CN103093181A - 一种车牌图像定位的方法和装置 - Google Patents

一种车牌图像定位的方法和装置 Download PDF

Info

Publication number
CN103093181A
CN103093181A CN201110339877XA CN201110339877A CN103093181A CN 103093181 A CN103093181 A CN 103093181A CN 201110339877X A CN201110339877X A CN 201110339877XA CN 201110339877 A CN201110339877 A CN 201110339877A CN 103093181 A CN103093181 A CN 103093181A
Authority
CN
China
Prior art keywords
image
gray
license plate
value
color
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
Application number
CN201110339877XA
Other languages
English (en)
Other versions
CN103093181B (zh
Inventor
付廷杰
陈维强
李月高
刘韶
裴雷
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.)
Hisense TransTech Co Ltd
Qingdao Hisense Network Technology Co Ltd
Original Assignee
Qingdao Hisense Network Technology Co Ltd
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 Qingdao Hisense Network Technology Co Ltd filed Critical Qingdao Hisense Network Technology Co Ltd
Priority to CN201110339877.XA priority Critical patent/CN103093181B/zh
Priority to PCT/CN2011/081964 priority patent/WO2013063820A1/zh
Publication of CN103093181A publication Critical patent/CN103093181A/zh
Application granted granted Critical
Publication of CN103093181B publication Critical patent/CN103093181B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00Scenes; Scene-specific elements
    • G06V20/60Type of objects
    • G06V20/62Text, e.g. of license plates, overlay texts or captions on TV images
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00Scenes; Scene-specific elements
    • G06V20/60Type of objects
    • G06V20/62Text, e.g. of license plates, overlay texts or captions on TV images
    • G06V20/625License plates

Abstract

本发明涉及通信领域技术,尤其涉及车牌图像定位的方法和装置,方法包括:根据颜色水平投影值,确定出颜色投影高度对应的像素行;当颜色投影高度与标准高度的差值小于第一边界阈值时,将颜色投影高度对应的起始像素行和终止像素行作为车牌图像的第一边界和第二边界;根据颜色垂直投影值,确定出颜色投影宽度对应的像素列;当颜色投影宽度与标准宽度的差值小于第二边界阈值时,将颜色投影宽度对应的起始像素列和终止像素列作为车牌图像的第三边界和第四边界。使用本发明实施例提供的车牌图像定位的方法和装置,可以准确进行车牌定位。

Description

