CN102902957A - 一种基于视频流的自动车牌识别方法 - Google Patents
一种基于视频流的自动车牌识别方法 Download PDFInfo
- Publication number
- CN102902957A CN102902957A CN2012103386527A CN201210338652A CN102902957A CN 102902957 A CN102902957 A CN 102902957A CN 2012103386527 A CN2012103386527 A CN 2012103386527A CN 201210338652 A CN201210338652 A CN 201210338652A CN 102902957 A CN102902957 A CN 102902957A
- Authority
- CN
- China
- Prior art keywords
- license plate
- car plate
- color
- plate
- image
- 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
本发明公开了一种基于视频流的自动车牌识别方法,本发明针对收费站卡口、高速公路和城市道路等场景,设计了一种基于视频流的自动车牌识别方法。该方法首先从视频流获取每帧图像并转换为灰度图,利用HAAR特征进行车牌检测;然后在检测区域利用OSTU算法对车牌区域进行二值化,并利用HOUGH变换寻找车牌的上下边缘直线,计算倾斜角度进行车牌倾斜矫正,再利用连通域和水平、垂直投影分割车牌字符;最后利用SVM进行车牌字符识别,根据车牌字符的先验知识,最终确定是否为车牌,若是,获取图像原始车牌区域,将图像从RGB空间转换为HSV空间,提取H分量进行反投影,提取连通区域,根据颜色的先验直方图来确定车牌颜色,结合SVM识别的结果,获取车牌的字符和颜色。
Description
技术领域
本发明涉及计算机视觉技术,特别是涉及一种基于视频流的自动车牌识别方法。
背景技术
随着计算机技术和信息处理技术的发展,计算机的信息处理能力不断提高,计算机视觉技术在基于多媒体和模式识别与人工智能技术的智能交通及电子警察系统在世界范围内得到了广泛的应用。这些应用中,有96%的自动化系统使用了车牌自动识别技术,75%以上的系统是以车牌识别为核心的应用。
车牌自动识别,作为最基本的车辆信息采集技术,在视频监控和智能交通管理等各领域有着重要的实用价值,是众多智能交通及电子警察系统中必不可少的功能,也是影响整个系统性能的关键所在。一般车牌识别是指从静态或视频图像中获取图像的一定区域中存在的车牌区域,并进一步识别出车牌区域中的字符。车牌识别技术主要包括采用启发式规则方法,该方法根据车牌的外在形状和颜色等特点,设定一定的规则来获取车牌区域。
现有技术有基于虚拟线圈的自触发车牌识别方法,已经授权。该方法的步骤为:
步骤1,对车辆视频信号进行预处理;
步骤2,工控机接收视频流信号后,创建两个进程分别是视频流处理进程和车牌识别进程,两进程间采用油槽通信;在视频流处理进程中,采用基于虚拟线圈的自触发方式采集含有车牌信息的静态车辆图像;在车牌识别进程中,对静态车辆图像的处理;
步骤3,工控机对车辆图像进行预处理;
步骤4,对车牌进行定位和车牌倾斜的校正;
步骤5,自动车牌图像中过滤铆钉、白边、污损信息;
步骤6,进行字符分割;
步骤7,进行字符识别;
步骤8,将识别出合格合理的车牌信息存入数据库,结束本次识别。
但以上技术提出了基于虚拟线圈的自触发车牌识别方法,一方面具体应用时需要设置虚拟线圈,对于不用的应用场景,很难精确设置虚拟线圈;另外一方面该方法只是基于虚拟线圈的自触发方式,造成一定程度的误触。
为了克服上述缺点,现有基于视频流的自动车牌识别方法提供了一种针对收费站卡口、高速公路和城市道路等场景的车牌自动识别方法,首先从视频流获取每帧图像,把获取到的帧转换为灰度图,利用HAAR特征进行车牌检测;然后在检测区域利用OSTU算法获得阈值,对车牌区域进行二值化,利用HOUGH变换在车牌二值图像寻找车牌的上下边缘直线,计算倾斜角度进行车牌倾斜矫正,再利用连通域和车牌水平、垂直投影分割车牌字符;最后利用SVM进行车牌字符识别,根据车牌字符的先验知识,最终确定是否为车牌,若是,获取图像原始车牌区域,将图像从RGB空间转换为HSV空间,提取H分量进行反投影,提取连通区域,根据颜色的先验直方图来确定车牌颜色,结合SVM识别的结果,获取车牌的字符和颜色。
