CN102880859A - 一种车牌识别方法 - Google Patents
一种车牌识别方法 Download PDFInfo
- Publication number
- CN102880859A CN102880859A CN2012103164305A CN201210316430A CN102880859A CN 102880859 A CN102880859 A CN 102880859A CN 2012103164305 A CN2012103164305 A CN 2012103164305A CN 201210316430 A CN201210316430 A CN 201210316430A CN 102880859 A CN102880859 A CN 102880859A
- Authority
- CN
- China
- Prior art keywords
- character
- piece
- image
- sample
- low resolution
- 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
Links
Images
Abstract
本发明公开了一种车牌识别方法,包括以下步骤:S1.获取车牌图像;S2.对车牌区域定位;S3.对车牌区域进行超分辨率重建;S4.对重建的高分辨率车牌区域中的字符进行分割,得到单个字符图像;S5.对单个字符图像进行识别。本发明实现了在图像不清晰的时候能够准确识别车牌;可以解决车牌在字符缺损或模糊情况下的识别问题;并且不受车牌类型,图像背景,车辆本身的颜色和车辆类型的影响,实现了各种类型车牌,各种背景,各种颜色和车型的车辆的车牌识别。
Description
技术领域
本发明涉及智能交通领域,特别涉及一种车牌识别方法。
背景技术
在现代越来越发达的交通体系中,交通管理,交通监控,交通优化等方面需要巨大的人力和物力。如果有一个系统能代替一些繁琐反复的管理工作,将节省很多不必要的人力和物力。而车牌自动识别是实现交通管理智能化的重要环节,是实现智能交通的管理的核心技术之一。
现有的车牌自动识别方法存在以下缺点:
1、国内牌照经常受污点、光照、锈斑、扭曲等影响,造成在字符分割后字符的缺损或模糊,大大影响对字符识别的准确率。
2、由于硬件设备的限制,所采集的图像的车牌部分往往较为模糊,目前国内外技术并没对这一部分先进行预处理,这样的图像也直接制约了字符识别准确率的提升。
3、中国标准车牌中存在汉字,笔划较多,识别难度较大。我国标准汽车牌照是由汉字、英文字母和阿拉伯数字组成,汉字的识别与字母和数字的识别有很大的不同,从而增加了技术难度。
发明内容
为了克服现有技术的上述缺点与不足,本发明的目的在于提供一种基于超分辨重建的车牌识别方法,实现了在图像不清晰的时候准确识别车牌。
本发明的目的通过以下技术方案实现:
一种车牌识别方法,包括以下步骤:
S1获取车牌图像;
S2对车牌区域定位;
S3对车牌区域进行超分辨率重建,具体为:
S3.1采用分割算法将车牌区域yt分割成Q个待识别图像块,对于每个待识别图像块在低分辨率训练库中寻找与其最近邻的k个样本低分辨图像块ys p,在高分辨率训练库中寻找与所述k个低分辨率图像块对应的k个样本高分辨图像块xS p;所述k由用户根据需要确定;
S3.3对k个样本高分辨图像块xS p进行加权,得到待估计高分辨率图像块
S3.4对步骤S3.3得到的待估计高分辨率图像块xt q进行融合,获得重建的高分辨率车牌区域;
S4对重建的高分辨率车牌区域中的字符进行分割,得到单个字符图像;
S5对单个字符图像进行识别。
步骤S3.1所述在低分辨率训练库中寻找与其最近邻的k个样本低分辨图像块yS p,在高分辨率训练库中寻找与其最近邻的k个样本高分辨图像块xS p,具体为:
采用一阶梯度并像素与块像素均值之差作为特征量,在低分辨率训练库中寻找与其最近邻的k个样本低分辨图像块yS p,在高分辨率训练库中寻找与所述k个低分辨率图像块对应的k个样本高分辨图像块xS p。
上述的一种车牌识别方法,在进行步骤S3.1之前,还进行以下步骤:
对样本集中的样本低分辨图像块yS p进行纹理提取,根据纹理特征,对样本低分辨图像块yS p进行分类。
步骤S5所述对单个字符图像进行识别,具体为:
对数字或字母字符图像,识别过程如下:
S5.1.1对数字或字母字符图像进行预处理;
S5.1.2根据连通域算法提取字符的孔洞信息,对字符进行粗分类;
S5.1.3提取字符的特征,所述特征包括方向特征,轮廓特征,段数特征;
