汉字模版图像的SIFT特征点向量集合;
(4)、对步骤1中得到的含有车牌图像的原始图像进行车牌定位计算,得到一个或多个可能包含车牌的车牌候选区域图像;
(5)、对步骤4中得到的车牌候选区域图像进行处理:即根据实际情况截取车牌候选区域图像中的一部分作为待识别图像,待识别图像中只要包含车牌的汉字部分即可;
(6)、运用SIFT算法对步骤5中得到的待识别图像进行处理,得到待识别图像的SIFT特征点向量集合;
(7)、在步骤3中得到的车牌汉字模版图像的SIFT特征点向量集合和步骤6中得到的待识别图像的SIFT特征点向量集合中查找相互匹配的特征点,计算两张图像相对应的匹配特征点集合;
(8)、经过步骤7的计算后,如车牌汉字模版图像和待识别图像具有相互匹配的特征点,则转向步骤9;如车牌汉字模版图像和待识别图像中没有相互匹配的特征点则判断待识别图像不包含车牌,则从步骤4其它的车牌候选区域图像中截取待识别图像,对该待识别图像进行步骤(5)、(6)、(7)处理,直到处理完所有的车牌候选区域;
(9)、对步骤7中计算得到的车牌汉字模版图像的匹配特征点集合进行处理,根据匹配特征点在车牌汉字模版图像中的坐标位置,实现对待识别图像中的汉字识别。
Claims (2)
1、一种基于SIFT算法的车牌汉字识别方法,其特征在于它包含下列步骤:
(1)、将拍摄装置安装于公路路口、收费站、停车场或其它要求的位置,对车辆进行图像采集,得到含有车牌图像的原始图像;
(2)、制作车牌汉字模版图像,具体方法为事先对含有各种不同汉字的不同车牌进行拍摄,截取图像中的汉字部分,并将多个汉字图像进行有序排列,组成车牌汉字模版图像;
(3)、运用SIFT算法对车牌汉字模版图像进行处理,得到车牌汉字模版图像的SIFT特征点向量集合;
(4)、对步骤1中得到的含有车牌图像的原始图像进行车牌定位计算,得到一个或多个可能包含车牌的车牌候选区域图像;
(5)、对步骤4中得到的车牌候选区域图像进行处理:即根据实际情况截取车牌候选区域图像中的一部分作为待识别图像,待识别图像中只要包含车牌的汉字部分即可;
(6)、运用SIFT算法对步骤5中得到的待识别图像进行处理,得到待识别图像的SIFT特征点向量集合;
(7)、在步骤3中得到的车牌汉字模版图像的SIFT特征点向量集合和步骤6中得到的待识别图像的SIFT特征点向量集合中查找相互匹配的特征点,计算两张图像相对应的匹配特征点集合;
(8)、经过步骤7的计算后,如车牌汉字模版图像和待识别图像具有相互匹配的特征点,则转向步骤9;如车牌汉字模版图像和待识别图像中没有相互匹配的特征点则判断待识别图像不包含车牌,则从步骤4其它的车牌候选区域图像中截取待识别图像,对该待识别图像进行步骤(5)、(6)、(7)处理,直到处理完所有的车牌候选区域;
(9)、对步骤7中计算得到的车牌汉字模版图像的匹配特征点集合进行处理,根据匹配特征点在车牌汉字模版图像中的坐标位置,实现对待识别图像中的汉字识别。
2、根据权利要求1所述的基于SIFT算法的车牌汉字识别方法,其特征在于所述的车牌中汉字可以是全国全部或部分区域的代称或者包括有特殊代称。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2008100225550A CN101339601B (zh) | 2008-08-15 | 2008-08-15 | 一种基于sift算法的车牌汉字识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2008100225550A CN101339601B (zh) | 2008-08-15 | 2008-08-15 | 一种基于sift算法的车牌汉字识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101339601A true CN101339601A (zh) | 2009-01-07 |
CN101339601B CN101339601B (zh) | 2011-09-28 |
Family
ID=40213667
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2008100225550A Expired - Fee Related CN101339601B (zh) | 2008-08-15 | 2008-08-15 | 一种基于sift算法的车牌汉字识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101339601B (zh) |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101794395A (zh) * | 2010-03-11 | 2010-08-04 | 合肥金诺数码科技股份有限公司 | 一种基于Sift算法的图像匹配定位方法 |
CN101584624B (zh) * | 2009-06-18 | 2011-01-19 | 上海交通大学 | 基于dsp的路牌识别导盲装置及其方法 |
CN101630365B (zh) * | 2009-06-05 | 2011-12-14 | 天津大学 | 基于daisy的具有镜面翻转不变性的特征提取和描述方法 |
CN101697232B (zh) * | 2009-09-18 | 2012-03-07 | 浙江大学 | 面向近重复图像匹配的sift特征裁减方法 |
