CN102054169A - 车牌定位方法 - Google Patents
车牌定位方法 Download PDFInfo
- Publication number
- CN102054169A CN102054169A CN 201010608131 CN201010608131A CN102054169A CN 102054169 A CN102054169 A CN 102054169A CN 201010608131 CN201010608131 CN 201010608131 CN 201010608131 A CN201010608131 A CN 201010608131A CN 102054169 A CN102054169 A CN 102054169A
- Authority
- CN
- China
- Prior art keywords
- car plate
- license plate
- border
- plate
- right sides
- 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
- Traffic Control Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种车牌定位方法,包括以下步骤:(1)粗略扫描车牌:对车牌灰度图垂直边缘提取形成垂直边缘二值图,扫描垂直边缘二值图查找疑是车牌行,得到一个或者多个疑是车牌扫描区域;(2)粗略定位车牌:在车牌灰度图中将步骤(1)得到的所有疑是车牌扫描区域进行单独处理,分别对所述各疑是车牌扫描区域进行垂直边缘提取和水平边缘提取,得到至少一个车牌粗略定位区域;(3)精确定位车牌:对所述的车牌粗略定位区域一一进行二值化处理,得到最终车牌。本发明的车牌定位方法避免使用地感线圈,可以对多车道车牌进行定位,且有效的减小了计算量,定位效果较好。
Description
技术领域
本发明属于智能交通领域,具体地说,是涉及一种车牌定位方法。
背景技术
在智能交通领域中的一些系统中,例如电子警察抓拍系统、交通卡口系统和治安卡口系统等需要车牌定位,目前使用的车牌定位方法一般是只对单个车道进行车牌定位,当多个车道、多辆车时,则不能进行车牌定位,因此这种车牌定位方法在多个车道的交通道路上使用受到很大限制。
目前一些电子警察系统可以对多车道定位,电子警察系统的抓拍原理是首先通过车辆触发地感线圈,抓拍到多车道的图像,然后在后台对单独抓拍的各图像进行分析,分别对各车道的车牌进行定位。因此该系统需要在抓拍口处预埋地感线圈,以及从图像抓拍到后台处理存在一定的时间延迟,而且需要在后台设定相应的处理程序,操作繁琐,使用不便。
基于此,如何发明一种车牌定位方法,可以对多车道进行车牌定位,而且无需使用感线圈,在系统前台即可完成车牌定位,十分必要。
发明内容
本发明为了解决多车道车牌定位需要预设地感线圈的问题,提供了一种车牌定位方法,可以对多车道车牌进行定位,不必预设地感线圈,操作简单,易于实现。
为了解决上述技术问题,本发明采用以下技术方案予以实现:
一种车牌定位方法,包括以下步骤:
(1)、粗略扫描车牌:对车牌灰度图垂直边缘提取,形成垂直边缘二值图,通过扫描所述的垂直边缘二值图查找疑是车牌行,合并所 有疑是车牌行得到一个或者多个疑是车牌扫描区域;
(2)、粗略定位车牌:在车牌灰度图中将步骤(1)得到的所有疑是车牌扫描区域单独处理,进行垂直边缘提取和水平边缘提取形成边缘二值图,确定车牌的上下边界和左右边界,得到至少一个车牌粗略定位区域;
(3)、精确定位车牌:分别设定各车牌粗略定位区域的灰度二值阈值a4,在车牌灰度图中对所述的车牌粗略定位区域一一进行二值化处理,得到区分字符和背景的二值图,再次确定车牌的上下边界和左右边界,得到最终车牌,所述的a4为正整数。
进一步的,由于车牌的高度远小于灰度图的高度,为了减小计算量,步骤(1)中还包括区域定位步骤,得到定位区域,所述的车牌灰度图是定位区域内的车牌灰度图。
又进一步的,步骤(1)中疑是车牌行通过以下方式获得:
对垂直边缘二值图进行逐行扫描,所述的车牌垂直边缘跳变特点即:在特定长度内,如果边缘跳变的个数不小于阈值a1,则认为该行是疑是车牌行,所述的a1为正整数。
再进一步的,所述的特定长度不小于车牌灰度图中车牌的长度。
优选的,步骤(2)中车牌的上下边界和左右边界通过以下方式获得:
确定车牌的上下边界:对边缘二值图进行逐行扫描,统计每行的跳变数,形成一维数组W1,将一维数组W1中至少连续N2个元素值大于阈值a2的区域统计出,这个区域的上下边界即为车牌的上下边界,所述的边缘二值图中包括边缘点和非边缘点,所述的N2和a2为正整数;
确定车牌的左右边界:在上下边界范围内进行逐列扫描,统计每列的边缘点的个数,并形成一维数组W2,将一维数组W2中元素值大于阈值a3且相邻两大于阈值a3的元素之间间隔小于T的区域统计出,这个区域的左右边界即为车牌的左右边界,所述的T和a3为正整数。
更进一步的,确定车牌的上下边界后,还包括通过上下边界计算车牌的高度的步骤,如果计算出的车牌的高度与实际车牌高度之差大 于预设的阈值T1,则认为该车牌为伪车牌,去掉此伪车牌,其中T1为正整数。
更进一步的,确定车牌的左右边界后,还包括通过左右边界计算车牌的宽度的步骤,如果计算出的车牌的宽度与实际车牌宽度之差大于预设的阈值T2,则认为该车牌为伪车牌,去掉此伪车牌,其中T2为正整数。
优选的,步骤(3)中所述的灰度二值阈值a4通过以下方式获得:在所述各粗略定位区域范围内的中心位置,取N1×N1像素大小的窗口的平均灰度作为阈值a4,所述的N1为正整数。
再进一步的,步骤(3)中所述的再次确定车牌的上下边界和左右边界通过以下方式获得:
再次确定车牌的上下边界:对灰度二值图进行逐行扫描,统计每行的跳变数,形成一维数组W3,将一维数组W3中大于阈值a5的区域统计出,这个区域的上下边界即为车牌的最终上下边界,所述的a5为正整数;
再次确定车牌的左右边界:在再次确定的上下边界范围内进行逐列扫描,统计每列跳变点的个数,并形成一维数组W4,将一维数组W4中元素值大于阈值a6的且相邻两大于阈值a6的元素之间间隔小于T的区域统计出,这个区域的左右边界即对应车牌的最终左右边界,所述的a6为正整数。
优选的,步骤(1)和步骤(2)中所述的边缘提取算法为Sobel算法。
与现有技术相比,本发明的优点和积极效果是:本发明的车牌定位方法避免使用地感线圈,可以对多车道车牌进行定位;通过前两步的车牌粗略定位步骤,查找出车牌的大概位置,后续步骤中只需围绕着粗略定位区域即可,有效的减小了计算量;采用逐渐逼近的方式,定位效果较好。
结合本发明具体实施例的详细描述,本发明的其他特点和优点将变得更加清楚。
附图说明
图1是本发明车牌定位方法的一个实施例简化流程图;
图2是图1中S0步骤的分解图;
图3是图1中S1步骤的分解图;
图4是图1中S2步骤的分解图。
具体实施方式
下面结合附图和具体实施方式对本发明作进一步详细的说明。
实施例一,参考图1,图示了本发明车牌定位方法的一个实施例的简化流程图,如图所示,包括以下步骤:
S0,粗略扫描车牌。
具体的,参图2所示,为步骤S0分解图,包括S02:对包含有多个车道的车牌灰度图进行垂直边缘提取,垂直边缘提取后形成垂直边缘二值图,S03:对所述的垂直边缘二值图进行逐行扫描,S04:根据车牌垂直边缘跳变特点查找出疑是车牌行,S05:最后合并所有疑是车牌行得到一个或者多个疑是车牌扫描区域;
S1,粗略定位车牌。
具体的,参图3所示,为步骤S1分解图,包括S11:在车牌灰度图中,将步骤S0中得到的所有疑是车牌扫描区域进行单独处理,分别对所述各疑是车牌扫描区域进行垂直边缘提取和水平边缘提取形成边缘二值图,S12:确定车牌的上下边界和S13:确定车牌的左右边界,S14:最后得到至少一个车牌粗略定位区域;
S2,精确定位车牌。
具体的,参图4所示,为步骤S2分解图,包括S21:在车牌灰度图中分别设定各车牌粗略定位区域的灰度二值阈值a4,对所述的车牌粗略定位区域一一进行二值化处理,如果阈值a4选取合理的话,灰度二值化后车牌中的字符和背景被分开,得到区分字符和背景的二值图,利用这一特点,执行步骤S22,再次确定车牌的上下边界和步骤S23再次确定车牌的左右边界,S24:结合前两步得到的最终上下边界和最终左右 边界,得到最终车牌,其中,所述的阈值a4为正整数。
