CN102419820A - 一种快速检测视频与图像中汽车车标的方法 - Google Patents

一种快速检测视频与图像中汽车车标的方法 Download PDF

Info

Publication number
CN102419820A
CN102419820A CN2011102376966A CN201110237696A CN102419820A CN 102419820 A CN102419820 A CN 102419820A CN 2011102376966 A CN2011102376966 A CN 2011102376966A CN 201110237696 A CN201110237696 A CN 201110237696A CN 102419820 A CN102419820 A CN 102419820A
Authority
CN
China
Prior art keywords
image
car
car mark
filtering
information
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.)
Pending
Application number
CN2011102376966A
Other languages
English (en)
Inventor
毛颂安
叶茂
庞锋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
University of Electronic Science and Technology of China
Original Assignee
University of Electronic Science and Technology of China
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by University of Electronic Science and Technology of China filed Critical University of Electronic Science and Technology of China
Priority to CN2011102376966A priority Critical patent/CN102419820A/zh
Publication of CN102419820A publication Critical patent/CN102419820A/zh
Pending legal-status Critical Current

Links

Images

Landscapes

  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种快速检测视频与图像中汽车车标的方法，涉及一种图像处理系统，旨在现有的车牌检测技术中确定了车牌坐标信息的基础上提供一种具有普遍适用性的从视频和图像中快速检测汽车车标的方法，其包括以下步骤：（1）车标粗定位，（2）图像预处理及滤波处理，（3）对图像的滤波结果做显著化处理，用以去除图像中的噪音点，（4）对显著化处理的图像二值化，（5）选取二值图，（6）车标区域的准确提取；本发明所提供的车标检测定位方法，在实时视频序列中，不仅处理时间快、准确率高，而且不含参数信息，可以应用于各种交通场合。