CN102722733A (zh) * | 2012-05-31 | 2012-10-10 | 信帧电子技术(北京)有限公司 | 一种车牌类型的识别方法及装置 |
CN103077407A (zh) * | 2013-01-21 | 2013-05-01 | 信帧电子技术(北京)有限公司 | 车标定位识别方法及系统 |
WO2013159722A1 (en) * | 2012-04-25 | 2013-10-31 | Tencent Technology (Shenzhen) Company Limited | Systems and methods for obtaining information based on an image |
CN104408931A (zh) * | 2014-10-29 | 2015-03-11 | 合肥指南针电子科技有限责任公司 | 一种残缺符号车牌识别系统及方法 |
CN106776814A (zh) * | 2016-11-24 | 2017-05-31 | 合肥工业大学 | 基于图像识别的移车系统和方法 |
CN107180230A (zh) * | 2017-05-08 | 2017-09-19 | 上海理工大学 | 通用车牌识别方法 |
CN107358231A (zh) * | 2017-06-09 | 2017-11-17 | 东北电力大学 | 一种基于sift算子和混沌遗传算法的车牌字符识别方法 |
CN108256516A (zh) * | 2017-12-01 | 2018-07-06 | 桂林远望智能通信科技有限公司 | 一种区域车牌识别方法及系统 |
CN105224945B (zh) * | 2015-09-18 | 2018-07-27 | 电子科技大学 | 一种基于联合检测与辨识算法的车标识别方法 |
CN111191604A (zh) * | 2019-12-31 | 2020-05-22 | 上海眼控科技股份有限公司 | 检测车牌完整性的方法、设备和存储介质 |
US11587327B2 (en) * | 2015-10-01 | 2023-02-21 | Intellivision Technologies Corp | Methods and systems for accurately recognizing vehicle license plates |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6281928B1 (en) * | 1998-05-13 | 2001-08-28 | Chuo Hatsujo Kabushiki Kaisha | Positional detector device for a vehicular license plate |
CN100485710C (zh) * | 2006-12-22 | 2009-05-06 | 四川川大智胜软件股份有限公司 | 利用数字图像处理技术识别车辆类型的方法 |
-
2008
- 2008-08-15 CN CN2008100225550A patent/CN101339601B/zh not_active Expired - Fee Related
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101630365B (zh) * | 2009-06-05 | 2011-12-14 | 天津大学 | 基于daisy的具有镜面翻转不变性的特征提取和描述方法 |
CN101584624B (zh) * | 2009-06-18 | 2011-01-19 | 上海交通大学 | 基于dsp的路牌识别导盲装置及其方法 |
CN101697232B (zh) * | 2009-09-18 | 2012-03-07 | 浙江大学 | 面向近重复图像匹配的sift特征裁减方法 |
CN101794395A (zh) * | 2010-03-11 | 2010-08-04 | 合肥金诺数码科技股份有限公司 | 一种基于Sift算法的图像匹配定位方法 |
WO2013159722A1 (en) * | 2012-04-25 | 2013-10-31 | Tencent Technology (Shenzhen) Company Limited | Systems and methods for obtaining information based on an image |
CN102722733A (zh) * | 2012-05-31 | 2012-10-10 | 信帧电子技术(北京)有限公司 | 一种车牌类型的识别方法及装置 |
CN103077407A (zh) * | 2013-01-21 | 2013-05-01 | 信帧电子技术(北京)有限公司 | 车标定位识别方法及系统 |
CN104408931A (zh) * | 2014-10-29 | 2015-03-11 | 合肥指南针电子科技有限责任公司 | 一种残缺符号车牌识别系统及方法 |
CN105224945B (zh) * | 2015-09-18 | 2018-07-27 | 电子科技大学 | 一种基于联合检测与辨识算法的车标识别方法 |