发明内容
本发明提供了一种基于视频流的自动车牌识别方法,该方法能够应用于收费站卡口、高速公路和城市道路等场景,可以作为智能交通系统的信息采集系统。
为了实现上述目的,本发明包括如下技术特征:包括从视频流获取每帧图像,把获取到的帧转换为灰度图,利用HAAR特征进行车牌检测;然后在检测区域利用OSTU算法获得阈值,对车牌区域进行二值化,利用HOUGH变换在车牌二 值图像寻找车牌的上下边缘直线,计算倾斜角度进行车牌倾斜矫正,再利用连通域和车牌水平、垂直投影分割车牌字符;最后利用SVM进行车牌字符识别,根据车牌字符的先验知识,最终确定是否为车牌,若是,获取图像原始车牌区域,将图像从RGB空间转换为HSV空间,提取H分量进行反投影,提取连通区域,根据颜色的先验直方图来确定车牌颜色,结合SVM识别的结果,获取车牌的字符和颜色。
所述从视频流获取帧,把获取到的帧转换为灰度图,利用HAAR特征文件进行车牌检测。
所述在车牌检测区域利用OSTU自动阈值分割算法进行二值化,利用HOUGH变换在车牌二值图像寻找车牌的上下边缘直线,计算倾斜角度并进行倾斜矫正,再利用连通域和车牌水平、垂直投影完成对车牌的字符分割。
所述利用SVM进行车牌字符识别,根据车牌字符的先验知识,最终确定是否为车牌,若是,获取图像原始车牌区域,将图像从RGB空间转换为HSV空间,提取H分量进行反投影,提取连通区域,根据颜色的先验直方图来确定车牌颜色,结合SVM识别的结果,获取车牌的字符和颜色。
与现有的方法相比,本发明不需要设置虚拟触发线或触发线圈,采用自动触发方式,无需用户设置。另一方面,采用HAAR特征进行车牌检测,能够适用于不同场景,提高了车牌检测的鲁棒性。然后根据车牌字符的先验知识利用了SVM进行车牌字符识别,提高字符识别的准确性。这样,不仅提高了在智能交通管理智能化水平,而且提高了智能交通及电子警察系统的整体性能。
附图说明
图为本发明实施例中车牌识别的整体流程图。
具体实施方式
本发明提供了一种基于视频流的自动车牌识别方法,该方法能够应用于收费站卡口、高速公路和城市道路等场景,可以作为智能交通系统的信息采集系 统,提高现有信息采集系统的准确性。
如附图所示,该方法流程图包括车辆视频流获取,利用HAAR特征进行车牌检测;然后在检测区域利用OSTU算法获得阈值,对车牌区域进行二值化,利用HOUGH变换在车牌二值图像寻找车牌的上下边缘直线,计算倾斜角度进行车牌倾斜矫正,再利用连通域和车牌水平、垂直投影分割车牌字符;最后根据车牌字符的先验知识,利用SVM进行车牌字符识别,最终确定是否为车牌,若是,获取图像原始车牌区域,将图像从RGB空间转换为HSV空间,提取H分量进行反投影,提取连通区域,根据颜色的先验直方图来确定车牌颜色,结合SVM识别的结果,获取车牌的字符和颜色。
具体实现为:包括利用HAAR特征进行车牌检测;然后在检测区域利用OSTU算法获得阈值,对车牌区域进行二值化,利用HOUGH变换在车牌二值图像寻找车牌的上下边缘直线,计算倾斜角度进行车牌倾斜矫正,再利用连通域和车牌水平、垂直投影分割车牌字符;最后利用SVM进行车牌字符识别,根据车牌字符的先验知识,最终确定是否为车牌,若是,获取图像原始车牌区域,将图像从RGB空间转换为HSV空间,提取H分量进行反投影,提取连通区域,根据颜色的先验直方图来确定车牌颜色,结合SVM识别的结果,获取车牌的字符和颜色。
本发明一个具体实施例为应用于收费站卡口、高速公路和城市道路等场景,的智能交通系统的信息采集系统。进一步的,所述从视频流获取帧,把获取到的帧转换为灰度图,利用HAAR特征文件进行车牌检测。所述在车牌检测区域利用OSTU自动阈值分割算法进行二值化,利用HOUGH变换在车牌二值图像寻找车牌的上下边缘直线,计算倾斜角度并进行倾斜矫正,再利用连通域和车牌水平、垂直投影完成对车牌的字符分割。所述利用SVM进行车牌字符识别,根据车牌字符的先验知识,最终确定是否为车牌,若是,获取图像原始车牌区域,将图像从RGB空间转换为HSV空间,提取H分量进行反投影,提取连通区域,根据颜色的先验直方图来确定车牌颜色,结合SVM识别的结果,获取车牌的字符和颜色。