由于车牌的高度远小于灰度图的高度,为了减小计算量,步骤S0中还包括区域定位步骤S01,所述的区域定位需要根据实际抓拍图像中车牌所在图像中的位置确定,由于一般抓拍系统的摄像头在安装后角度是固定的,因此需要提取的车牌区域在整幅图像中的大致位置也是确定的,因此利用这一特点,进行区域定位,得到定位区域,定位区域内包含多个车道和多个车辆,在后步处理中只需处理定位区域中的图像,因此有效的减少了计算量。在执行区域定位步骤S01后,则所述的步骤S02中车牌灰度图是定位区域内的车牌灰度图。
由于在将车牌灰度图垂直边缘提取后形成垂直边缘二值图,具有垂直特征的线条将会在图中显现出来,因此根据车牌的特征,本领域技术人员很容易辨别出车牌的大致位置,找出疑是车牌行。优选的,本实施例中步骤S0中疑是车牌行通过以下方式获得:
首先对垂直边缘二值图进行逐行扫描,所述的车牌垂直边缘跳变特点即:在特定长度内,如果边缘跳变的个数不小于阈值a1,则认为该行是疑是车牌行,所述的a1为正整数,本实施例中,设置a1=15。
所述的特定长度不小于车牌灰度图中车牌的长度,在本实施例中,特定长度=视野中车牌长度像素数+20像素。
步骤S11中分别对所述各疑是车牌扫描区域进行垂直边缘提取和水平边缘提取,形成边缘二值图,具有垂直特征和水平特征的线条将会在图中显现出来,所述的边缘二值图中包括边缘点和非边缘点,因此根据车牌的特征,本领域技术人员很容易辨别出车牌的大致上下边界和左右边界,实现车牌的粗略定位。步骤S12中车牌的上下边界和步骤S13中车牌的左右边界通过以下方式获得:
确定车牌的上下边界:由于粗略定位后的边缘与粗略扫描时的边缘发生了变化,此时的边缘会更精细,所以需要重新确定跳变数,对边缘二值图进行逐行扫描,统计每行的跳变数,形成一维数组W1,将一维数组W1中至少连续N2个元素值大于阈值a2的区域统计出,这个区域的上下边界即为车牌的上下边界,其中,所述的N2和a2为正整数,由于存在车牌字符的地方会存在垂直跳变,且上下方向是 连续的,因此值N2和a2根据实际抓拍图像的像素数及车牌在图像中的长度确定,在本实施例中,a2=15,N2的值需要根据车牌在图像中所占的像素数确定,为预设的正整数;
确定车牌的左右边界:在上下边界范围内进行逐列扫描,统计每列的边缘点的个数,并形成一维数组W2,将一维数组W2中元素值大于阈值a3且相邻两大于阈值a3的元素之间间隔小于T的区域统计出,这个区域的左右边界即为车牌的左右边界,其中,所述的T和a3为正整数,T为根据车牌字符水平间隔距离的特点设置的一个阈值,在本实施例中,a3=3,T=7。
经过步骤S12所述的上下边界确定后,有可能会确定出一些伪车牌,为了防止伪车牌进入执行下步步骤中,浪费资源和时间,本实施例优选设置还包括通过上下边界计算车牌的高度的步骤,如果计算出的车牌的高度与实际车牌高度差值大于预设的阈值T1,则认为该车牌为伪车牌,去掉此伪车牌,其中阈值T1为正整数,需要根据车牌在图像中实际所占的像素数确定。
同样的,经过步骤S13确定所述的车牌左右边界后,优选设置本实施例还包括通过左右边界计算车牌的宽度的步骤,如果计算出的车牌的宽度与实际车牌宽度差值大于预设的阈值T2,则认为该车牌为伪车牌,去掉此伪车牌,其中阈值T2为正整数,需要根据车牌在图像中实际所占的像素数确定。
步骤S2中对步骤S1中得到的车牌粗略定位区域利用灰度值进行单独处理,主要利用车牌的灰度信息,设置灰度二值阈值a4,将车牌粗略定位区域的车牌灰度图二值化,若灰度二值阈值a4设置的合理,灰度二值化后车牌中的字符和背景被分开,得到区分字符和背景的二值图,在本发明中,优选的,灰度二值阈值a4通过以下方式获得:由于粗略定位区域中心位置处的灰度值更接近车牌平均灰度值,在所述各粗略定位区域范围内的中心位置处,取N1×N1像素的窗口的平均灰度作为阈值a4,所述的N1为正整数,在本实施例中,N1=20。