US11587327B2 (en) * | 2015-10-01 | 2023-02-21 | Intellivision Technologies Corp | Methods and systems for accurately recognizing vehicle license plates |
CN106776814A (zh) * | 2016-11-24 | 2017-05-31 | 合肥工业大学 | 基于图像识别的移车系统和方法 |
CN106776814B (zh) * | 2016-11-24 | 2018-07-06 | 合肥工业大学 | 基于图像识别的移车系统和方法 |
CN107180230B (zh) * | 2017-05-08 | 2020-06-23 | 上海理工大学 | 通用车牌识别方法 |
CN107180230A (zh) * | 2017-05-08 | 2017-09-19 | 上海理工大学 | 通用车牌识别方法 |
CN107358231A (zh) * | 2017-06-09 | 2017-11-17 | 东北电力大学 | 一种基于sift算子和混沌遗传算法的车牌字符识别方法 |
CN107358231B (zh) * | 2017-06-09 | 2021-10-15 | 东北电力大学 | 一种基于sift算子和混沌遗传算法的车牌字符识别方法 |
CN108256516A (zh) * | 2017-12-01 | 2018-07-06 | 桂林远望智能通信科技有限公司 | 一种区域车牌识别方法及系统 |
CN111191604A (zh) * | 2019-12-31 | 2020-05-22 | 上海眼控科技股份有限公司 | 检测车牌完整性的方法、设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN101339601B (zh) | 2011-09-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101339601B (zh) | 一种基于sift算法的车牌汉字识别方法 | |
Wu et al. | A practical system for road marking detection and recognition | |
CN105335702B (zh) | 一种基于统计学习的卡口车型识别方法 | |
CN109726717B (zh) | 一种车辆综合信息检测系统 | |
CN103136528B (zh) | 一种基于双边缘检测的车牌识别方法 | |
CN101937508A (zh) | 一种基于高清图像的车牌定位与识别方法 | |
CN103514448A (zh) | 船形识别方法和系统 | |
CN101807257A (zh) | 图像标签信息识别方法 | |
Saha et al. | License Plate localization from vehicle images: An edge based multi-stage approach | |
CN104978567B (zh) | 基于场景分类的车辆检测方法 | |
CN103258432A (zh) | 基于视频的交通事故自动识别处理方法和系统 | |
CN103605953A (zh) | 基于滑窗搜索的车辆兴趣目标检测方法 | |
CN107016362B (zh) | 基于车辆前挡风玻璃粘贴标志的车辆重识别方法和系统 | |
CN105718912B (zh) | 一种基于深度学习的车辆特征物检测方法 | |
CN108509950B (zh) | 基于概率特征加权融合的铁路接触网支柱号牌检测识别法 | |
CN102915433A (zh) | 基于字符组合的车牌定位和识别方法 | |
CN111078946A (zh) | 一种基于多目标区域特征聚合的卡口车辆检索方法及系统 | |
CN105184301A (zh) | 一种利用四轴飞行器判别车辆方位的方法 | |
Liu et al. | Local regularity-driven city-scale facade detection from aerial images | |
CN111401364A (zh) | 一种基于颜色特征和模板匹配相结合的车牌定位算法 | |
CN108734170B (zh) | 基于机器学习和模板的车牌字符分割方法 | |
Li et al. | A novel framework for urban change detection using VHR satellite images | |
CN103559492A (zh) | 一种车标识别装置及方法 | |
CN109325487B (zh) | 一种基于目标检测的全种类车牌识别方法 | |
CN113642430B (zh) | 基于VGG+NetVLAD的地下停车场高精度视觉定位方法及系统 |
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 | ||
C17 | Cessation of patent right | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20110928 Termination date: 20130815 |