S5.1.4对步骤S5.1.3识别错误的字符,使用拓扑结果进行识别;
对汉字字符图像,识别过程如下:
S5.2.1对汉字字符图像进行预处理;
S5.2.2对汉字字符进行扫描分析,提取汉字字符的骨架信息;
S5.2.3根据汉字字符的骨架信息获得汉字字符的全局笔划特征,局部笔划特征,周边笔划特征,对字符进行匹配并投票,投票数最多的字符为最终的输出字符。
步骤S5.1.1所述对数字或字母字符图像进行预处理,具体为:
对数字或字母字符图像进行二值化,去除噪声,大小归一化和质心归一化。
步骤S5.2.1所述对汉字字符图像进行预处理,具体为:
对汉字字符图像进行灰度对比度拉伸,二值化,去除噪声,大小归一化。
步骤S3.1所述高分辨率训练库由以下方法形成:将各样本图片按步骤S3.1所述分割算法分割成Q个高分辨率图像块,作为高分辨率训练库中的样本;
步骤S3.1所述低分辨率训练库由以下方法形成:将各样本图片按相同比例缩小后,再按步骤S3.1所述分割算法分割成Q个低分辨率图像块,作为低分辨率训练库中的样本。
与现有技术相比,本发明具有以下优点和有益效果:
(1)本发明通过对低分辨率的车牌区域进行超分辨率重建,实现了在图像不清晰的时候,如车牌模糊、车牌字符缺损、污染、光线不足等情况下,能够准确识别车牌。
(2)本发明采用的字符识别方法,可以解决车牌在字符缺损或模糊情况下的识别问题,允许车牌有一定畸变,以及车牌字符笔画一定程度的粘连、断裂。
(3)本发明在对低分辨率的车牌区域进行超分辨率重建的过程中,采用一阶梯度并像素与块像素均值之差作为特征量,并且对图像进行纹理提取,根据纹理特征,对图像进行分类,提高重建的效果。
(4)本发明不受车牌类型,图像背景,车辆本身的颜色和车辆类型的影响,实现了各种类型车牌,各种背景,各种颜色和车型的车辆的车牌识别。
附图说明
图1为实施例1的车牌识别方法的流程图。
图2为实施例1的数字或字母字符图像的识别流程图。
图3为实施例1的汉字字符图像的识别流程图。
具体实施方式
下面结合实施例及附图,对本发明作进一步地详细说明,但本发明的实施方式不限于此。
实施例1
如图1所示,本实施例的车牌识别方法,包括以下步骤:
S1获取车牌图像;
S2对车牌区域定位;
S3对车牌区域进行超分辨率重建,具体为:
S3.1采用分割算法将车牌区域yt分割成Q个待识别图像块,对于每个待识别图像块采用一阶梯度并像素与块像素均值之差作为特征量,在低分辨率训练库中寻找与其最近邻的k个样本低分辨图像块yS p,在高分辨率训练库中寻找与所述k个低分辨率图像块对应的k个样本高分辨图像块xS p;所述k由用户根据需要确定;
所述高分辨率训练库由以下方法形成:将各样本图片按步骤S3.1所述分割算法分割成Q个高分辨率图像块,作为高分辨率训练库中的样本;
所述低分辨率训练库由以下方法形成:将各样本图片按相同比例缩小后,再按步骤S3.1所述分割算法分割成Q个低分辨率图像块,作为低分辨率训练库中的样本。
S3.3对k个样本高分辨图像块xS p进行加权,得到待估计高分辨率图像块
S3.4对步骤S3.3得到的待估计高分辨率图像块xt q进行融合,获得重建的高分辨率车牌区域。
S4对重建的高分辨率车牌区域中的字符进行分割,得到单个字符图像。
S5对单个字符图像进行识别,具体为:
如图2所示,对数字或字母字符图像,识别过程如下:
S5.1.1对数字或字母字符图像进行预处理,具体为:
对数字或字母字符图像进行二值化,去除噪声,大小归一化和质心归一化;
S5.1.2根据连通域算法提取字符的孔洞信息,对字符进行粗分类;
S5.1.3提取字符的特征,所述特征包括方向特征,轮廓特征,段数特征;
S5.1.4对步骤S5.1.3识别错误的字符,使用拓扑结果进行识别;
如图3所示,对汉字字符图像,识别过程如下:
S5.2.1对汉字字符图像进行预处理,具体为:
对汉字字符图像进行灰度对比度拉伸,二值化,去除噪声,大小归一化。
S5.2.2对汉字字符进行扫描分析,提取汉字字符的骨架信息;
S5.2.3根据汉字字符的骨架信息获得汉字字符的全局笔划特征,局部笔划特征,周边笔划特征,对字符进行匹配并投票,投票数最多的字符为最终的输出字符。
实施例2
本实施例除以下特征外,其余特征均与实施例1同。
在进行步骤S3.1之前还进行以下步骤:
对样本集中的样本低分辨图像块yS p进行纹理提取,根据纹理特征,对样本低分辨图像块yS p进行分类。
上述实施例为本发明较佳的实施方式,但本发明的实施方式并不受所述实施例的限制,其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化,均应为等效的置换方式,都包含在本发明的保护范围之内。
