CN101882219A - 图像辨识以及输出方法及其系统 - Google Patents
图像辨识以及输出方法及其系统 Download PDFInfo
- Publication number
- CN101882219A CN101882219A CN2009101382430A CN200910138243A CN101882219A CN 101882219 A CN101882219 A CN 101882219A CN 2009101382430 A CN2009101382430 A CN 2009101382430A CN 200910138243 A CN200910138243 A CN 200910138243A CN 101882219 A CN101882219 A CN 101882219A
- Authority
- CN
- China
- Prior art keywords
- image
- identification
- region
- standard
- interest
- 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 Analysis (AREA)
Abstract
本发明提供一种图像辨识与输出方法及其系统,其根据图像的特征而决定关于该图像的一特定位置坐标以及该识别牌边缘关于至少一方向的旋转视角。然后根据该旋转视角的信息,在数据库中寻找对应的已知标准图像进行比对以产生至少一辨识结果。利用本发明的方法可以对不同旋转视角或距离的图像进行辨识,以提升图像的辨识率。
Description
技术领域
本发明涉及一种图像辨识技术,尤其是指一种根据图像的特征决定出撷取该图像的条件,并与对应该条件的已知图像进行比对的图像辨识与输出方法与系统。
背景技术
每年因交通事故造成人员死亡人数近3000人,驱车偷窃或行抢案也层出不穷,肇事逃逸或犯案的车牌因监视录影系统不佳而无法辨识的事层出不穷,乃因该类监视系统多半存在着解析度不佳(320X240 Pixels)、图像撷取单元的架设取像角度过于偏斜使得成图像信息残缺或模糊连人眼也无法正确辨识,每每会因无法正确识别车号而让犯案或肇事逃逸车辆得以逍遥法外。
在现有技术中,例如中华民国专利第197752号,名称为“从车辆图像中撷取车牌区域及矫正车牌歪斜的方法及装置”。该专利由搭配镜头的CCD摄影机及图像撷取卡对车道摄取车辆图像,并由车辆图像读取单元将图像撷取卡所撷取的图像读取出来,接着由对数灰阶值运算单元来对车辆图像中的各个像素计算出其对数灰阶值,小波分解运算单元则接着将对数灰阶值图像分解成粗图像、水平差异图像、垂直差异图像、对角差异图像,接着由图像二值化运算单元将水平差异图像各像素的对数灰阶值由实数值(Real number)转为0或1的二元值。然后由车牌区域粗切割单元依照预设的车牌长宽约略值来寻找整张车辆图像中那个区域的二元值总和最高,并将该区域初步切出为车牌区域的所在;接着利用车牌歪斜矫正单元来矫正车牌区域图像的歪斜,使之不歪斜,最后由车牌区域细切割单元来切除车牌粗区域中非属于车牌的部分。
另外,如中华民国公告专利第I286027号,名称为“整合接图式多车道自由车流图像执法系统”。该专利为一种整合接图式多车道自由车流图像执法系统(Integrated Multiple Lane Free Flow Vehicle Enforcement System),也就是说图像执法点建置门架式设备,且车道无实体分隔,系统可以让车辆以正常车速通过图像执法点并允许自由变换车道的情形下,仍能正确对各类车种进行图像执法的动作。
此外,又如中华民国公开申请号第200802137号,名称为“串联式车牌辨识系统”。该专利提供一种串联式车牌辨识系统,通过车牌字符区域检测模块接收一图像,并搜寻出图像中每一个近似车牌范围,接着找出每一个近似车牌范围中所有具有连续相同像素的序列,并将这些序列经过涂抹、滤除与连接区块撷取处理后,取得每一个近似车牌范围的车牌字符区域图像,而在验证后输出已确认的车牌字符区域图像,再来已确认的区域图像送入车牌字符切割与辨识模块中,以取得所有独立字符图像,并在独立字符图像经过字符验证辨识后,获得所有车牌字符信息。
其他相关技术如中华民国公告号第221193号所公开的一种停车场车牌辨识辅助监控装置,其是何车辆通过一预设的取像定点时,则通知控制主机由双工图像撷取器下令摄影装置摄取车辆车牌图像,而由辨识程序将车牌中的各数码字符予以辨识,以作为停车场的车辆管制、停车数据管理、赃车查缉及防止车辆失窃等强化的管理。或者是如中华民国公告号第226454号所公开的一种车牌自动辨认方法,其是在辨识过程上,先以群组逻辑关系及字符笔划特性分析在输入的数字图像中寻找正确的车牌位置,再利用三值化差分及模糊推论原理框取车牌字串外缘,并结合调适性二值化方法切割出各个字符的上下左右边界,最后,经特征融合中间值运算类神经网络的处理而得到辨识结果。又如,中华民国公告号第191905号所公开的一种行动式车牌自动辨识系统,包括有取像装置及图像处理主机,其可装设于汽车车体内,以针对静止或是行进间的被测汽车车牌执行自动辨识。其取像装置用以摄取车牌的图像,并将摄得的图像送入图像处理主机中,图像处理主机即对该图像信号以模糊推论法则进行车牌字符的精确框取,并以字符结构分析类神经网络对框取出的字符进行字符的辨识,如此可避免因车牌污损、字符变形或污损、偏斜等而造成辨识的错误。而在中华民国公告第123259号所公开的一种设置于车辆行经处,用以自动辨认车辆车牌号码的装置,其是利用取像装置摄取含有车牌部分的车辆图像。再利用一图像处理单元,依据车牌号码特征,检查该数字化图像数据,以寻找车牌位置,框取号码范围,切出个别字码,及达成各字码特征值的辨认。