一种车牌图像定位的方法和装置
技术领域
本发明涉及通信领域技术,尤其涉及一种车牌图像定位的方法和装置。
背景技术
车牌自动识别可以应用到嵌入式高清电子警察和卡口等系统中,是实现交通管理智能化的关键环节。车牌识别系统是一个基于计算机图像处理、模式识别等技术的高度智能化的综合集成系统,其处理流程包括车牌定位、车牌字符分割、车牌字符识别等。
车牌定位的主要任务是从拍摄的车辆图像中定位车牌所在的位置,并把车牌准确的提取出来,供后续的车牌字符分割和识别使用。车辆图像的准确定位是车牌字符正确识别的前提和基础,是车牌识别技术首先要解决的关键问题。车牌图像定位的准确性将直接影响车牌字符分割和识别效果,对整个车牌识别系统的性能起着至关重要的作用。
目前,在车牌图像的定位方法中仍然存在很多的难点问题,例如图像背景复杂、光照不均匀、天气变化等。正是由于环境因素的复杂性,现有技术中使用的方法准确率不高,处理周期也较长,总之还不具有一种完全有效的解决方法。
发明内容
本发明实施例提供了一种车牌图像定位的方法和装置,可以提高车牌定位的准确性。
本发明实施例提供了一种车牌图像定位的方法,包括:
获取车牌图像的颜色二值化图像;
将所述颜色二值化图像中每一像素行具有颜色的像素点数目作为本像素行的颜色水平投影值,每一像素列具有颜色的像素点数目作为本像素列的颜色垂直投影值;
根据所述颜色水平投影值,确定出颜色投影高度对应的像素行;当所述颜色投影高度与标准高度的差值小于第一边界阈值时,将所述颜色投影高度对应的起始像素行和终止像素行作为所述车牌图像的第一边界和第二边界;
根据所述颜色垂直投影值,确定出颜色投影宽度对应的像素列;当所述颜色投影宽度与标准宽度的差值小于第二边界阈值时,将所述颜色投影宽度对应的起始像素列和终止像素列作为所述车牌图像的第三边界和第四边界;
由所述第一边界、第二边界、第三边界和第四边界确定出车牌图像边界。
相应的,本发明实施例提供了一种车牌图像定位的装置,包括:
第一图像获取模块,用于获取车牌图像的颜色二值化图像;
颜色投影获取模块,用于将所述颜色二值化图像中每一像素行具有颜色的像素点数目作为本像素行的颜色水平投影值,每一像素列具有颜色的像素点数目作为本像素列的颜色垂直投影值;
第一边界确定模块,用于根据所述颜色水平投影值,确定出颜色投影高度对应的像素行;当所述颜色投影高度与标准高度的差值小于第一边界阈值时,将所述颜色投影高度对应的起始像素行和终止像素行作为所述车牌图像的第一边界和第二边界;
第二边界确定模块,用于所述颜色垂直投影值,确定出颜色投影宽度对应的像素行;当所述颜色投影宽度与标准宽度的差值小于第二边界阈值时,将所述颜色投影宽度对应的起始像素列和终止像素列作为所述车牌图像的第三边界和第四边界;
车牌定位模块,用于由所述第一边界、第二边界、第三边界和第四边界确定出车牌图像边界。
本发明实施例提供了一种车牌图像定位的方法和装置,用于获取车牌图像的颜色二值化图像;获取所述颜色二值化图像每一像素行的颜色水平投影值和每一像素列的颜色垂直投影值;根据所述颜色水平投影值,获取颜色投影高度;当所述颜色投影高度与标准高度的差值小于第一边界阈值时,确定颜色水平投影的起始像素行为所述车牌图像的第一边界,颜色水平投影的终止行为所述车牌图像的第二边界;根据所述颜色垂直投影值,获取颜色投影宽度;当所述颜色投影宽度与标准宽度的差值小于第二边界阈值时,确定颜色垂直投影的起始像素列为所述车牌图像的第三边界,颜色垂直投影的终止列为所述车牌图像的第四边界。使用本发明实施例提供的车牌图像定位的方法和装置,通过综合考虑颜色信息和投影信息,并结合车牌图像的宽度和高度基本一致的特点,通过统计获得标准宽度和标准高度,由此对车牌进行较精确的定位。进一步,通过对车牌图像进行灰度二值化,有效的突出了车牌图像的字符特征,并且结合了车牌字符间最大间隔符位置,更为准确的对车牌进行了定位。
附图说明
图1为本发明实施例中车牌图像定位的方法流程示意图;
图2为本发明另一实施例中车牌图像定位的方法流程示意图;
图3为本发明实施例中确定最大间隔位置的方法流程示意图;
图4为本发明实施例中获取灰度二值化图像的方法流程示意图;
图5为本发明另一实施例中车牌图像定位的装置示意图。
具体实施方式
下面结合各个附图对本发明实施例技术方案的主要实现原理、具体实施方式及其对应能够达到的有益效果进行详细地阐述。
为了解决现有技术存在的问题,本发明实施例提供了一种车牌图像定位的方法,如图1所示,包括以下步骤:
步骤101、获取车牌图像的颜色二值化图像;
步骤102、将颜色二值化图像中每一像素行具有颜色的像素点数目作为本像素行的颜色水平投影值,每一像素列具有颜色的像素点数目作为本像素列的颜色垂直投影值;例如,每个像素行具有500个像素点,其中第某一行中具有颜色的像素点为200个,则该行的颜色水平投影值为200。