Description

一种快速检测视频与图像中汽车车标的方法
技术领域
本发明涉及一种图像处理系统，尤其涉及一种检测识别采集到的包括有汽车的视频和图像中汽车车标的方法。
背景技术
随着我国社会的不断进步，私家车的拥有人数逐渐增多，为了更好的满足人们的出行需求及国家的经济发展，我国的道路交通建设也正不断发展中。高速公路是连接各个城市之间的桥梁，使人们能够畅通、快速的到达目的地。但是高速公路的收费站，往往有排着长队的车辆在等候交费，放行通过收费站。这种情况也常常出现在停车场和各种交通收费路段。这样不仅增加了每辆车的等待时间，还可能造成交通堵塞。
基于以上存在的问题，智能车辆收费系统应运而生，根据实时采集的车辆图像视频信息，对车辆的车牌以及车标进行识别，及时为收费站的工作人员提供准确的车辆信息，以达到及时高效的交通通畅目的。智能车辆收费系统更可以为将来的交通路段的收费站及停车场实现无人化自动收费系统提供好的技术支撑。
在公开号为CN101630361A的专利申请文件中，公布了一种基于车牌、车身颜色和车标识别的套牌车辆识别设备及方法，其中包括的设备有：视频检测器、车牌定位器、车牌识别器、车身颜色识别器、车标定位器、车标识别器、数据库查询与报警装置等。根据车牌图像的局部边缘信息丰富的特点，该设备可以在捕获的图像中准确的定位车牌，利用车牌的位置，又提取车身区域和车标的粗略位置，根据提取的粗略位置再准确的提取车身颜色和车标；另外根据车牌字符识别、车身颜色判断和车标识别的结果，与数据库里的资料进行比对，可以查出是否为套牌车辆，如果是套牌车辆，可以自动报警。
其中，车标精确定位的具体算法为：首先是车标的粗定位，根据车牌检测设备得到的车牌坐标信息，在车牌的正上方一定区域内进行车标粗定位，寻找车标大概的位置。在粗定位的区域中可能含有车头通风口处的横栅格等多余噪声，利用图像增强技术、数学形态学技术对噪声进行去除，准确定位出车标。
该专利根据车牌位置，截取车牌正上方一定区域为车标的大概位置，由于车辆的种类不同，车标在车头前部的位置高低会有所不同，如大型货车、公交车等，另外车标也可能出现在车前盖上或通风口上，人为的确定一个区域可能会造成车标定位不准确的情况。同时，不同品牌的汽车制造商其车标也不同，据粗略估计，全世界的车标种类有几百上千种，如果用机器学习的方法在车标粗定位区域来检测定位车标，不但耗时长、效率低，其可行性也不高。另外，截取的车标粗定位区域，包括各种背景信息，如果光滑的车盖、水平的通风口、垂直的通风口，以及交叉分布的通风口等，有些车标则在车头的车盖上，其中车盖的颜色信息根据汽车颜色的不同而不同。综上所述，这些问题对准确定位、提取出车标造成了很大的障碍。除非在已知的背景信息的情况下做图像增强技术、数学形态学技术来去噪，但是该专利中并没有指出判断背景信息的方法来。这样对后续的车标识别准确率会造成很大的影响。
发明内容
针对上述现有技术，本发明要解决的技术问题是在现有的车牌检测技术中确定了车牌坐标信息的基础上提供一种具有普遍适用性，不需机器学习的方法来检测定位车标，而且能根据复杂的背景信息快速、精确检测视频和图像中汽车车标的方法。
为了解决上述技术问题，本发明采用如下技术方案：一种快速检测视频与图像中汽车车标的方法，首先根据实时采集的视频和图像信息，检测出其中的汽车车牌坐标（x，y），车牌图像大小m*n ，其中m为车牌的实际长度，n为车牌的实际宽度，还包括：
（1）车标粗定位
初始化设定车牌区域大小M*N，其中M表示车牌的长度，N表示车牌的宽度，通过对多幅汽车车头图像的车标与车牌距离的计算，选取其中最大的一个车标与车牌距离L作为车标粗定位的长度，则车标粗定位的图像大小为L*N，再根据实际车牌图像大小得到图像中车标与车牌实际距离l：                                                
Figure 366506DEST_PATH_IMAGE001
，则更精确的车牌上方的车标粗定位图像区域大小为；
（2）图像预处理及滤波处理
首先对区域大小为的车标粗定位图像作灰度化处理，然后分别做水平滤波和垂直滤波提取图像中的物体边缘信息，消除某一指定方向上的边缘信息，对噪音信息平滑处理，降低图像复杂度；
（3）对图像的滤波结果做显著化处理，去除图像中的噪音点
①对水平、垂直滤波后得到水平图像F horizontal和垂直图像F vertical 并分别缩放到同一大小的分辨率P*Q；
②分别对水平图像F horizontal和垂直图像F vertical 做8尺度的高斯金字塔：第0尺度图像大小为P*Q，第
Figure 541638DEST_PATH_IMAGE003
尺度的图像大小为
Figure 801718DEST_PATH_IMAGE004
，共得到8幅不同尺度大小的图像
Figure 880533DEST_PATH_IMAGE005
；
③对8幅图像做中心周围算法处理：设中心与周围的差表示为
Figure 909668DEST_PATH_IMAGE006
，则
Figure 946895DEST_PATH_IMAGE007
其中
Figure 694271DEST_PATH_IMAGE008
。由此计算得到6幅图像
Figure 576776DEST_PATH_IMAGE009
；
④把6幅图像相加求平均值、并归一化：
                                      