另外,如美国专利US.Pat.No.5,425,108公开了一种图像车牌辨识技术,其是将撷取到的车牌图像进行模糊干扰(fuzzy interfere)运算处理,并且通过类神经网络特征结构分析对车牌图像所具有的特征进行辨识。此外,又如美国专利US.Pat.No.6,473,517所公开的一种车牌辨识技术,其系利用字符分割(character segmentation)的方式对车牌图像进行辨识。在该技术中,将车牌图像分割成多个区域,并将其转换成可能字符区域(suspectedcharacter region),然后对该可能特征区域进行辨识而得到一信赖指数(confidence index),然后根据信赖指数判断可能的图像结果。又如美国专利US.Pat.No.5,081,685所公开的一种车牌辨识技术,其利用图像强度信息(image intensity transition information)来进行辨识车牌内的号码。在该技术中,其是将车牌中的字符与背景隔离,然后利用寻迹演算的方式找出分离出字符的外部轮廓轨迹。另外,如美国专利US.Pat.No.4,817,166亦公开出一种读取车牌的方法,其撷取车牌内字符的边缘特征,寻找出边缘长度、字符高度与字符宽度。有了字符的相关特征信息,再分析字符的几何特征,如:凸包(convex hull)、弯部的形状与位置以及洞的形状与位置等。再根据前述的参数,进行结构分析车牌上的每一个字符。此外,又如美国专利US.Pat.No.6,553,131所公开的一种利用智慧型图像撷取装置进行车牌辨识的技术,其系在图像撷取装置内设置处理器以进行以车牌信息辨识。在该技术中,图像辨识的方式系先根据车牌图像的亮度、位置以及模糊区域来决定出基准线。然后利用投影的方式对具有该基准线的图像进行处理以得到车牌内各字符的位置。然后利用统计分类的方法使得每一个字符都具有一个信心指数,最后根据该信心指数决定出该车牌内的字符组合信息。
发明内容
本发明提供一种图像辨识与输出方法以及其系统,其根据图像中的特征来判断产生该图像时的条件,例如:撷取视角与撷取距离。然后,根据该条件搜寻数据库中对应的已知图像以进行比较而产生辨识结果。
本发明提供一种图像辨识与输出方法以及其系统,其对事先建立的已知样本图像内所具有的像素给予不同的权重,然后再与要进行辨识的图像进行演算而得到相似度值,最后再根据相似度值的大小予以排序而提供多个种可能的结果,以供辨识人员进行辨识与筛选,以增加辨识的速度与准确度。
本发明提供一种图像辨识与输出方法以及其系统,其可应用于载具识别号码的辨识,通过对识别号码进行文字特征强化,再搭配文字比对的技术以产生多组可能的号码组合以限缩搜寻的范围,可协助辨识人员辨识可疑或肇事的载具车辆,以期降低意外肇事率或侦破重大刑案,维护国家社会安定。
在一实施例中,本发明提供一种图像辨识与输出方法,包括有下列步骤:提供一待辨识图像,该待辨识图像上具有一兴趣区域;取得关于该兴趣区域内所具有的一特征;根据该特征决定关于至少一方向的旋转视角;将该识别信息的图像与一数据库中对应该旋转视角的已知标准图像进行比对以产生至少一辨识结果。
在另一实施例中,本发明还提供一种图像辨识与输出系统,包括:一数据库,其内建立有多个已知样品图像;一图像撷取单元,其系撷取一图像;一特征撷取单元,其系撷取该图像上之一兴趣区域内所具有之一特征;一运算处理单元,其根据该特征决定关于该兴趣区域的至少一方向的旋转视角,并将该识别信息的图像与一数据库中对应该旋转视角的已知标准图像进行比对以产生至少一辨识结果;以及一辨识输出单元,其与该运算处理单元电讯连接,以输出该至少一辨识结果。
附图说明
图1A为本发明的图像辨识与输出方法实施例流程示意图。
图1B为决定旋转视角流程示意图。
图2A为本发明的标准图像示意图。
图2B为本发明的兴趣区域示意图。
图2C为旋转视角产生示意图。
图3A为正视角所撷取到的正视样品图像示意图。
图3B代表于不同图像撷取单元所产生的不同视角的图像。
图4为本发明建立已知样品图像流程示意图。
图5A为已知样品图像示意图。
图5B为在已知样品图像中形成标准图像区域示意图。
图5C与图5D为具有标准图像区域与非标准图像区域的已知样品图像示意图。
图6为本发明图像比对流程示意图。
图7为特征图像示意图。
图8为本发明的关于载具识别号码可能的输出结果排序示意图。
图9A与图9B为不同的识别信息组合示意图。
图10为本发明的图像辨识与输出系统示意图。
2-图像辨识与输出方法
20~23-步骤
230~233-步骤
25-图像撷取单元
30~35-步骤
4-图像辨识与输出系统
40-数据库
41-图像处理单元
410-特征撷取单元
411-运算处理单元
4110-强化单元
4111-辨识比对单元
42-辨识输出单元输出
43-图像撷取单元
5-已知样品图像
50-标准图像区域
500-像素
501-像素
51-非标准图像区域
510-像素
90-标准图像
900-标准特征区域
901-位置
91-兴趣区域
910-位置
具体实施方式
为使本领域技术人员能对本发明的特征、目的及功能有更进一步的认知与了解,下文特将本发明的装置的相关细部结构以及设计的理念原由进行说明,以使得审查委员可以了解本发明的特点,详细说明陈述如下:
请参阅图1A所示,该图为本发明的图像辨识与输出方法实施例流程示意图。该方法首先进行步骤20,提供一待辨识图像,该待辨识图像上具有一兴趣区域。该待辨识图像可以为任何具有信息的图像,该待辨识图像为关于一载具的一图像。前述的载具可为具有待辨识的识别信息的人或可动或不可动的物,在流程中该载具为车辆(如汽车或摩托车等),但不以此为限。该兴趣区域系指在该待辨识图像中需要被辨识的区域,其内具有一识别信息。以车辆为例,该兴趣区域可为涵盖该车辆的车牌边缘所形成的区域,或者是涵盖该载具上具有辨识信息的物件(如:车门或者是后车厢门等)的区域。当然,该兴趣区域也可为识别信息中各个字符或符号所构成的图像区域。该识别信息可为代表该载具的文字号码组合,例如:车牌号码等。此外,该图像可利用图像撷取单元如CCD或者是CMOS(但不以此为限)的图像撷取单元所撷取到的图像。
接着进行步骤21,取得关于该兴趣区域内所具有的一特征。以车牌为例,该特征为车牌的外缘的对比度、灰度、色彩度或频谱的特征。在另一实施例中该特征更可以为兴趣区域内所具有的辨识信息中的各字符或符号之外缘的对比度、灰度、色彩度或频谱的特征。接着进行步骤22,根据该特征决定关于至少一方向的旋转视角。如图1B所示,决定旋转视角的方式包括有下列步骤:首先以步骤220决定一标准图像,其系具有一标准特征区域900。如图2A所示,该图为标准图像示意图。该标准图像90的产生方式可以为使用者根据车牌的尺寸,预先建立一特定尺寸大小的图像,其图像大小可根据需要而定,并不以前述的大小为限。另一种建立标准图像的方式为事先取得一已知载具的清晰图像,然后在该图像中取得关于该载具上的车牌图像作为标准图像。前述的标准图像所涵盖的信息为对应步骤20中的有兴趣区域所涵盖的信息。
决定该标准图像之后,接着以步骤221将该兴趣区域的特征与该标准特征区域进行演算以于该兴趣区域内得到一对应该标准特征区域的一位置。在本步骤中的演算方法为几何比对法,其属于习用技术的一种演算法。利用该演算法可以将标准图像以及该兴趣区域的图像相比对,寻找出在标准图像中的一特定位置于该特定区域中所处的位置。该特定位置并无一定限制,一般可以选择标准特征区域900的中心点作为该特定位置。例如图2A与图2B所示,其中图2B为步骤20中的兴趣区域示意图,其为关于一车牌的图像。利用几何比对法可在图2B的兴趣区域91中寻找出对应标准特征区域900内的位置901的位置910。当然,要寻找出对应位置的演算法并不限于几何比对法。
在兴趣区域91内寻找到了对应901的位置910之后,接着以步骤222根据该位置决定该兴趣区域的旋转视角。在本步骤中主要是以位置910作为基准点,建立一坐标系,然后得到该兴趣区域的边界关于该坐标系的至少一个方向的旋转视角,其为一第一方向(X)以及一第二方向(Z)的旋转视角。根据演算处理之后,由图2B所示的兴趣区域边缘与位置910所建立的坐标轴间的旋转视角为θ1与θ2。旋转视角θ1与θ2的产生主要是由于载具在行进中可能因为转弯或者是与图像撷取的位置不同,使得车牌相较于图像撷取装置而言具有Z轴或者是X轴的转动量,如图2C所示,因此经过图像撷取装置撷取到的图像会有旋转视角θ1与θ2的差异。至于旋转视角的数量是根据实际撷取的图像而定,并不限制为图2B中的θ1与θ2。也就是说,旋转视角的态样可能只有兴趣区域中的单边或者是两边以上(图2B的实施例为两边)与X轴或Z轴的夹角。此外,在步骤222中更可以根据该兴趣区域外缘特征与对应该标准图像进行比较,即可决定撷取该图像的距离,进而得到该特征区域与该标准图像的比例关系以及判断图像撷取的距离。例如:图2A的标准图像为在距离L的位置所撷取到的图像或者是先确定在距离L时对于一标准物体所撷取到的图像大小,而以该大小为标准图像。然后再将特征区域与该标准图像进行比较即可得到图像大小的比例关系与该特征区域的图像撷取距离。
再回到图1所示,得到旋转视角或者是旋转视角与比例关系的组合后,最后执行步骤23将该识别信息的图像与一数据库中对应该旋转视角与比例关系的已知标准图像进行比对以产生至少一辨识结果。在本步骤中,该数据库中可以存有事先建立的已知样品图像数据。以下说明如何建立已知样品图像的方式,以字符A为例,在图3A中为正视角所撷取到的关于字符A的正视样品图像。另外,在图3B中,则代表于不同图像撷取单元25相对于字符A的位置所产生的不同视角所撷取到的关于字符A的图像。以图3B的坐标系统来说明图像撷取装置的摆设位置,在图3B中的不同结果为图像撷取单元25的图像撷取轴线于不同水平旋转视角θ1所撷取的图像或者是不同的垂直旋转视角θ2所撷取的图像或者是水平与垂直旋转视角θ2与θ1的组合下所撷取到的图像。其中该第X方向(水平方向)的旋转视角系介于正60度以及负60度间,该第Z方向的旋转视角系介于正60度以及负60度间,但不以前述角度范围为限制。当对字符A所撷取到对应不同旋转视角的图像之后,即可存入图像数据库中,然后在对其他字符以同样的方式建立图像数据库。前述的角度范围并无特定限制,主要是取决于系统需要以及数据量的问题,因此真正的角度范围根据实际使用需要而定。除了角度的变量之外,还可以在包括一个撷取距离的变量,以建立出关于视角与图像撷取距离的多重变量数据库。
而如图4所示,该图为本发明建立已知样品图像流程示意图。首先利用步骤30决定已知标准样品图像的大小,如图5A所示。该已知样品图像5的大小根据图2A中的标准图像而定,因为标准图像大小决定后,其内部的辨识信息的各个文字大小的图像大小即可决定。接着以步骤31在该已知样品图像5内的像素上形成标准图像区域50。该标准图像区域50由多个像素500与501所构成,以形成该已知样品图像所要代表的字符、数字、文字或者是图案。请参阅图5B所示,该图以数字1来作说明,利用在该已知样品图像5区域内给予每一个像素500与501一适当的灰度值以形成标准图像区域50,而勾勒出数字1的外形。然后在该标准图像区域50内决定特定的像素501(斜线区域的像素)以给予特定的权值。灰度值,权值的大小可根据需要而定并无一定限制,也就是说每一个权值大小可以不相同或者是相同,该权值为正值,例如:2。前述该标准图像区域50内的每一个像素500与501所具有的灰度值以及权值即为该第一特征值。