步骤103、根据颜色水平投影值,确定出颜色投影高度对应的像素行;当颜色投影高度与标准高度的差值小于第一边界阈值时,将颜色投影高度对应的起始像素行和终止像素行作为车牌图像的第一边界和第二边界;
具体的,将每一行的颜色水平投影值分别与水平阈值进行比较;获取大于水平阈值的像素行;在大于水平阈值的像素行中,将连续行数目最大的连续行数作为颜色投影高度。其中,需要统计至少两幅视频图像中车牌图像的宽度、高度和位置坐标;建立宽度、高度和位置坐标的对应关系;根据当前车牌图像的坐标,确定当前车牌图像的标准宽度和标准高度。
上述第一边界阈值可以为标准高度的六分之一,水平阈值可以为标准宽度的二分之一,具体数值可以根据实际情况进行设定。
颜色投影高度与标准高度的差值不小于第一边界阈值时,根据车辆图像的灰度二值化图像获取车辆图像的每一像素行的灰度水平投影值;其中,车辆图像的灰度二值化图像中,每一像素行中具代表车牌字符的像素点数目作为本像素行的灰度水平投影值;在车牌图像的上半部中,从上向下获取灰度水平投影值小于7的最后一个像素行,作为车牌图像的第一边界;在车牌图像的下半部中,从上向下获取投影数小于7的第一个像素行,作为车牌图像的第二边界。考虑到实际情况中,车牌上的字符一般为7位,因此,此处判断边界时采用7作为阈值。
步骤104、根据颜色垂直投影值,确定出颜色投影宽度对应的像素列;当颜色投影宽度与标准宽度的差值小于第二边界阈值时,将颜色投影宽度对应的起始像素列和终止像素列作为车牌图像的第三边界和第四边界;
具体的,将每一列的颜色垂直投影值分别与垂直阈值进行比较;获取大于垂直阈值的像素列;在大于垂直阈值的像素列中,将连续列数目最大的连续列数作为颜色投影宽度。上述第二边界阈值可以为标准宽度的八分之一,垂直阈值可以为标准高度的二分之一,具体数值可以根据实际情况进行设定。
颜色投影宽度与标准宽度的差值不小于第二边界阈值时,在车辆图像内确定最大间隔位置;根据最大间隔位置,确定车辆图像的第三边界和第四边界。具体的,在车辆图像内确定最大间隔位置时,选取灰度垂直投影值小于间隔阈值的连续数目最大的连续像素列中的一个像素列为最大间隔位置;其中,车辆图像的灰度二值化图像中,每一像素列中代表车牌字符的像素点数目作为本像素列的灰度垂直投影值。上述间隔阈值可以为标准高度的六分之五。然后,当车牌图像具有最大间隔位置时,将最大间隔位置与标准最大间隔位置进行比对,获取差值;根据标准最大间隔位置与标准宽度的关系、以及该差值,确定车辆图像的第三边界和第四边界。例如,假设标准宽度为100像素,标准最大间隔位置为从左到右第25个像素点,也就是该标准最大间隔位置距离左边界(第三边界)25个单位像素,距离右边界(第四边界)75个单位像素。当获取到的当前的最大间隔位置为从左到右第23个像素点,则两者的差值为2个单位像素,那么以当前的最大间隔位置为起始点向左25个单位像素后,终止像素点所在的像素列为当前车牌图像的第三边界;以当前的最大间隔位置为起始点向右75个单位像素后,终止像素点所在的像素列为当前车牌图像的第四边界。其中,当车牌图像不具有完整数目的字符,但具有最大间隔位置时,仍然可以利用上述方式确定出车辆图像的第三边界和第四边界。但是当车牌图像过于残缺,无法确定最大间隔位置或者由于字符较少无法确定车牌图像的边界方向时,使用上述方式具有一定的误差。
或者当车牌图像具有完整数目的车牌字符时,在车牌图像的左半部内确定最大间隔位置;若最大间隔位置在车辆图像左半部内的右半部,则在最大间隔位置所在像素列为起始列,向左侧延伸标准宽度的四分之一,延伸的终点所在像素列为第三边界;向右侧延伸标准宽度的四分之三,延伸的终点所在像素列为第四边界;若最大间隔位置在车辆图像左半部内的左半部,则在最大间隔位置所在像素列为起始列,向左侧延伸标准宽度的八分之一,延伸的终点所在像素列为第三边界;向右侧延伸标准宽度的八分之七,延伸的终点所在像素列为第四边界。其中,最大间隔位置在实际车牌中可能位于第一字符和第二字符之间(车辆图像左半部内的左半部),也可能位于第二字符和第三字符之间(车辆图像左半部内的右半部),基于这一规律,本发明实施例提供的方法中在车辆图像的左半部内确定最大间隔位置,选取灰度垂直投影值大于间隔阈值的像素列为最大间隔位置;其中,车辆图像的灰度二值化图像中,每一像素列中代表车牌字符的像素点数目作为本像素列的灰度垂直投影值。