Figure 460418DEST_PATH_IMAGE010
            
（4）用K均值聚类法对显著化处理的图像进行二值化
（5）选取二值图
采用信息熵H的算法，分别计算两幅二值图的对应的信息熵值，取熵值较小的二值图像E；
（6）车标区域的准确提取
①对二值图E做一次膨胀处理；
②再对图像做一次腐蚀处理；
③找出该二值图像中的所有团块区域
Figure 934125DEST_PATH_IMAGE011
，用改进的信息熵算法判断出车标区域；
其中，改进的信息熵算法为：
Figure 372060DEST_PATH_IMAGE012
，n表示团块B所在区域对应的灰度图包含的不同像素值的数量及颜色种类。
作为优选，所述的水平滤波和垂直滤波的方法为用Sobel算子与灰度图像做平面卷积。
进一步地，所述水平滤波和垂直滤波也可以采用Gabor滤波器来完成。
与现有技术相比，本发明具有以下有益效果：初始化设定理想的车牌区域大小，在结合实际的车牌区域大小确定车标区域，在复杂背景信息下，相比现有的粗略估计车标区域，本发明更能准确的确定车标所在区域；另外本方法对滤波结果进行二值化处理，不需要设置任何阈值参数最后，根据改进的信息熵算法可以直接判断选取车标图像，不需要与现有车标进行匹配，不需机器学习记忆大量的车标图库，从而确定在实时视频序列中，处理时间快、准确率高；而且不含参数信息，可以应用于各种交通场合，具有普遍适用性。
附图说明
图1为本发明实施例的方法流程图。
具体实施方式
下面将结合附图及具体实施方式对本发明作进一步的描述。
参见图1，一种快速检测视频与图像中汽车车标的方法，首先根据实时采集的视频和图像信息，检测出其中的汽车车牌坐标（x，y），车牌图像大小m*n ，其中m为车牌的实际长度，n为车牌的实际宽度，其还包括：
（1）车标粗定位
初始化设定理想的车牌区域大小M*N，其中M表示车牌的长度，N表示车牌的宽度, 由于不同车型其车头的车标与车牌距离各不相同，通过对1000多幅汽车车头的车标与车牌距离的计算，选取其中最大的一个车标与车牌距离L作为车标粗定位的长度，则车标粗定位的图像大小为L*N，这样保证了对于不同车型的车辆都不会出现车标漏检的情况，该区域可能会包含车头的前挡风玻璃和雨刮等背景信息；
再根据实际车牌图像大小得到图像中车标与车牌实际距离l：
Figure 323835DEST_PATH_IMAGE001
，则更精确的车牌上方的车标粗定位图像区域大小为
Figure 327563DEST_PATH_IMAGE002
；
（2）图像预处理及滤波处理
由步骤（1）得到的图像中可能存在车头的挡风玻璃、雨刮、汽车车盖、通风口以及车标等信息。这使得图像中存在丰富的边缘信息，绝大多数的车前通风口为水平横杠或者垂直的竖杠边缘纹理，另外，车标通常含有丰富的边缘信息，采用单一方向的滤波不会对车标信息造成影响。因此本方案采用方向滤波的方法，不仅可以提取图像中的物体边缘信息、消除某一指定方向上的边缘信息，也可以消除颜色等噪音信息，使图像的复杂度降低。
首先对区域大小为
Figure 175434DEST_PATH_IMAGE002
的车标粗定位图像作灰度化处理，然后分别做水平滤波和垂直滤波提取图像中的物体边缘信息，消除某一指定方向上的边缘信息，对噪音信息平滑处理，降低图像复杂度；
作为优选，本实施例所述的水平滤波和垂直滤波的方法为用Sobel算子与灰度图像做平面卷积，Sobel算子利用图像中某像素点的上、下、左、右邻域的灰度加权算法，根据在边缘点处达到极值这一原理来进行边缘检测。该方法不但产生较好的检测效果，而且对噪声具有平滑作用，可以提供较为精确的边缘方向信息。Sobel算子在水平方向 和垂直方向 上的卷积模板分别为：
其中卷积滤波的算法流程为：
①分别将2个方向模板沿着图像从一个像素移动到另一个像素，并将像素的中心与图像中的某个像素位置重合；
②将模板内的系数与其图像上相对应的像素值相乘；
③将所有相乘的值相加，把该值作为图像中对应模板中心位置的新的灰度值。
（3）对图像的滤波结果做显著化处理，以用来去除图像中的噪音点
①对水平、垂直滤波后得到水平图像F horizontal和垂直图像F vertical 并分别缩放到同一大小的分辨率640*480；
②分别对水平图像F horizontal和垂直图像F vertical 做8尺度的高斯金字塔：第0尺度图像大小为640*480，第
Figure 162981DEST_PATH_IMAGE003
尺度的图像大小为
Figure 387289DEST_PATH_IMAGE014
，共得到8幅不同尺度大小的图像
Figure 245524DEST_PATH_IMAGE005
；
③对8幅图像做中心周围算法处理：设中心与周围的差表示为
Figure 61033DEST_PATH_IMAGE006
，则
Figure 473560DEST_PATH_IMAGE007
                                           