再回到图4所示,接着进行步骤32在该已知样品图像内决定一非标准图像区域51以形成如图5C的状态。所谓非标准图像区域51是表示该标准图像区域50所形成的文字容易被误认的文字内容。例如,数字「1」在图像中容易被误认为英文字母「I」或者是「L」甚至是字母「E」等。因此对于可能造成被误认的相关像素位置510(点区域的像素)及给予适当的灰度值以及权值以作为对应像素510的第二特征值。构成该非标准图像区域51的像素510位置可根据该标准图像区域50容易被误认的字符、数字或文字等来决定,并无一定的规则。而灰度值与权值的大小可根据需要而定,该非标准图像区域内51的权值为负值,例如:-2。
如图5D所示,该图为另一已知标准图像示意图。该图为根据数字0所建立的已知样品图像5a。该已知样品图像5a,也同样具有一标准图像区域以及一非标准图像区域。该标准图像区域中的每一个像素所构成的图案即为数字「0」。同样地,该非标准图像区域中的每一个像素所构成的图案,则代表数字「0」容易被误认的文字,例如:字母「Q」或数字「8」。至于建立已知标准图像的非标准区域的方式,可通过图像软件,例如:小画家来处理,但不以此为限。
再回到图4所示,接着以步骤33将每一个建立出来的已知样品图像,例如:0~9、A~Z以及a~z等,存入一数据库内。然后再进行步骤34经过一定次数的训练并观察辨识结果。在本步骤中,主要是利用各种不同的图像来与数据库进行辨识比较演算,然后根据比较演算的结果判断辨识是否正确。将过多次的测试之后,根据辨识结果进行步骤35修正该已知样品图像内的标准图像区域以及非标准图像区域内像素的权值、灰度值或位置,然后再存回数据库。前述的流程虽以正向视角的图像来做说明,但是对于其他视角或图像撷取距离的图像其数据建立的方式亦如同前述的步骤所述,在此不作赘述。例如:关于Z轴的旋转视角θ1=0度时,可以建立出图像撷取距离L时X方向的旋转视角系介于正10度以及负10度间的所有文字的图像数据。然后,再将图像撷取距离改成0.5L并建立出图像撷取距离L时X方向的旋转视角系介于正10度以及负10度间的所有文字的图像数据。之后再将图像撷取距离改成1.5L并建立出图像撷取距离L时X方向的旋转视角系介于正10度以及负10度间的所有文字的图像数据。之后再度改变Z轴的旋转视角的大小,再重复前述的程序,即完成一个三维度变量变化的数据库。
请参阅图6所示,该图为本发明步骤23中的比对流程示意图。以步骤230,在兴趣区域中撷取关于识别信息的一特征图像,在撷取特征图像之前更可以对该图像进行强化以利后续辨识。以图2B为例,该识别信息为AB-1234,因此该特征图像可为“A”、“B”、“1”、“2”、“3”与“4”。然后可以再根据比例关系将该特征图像进行正规化以确保该特征图像与已知标准图像同样的大小。接着以步骤231根据该至少一旋转旋转视角或者是该至少一旋转视角与图像撷取距离的组合信息于该数据库中取出对应的已知标准图像。然后进行步骤232将该特征图像中每一个像素的一第三特征值分别与在数据库中对应旋转角度的该多个已知样品图像中每一个像素所对应的第一特征值或第二特征值进行一演算以得到该特征图像对应该多个已知样品图像所分别具有的一相似度值。
请参阅图7所示,该图为特征图像示意图。利用该特征图像即可与每一个已知样品图像进行演算而得到对应的相似度值Cuv。该演算方式为正规相关比对法,但不以此为限,而本实施例的正规相关比对法的方程式则如下式(1)所示。正规相关比对法(normalized correlation matching)主要是计算特征图像和与已知样品图像间的关系,将每个图像中之内灰度值的标准偏差视为一向量在与权值进行乘积,用以决定何者为最佳的匹配位置,标准化互相关系数介于-1到1之间,越接近于1表示相似性越高;当Cuv为最高时,其为最佳匹配位置。
其中,ui为该已知标准图像中的每一个像素所具有的灰度值,vi为该特征图像中的每一个像素所具有的灰度值。为该已知标准图像中所有像素所具有的灰度平均值,为该特征图像中所有像素的灰度平均值。wi为该已知样品图像中标准图像区域中以及非标准图像区域中像素所代表的权值,至于其他区域的像素其权值为1。
根据式(1)将图7的每一像素与已知样品图像的每一像素进行演算,亦即将图7中的每一个像素的灰度值分别带入式(1)中的vi,而已知样品图像中的每一个灰度值与权值则带入至式(1)中的ui与wi中进行运算。例如:将图7与五C的已知样品图像(代表数字1)所具有的灰度值与权值以及图5D的已知样品图像(代表数字0)所具有的灰度值与权值即可得到图7的特征图像关于图5C与图5D的相似度值Cuv。再回到图6所示,得到相似度值之后,再以步骤233汇整关于该特征图像与该多个已知样品图像比对所产生的多个相似度值。在本步骤中,可以对相似度值进行排序,由可能性最高的辨识结果排序至最低的结果。最后再以步骤234将该多个相似度值排序输出可能的多个种辨识比对结果。前述的步骤231至234即为对识别信息中的一码特征图像所进行流辨识流程。以图2B为例,识别信息具有七码,可以将每一码所对应的特征图像都进行前述230至234的流程,即可得到如图8的排序结果。在图8中,总共输出了四种可能的结果,每一种可能结果代表车牌内容可能的字符组合。第一种可能结果的每一码所具有的相似度最高,然后依序排列形成第二、第三以及第四种可能的结果。以第一可能结果为例,经过分析出来的可能车牌为AB-1232,其中第1码“A”其经过演算后的相似度为63,第2码“B”其经过演算后的相似度为76,第3码为“-”,第4码“1”其经过演算后的相似度为52,第5码“2”其经过演算后的相似度为72,第6码“3”其经过演算后的相似度为67,第7码“2”其经过演算后的相似度为72。当然,使用者也可以根据图8的结果,再根据目视该待辨识图像,自行决定出其他可能的车牌号码组合以供相关单位进行确认。