由上述可见,本发明提供的一种基于视频流的自动车牌识别方法,能够对视频流中包含车牌信息的多帧图像进行逐帧识别处理,不依赖单张图片,实现 了高速实时的车牌识别;同时由于不依赖外部触发,提高了车牌识别的效率。
因此,容易理解,以上所述仅为本发明的较佳实施例,并非用于限定本发明的精神和保护范围,任何熟悉本领域的技术人员所做出的等同变化或替换,都应视为涵盖在本发明的保护范围之内。
Claims (4)
1.一种基于视频流的自动车牌识别方法,其特征在于:首先从视频流获取每帧图像,把获取到的帧转换为灰度图,利用HAAR特征进行车牌检测;然后在检测区域利用OSTU自动阈值分割算法对车牌区域进行二值化,利用HOUGH变换在车牌二值图像寻找车牌的上下边缘直线,计算倾斜角度并进行倾斜矫正,再利用连通域和车牌水平、垂直投影分割车牌字符;最后根据车牌字符的先验知识,利用SVM进行车牌字符识别,最终确定是否为车牌,若是,获取图像原始车牌区域,将图像从RGB空间转换为HSV空间,提取H分量进行反投影,提取连通区域,根据颜色的先验直方图来确定车牌颜色,结合SVM识别的结果,获取车牌的字符和颜色。
2.根据权利要求1所述的一种基于视频流的自动车牌识别方法,其特征在于:所述从视频流获取帧,把获取到的帧转换为灰度图,利用HAAR特征文件进行车牌检测。
3.根据权利要求1所述的一种基于视频流的自动车牌识别方法,其特征在于:所述在车牌检测区域利用OSTU自动阈值分割算法进行二值化,利用HOUGH变换在车牌二值图像寻找车牌的上下边缘直线,计算倾斜角度并进行倾斜矫正,再利用连通域和车牌水平、垂直投影完成对车牌的字符分割。
4.根据权利要求1所述的一种基于视频流的自动车牌识别方法,其特征在于:所述利用SVM进行车牌字符识别,根据车牌字符的先验知识,最终确定是否为车牌,若是,获取图像原始车牌区域,将图像从RGB空间转换为HSV空间,提取H分量进行反投影,提取连通区域,根据颜色的先验直方图来确定车牌颜色,结合SVM识别的结果,获取车牌的字符和颜色。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2012103386527A CN102902957A (zh) | 2012-09-05 | 2012-09-05 | 一种基于视频流的自动车牌识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2012103386527A CN102902957A (zh) | 2012-09-05 | 2012-09-05 | 一种基于视频流的自动车牌识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102902957A true CN102902957A (zh) | 2013-01-30 |
Family
ID=47575179
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2012103386527A Pending CN102902957A (zh) | 2012-09-05 | 2012-09-05 | 一种基于视频流的自动车牌识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102902957A (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103164697A (zh) * | 2013-03-29 | 2013-06-19 | 苏州皓泰视频技术有限公司 | 一种处理时间与识别精度自适应的车牌识别方法 |
CN103680149A (zh) * | 2013-12-19 | 2014-03-26 | 山东大学 | 基于高架匝道口车牌识别高峰主动诱导工作装置及其工作方法 |
CN104156706A (zh) * | 2014-08-12 | 2014-11-19 | 华北电力大学句容研究中心 | 一种基于光学字符识别技术的中文字符识别方法 |
CN104951784A (zh) * | 2015-06-03 | 2015-09-30 | 杨英仓 | 一种车辆无牌及车牌遮挡实时检测方法 |
CN105005780A (zh) * | 2015-06-29 | 2015-10-28 | 叶秀兰 | 一种车牌识别方法 |