Claims (7)
1.一种车牌识别方法,其特征在于,包括以下步骤:
S1获取车牌图像;
S2对车牌区域定位;
S3对车牌区域进行超分辨率重建,具体为:
S3.1采用分割算法将车牌区域yt分割成Q个待识别图像块,对于每个待识别图像块在低分辨率训练库中寻找与其最近邻的k个样本低分辨图像块在高分辨率训练库中寻找与所述k个低分辨率图像块对应的k个样本高分辨图像块所述k由用户根据需要确定;
S3.4对步骤S3.3得到的待估计高分辨率图像块进行融合,获得重建的高分辨率车牌区域;
S4对重建的高分辨率车牌区域中的字符进行分割,得到单个字符图像;
S5对单个字符图像进行识别。
4.根据权利要求1所述的车牌识别方法,其特征在于,步骤S5所述对单个字符图像进行识别,具体为:
对数字或字母字符图像,识别过程如下:
S5.1.1对数字或字母字符图像进行预处理;
S5.1.2根据连通域算法提取字符的孔洞信息,对字符进行粗分类;
S5.1.3提取字符的特征,所述特征包括方向特征,轮廓特征,段数特征;
S5.1.4对步骤S5.1.3识别错误的字符,使用拓扑结果进行识别;
对汉字字符图像,识别过程如下:
S5.2.1对汉字字符图像进行预处理;
S5.2.2对汉字字符进行扫描分析,提取汉字字符的骨架信息;
S5.2.3根据汉字字符的骨架信息获得汉字字符的全局笔划特征,局部笔划特征,周边笔划特征,对字符进行匹配并投票,投票数最多的字符为最终的输出字符。
5.根据权利要求4所述的车牌识别方法,其特征在于,步骤S5.1.1所述对数字或字母字符图像进行预处理,具体为:
对数字或字母字符图像进行二值化,去除噪声,大小归一化和质心归一化。
6.根据权利要求4所述的车牌识别方法,其特征在于,步骤S5.2.1所述对汉字字符图像进行预处理,具体为:
对汉字字符图像进行灰度对比度拉伸,二值化,去除噪声,大小归一化。
7.根据权利要求1所述的车牌识别方法,其特征在于,
步骤S3.1所述高分辨率训练库由以下方法形成:将各样本图片按步骤S3.1所述分割算法分割成Q个高分辨率图像块,作为高分辨率训练库中的样本;
步骤S3.1所述低分辨率训练库由以下方法形成:将各样本图片按相同比例缩小后,再按步骤S3.1所述分割算法分割成Q个低分辨率图像块,作为低分辨率训练库中的样本。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2012103164305A CN102880859A (zh) | 2012-08-30 | 2012-08-30 | 一种车牌识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2012103164305A CN102880859A (zh) | 2012-08-30 | 2012-08-30 | 一种车牌识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102880859A true CN102880859A (zh) | 2013-01-16 |
Family
ID=47482176
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2012103164305A Pending CN102880859A (zh) | 2012-08-30 | 2012-08-30 | 一种车牌识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102880859A (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103390173A (zh) * | 2013-07-24 | 2013-11-13 | 佳都新太科技股份有限公司 | 一种基于svm置信度的车牌字符投票算法 |
CN103473531A (zh) * | 2013-09-04 | 2013-12-25 | 上海索广电子有限公司 | 一种基于铭牌数字识别的数字图像识别纠错方法 |
CN104809461A (zh) * | 2015-05-08 | 2015-07-29 | 内蒙古科技大学 | 结合序列图像超分辨率重建的车牌识别方法及系统 |
CN106683409A (zh) * | 2017-02-08 | 2017-05-17 | 南京杰迈视讯科技有限公司 | 一种重型卡车摄像识别管理方法及其系统 |
CN107784296A (zh) * | 2017-11-21 | 2018-03-09 | 中山大学 | 一种低分辨率图像的人脸识别方法 |