在比对过程中,更可以根据不同种类的识别号码组合事先排除不可能的字符。例如:在一实施例中,识别号码的组合可能是四码数字与两码英文字母的组合(如图9A所示),而在四码数字与两码英文之间有一个“-“符号为区隔。在另一种辨识号码组合中可以是两码英文字母与四码数字的组合(如图9B所示),而在前四码数字与后两码字母之间以符号”-“做区隔。由于前述说明中,已经可以归纳有两种车牌的组合,因此可以根据该特征图像于该识别号码中的相对位置,事先排除不可能字符或数字的图像,以增加比对的速度。
请参阅图10所示,该图为本发明的图像辨识与输出系统示意图。该系统4可以执行前述图1、图4与图6的流程,以进行图像辨识与输出。该系统4包括有一数据库40、一图像处理单元41、一辨识输出单元输出42以及多个图像撷取单元43。该数据库40,其内建立有多个已知样品图像,该已知样品图像包括有已知样品相较于图像撷取单元43的不同视角以及距离所产生的图像,其如同前面所述,在此不作赘述。该多个图像撷取单元43,其与该图像处理单元41电讯连接,每一个图像撷取单元43可撷取物体的图像而将该图像传递至该图像处理单元41内进行辨识处理。该图像撷取单元43可撷取关于该物体的动态或者是静态的图像。该图像上具有可提供识别该载具的一兴趣区域,该兴趣区域内具有一识别信息。该图像撷取单元为CCD或者是CMOS等图像撷取元件,但不以此为限。该物体可为载具,其具有识别号码,例如:车辆的车牌号码。另外,该物体也可直接为文字、字符、数字或者是前述的任意组合。
该图像处理单元41内具有一特征撷取单元410以及一运算处理单元411。该特征撷取单元410其可以撷取该兴趣区域内所具有的一特征以及该识别信息的各个文字的特征。该特征为对比度、灰度、色彩度或频谱的特征。之后,由该运算处理单元411进行比对运算的处理,该运算处理单元411还具有一强化单元4110以及一辨识比对单元4111。该强化单元4110可以将该特征图像进行图像强化(增加对比或边缘强化等方式)与正规化(调整图像比例大小)的处理,使得该特征图像的特征更为凸显,以利图像辨识。该辨识比对单元4111其根据该特征决定关于该兴趣区域的至少一方向的旋转视角、撷取距离与比例关系,并将该识别信息的图像与一数据库中对应该旋转视角或者是该至少一旋转视角与图像撷取距离的组合信息的已知标准图像进行比对以产生至少一辨识结果,以及将该特征图像分别与该已知样品图像进行比对演算以产生对应的多个相似度值,将该多个相似度值排序输出可能的多个种辨识比对结果。该辨识输出单元42,其与该运算处理单元41电讯连接,以输出该运算处理单元41辨识的结果。
然而以上所述,仅为本发明的实施例,当不能以的限制本发明范围。即大凡依本发明权利要求所做的均等变化及修饰,仍将不失本发明的要义所在,亦不脱离本发明的精神和范围,故都应视为本发明的进一步实施状况。
综合上述,本发明提供的图像辨识与输出方法以及其系统,由于具有提高辨识效率以及准确度的效果。因此已经可以提高该产业的竞争力以及带动周遭产业的发展,诚已符合发明专利法所规定申请发明所需具备的要件,故爰依法呈提发明专利的申请,谨请贵审查委员允拨时间惠予审视,并赐准专利为祷。
Claims (28)
1.一种图像辨识与输出方法,包括有下列步骤:
提供一待辨识图像,该待辨识图像上具有一兴趣区域;
取得关于该兴趣区域内所具有的一特征;
根据该特征决定关于至少一方向的旋转视角;以及
将该识别信息的图像与一数据库中对应该旋转视角的已知标准图像进行比对以产生至少一辨识结果。
2.如权利要求1所述的图像辨识与输出方法,其中该决定该旋转视角的方法还包括有下列步骤:
决定一标准图像,其具有一标准特征区域;
将该兴趣区域的特征与该标准特征区域进行演算以在该兴趣区域内得到一对应该标准特征区域的一位置;以及
根据该位置决定该兴趣区域的旋转视角。
3.如权利要求2所述的图像辨识与输出方法,其中该演算为几何比对法。
4.如权利要求1所述的图像辨识与输出方法,其中关于该旋转视角为一第一方向的旋转视角,该第一方向的旋转视角介于正60度以及负60度间。
5.如权利要求1所述的图像辨识与输出方法,其中关于该旋转视角为一第二方向的旋转视角,该第二方向的旋转视角介于正60度以及负60度间。
6.如权利要求1所述的图像辨识与输出方法,其还包括有根据该特征决定关于该兴趣区域与该已知标准图像大小的比例关系的步骤。
7.如权利要求1所述的图像辨识与输出方法,其中该兴趣区域内具有识别信息。
8.如权利要求1所述的图像辨识与输出方法,其中该特征还包括有该识别信息的边缘的对比度、灰度、色彩度或频谱的特征。
9.如权利要求1所述的图像辨识与输出方法,其中该特征还包括有该兴趣区域的边缘的对比度、灰度、色彩度或频谱的特征。
10.如权利要求1所述的图像辨识与输出方法,其中该兴趣区域为一载具的车牌边缘所形成的区域。
11.如权利要求1所述的图像辨识与输出方法,其中该比对的方式还包括有下列步骤:
在该兴趣区域中撷取一特征图像;
根据该至少一旋转旋转视角于该数据库中取出对应的已知标准图像,每一个已知样品图像分别具有一标准图像区域以及至少一非标准图像区域,其中该标准图像区域内的像素分别具有对应的一第一特征值,而该非标准图像区域内的像素则分别对应有一第二特征值;