获取车辆图像的灰度二值化图像时,包括:获取车牌图像的灰度直方图,统计车牌图像的每个像素行的灰度均值;将车牌图像纵向均分为至少四个图像区域,统计每个图像区域的灰度均值;将至少四个图像区域中最小灰度均值和最大灰度均值进行比较;若两者的差值小于最小灰度均值的四分之一,则对车牌图像中除灰度均值最大的图像区域外的其余图像区域均进行灰度补偿,在补偿后的灰度直方图中选取二值化阈值;根据二值化阈值和补偿后的车牌图像,获取车辆图像的灰度二值化图像;若两者的差值不小于最小灰度均值的四分之一,则在原始的灰度直方图中选取二值化阈值;根据二值化阈值和原始的车牌图像,获取车辆图像的灰度二值化图像。进行灰度补偿时,将灰度均值较小的区域的灰度值增加到预定值,使得整个车牌的灰度均值得到均衡,避免由于反光等原因造成的灰度值差异。而且,该预定值可以为经验值,也可以为实际需要的设定值。
其中,在补偿后的灰度直方图或原始的灰度直方图中选取二值化阈值,包括:补偿后的灰度直方图或原始的灰度直方图中,车牌字符的灰度级小于车牌背景的灰度级,从灰度直方图左侧向右侧开始累积灰度值对应的像素点数目,当累加值与总像素点数目比值为0.3时,将此时最后获取的一个像素点对应的灰度值作为第一灰度值;当累加值与总像素点数目比值为0.4时,将此时最后获取的一个像素点对应的灰度值作为第二灰度值;或者补偿后的灰度直方图或原始的灰度直方图中,车牌字符的灰度级大于车牌背景的灰度级,从灰度直方图右侧向左侧开始累积灰度值对应的像素点数目,当累加值与总像素点数目比值为0.3时,将此时最后获取的一个像素点对应的灰度值作为第一灰度值;当累加值与总像素点数目比值为0.4时,将此时最后获取的一个像素点对应的灰度值作为第二灰度值;将位于所述第一灰度值和所述第二灰度值之间的灰度值,按照从小到大或从大到小的顺序进行排列,并均分为至少六个数据区域;将所述至少六个数据区域中像素点最少的数据区域中的最小灰度值作为二值化阈值。
步骤105、由第一边界、第二边界、第三边界和第四边界确定出车牌图像边界。
通过上述描述,可以看出,使用本发明实施例提供的车牌图像定位的方法,通过综合考虑颜色信息和投影信息,并结合车牌图像的宽度和高度基本一致的特点,通过统计获得标准宽度和标准高度,由此对车牌进行较精确的定位。进一步,通过对车牌图像进行灰度二值化,有效的突出了车牌图像的字符特征,并且结合了车牌字符间最大间隔符位置,更为准确的对车牌进行了定位。
下面通过具体实施例对本发明提供的方法进行详细说明,如图2所示,具体包括以下步骤:
步骤201、预先设置车牌图像的标准宽度和标准高度;
具体的,统计至少两幅视频图像中车牌图像的宽度、高度和位置坐标;建立所述宽度、高度和位置坐标的对应关系;根据当前车牌图像的坐标,确定当前车牌图像的标准宽度和标准高度。
步骤202、获取当前车牌图像的颜色二值化图像的颜色投影高度和颜色投影宽度;具体的,将每一行的颜色水平投影值分别与水平阈值进行比较;获取大于水平阈值的像素行;在大于水平阈值的像素行中,将连续行数目最大的连续行数作为颜色投影高度。例如,该标准宽度为1000单位像素,水平阈值为500单位像素,该当前车牌图像的第一行具有颜色的像素点数目为600,即颜色水平投影值为600单位像素;第二行的颜色水平投影值为400单位像素;第三行的颜色水平投影值为700单位像素;第四行的颜色水平投影值为800单位像素;第五行的颜色水平投影值为850单位像素,第六行的颜色水平投影值为300单位像素;第七行至第二十行的颜色水平投影值均大于500单位像素,则颜色投影高度为14单位像素。
将每一列的颜色垂直投影值分别与垂直阈值进行比较;获取大于垂直阈值的像素列;在大于垂直阈值的像素列中,将连续列数目最大的连续列数作为颜色投影宽度。
步骤203、将颜色投影高度和标准高度的差值与第一边界阈值进行比较,若小于,则执行步骤204;否则,执行步骤205;
步骤204、确定颜色水平投影的起始像素行为车牌图像的第一边界,颜色水平投影的终止行为车牌图像的第二边界;继续执行步骤207。
步骤205、获取该车辆图像的灰度二值化图像的灰度水平投影值;
步骤206、将每个像素行的灰度水平投影值与7进行比较,在车牌图像的上半部中,从上向下获取灰度水平投影值小于7的最后一个像素行作为车牌图像的第一边界;在车牌图像的下半部中,从上向下获取投影数小于7的第一个像素行,作为车牌图像的第二边界。
步骤207、将颜色投影宽度和标准宽度的差值与第二边界阈值进行比较;若小于,则执行步骤208,否则执行步骤209;
步骤208、确定颜色垂直投影的起始像素列为车牌图像的第三边界,颜色垂直投影的终止列为车牌图像的第四边界。
步骤209、确定车辆图像的最大间隔位置;