优选的,步骤S22中所述的再次确定车牌的上下边界和步骤S23中所述的再次确定车牌的左右边界通过以下方式获得:
再次确定车牌的上下边界:统计灰度二值化的字符和背景的边界 结果,对灰度二值图进行逐行扫描,统计每行的跳变数,形成一维数组W3,将一维数组W3中大于阈值a5的区域统计出,这个区域的上下边界即为车牌的最终上下边界,所述的a5为正整数,在本实施例中,a5=10;
再次确定车牌的左右边界:在再次确定的上下边界范围内进行逐列扫描,统计每列跳变点的个数,并形成一维数组W4,将一维数组W4中元素值大于阈值a6的且相邻两大于阈值a6的元素之间间隔小于T的区域统计出,这个区域的左右边界即对应车牌的最终左右边界,所述的a6为正整数,在本实施例中,a6=6,T=7。
需要说明的是,步骤S0和步骤S1中所述的边缘提取算法可以采用Canny边缘检测算法、Roberts算法、Sobel算法、Prewitt算法等,由于Sobel算法计算量比较小,本实施例中优选采取Sobel算法。
本实施例的车牌定位方法,通过粗略扫描车牌提取出至少一个疑是车牌扫描区域,可以将包含多车道、多车辆的图像中的疑是车牌提取出来,克服了传统车牌提取方法只能提取单车道车牌的缺点,在粗略定位车牌时只需在疑是车牌扫描区域中定位,有效的减少了计算量,根据车牌字符边缘跳变的统计特性,使车牌提取更精确,将上下边界和左右边界的提取分开处理,逐层缩小计算范围,进一步减小了计算量,而且本实施例都是整型计算,适用于嵌入式系统,可以将其植入前台处理,对多车道多车辆实时车牌定位,无需再使用地感线圈做触发抓拍。
需要说明的是,各阈值的设定需要根据实际情况设定,本实施例中涉及到的具体值只是一较佳实施例而已,不做为本发明的限制。
以上所述,仅是本发明的较佳实施例而已,并非是对本发明作其它形式的限制,任何熟悉本专业的技术人员可能利用上述揭示的技术内容加以变更或改型为等同变化的等效实施例。但是凡是未脱离本发明技术方案内容,依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与改型,仍属于本发明技术方案的保护范围。
Claims (10)
1.一种车牌定位方法,其特征在于:包括以下步骤:
(1)、粗略扫描车牌:对车牌灰度图垂直边缘提取,形成垂直边缘二值图,通过扫描所述的垂直边缘二值图查找疑是车牌行,合并所有疑是车牌行得到一个或者多个疑是车牌扫描区域;
(2)、粗略定位车牌:在车牌灰度图中将步骤(1)得到的所有疑是车牌扫描区域单独处理,进行垂直边缘提取和水平边缘提取形成边缘二值图,确定车牌的上下边界和左右边界,得到至少一个车牌粗略定位区域;
(3)、精确定位车牌:分别设定各车牌粗略定位区域的灰度二值阈值a4,在车牌灰度图中对所述的车牌粗略定位区域一一进行二值化处理,得到区分字符和背景的二值图,再次确定车牌的上下边界和左右边界,得到最终车牌,所述的a4为正整数。
2.根据权利要求1所述的车牌定位方法,其特征在于:步骤(1)中还包括区域定位步骤,得到定位区域,所述的车牌灰度图是定位区域内的车牌灰度图。
3.根据权利要求1或2所述的车牌定位方法,其特征在于:步骤(1)中疑是车牌行通过以下方式获得:
对垂直边缘二值图进行逐行扫描,所述的车牌垂直边缘跳变特点即:在特定长度内,如果边缘跳变的个数不小于阈值a1,则认为该行是疑是车牌行,所述的a1为正整数。
4.根据权利要求3所述的车牌定位方法,其特征在于:所述的特定长度不小于车牌灰度图中车牌的长度。
5.根据权利要求1或2所述的车牌定位方法,其特征在于:步骤(2)中车牌的上下边界和左右边界通过以下方式获得:
确定车牌的上下边界:对边缘二值图进行逐行扫描,统计每行的跳变数,形成一维数组W1,将一维数组W1中至少连续N2个元素值大于阈值a2的区域统计出,这个区域的上下边界即为车牌的上下边界,所述的边缘二值图中包括边缘点和非边缘点,所述的N2和a2为正整数;
确定车牌的左右边界:在上下边界范围内进行逐列扫描,统计每列的边缘点的个数,并形成一维数组W2,将一维数组W2中元素值大于阈值a3且相邻两大于阈值a3的元素之间间隔小于T的区域统计出,这个区域的左右边界即为车牌的左右边界,所述的T和a3为正整数。