其中。由此计算得到6幅图像；
④把6幅图像相加求平均值、并归一化：
                                                
（4）对显著化处理的图像二值化
由于天气情况、光照强度的不同，实时采集的视频图像亮度信息各不相同。为了适应各种光照强度变化，作为优选，本实施例采用K均值聚类算法对显著化的图像进行二值化操作；由以上步骤得到的水平滤波、垂直滤波的显著图，用K均值聚类法对图像其二值化，K均值聚类法的处理流程如下：
①把图像S的所有像素值作为数据对象，从中任选两个对象作为初始聚类中心；
② 根据每个聚类对象的均值，计算每个对象与这些中心对象的距离，并根据最小距离重新对相应对象进行划分；
③重新计算每个聚类的均值
④循环②和③直到两个聚类不再发生变化为止。
（5）选取二值图
采用信息熵H的算法，分别计算两幅二值图的对应的信息熵值，取熵值较小的二值图像E；由于水平或垂直的滤波结果都不会滤除掉车标区域，但图像中剩下的有效信息量却不同，因此我们保留两幅二值图中有效信息较少的一幅。
其中，信息熵算法定义为：设X是取有限个值的随机变量，
Figure 463381DEST_PATH_IMAGE017
，
Figure 30629DEST_PATH_IMAGE018
，则X的信息熵为：
                                      
Figure 656782DEST_PATH_IMAGE019
      
（6）车标区域的准确提取
①对二值图E做一次膨胀处理；
②再对图像做一次腐蚀处理；
③找出该二值图像中的所有团块区域
Figure 575060DEST_PATH_IMAGE020
，用改进的信息熵算法判断出车标区域；
其中，改进的信息熵算法为：，n表示团块B所在区域对应的灰度图包含的不同像素值的数量及颜色种类。
二值图像中的车标区域可能由于滤波的处理而不连通，所以本实施例采用一次膨胀处理和一次腐蚀处理，可以连通局部图像区域、平滑其边界，同时也不会改变原二值图像的面积。
由于车标区域纹理、边缘信息、颜色信息都比其他区域更复杂，本实施例采用的改进的信息熵算法逐一对二值图像中的有效团块进行判断，最后选出值最大的团块区域为车标区域。
作为另一种优选，本发明步骤（2）中所述水平滤波和垂直滤波还可以采用Gabor滤波器来完成，其中，方向
Figure 366615DEST_PATH_IMAGE022
，频率可选
Figure 694828DEST_PATH_IMAGE023
；通过对步骤（2）的滤波结果，可以为其设定阈值来进行二值化操作，以代替步骤（3）和步骤（4）。 

Claims (3)

1.一种快速检测视频与图像中汽车车标的方法，首先根据实时采集的视频和图像信息，检测出其中的汽车车牌坐标（x，y），车牌图像大小m*n ，其中m为车牌的实际长度，n为车牌的实际宽度，其特征在于，还包括：
（1）车标粗定位
初始化设定车牌区域大小M*N，其中M表示车牌的长度，N表示车牌的宽度，通过对多幅汽车车头图像的车标与车牌距离的计算，选取其中最大的一个车标与车牌距离L作为车标粗定位的长度，则车标粗定位的图像大小为L*N，再根据实际车牌图像大小得到图像中车标与车牌实际距离l：                                                
Figure 860544DEST_PATH_IMAGE001
，则更精确的车牌上方的车标粗定位图像区域大小为
Figure 864272DEST_PATH_IMAGE002
；
（2）图像预处理及滤波处理
首先对区域大小为的车标粗定位图像作灰度化处理，然后分别做水平滤波和垂直滤波提取图像中的物体边缘信息，消除某一指定方向上的边缘信息，对噪音信息平滑处理，降低图像复杂度；
（3）对图像的滤波结果做显著化处理，去除图像中的噪音点
①对水平、垂直滤波后得到水平图像F horizontal和垂直图像F vertical 并分别缩放到同一大小的分辨率P*Q；
②分别对水平图像F horizontal和垂直图像F vertical 做8尺度的高斯金字塔：第0尺度图像大小为P*Q，第尺度的图像大小为
Figure 658419DEST_PATH_IMAGE004
，共得到8幅不同尺度大小的图像
Figure 251074DEST_PATH_IMAGE005
；
③对8幅图像做中心周围算法处理：设中心与周围的差表示为
Figure 535425DEST_PATH_IMAGE006
，则
Figure 947952DEST_PATH_IMAGE007
其中
Figure 507109DEST_PATH_IMAGE008
，由此计算得到6幅图像
Figure 688692DEST_PATH_IMAGE009
；
④把6幅图像相加求平均值、并归一化：
                                                