CN106355179A (zh) * | 2016-08-30 | 2017-01-25 | 韦嘉志 | 一种车牌定位方法及系统 |
CN106845341A (zh) * | 2016-12-15 | 2017-06-13 | 南京积图网络科技有限公司 | 一种基于虚拟号牌的无牌车辆识别方法 |
WO2017124303A1 (zh) * | 2016-01-19 | 2017-07-27 | 冯旋宇 | 智能交通的号牌识别方法及系统 |
CN107328793A (zh) * | 2017-06-30 | 2017-11-07 | 航天新长征大道科技有限公司 | 一种基于机器视觉的饰品表面字印瑕疵检测方法和装置 |
CN108596232A (zh) * | 2018-04-16 | 2018-09-28 | 杭州睿珀智能科技有限公司 | 一种基于形状和颜色特征的鞋垫自动分类方法 |
CN110197479A (zh) * | 2019-05-23 | 2019-09-03 | 中国科学院力学研究所 | 一种表面改性质量检测方法 |
CN112232354A (zh) * | 2020-11-23 | 2021-01-15 | 中国第一汽车股份有限公司 | 一种文字识别方法、装置、设备及存储介质 |
CN112598912A (zh) * | 2020-12-10 | 2021-04-02 | 佳都新太科技股份有限公司 | 卡口间隔获取方法、装置、计算机设备及存储介质 |
CN113095327A (zh) * | 2021-03-16 | 2021-07-09 | 深圳市雄帝科技股份有限公司 | 光学字符识别区域的定位方法、系统及其存储介质 |
-
2012
- 2012-09-05 CN CN2012103386527A patent/CN102902957A/zh active Pending
Non-Patent Citations (2)
Title |
---|
张静: "《复杂背景下车牌识别系统的研究》", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
高珊等: "《基于SVM的车牌字符分割和识别方法》", 《微电子学与计算机》 * |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103164697A (zh) * | 2013-03-29 | 2013-06-19 | 苏州皓泰视频技术有限公司 | 一种处理时间与识别精度自适应的车牌识别方法 |
CN103164697B (zh) * | 2013-03-29 | 2016-06-01 | 苏州皓泰视频技术有限公司 | 一种处理时间与识别精度自适应的车牌识别方法 |
CN103680149A (zh) * | 2013-12-19 | 2014-03-26 | 山东大学 | 基于高架匝道口车牌识别高峰主动诱导工作装置及其工作方法 |
CN104156706A (zh) * | 2014-08-12 | 2014-11-19 | 华北电力大学句容研究中心 | 一种基于光学字符识别技术的中文字符识别方法 |
CN104951784A (zh) * | 2015-06-03 | 2015-09-30 | 杨英仓 | 一种车辆无牌及车牌遮挡实时检测方法 |
CN104951784B (zh) * | 2015-06-03 | 2018-10-12 | 贵州警官职业学院 | 一种车辆无牌及车牌遮挡实时检测方法 |
CN105005780A (zh) * | 2015-06-29 | 2015-10-28 | 叶秀兰 | 一种车牌识别方法 |
WO2017124303A1 (zh) * | 2016-01-19 | 2017-07-27 | 冯旋宇 | 智能交通的号牌识别方法及系统 |
CN106355179A (zh) * | 2016-08-30 | 2017-01-25 | 韦嘉志 | 一种车牌定位方法及系统 |
CN106845341A (zh) * | 2016-12-15 | 2017-06-13 | 南京积图网络科技有限公司 | 一种基于虚拟号牌的无牌车辆识别方法 |
CN106845341B (zh) * | 2016-12-15 | 2020-04-10 | 南京积图网络科技有限公司 | 一种基于虚拟号牌的无牌车辆识别方法 |