6.根据权利要求5所述的车牌定位方法,其特征在于:确定车牌的上下边界后,还包括通过上下边界计算车牌的高度的步骤,如果计算出的车牌的高度与实际车牌高度之差大于预设的阈值T1,则认为该车牌为伪车牌,去掉此伪车牌,其中T1为正整数。
7.根据权利要求5所述的车牌定位方法,其特征在于:确定车牌的左右边界后,还包括通过左右边界计算车牌的宽度的步骤,如果计算出的车牌的宽度与实际车牌宽度之差大于预设的阈值T2,则认为该车牌为伪车牌,去掉此伪车牌,其中T2为正整数。
8.根据权利要求1所述的车牌定位方法,其特征在于:步骤(3)中所述的灰度二值阈值a4通过以下方式获得:在所述各粗略定位区域范围内的中心位置,取N1×N1像素的窗口的平均灰度作为阈值a4,所述的N1为正整数。
9.根据权利要求1所述的车牌定位方法,其特征在于:步骤(3)中所述的再次确定车牌的上下边界和左右边界通过以下方式获得:
再次确定车牌的上下边界:逐行扫描灰度二值图,统计每行的跳变数,形成一维数组W3,将一维数组W3中大于阈值a5的区域统计出,该区域的上下边界即为车牌的最终上下边界,所述的a5为正整数;
再次确定车牌的左右边界:在再次确定的上下边界范围内进行逐列扫描,统计每列跳变点的个数,并形成一维数组W4,将一维数组W4中元素值大于阈值a6且相邻两个大于a6的元素间隔小于T的区域统计出,该区域的左右边界即对应车牌的最终左右边界,所述的a6为正整数。
10.根据权利要求1所述的车牌定位方法,其特征在于:步骤(1)和步骤(2)中所述的边缘提取算法为Sobel算法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201010608131 CN102054169B (zh) | 2010-12-28 | 2010-12-28 | 车牌定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201010608131 CN102054169B (zh) | 2010-12-28 | 2010-12-28 | 车牌定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102054169A true CN102054169A (zh) | 2011-05-11 |
CN102054169B CN102054169B (zh) | 2013-01-16 |
Family
ID=43958469
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 201010608131 Active CN102054169B (zh) | 2010-12-28 | 2010-12-28 | 车牌定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102054169B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102622888A (zh) * | 2012-03-30 | 2012-08-01 | 上海博康智能信息技术有限公司 | 一种基于视频检测的车牌自学习识别方法及装置 |
CN102629322A (zh) * | 2012-03-12 | 2012-08-08 | 华中科技大学 | 一种基于边界点笔画形状的字符特征提取方法及应用 |
CN102929843A (zh) * | 2012-09-14 | 2013-02-13 | 《中国学术期刊(光盘版)》电子杂志社 | 一种文字编改系统及编改的方法 |
CN103093181A (zh) * | 2011-11-01 | 2013-05-08 | 青岛海信网络科技股份有限公司 | 一种车牌图像定位的方法和装置 |
CN103226812A (zh) * | 2013-03-19 | 2013-07-31 | 苏州橙果信息科技有限公司 | 一种基于边缘二值图的纹理过滤方法 |