步骤210、根据最大间隔位置确定车牌图像的第三边界和第四边界。具体的,若最大间隔位置在车辆图像左半部内的右半部(第二字符和第三字符之间),则在最大间隔位置所在像素列为起始列,向左侧延伸标准宽度的四分之一,延伸的终点所在像素列为第三边界;向右侧延伸标准宽度的四分之三,延伸的终点所在像素列为第四边界;若最大间隔位置在车辆图像左半部内的左半部(第一字符和第二字符之间),则在最大间隔位置所在像素列为起始列,向左侧延伸标准宽度的八分之一,延伸的终点所在像素列为第三边界;向右侧延伸标准宽度的八分之七,延伸的终点所在像素列为第四边界。还可以利用该最大间隔位置与边界的其他相关关系,确定出车牌图像的边界。
步骤211、由第一边界、第二边界、第三边界和第四边界确定出车牌图像边界
具体,如图3所示,上述步骤209中确定最大间隔位置时可以执行以下步骤:
步骤301、获取当前车牌图像的灰度二值化图像;
步骤302、获取每个像素列的灰度垂直投影值;具体的,每一像素列中代表车牌字符的像素点数目作为本像素列的灰度垂直投影值。上述步骤205中,灰度水平投影值为每一像素行中代表车牌字符的像素点数目。
步骤303、将每个像素列的灰度垂直投影值均与间隔阈值进行比较;该间隔阈值可以为标准高度的六分之五,或者大于标准高度的六分之五。
步骤304、选取灰度垂直投影值小于间隔阈值的连续数目最大的连续像素列的中的一个像素列为最大间隔位置。
上述步骤301中获取灰度二值化图像时,如图4所示,执行以下步骤:
步骤401、获取车牌图像的灰度直方图,统计车牌图像的每个像素行的灰度均值;
步骤402、将车牌图像纵向均分为至少四个图像区域,统计每个图像区域的灰度均值;
步骤403、将至少四个图像区域中最小灰度均值和最大灰度均值进行比较;若两者的差值小于最小灰度均值的四分之一,则执行步骤404;否则,执行步骤407;
步骤404、对车牌图像中除灰度均值最大的图像区域外的其余图像区域均进行灰度补偿,获得补偿后的灰度直方图;
步骤405、在补偿后的灰度直方图中选取二值化阈值;
步骤406、根据二值化阈值和补偿后的车牌图像,获取车辆图像的灰度二值化图像。
步骤407、在原始的灰度直方图中选取二值化阈值;
步骤408、根据二值化阈值和原始的灰度直方图,获取车辆图像的灰度二值化图像。
上述步骤405和步骤407中选取二值化阈值时,补偿后的灰度直方图或原始的灰度直方图中,车牌字符的灰度级小于车牌背景的灰度级,从灰度直方图左侧向右侧开始累积灰度值对应的像素点数目,当累加值与总像素点数目比值为0.3时,将此时最后获取的一个像素点对应的灰度值作为第一灰度值;当累加值与总像素点数目比值为0.4时,将此时最后获取的一个像素点对应的灰度值作为第二灰度值;或者
补偿后的灰度直方图或原始的灰度直方图中,车牌字符的灰度级大于车牌背景的灰度级,从灰度直方图右侧向左侧开始累积灰度值对应的像素点数目,当累加值与总像素点数目比值为0.3时,将此时最后获取的一个像素点对应的灰度值作为第一灰度值;当累加值与总像素点数目比值为0.4时,将此时最后获取的一个像素点对应的灰度值作为第二灰度值;或者
将位于所述第一灰度值和所述第二灰度值之间的灰度值,按照从小到大或从大到小的顺序进行排列,并均分为至少六个数据区域;
将所述至少六个数据区域中像素点最少的数据区域中的最小灰度值作为二值化阈值。
通过上述描述,可以看出,使用本发明实施例提供的车牌图像定位的方法,通过综合考虑颜色信息和投影信息,并结合车牌图像的宽度和高度基本一致的特点,通过统计获得标准宽度和标准高度,由此对车牌进行较精确的定位。进一步,通过对车牌图像进行灰度二值化,有效的突出了车牌图像的字符特征,并且结合了车牌字符间最大间隔符位置,更为准确的对车牌进行了定位。
基于同一发明构思,本发明实施例还提供了一种车牌图像定位的装置,如图5所示,包括:
第一图像获取模块501,用于获取车牌图像的颜色二值化图像;
颜色投影获取模块502,用于将所述颜色二值化图像中每一像素行具有颜色的像素点数目作为本像素行的颜色水平投影值,每一像素列具有颜色的像素点数目作为本像素列的颜色垂直投影值;
第一边界确定模块503,用于根据所述颜色水平投影值,确定出颜色投影高度对应的像素行;当所述颜色投影高度与标准高度的差值小于第一边界阈值时,将所述颜色投影高度对应的起始像素行和终止像素行作为所述车牌图像的第一边界和第二边界;
第二边界确定模块504,用于所述颜色垂直投影值,确定出颜色投影宽度对应的像素行;当所述颜色投影宽度与标准宽度的差值小于第二边界阈值时,将所述颜色投影宽度对应的起始像素列和终止像素列作为所述车牌图像的第三边界和第四边界;
车牌定位模块505,用于由所述第一边界、第二边界、第三边界和第四边界确定出车牌图像边界。