Figure 409523DEST_PATH_IMAGE010
             
（4）用K均值聚类法对显著化处理的图像进行二值化
（5）选取二值图
采用信息熵H的算法，分别计算两幅二值图的对应的信息熵值，取熵值较小的二值图像E；
（6）车标区域的准确提取
①对二值图E做一次膨胀处理；
②再对图像做一次腐蚀处理；
③找出该二值图像中的所有团块区域
Figure 309346DEST_PATH_IMAGE011
，用改进的信息熵算法判断出车标区域；
其中，改进的信息熵算法为：
Figure 406615DEST_PATH_IMAGE012
，n表示团块B所在区域对应的灰度图包含的不同像素值的数量及颜色种类。
2.根据权利要求1所述的快速检测视频与图像中汽车车标的方法，其特征在于：所述的水平滤波和垂直滤波的方法为用Sobel算子与灰度图像做平面卷积。
3.根据权利要求1所述的快速检测视频与图像中汽车车标的方法，其特征在于：所述水平滤波和垂直滤波采用Gabor滤波器来完成。
CN2011102376966A 2011-08-18 2011-08-18 一种快速检测视频与图像中汽车车标的方法 Pending CN102419820A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN2011102376966A CN102419820A (zh) 2011-08-18 2011-08-18 一种快速检测视频与图像中汽车车标的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN2011102376966A CN102419820A (zh) 2011-08-18 2011-08-18 一种快速检测视频与图像中汽车车标的方法

Publications (1)

Publication Number Publication Date
CN102419820A true CN102419820A (zh) 2012-04-18

Family

ID=45944223

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2011102376966A Pending CN102419820A (zh) 2011-08-18 2011-08-18 一种快速检测视频与图像中汽车车标的方法

Country Status (1)

Country Link
CN (1) CN102419820A (zh)