CN103426157A (zh) * | 2012-05-17 | 2013-12-04 | 成都方程式电子有限公司 | 图像有效区域的扫描方法及装置 |
CN104331887A (zh) * | 2014-10-30 | 2015-02-04 | 安徽清新互联信息科技有限公司 | 一种基于区域边缘信息的车牌粗定位方法 |
CN106886777A (zh) * | 2017-04-11 | 2017-06-23 | 深圳怡化电脑股份有限公司 | 一种字符边界确定方法及装置 |
CN111008987A (zh) * | 2019-12-06 | 2020-04-14 | 深圳市碧海扬帆科技有限公司 | 基于灰色背景中边缘图像提取方法、装置及可读存储介质 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101183425A (zh) * | 2007-12-20 | 2008-05-21 | 四川川大智胜软件股份有限公司 | 粤港两地车牌定位方法 |
-
2010
- 2010-12-28 CN CN 201010608131 patent/CN102054169B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101183425A (zh) * | 2007-12-20 | 2008-05-21 | 四川川大智胜软件股份有限公司 | 粤港两地车牌定位方法 |
Non-Patent Citations (2)
Title |
---|
《科学技术与工程》 20060430 叶霆,王琼,张艳宁,李映 一种基于纹理过滤和中值滤波的牌照定位方法 , * |
《视频技术应用与工程》 20050717 李波,曾致远,付祥胜 基于数学形态学和边缘特征的车牌定位算法 , * |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103093181A (zh) * | 2011-11-01 | 2013-05-08 | 青岛海信网络科技股份有限公司 | 一种车牌图像定位的方法和装置 |
CN103093181B (zh) * | 2011-11-01 | 2016-04-27 | 青岛海信网络科技股份有限公司 | 一种车牌图像定位的方法和装置 |
CN102629322A (zh) * | 2012-03-12 | 2012-08-08 | 华中科技大学 | 一种基于边界点笔画形状的字符特征提取方法及应用 |
CN102629322B (zh) * | 2012-03-12 | 2014-03-26 | 华中科技大学 | 一种基于边界点笔画形状的字符特征提取方法及应用 |
CN102622888B (zh) * | 2012-03-30 | 2014-04-02 | 上海博康智能信息技术有限公司 | 一种基于视频检测的车牌自学习识别方法及装置 |
CN102622888A (zh) * | 2012-03-30 | 2012-08-01 | 上海博康智能信息技术有限公司 | 一种基于视频检测的车牌自学习识别方法及装置 |
CN103426157B (zh) * | 2012-05-17 | 2016-08-31 | 成都方程式电子有限公司 | 图像有效区域的扫描方法及装置 |
CN103426157A (zh) * | 2012-05-17 | 2013-12-04 | 成都方程式电子有限公司 | 图像有效区域的扫描方法及装置 |
CN102929843A (zh) * | 2012-09-14 | 2013-02-13 | 《中国学术期刊(光盘版)》电子杂志社 | 一种文字编改系统及编改的方法 |
CN103226812A (zh) * | 2013-03-19 | 2013-07-31 | 苏州橙果信息科技有限公司 | 一种基于边缘二值图的纹理过滤方法 |
CN104331887A (zh) * | 2014-10-30 | 2015-02-04 | 安徽清新互联信息科技有限公司 | 一种基于区域边缘信息的车牌粗定位方法 |