较佳的,上述装置还包括:标准确定模块506,用于统计至少两幅视频图像中车牌图像的宽度和高度的均值;将宽度均值作为标准宽度,将高度均值作为标准高度。
较佳的,第一边界确定模块503根据所述颜色水平投影值,确定出颜色投影高度对应的像素行时,具体用于将每一行的颜色水平投影值分别与水平阈值进行比较;获取大于所述水平阈值的像素行;在所述大于所述水平阈值的像素行中,将连续行数目最大的连续行数作为颜色投影高度。
较佳的,第二边界确定模块504根据所述颜色垂直投影值,确定出颜色投影宽度对应的像素列时,具体用于将每一列的颜色垂直投影值分别与垂直阈值进行比较;获取大于所述垂直阈值的像素列;在所述大于所述垂直阈值的像素列中,将连续列数目最大的连续列数作为颜色投影宽度。
较佳的,上述装置还包括:
第三边界确定模块507,用于所述颜色投影高度与标准高度的差值不小于第一边界阈值时,根据车辆图像的灰度二值化图像获取所述车辆图像的每一像素行的灰度水平投影值;其中,所述车辆图像的灰度二值化图像中,每一像素行中代表车牌字符的像素点数目作为本像素行的灰度水平投影值;在所述车牌图像的上半部中,从上向下获取灰度水平投影值小于7的最后一个像素行,作为车牌图像的第一边界;在所述车牌图像的下半部中,从上向下获取投影数小于7的第一个像素行,作为车牌图像的第二边界。
较佳的,上述装置还包括:
第四边界确定模块508,用于所述颜色投影宽度与标准宽度的差值不小于第二边界阈值时,在所述车辆图像内确定最大间隔位置;根据所述最大间隔位置,确定所述车辆图像的第三边界和第四边界。
较佳的,第四边界确定模块508根据所述最大间隔位置,确定所述车辆图像的第三边界和第四边界时,具体用于当所述车牌图像具有最大间隔位置时,将所述最大间隔位置与标准最大间隔位置进行比对,获取差值;根据所述标准最大间隔位置与标准宽度的关系、以及所述差值,确定所述车辆图像的第三边界和第四边界。
较佳的,上述装置还包括:
间隔位确定模块509,用于选取灰度垂直投影值小于间隔阈值的连续数目最大的连续像素列的中的一个像素列为最大间隔位置;其中,所述车辆图像的灰度二值化图像中,每一像素列中代表车牌字符的像素点数目作为本像素列的灰度垂直投影值。
较佳的,上述装置还包括:
第二图像获取模块510,用于获取所述车牌图像的灰度直方图,统计所述车牌图像的每个像素行的灰度均值;将所述车牌图像纵向均分为至少四个图像区域,统计每个图像区域的灰度均值;将所述至少四个图像区域中最小灰度均值和最大灰度均值进行比较;若两者的差值小于所述最小灰度均值的四分之一,则对所述车牌图像中除灰度均值最大的图像区域外的其余图像区域均进行灰度补偿,在补偿后的灰度直方图中选取二值化阈值;根据所述二值化阈值和补偿后的车牌图像,获取所述车辆图像的灰度二值化图像;若两者的差值不小于所述最小灰度均值的四分之一,则在原始的灰度直方图中选取二值化阈值;根据所述二值化阈值和原始的灰度直方图,获取所述车辆图像的灰度二值化图像。
较佳的,上述装置还包括:
二值化阈值确定模块511,用于补偿后的灰度直方图或原始的灰度直方图中,车牌字符的灰度级小于车牌背景的灰度级,从灰度直方图左侧向右侧开始累积灰度值对应的像素点数目,当累加值与总像素点数目比值为0.3时,将此时最后获取的一个像素点对应的灰度值作为第一灰度值;当累加值与总像素点数目比值为0.4时,将此时最后获取的一个像素点对应的灰度值作为第二灰度值;或者补偿后的灰度直方图或原始的灰度直方图中,车牌字符的灰度级大于车牌背景的灰度级,从灰度直方图右侧向左侧开始累积灰度值对应的像素点数目,当累加值与总像素点数目比值为0.3时,将此时最后获取的一个像素点对应的灰度值作为第一灰度值;当累加值与总像素点数目比值为0.4时,将此时最后获取的一个像素点对应的灰度值作为第二灰度值;将位于所述第一灰度值和所述第二灰度值之间的灰度值,按照从小到大或从大到小的顺序进行排列,并均分为至少六个数据区域;将所述至少六个数据区域中像素点最少的数据区域中的最小灰度值作为二值化阈值。
通过上述描述,可以看出,使用本发明实施例提供的车牌图像定位的方法和装置,通过综合考虑颜色信息和投影信息,并结合车牌图像的宽度和高度基本一致的特点,通过统计获得标准宽度和标准高度,由此对车牌进行较精确的定位。进一步,通过对车牌图像进行灰度二值化,有效的突出了车牌图像的字符特征,并且结合了车牌字符间最大间隔符位置,更为准确的对车牌进行了定位。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。

Claims (20)

1.一种车牌图像定位的方法,其特征在于,该方法包括:
获取车牌图像的颜色二值化图像;