将该特征图像中每一个像素的一第三特征值分别与该多个已知样品图像中每一个像素所对应的第一特征值或第二特征值进行正规相关比对演算以得到该特征图像对应该多个已知样品图像所分别具有的一相似度值;
汇整关于该特征图像与该多个已知样品图像比对所产生的多个相似度值;以及
将该多个相似度值排序输出可能的该至少一辨识比结果。
12.如权利要求11所述的图像辨识与输出方法,其中该第一特征值与该第二特征值分别为权值与灰度值的组合,该第三特征值为灰度值。
13.如权利要求11所述的图像辨识与输出方法,其中该正规相关比对法为该已知样品图像中每一个像素的所对应的权值、其每一个像素所具有的灰度值与其平均灰度值的差值以及特征图像中每一像素的灰度值与其平均灰度值的差值的乘积除以该已知样品图像的灰度值标准差与特征图像的灰度值标准差的乘积。
14.如权利要求11所述的图像辨识与输出方法,其中建立已知样品图像还包括有下列步骤:
提供一待辨识图像,该待辨识图像上具有一兴趣区域;
决定已知标准样品图像的大小;
在该已知样品图像内的像素上形成该标准图像区域;
在该已知样品图像内决定该非标准图像区域;
将每一个建立出来的已知样品图像,存入一数据库内;
经过特定次数的训练并观察辨识结果;以及
修正该已知样品图像内的标准图像区域以及非标准图像区域内像素的第一特征值、第二特征值或像素位置,然后再存回数据库。
15.如权利要求14所述的图像辨识与输出方法,其中形成该非标准图像区域的方式为根据该标准图像区域被误认的字符于该标准样品图像内的特定像素位置给予特定的第一与第二特征值。
16.一种图像辨识与输出系统,包括:
一数据库,其内建立有多个已知样品图像;
一图像撷取单元,其撷取一图像;
一特征撷取单元,其撷取该图像上的一兴趣区域内所具有的一特征;
一运算处理单元,其根据该特征决定关于该兴趣区域的至少一方向的旋转视角,并将该识别信息的图像与一数据库中对应该旋转视角的已知标准图像进行比对以产生至少一辨识结果;以及
一辨识输出单元,其与该运算处理单元电讯连接,以输出该至少一辨识结果。
17.如权利要求16所述的图像辨识与输出系统,其中该运算处理单元还具有一强化单元以强化该图像。
18.如权利要求16所述的图像辨识与输出系统,其中该决定该夹角的方法为几何比对法。
19.如权利要求16所述的图像辨识与输出系统,其中关于该第一方向的旋转视角介于正60度以及负60度间。
20.如权利要求16所述的图像辨识与输出系统,其中关于该第二方向的旋转视角介于正60度以及负60度间。
21.如权利要求16所述的图像辨识与输出系统,其中,每一个已知样品图像分别具有一标准图像区域以及至少一非标准图像区域,其中该标准图像区域内的像素分别具有对应的一第一特征值,而该非标准图像区域内的像素则分别对应有一第二特征值
22.如权利要求21所述的图像辨识与输出系统,其中该非标准图像区域为根据该标准图像区域被误认的字符在该标准样品图像内的特定像素位置给予特定的第一与第二特征值。
23.如权利要求16所述的图像辨识与输出系统,其中该运算处理单元于处理特征图像与一数据库中所建立的多个已知样品图像进行比对的过程中,更可以根据该特征图像于该识别号码中的相对位置,事先排除不可能字符或数字的图像。
24.如权利要求16所述的图像辨识与输出系统,其是将该特征图像中每一个像素的一第三特征值分别与该多个已知样品图像中每一个像素所对应的第一特征值或第二特征值进行一正规相关比对演算以得到该特征图像对应该多个已知样品图像所分别具有的一相似度值,将该多个相似度值排序输出可能的多个种辨识比对结果。
25.如权利要求16所述的图像辨识与输出系统,其中该兴趣区域内具有识别信息。
26.如权利要求25所述的图像辨识与输出系统,其中该特征还包括有该识别信息的边缘的对比度、灰度、色彩度或频谱的特征。
27.如权利要求16所述的图像辨识与输出系统,其中该特征还包括有该兴趣区域的边缘的对比度、灰度、色彩度或频谱的特征。
28.如权利要求16所述的图像辨识与输出系统,其中该运算处理单元根据该特征决定关于该兴趣区域与该已知标准图像大小的比例关系。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 200910138243 CN101882219B (zh) | 2009-05-08 | 2009-05-08 | 图像辨识以及输出方法及其系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 200910138243 CN101882219B (zh) | 2009-05-08 | 2009-05-08 | 图像辨识以及输出方法及其系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101882219A true CN101882219A (zh) | 2010-11-10 |
CN101882219B CN101882219B (zh) | 2013-09-11 |
Family
ID=43054231
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 200910138243 Active CN101882219B (zh) | 2009-05-08 | 2009-05-08 | 图像辨识以及输出方法及其系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101882219B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102610119A (zh) * | 2012-03-22 | 2012-07-25 | 广州杰赛科技股份有限公司 | 反向寻车的方法及反向寻车的系统 |