CN107328793A (zh) * | 2017-06-30 | 2017-11-07 | 航天新长征大道科技有限公司 | 一种基于机器视觉的饰品表面字印瑕疵检测方法和装置 |
CN108596232A (zh) * | 2018-04-16 | 2018-09-28 | 杭州睿珀智能科技有限公司 | 一种基于形状和颜色特征的鞋垫自动分类方法 |
CN110197479A (zh) * | 2019-05-23 | 2019-09-03 | 中国科学院力学研究所 | 一种表面改性质量检测方法 |
CN112232354A (zh) * | 2020-11-23 | 2021-01-15 | 中国第一汽车股份有限公司 | 一种文字识别方法、装置、设备及存储介质 |
CN112598912A (zh) * | 2020-12-10 | 2021-04-02 | 佳都新太科技股份有限公司 | 卡口间隔获取方法、装置、计算机设备及存储介质 |
CN112598912B (zh) * | 2020-12-10 | 2022-05-03 | 佳都科技集团股份有限公司 | 卡口间隔获取方法、装置、计算机设备及存储介质 |
CN113095327A (zh) * | 2021-03-16 | 2021-07-09 | 深圳市雄帝科技股份有限公司 | 光学字符识别区域的定位方法、系统及其存储介质 |
CN113095327B (zh) * | 2021-03-16 | 2022-10-14 | 深圳市雄帝科技股份有限公司 | 光学字符识别区域的定位方法、系统及其存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102902957A (zh) | 一种基于视频流的自动车牌识别方法 | |
CN103235938B (zh) | 车牌检测与识别的方法及系统 | |
CN103824066B (zh) | 一种基于视频流的车牌识别方法 | |
CN102722704B (zh) | 一种融合视频动态跟踪的车牌识别方法和系统 | |
CN101872416B (zh) | 对道路图像进行车牌识别的方法和系统 | |
CN109190444B (zh) | 一种基于视频的收费车道车辆特征识别系统的实现方法 | |
CN103077384B (zh) | 一种车标定位识别的方法与系统 | |
CN102364496B (zh) | 一种基于图像分析的汽车车牌自动识别方法及系统 | |
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 | |
CN109726717B (zh) | 一种车辆综合信息检测系统 | |
CN104036262B (zh) | 一种lpr车牌筛选识别的方法和系统 | |
CN103136528B (zh) | 一种基于双边缘检测的车牌识别方法 | |
CN107506760A (zh) | 基于gps定位与视觉图像处理的交通信号检测方法及系统 | |
CN103500322A (zh) | 基于低空航拍图像的车道线自动识别方法 | |
CN107886034B (zh) | 行车提醒方法、装置及车辆 | |
CN103034836A (zh) | 道路标志检测方法和道路标志检测设备 | |
CN103268471A (zh) | 一种车辆非法占道检测方法及装置 | |
CN104537360A (zh) | 车辆未让行违章检测方法及其检测系统 | |
CN109215364B (zh) | 交通信号识别方法、系统、设备和存储介质 | |
CN108021856A (zh) | 车辆尾灯识别方法、装置及车辆 | |
CN102867417A (zh) | 一种出租车防伪系统及方法 | |
CN103544480A (zh) | 车辆颜色识别方法 | |
CN110163109B (zh) | 一种车道线标注方法及装置 | |
CN109447093B (zh) | 基于yuv图像的车尾灯检测方法 | |
CN112651293B (zh) | 一种公路违法设摊事件视频检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20130130 |