将所述颜色二值化图像中每一像素行具有颜色的像素点数目作为本像素行的颜色水平投影值,每一像素列具有颜色的像素点数目作为本像素列的颜色垂直投影值;
根据所述颜色水平投影值,确定出颜色投影高度对应的像素行;当所述颜色投影高度与标准高度的差值小于第一边界阈值时,将所述颜色投影高度对应的起始像素行和终止像素行作为所述车牌图像的第一边界和第二边界;
根据所述颜色垂直投影值,确定出颜色投影宽度对应的像素列;当所述颜色投影宽度与标准宽度的差值小于第二边界阈值时,将所述颜色投影宽度对应的起始像素列和终止像素列作为所述车牌图像的第三边界和第四边界;
由所述第一边界、第二边界、第三边界和第四边界确定出车牌图像边界。
2.如权利要求1所述的方法,其特征在于,所述获取车牌图像的颜色二值化图像之前,还包括:
统计至少两幅视频图像中车牌图像的宽度、高度和位置坐标;
建立所述宽度、高度和位置坐标的对应关系;
根据当前车牌图像的坐标,确定当前车牌图像的标准宽度和标准高度。
3.如权利要求1所述的方法,其特征在于,根据所述颜色水平投影值,确定出颜色投影高度对应的像素行,包括:
将每一行的颜色水平投影值分别与水平阈值进行比较;
获取大于所述水平阈值的像素行;
在所述大于所述水平阈值的像素行中,将连续行数目最大的连续行数作为颜色投影高度。
4.如权利要求1所述的方法,其特征在于,所述根据所述颜色垂直投影值,确定出颜色投影宽度对应的像素列,包括:
将每一列的颜色垂直投影值分别与垂直阈值进行比较;
获取大于所述垂直阈值的像素列;
在所述大于所述垂直阈值的像素列中,将连续列数目最大的连续列数作为颜色投影宽度。
5.如权利要求1所述的方法,其特征在于,所述颜色投影高度与标准高度的差值不小于第一边界阈值时,根据车辆图像的灰度二值化图像获取所述车辆图像的每一像素行的灰度水平投影值;其中,所述车辆图像的灰度二值化图像中,每一像素行中代表车牌字符的像素点数目作为本像素行的灰度水平投影值;
在所述车牌图像的上半部中,从上向下获取灰度水平投影值小于7的最后一个像素行,作为车牌图像的第一边界;在所述车牌图像的下半部中,从上向下获取投影数小于7的第一个像素行,作为车牌图像的第二边界。
6.如权利要求1所述的方法,其特征在于,所述颜色投影宽度与标准宽度的差值不小于第二边界阈值时,在所述车辆图像内确定最大间隔位置;
根据所述最大间隔位置,确定所述车辆图像的第三边界和第四边界。
7.如权利要求6所述的方法,其特征在于,在所述车辆图像内确定最大间隔位置,包括:
选取灰度垂直投影值小于间隔阈值的连续数目最大的连续像素列中的一个像素列为最大间隔位置;其中,所述车辆图像的灰度二值化图像中,每一像素列中代表车牌字符的像素点数目作为本像素列的灰度垂直投影值。
8.如权利要求7所述的方法,其特征在于,根据所述最大间隔位置,确定所述车辆图像的第三边界和第四边界,包括:
当所述车牌图像具有最大间隔位置时,将所述最大间隔位置与标准最大间隔位置进行比对,获取差值;
根据所述标准最大间隔位置与标准宽度的关系、以及所述差值,确定所述车辆图像的第三边界和第四边界。
9.如权利要求7所述的方法,其特征在于,获取所述车辆图像的灰度二值化图像时,包括:
获取所述车牌图像的灰度直方图,统计所述车牌图像的每个像素行的灰度均值;
将所述车牌图像纵向均分为至少四个图像区域,统计每个图像区域的灰度均值;
将所述至少四个图像区域中最小灰度均值和最大灰度均值进行比较;
若两者的差值小于所述最小灰度均值的四分之一,则对所述车牌图像中除灰度均值最大的图像区域外的其余图像区域均进行灰度补偿,在补偿后的灰度直方图中选取二值化阈值;根据所述二值化阈值和补偿后的车牌图像,获取所述车辆图像的灰度二值化图像;
若两者的差值不小于所述最小灰度均值的四分之一,则在原始的灰度直方图中选取二值化阈值;根据所述二值化阈值和原始的车牌图像,获取所述车辆图像的灰度二值化图像。
10.如权利要求9所述的方法,其特征在于,在补偿后的灰度直方图或原始的灰度直方图中选取二值化阈值,包括:
补偿后的灰度直方图或原始的灰度直方图中,车牌字符的灰度级小于车牌背景的灰度级,从灰度直方图左侧向右侧开始累积灰度值对应的像素点数目,当累加值与总像素点数目比值为0.3时,将此时最后获取的一个像素点对应的灰度值作为第一灰度值;当累加值与总像素点数目比值为0.4时,将此时最后获取的一个像素点对应的灰度值作为第二灰度值;或者
补偿后的灰度直方图或原始的灰度直方图中,车牌字符的灰度级大于车牌背景的灰度级,从灰度直方图右侧向左侧开始累积灰度值对应的像素点数目,当累加值与总像素点数目比值为0.3时,将此时最后获取的一个像素点对应的灰度值作为第一灰度值;当累加值与总像素点数目比值为0.4时,将此时最后获取的一个像素点对应的灰度值作为第二灰度值;