Cited By (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103065142A (zh) * 2012-12-30 2013-04-24 信帧电子技术（北京）有限公司 车标分割方法及装置
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
CN103077392A (zh) * 2012-12-30 2013-05-01 信帧电子技术（北京）有限公司 车标检测方法及装置
CN103093230A (zh) * 2013-01-21 2013-05-08 信帧电子技术（北京）有限公司 车标检测方法及装置
CN103093229A (zh) * 2013-01-21 2013-05-08 信帧电子技术（北京）有限公司 车标定位方法及装置
CN103123688A (zh) * 2012-12-30 2013-05-29 信帧电子技术（北京）有限公司 车标识别方法及装置
CN103295021A (zh) * 2012-02-24 2013-09-11 北京明日时尚信息技术有限公司 一种静态图片中车辆特征检测及识别的方法及系统
CN103577824A (zh) * 2012-07-24 2014-02-12 浙江大华技术股份有限公司 一种提取目标图像的方法及装置
CN104112122A (zh) * 2014-07-07 2014-10-22 叶茂 基于交通视频的车标自动识别方法
CN104298993A (zh) * 2014-01-09 2015-01-21 郑州金惠计算机系统工程有限公司 一种适用于轨道沿线复杂场景下的杆号定位和识别方法
CN104504384A (zh) * 2015-01-15 2015-04-08 博康智能网络科技股份有限公司 车标识别方法及其识别系统
CN106503710A (zh) * 2016-10-26 2017-03-15 北京邮电大学 一种车标识别方法及装置
CN106778742A (zh) * 2016-12-09 2017-05-31 东南大学 一种基于Gabor滤波器背景纹理抑制的车标检测方法
CN108090117A (zh) * 2017-11-06 2018-05-29 北京三快在线科技有限公司 一种图像检索方法及装置，电子设备
CN105611308B (zh) * 2015-12-18 2018-11-06 盯盯拍（深圳）技术股份有限公司 视频画面处理方法、装置以及系统
CN108960246A (zh) * 2018-06-14 2018-12-07 国网江苏省电力有限公司电力科学研究院 一种用于图像识别的二值化处理装置及方法
CN109215375A (zh) * 2017-07-04 2019-01-15 昊翔电能运动科技(昆山)有限公司 无人机寻车位方法及装置
CN109543580A (zh) * 2018-11-15 2019-03-29 北京智慧眼科技股份有限公司 指静脉特征提取方法、比对方法、存储介质及处理器
CN109955817A (zh) * 2018-10-29 2019-07-02 永康市臣贸工贸有限公司 多传感器安全型汽车
CN111695565A (zh) * 2020-06-14 2020-09-22 荆门汇易佳信息科技有限公司 基于道路关卡模糊图像的汽车标志精准定位方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101196980A (zh) * 2006-12-25 2008-06-11 四川川大智胜软件股份有限公司 基于视频的高速移动车辆标志精确识别方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101196980A (zh) * 2006-12-25 2008-06-11 四川川大智胜软件股份有限公司 基于视频的高速移动车辆标志精确识别方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
HUMAYUN KARIM SULEHRIA, YE ZHANG: "《Vehicle logo recognition using mathematical morphology》", 《TELE-INFO"07 PROCEEDINGS OF THE 6TH WSEAS INT. CONFERENCE ON TELECOMMUNICATION AND INFORMATICS》 *
庄永 等: "《一种快速车标定位方法》", 《四川大学学报》 *