CN104331887B (zh) * | 2014-10-30 | 2017-02-15 | 安徽清新互联信息科技有限公司 | 一种基于区域边缘信息的车牌粗定位方法 |
CN106886777A (zh) * | 2017-04-11 | 2017-06-23 | 深圳怡化电脑股份有限公司 | 一种字符边界确定方法及装置 |
CN106886777B (zh) * | 2017-04-11 | 2020-06-09 | 深圳怡化电脑股份有限公司 | 一种字符边界确定方法及装置 |
CN111008987A (zh) * | 2019-12-06 | 2020-04-14 | 深圳市碧海扬帆科技有限公司 | 基于灰色背景中边缘图像提取方法、装置及可读存储介质 |
CN111008987B (zh) * | 2019-12-06 | 2023-06-09 | 深圳市碧海扬帆科技有限公司 | 基于灰色背景中边缘图像提取方法、装置及可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN102054169B (zh) | 2013-01-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102054169B (zh) | 车牌定位方法 | |
CN108877269B (zh) | 一种交叉路口车辆状态检测及v2x广播方法 | |
CN104008645B (zh) | 一种适用于城市道路车道线预测及预警方法 | |
EP1796043B1 (en) | Object detection | |
CN102722704B (zh) | 一种融合视频动态跟踪的车牌识别方法和系统 | |
CN102722982B (zh) | 基于背景与帧间差分算法的车流及其运动状态检测方法 | |
CN101937508A (zh) | 一种基于高清图像的车牌定位与识别方法 | |
CN102509457A (zh) | 一种车辆跟踪的方法及装置 | |
CN101042802A (zh) | 交通信息传感器、交通信息检测方法和系统 | |
CN103646550A (zh) | 一种智能车牌识别系统 | |
CN101154271A (zh) | 基于快速区域标号算法和车牌大间隔定位方法的车牌字符分割方法 | |
CN102184399A (zh) | 基于水平投影和连通域分析的字符分割方法 | |
Lazrus et al. | An efficient method of vehicle number plate detection and recognition | |
CN101727581B (zh) | 基于字符预分割的车牌倾斜校正方法 | |
CN102496281A (zh) | 一种基于跟踪与虚拟线圈结合的车辆闯红灯检测方法 | |
CN102768802B (zh) | 基于有限状态机的道路车辆拥堵判别方法 | |
CN107358236A (zh) | 一种基于摄像装置的车牌号码识别系统及方法 | |
JP6139493B2 (ja) | ナンバープレート検出装置及びナンバープレート検出方法 | |
CN102169583B (zh) | 基于车窗定位的车辆遮挡检测与分割方法 | |
JP5306124B2 (ja) | ナンバプレート読取装置およびナンバプレート読取方法 | |
KR101269192B1 (ko) | 일방통행 위반 단속시스템 | |
JP2020095623A (ja) | 画像処理装置および画像処理方法 | |
CN102163328B (zh) | 用于交通视频图像中眩光的检测和消除方法 | |
CN103049742B (zh) | 一种车牌定位的方法 | |
CN101216892B (zh) | 线阵ccd摄像机序列图像灰度特征识别车辆存在的方法 |
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 |