CN106503121A (zh) * | 2016-10-19 | 2017-03-15 | 公安部第三研究所 | 一种x光安检图像的结构化描述方法及系统 |
CN106663212A (zh) * | 2014-10-31 | 2017-05-10 | 欧姆龙株式会社 | 文字识别装置、文字识别方法以及程序 |
CN108982901A (zh) * | 2018-06-14 | 2018-12-11 | 哈尔滨工业大学 | 一种匀速旋转体的转速测量方法 |
CN112201118A (zh) * | 2020-09-29 | 2021-01-08 | 深圳市优必选科技股份有限公司 | 一种逻辑板识别方法、装置及终端设备 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1137657A (zh) * | 1995-03-08 | 1996-12-11 | 佳能株式会社 | 一种图像处理方法和一种图像处理装置 |
CN1268234A (zh) * | 1997-07-14 | 2000-09-27 | 贝斯系统公司 | 自动验证对象的身份的系统和方法 |
US6473517B1 (en) * | 1999-09-15 | 2002-10-29 | Siemens Corporate Research, Inc. | Character segmentation method for vehicle license plate recognition |
US20050053282A1 (en) * | 2003-09-05 | 2005-03-10 | Japan As Represented By The President Of University Of Fukui | Apparatus and method for character recognition and program thereof |
CN101334836A (zh) * | 2008-07-30 | 2008-12-31 | 电子科技大学 | 一种融合色彩、尺寸和纹理特征的车牌定位方法 |
CN101408942A (zh) * | 2008-04-17 | 2009-04-15 | 浙江师范大学 | 一种复杂背景下的车牌定位方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
ITBO20020806A1 (it) * | 2002-12-20 | 2004-06-21 | Azionaria Costruzioni Acma Spa | Macchina etichettatrice e/o marcatrice |
WO2007036857A2 (en) * | 2005-09-29 | 2007-04-05 | Koninklijke Philips Electronics N.V. | System and method for acquiring magnetic resonance imaging (mri) data |
CN100583126C (zh) * | 2008-01-14 | 2010-01-20 | 浙江大学 | 基于快速图像配准的视角变化条件下视频前景提取方法 |
-
2009
- 2009-05-08 CN CN 200910138243 patent/CN101882219B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1137657A (zh) * | 1995-03-08 | 1996-12-11 | 佳能株式会社 | 一种图像处理方法和一种图像处理装置 |
CN1268234A (zh) * | 1997-07-14 | 2000-09-27 | 贝斯系统公司 | 自动验证对象的身份的系统和方法 |
US6473517B1 (en) * | 1999-09-15 | 2002-10-29 | Siemens Corporate Research, Inc. | Character segmentation method for vehicle license plate recognition |
US20050053282A1 (en) * | 2003-09-05 | 2005-03-10 | Japan As Represented By The President Of University Of Fukui | Apparatus and method for character recognition and program thereof |
CN101408942A (zh) * | 2008-04-17 | 2009-04-15 | 浙江师范大学 | 一种复杂背景下的车牌定位方法 |
CN101334836A (zh) * | 2008-07-30 | 2008-12-31 | 电子科技大学 | 一种融合色彩、尺寸和纹理特征的车牌定位方法 |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102610119A (zh) * | 2012-03-22 | 2012-07-25 | 广州杰赛科技股份有限公司 | 反向寻车的方法及反向寻车的系统 |