CN107909017A (zh) * | 2017-11-06 | 2018-04-13 | 余帝乾 | 一种复杂背景下车牌识别的方法、装置以及系统 |
CN108009538A (zh) * | 2017-12-22 | 2018-05-08 | 大连运明自动化技术有限公司 | 一种汽车发动机缸体序列号智能识别方法 |
CN108171654A (zh) * | 2017-11-20 | 2018-06-15 | 西北大学 | 带干扰抑制的汉字图像超分辨率重建方法 |
WO2018121690A1 (zh) * | 2016-12-29 | 2018-07-05 | 北京市商汤科技开发有限公司 | 对象属性检测、神经网络训练、区域检测方法和装置 |
CN109766890A (zh) * | 2013-06-03 | 2019-05-17 | 支付宝(中国)网络技术有限公司 | 信息识别方法、设备和系统 |
CN109993138A (zh) * | 2019-04-08 | 2019-07-09 | 北京易华录信息技术股份有限公司 | 一种车牌检测与识别方法及装置 |
KR102338912B1 (ko) * | 2021-08-11 | 2021-12-15 | 주식회사 아프로시스템즈 | 수퍼 레졸루션 기법을 이용한 차량 번호판 인식 방법 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101226631A (zh) * | 2007-12-12 | 2008-07-23 | 华为技术有限公司 | 一种超分辨率图像重构方法和装置 |
CN101477684A (zh) * | 2008-12-11 | 2009-07-08 | 西安交通大学 | 一种利用位置图像块重建的人脸图像超分辨率方法 |
CN102364496A (zh) * | 2011-11-24 | 2012-02-29 | 无锡慧眼电子科技有限公司 | 一种基于图像分析的汽车车牌自动识别方法及系统 |
CN102509112A (zh) * | 2011-11-02 | 2012-06-20 | 珠海逸迩科技有限公司 | 车牌识别方法及其识别系统 |
-
2012
- 2012-08-30 CN CN2012103164305A patent/CN102880859A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101226631A (zh) * | 2007-12-12 | 2008-07-23 | 华为技术有限公司 | 一种超分辨率图像重构方法和装置 |
CN101477684A (zh) * | 2008-12-11 | 2009-07-08 | 西安交通大学 | 一种利用位置图像块重建的人脸图像超分辨率方法 |
CN102509112A (zh) * | 2011-11-02 | 2012-06-20 | 珠海逸迩科技有限公司 | 车牌识别方法及其识别系统 |
CN102364496A (zh) * | 2011-11-24 | 2012-02-29 | 无锡慧眼电子科技有限公司 | 一种基于图像分析的汽车车牌自动识别方法及系统 |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109766890B (zh) * | 2013-06-03 | 2020-11-06 | 支付宝(中国)网络技术有限公司 | 信息识别方法、设备和系统 |
CN109766890A (zh) * | 2013-06-03 | 2019-05-17 | 支付宝(中国)网络技术有限公司 | 信息识别方法、设备和系统 |
CN103390173A (zh) * | 2013-07-24 | 2013-11-13 | 佳都新太科技股份有限公司 | 一种基于svm置信度的车牌字符投票算法 |
CN103473531A (zh) * | 2013-09-04 | 2013-12-25 | 上海索广电子有限公司 | 一种基于铭牌数字识别的数字图像识别纠错方法 |
CN104809461A (zh) * | 2015-05-08 | 2015-07-29 | 内蒙古科技大学 | 结合序列图像超分辨率重建的车牌识别方法及系统 |
CN104809461B (zh) * | 2015-05-08 | 2018-01-05 | 内蒙古科技大学 | 结合序列图像超分辨率重建的车牌识别方法及系统 |