Cited By (30)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103295021A (zh) * 2012-02-24 2013-09-11 北京明日时尚信息技术有限公司 一种静态图片中车辆特征检测及识别的方法及系统
CN103577824A (zh) * 2012-07-24 2014-02-12 浙江大华技术股份有限公司 一种提取目标图像的方法及装置
CN103577824B (zh) * 2012-07-24 2017-11-21 浙江大华技术股份有限公司 一种提取目标图像的方法及装置
CN103077392A (zh) * 2012-12-30 2013-05-01 信帧电子技术（北京）有限公司 车标检测方法及装置
CN103065142A (zh) * 2012-12-30 2013-04-24 信帧电子技术（北京）有限公司 车标分割方法及装置
CN103077392B (zh) * 2012-12-30 2016-04-20 信帧电子技术（北京）有限公司 车标检测方法及装置
CN103123688A (zh) * 2012-12-30 2013-05-29 信帧电子技术（北京）有限公司 车标识别方法及装置
CN103077407B (zh) * 2013-01-21 2017-05-17 信帧电子技术（北京）有限公司 车标定位识别方法及系统
CN103093229A (zh) * 2013-01-21 2013-05-08 信帧电子技术（北京）有限公司 车标定位方法及装置
CN103093229B (zh) * 2013-01-21 2016-05-11 信帧电子技术（北京）有限公司 车标定位方法及装置
CN103093230A (zh) * 2013-01-21 2013-05-08 信帧电子技术（北京）有限公司 车标检测方法及装置
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
CN104298993A (zh) * 2014-01-09 2015-01-21 郑州金惠计算机系统工程有限公司 一种适用于轨道沿线复杂场景下的杆号定位和识别方法
CN104112122A (zh) * 2014-07-07 2014-10-22 叶茂 基于交通视频的车标自动识别方法
CN104504384B (zh) * 2015-01-15 2018-09-21 新智认知数据服务有限公司 车标识别方法及其识别系统
CN104504384A (zh) * 2015-01-15 2015-04-08 博康智能网络科技股份有限公司 车标识别方法及其识别系统
CN105611308B (zh) * 2015-12-18 2018-11-06 盯盯拍（深圳）技术股份有限公司 视频画面处理方法、装置以及系统
CN106503710A (zh) * 2016-10-26 2017-03-15 北京邮电大学 一种车标识别方法及装置
CN106778742A (zh) * 2016-12-09 2017-05-31 东南大学 一种基于Gabor滤波器背景纹理抑制的车标检测方法
CN106778742B (zh) * 2016-12-09 2020-03-31 东南大学 一种基于Gabor滤波器背景纹理抑制的车标检测方法
CN109215375A (zh) * 2017-07-04 2019-01-15 昊翔电能运动科技(昆山)有限公司 无人机寻车位方法及装置
CN108090117A (zh) * 2017-11-06 2018-05-29 北京三快在线科技有限公司 一种图像检索方法及装置，电子设备
CN108090117B (zh) * 2017-11-06 2019-03-19 北京三快在线科技有限公司 一种图像检索方法及装置，电子设备
WO2019085765A1 (zh) * 2017-11-06 2019-05-09 北京三快在线科技有限公司 图像检索
US11281714B2 (en) 2017-11-06 2022-03-22 Beijing Sankuai Online Technology Co., Ltd Image retrieval
CN108960246A (zh) * 2018-06-14 2018-12-07 国网江苏省电力有限公司电力科学研究院 一种用于图像识别的二值化处理装置及方法
CN109955817A (zh) * 2018-10-29 2019-07-02 永康市臣贸工贸有限公司 多传感器安全型汽车
CN109955817B (zh) * 2018-10-29 2020-11-17 苏州斯莱斯食品有限公司 多传感器安全型汽车
CN109543580A (zh) * 2018-11-15 2019-03-29 北京智慧眼科技股份有限公司 指静脉特征提取方法、比对方法、存储介质及处理器
CN111695565A (zh) * 2020-06-14 2020-09-22 荆门汇易佳信息科技有限公司 基于道路关卡模糊图像的汽车标志精准定位方法

Similar Documents

Publication Publication Date Title
CN102419820A (zh) 一种快速检测视频与图像中汽车车标的方法
CN106951879B (zh) 基于摄像头与毫米波雷达的多特征融合车辆检测方法
CN106652468B (zh) 车辆道路前车违规检测和自车违规预警提醒装置及方法
US8611585B2 (en) Clear path detection using patch approach
CN111563412B (zh) 一种基于参数空间投票和贝塞尔拟合的快速车道线检测方法
US8670592B2 (en) Clear path detection using segmentation-based method
Yan et al. A method of lane edge detection based on Canny algorithm
CN104036262B (zh) 一种lpr车牌筛选识别的方法和系统
CN109583280A (zh) 车道线识别方法、装置、设备及存储介质
CN103927526A (zh) 一种基于高斯差分多尺度边缘融合的车辆检测方法
EP1796043A2 (en) Object detection
CN104778444A (zh) 道路场景下车辆图像的表观特征分析方法
Wang et al. A vision-based road edge detection algorithm
CN107886034B (zh) 行车提醒方法、装置及车辆
CN103593981B (zh) 一种基于视频的车型识别方法
CN109635737A (zh) 基于道路标记线视觉识别辅助车辆导航定位方法
Lin et al. Lane departure and front collision warning using a single camera
CN109190483B (zh) 一种基于视觉的车道线检测方法
CN107895151A (zh) 一种强光照条件下基于机器视觉的车道线检测方法
CN103984950A (zh) 一种适应白天检测的运动车辆刹车灯状态识别方法
CN104700072A (zh) 基于车道线历史帧的识别方法
CN106887004A (zh) 一种基于块匹配的车道线检测方法
KR20110001427A (ko) 관심영역 추출에 의한 차선 고속검출 방법
CN202134079U (zh) 一种无人驾驶车辆车道标志线识别与报警装置
CN104112139A (zh) 一种lpr车牌精确定位的方法和系统

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C12 Rejection of a patent application after its publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20120418