CN102610119B (zh) * | 2012-03-22 | 2014-04-02 | 广州杰赛科技股份有限公司 | 反向寻车的方法及反向寻车的系统 |
CN106663212A (zh) * | 2014-10-31 | 2017-05-10 | 欧姆龙株式会社 | 文字识别装置、文字识别方法以及程序 |
CN106663212B (zh) * | 2014-10-31 | 2019-12-24 | 欧姆龙株式会社 | 文字识别装置、文字识别方法以及计算机可读存储介质 |
CN106503121A (zh) * | 2016-10-19 | 2017-03-15 | 公安部第三研究所 | 一种x光安检图像的结构化描述方法及系统 |
CN106503121B (zh) * | 2016-10-19 | 2019-12-06 | 公安部第三研究所 | 一种x光安检图像的结构化描述方法及系统 |
CN108982901A (zh) * | 2018-06-14 | 2018-12-11 | 哈尔滨工业大学 | 一种匀速旋转体的转速测量方法 |
CN108982901B (zh) * | 2018-06-14 | 2020-06-09 | 哈尔滨工业大学 | 一种匀速旋转体的转速测量方法 |
CN112201118A (zh) * | 2020-09-29 | 2021-01-08 | 深圳市优必选科技股份有限公司 | 一种逻辑板识别方法、装置及终端设备 |
Also Published As
Publication number | Publication date |
---|---|
CN101882219B (zh) | 2013-09-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI384408B (zh) | 影像辨識以及輸出方法與其系統 | |
US9286533B2 (en) | Method for image recombination of a plurality of images and image identification and system for image acquiring and identification | |
CN101859382B (zh) | 一种基于最大稳定极值区域的车牌检测与识别的方法 | |
CN111126224A (zh) | 车辆检测方法及分类识别模型训练方法 | |
Silva et al. | Detection of helmets on motorcyclists | |
CN101937508A (zh) | 一种基于高清图像的车牌定位与识别方法 | |
CN101706873A (zh) | 数字类限制标志的识别方法和装置 | |
CN102414720A (zh) | 特征量计算装置、特征量计算方法及程序 | |
CN101882219B (zh) | 图像辨识以及输出方法及其系统 | |
CN107133563A (zh) | 一种基于公安领域的视频分析系统及方法 | |
Park et al. | Real-time signal light detection | |
CN106845444A (zh) | 一种基于弧‑点结合的车载井盖检测方法 | |
Shah et al. | OCR-based chassis-number recognition using artificial neural networks | |
CN111931683B (zh) | 图像识别方法、装置及计算机可读存储介质 | |
CN110188606A (zh) | 基于高光谱成像的车道识别方法、装置及电子设备 | |
Mammeri et al. | North-American speed limit sign detection and recognition for smart cars | |
CN112115800A (zh) | 一种基于深度学习目标检测的车辆组合识别系统及方法 | |
CN102142090B (zh) | 车辆检测方法和系统 | |
Islam et al. | Bangla license plate detection, recognition and authentication with morphological process and template matching | |
CN103680145B (zh) | 一种基于局部图像特征的人车自动识别方法 | |
Chiang et al. | Road speed sign recognition using edge-voting principle and learning vector quantization network | |
Al Nasim et al. | An automated approach for the recognition of bengali license plates | |
Li et al. | [Retracted] Yolo‐Based Traffic Sign Recognition Algorithm | |
Juntanasub et al. | Car license plate recognition through Hausdorff distance technique | |
CN101882224B (zh) | 重组多张图像与辨识方法以及图像撷取与辨识系统 |
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 |