WO2018121690A1 (zh) * | 2016-12-29 | 2018-07-05 | 北京市商汤科技开发有限公司 | 对象属性检测、神经网络训练、区域检测方法和装置 |
CN106683409A (zh) * | 2017-02-08 | 2017-05-17 | 南京杰迈视讯科技有限公司 | 一种重型卡车摄像识别管理方法及其系统 |
CN107909017A (zh) * | 2017-11-06 | 2018-04-13 | 余帝乾 | 一种复杂背景下车牌识别的方法、装置以及系统 |
CN108171654A (zh) * | 2017-11-20 | 2018-06-15 | 西北大学 | 带干扰抑制的汉字图像超分辨率重建方法 |
CN108171654B (zh) * | 2017-11-20 | 2021-06-22 | 西北大学 | 带干扰抑制的汉字图像超分辨率重建方法 |
CN107784296A (zh) * | 2017-11-21 | 2018-03-09 | 中山大学 | 一种低分辨率图像的人脸识别方法 |
CN108009538A (zh) * | 2017-12-22 | 2018-05-08 | 大连运明自动化技术有限公司 | 一种汽车发动机缸体序列号智能识别方法 |
CN109993138A (zh) * | 2019-04-08 | 2019-07-09 | 北京易华录信息技术股份有限公司 | 一种车牌检测与识别方法及装置 |
KR102338912B1 (ko) * | 2021-08-11 | 2021-12-15 | 주식회사 아프로시스템즈 | 수퍼 레졸루션 기법을 이용한 차량 번호판 인식 방법 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102880859A (zh) | 一种车牌识别方法 | |
CN106373426B (zh) | 基于计算机视觉的停车位及违规占道停车监控方法 | |
CN102163284B (zh) | 面向中文环境的复杂场景文本定位方法 | |
CN106886987B (zh) | 一种列车车牌二值化图像融合方法 | |
CN105046196B (zh) | 基于级联卷积神经网络的前车车辆信息结构化输出方法 | |
CN103198315B (zh) | 基于字符轮廓和模板匹配的车牌字符分割算法 | |
CN102375982B (zh) | 一种融合多字符特征的车牌定位方法 | |
CN104392205B (zh) | 一种非正常车牌的识别方法和系统 | |
CN104715239B (zh) | 一种基于去雾处理和权重分块的车辆颜色识别方法 | |
CN106156768B (zh) | 基于视觉的机动车行驶证检测方法 | |
CN103971097B (zh) | 一种基于多尺度笔画模型的车牌识别方法与系统 | |
CN106886778B (zh) | 一种监控场景下车牌字符分割与识别方法 | |
CN105335710A (zh) | 一种基于多级分类器的精细车辆型号识别方法 | |
CN104156731A (zh) | 基于人工神经网络的车牌识别系统与方法 | |
CN103390167A (zh) | 一种多特征的分层交通标志识别方法 | |
CN105389556B (zh) | 一种顾及阴影区域的高分辨率遥感影像车辆检测方法 | |
CN101398894A (zh) | 机动车车牌自动识别方法及其实现装置 | |
CN102708378A (zh) | 一种基于图像异常特征的智能交通抓拍设备故障诊断的方法 | |
Li et al. | Research on vehicle license plate location based on neural networks | |
CN101702197A (zh) | 一种道路交通标志的检测方法 | |
CN106529532A (zh) | 一种基于积分特征通道与灰度投影的车牌识别系统 | |
CN106355180B (zh) | 一种基于颜色与边缘特征相结合的车牌定位方法 | |
CN103279755A (zh) | 基于汽车底部阴影特征的快速车牌定位方法 | |
CN105046218A (zh) | 一种基于串并行处理的多特征交通视频烟雾检测方法 | |
CN104463134A (zh) | 一种车牌检测方法和系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20130116 |