将位于所述第一灰度值和所述第二灰度值之间的灰度值,按照从小到大或从大到小的顺序进行排列,并均分为至少六个数据区域;
将所述至少六个数据区域中像素点最少的数据区域中的最小灰度值作为二值化阈值。
11.一种车牌图像定位的装置,其特征在于,包括:
第一图像获取模块,用于获取车牌图像的颜色二值化图像;
颜色投影获取模块,用于将所述颜色二值化图像中每一像素行具有颜色的像素点数目作为本像素行的颜色水平投影值,每一像素列具有颜色的像素点数目作为本像素列的颜色垂直投影值;
第一边界确定模块,用于根据所述颜色水平投影值,确定出颜色投影高度对应的像素行;当所述颜色投影高度与标准高度的差值小于第一边界阈值时,将所述颜色投影高度对应的起始像素行和终止像素行作为所述车牌图像的第一边界和第二边界;
第二边界确定模块,用于所述颜色垂直投影值,确定出颜色投影宽度对应的像素行;当所述颜色投影宽度与标准宽度的差值小于第二边界阈值时,将所述颜色投影宽度对应的起始像素列和终止像素列作为所述车牌图像的第三边界和第四边界;
车牌定位模块,用于由所述第一边界、第二边界、第三边界和第四边界确定出车牌图像边界。
12.如权利要求11所述的装置,其特征在于,还包括:标准确定模块,用于统计至少两幅视频图像中车牌图像的宽度、高度和位置坐标;建立所述宽度、高度和位置坐标的对应关系;根据当前车牌图像的坐标,确定当前车牌图像的标准宽度和标准高度。
13.如权利要求11所述的装置,其特征在于,所述第一边界确定模块根据所述颜色水平投影值,确定出颜色投影高度对应的像素行时,具体用于将每一行的颜色水平投影值分别与水平阈值进行比较;获取大于所述水平阈值的像素行;在所述大于所述水平阈值的像素行中,将连续行数目最大的连续行数作为颜色投影高度。
14.如权利要求11所述的装置,其特征在于,所述第二边界确定模块根据所述颜色垂直投影值,确定出颜色投影宽度对应的像素列时,具体用于将每一列的颜色垂直投影值分别与垂直阈值进行比较;获取大于所述垂直阈值的像素列;在所述大于所述垂直阈值的像素列中,将连续列数目最大的连续列数作为颜色投影宽度。
15.如权利要求11所述的装置,其特征在于,还包括:
第三边界确定模块,用于所述颜色投影高度与标准高度的差值不小于第一边界阈值时,根据车辆图像的灰度二值化图像获取所述车辆图像的每一像素行的灰度水平投影值;其中,所述车辆图像的灰度二值化图像中,每一像素行中代表车牌字符的像素点数目作为本像素行的灰度水平投影值;在所述车牌图像的上半部中,从上向下获取灰度水平投影值小于7的最后一个像素行,作为车牌图像的第一边界;在所述车牌图像的下半部中,从上向下获取投影数小于7的第一个像素行,作为车牌图像的第二边界。
16.如权利要求11所述的装置,其特征在于,还包括:
第四边界确定模块,用于所述颜色投影宽度与标准宽度的差值不小于第二边界阈值时,在所述车辆图像内确定最大间隔位置;根据所述最大间隔位置,确定所述车辆图像的第三边界和第四边界。
17.如权利要求16所述的装置,其特征在于,所述第四边界确定模块根据所述最大间隔位置,确定所述车辆图像的第三边界和第四边界时,具体用于当所述车牌图像具有最大间隔位置时,将所述最大间隔位置与标准最大间隔位置进行比对,获取差值;根据所述标准最大间隔位置与标准宽度的关系、以及所述差值,确定所述车辆图像的第三边界和第四边界。
18.如权利要求16所述的装置,其特征在于,还包括:
间隔位确定模块,用于选取灰度垂直投影值小于间隔阈值的连续数目最大的连续像素列的中的一个像素列为最大间隔位置;其中,所述车辆图像的灰度二值化图像中,每一像素列中代表车牌字符的像素点数目作为本像素列的灰度垂直投影值。
19.如权利要求18所述的装置,其特征在于,还包括:
第二图像获取模块,用于获取所述车牌图像的灰度直方图,统计所述车牌图像的每个像素行的灰度均值;将所述车牌图像纵向均分为至少四个图像区域,统计每个图像区域的灰度均值;将所述至少四个图像区域中最小灰度均值和最大灰度均值进行比较;若两者的差值小于所述最小灰度均值的四分之一,则对所述车牌图像中除灰度均值最大的图像区域外的其余图像区域均进行灰度补偿,在补偿后的灰度直方图中选取二值化阈值;根据所述二值化阈值和补偿后的车牌图像,获取所述车辆图像的灰度二值化图像;若两者的差值不小于所述最小灰度均值的四分之一,则在原始的灰度直方图中选取二值化阈值;根据所述二值化阈值和原始的车牌图像,获取所述车辆图像的灰度二值化图像。
20.如权利要求17所述的装置,其特征在于,还包括:
二值化阈值确定模块,用于补偿后的灰度直方图或原始的灰度直方图中,车牌字符的灰度级小于车牌背景的灰度级,从灰度直方图左侧向右侧开始累积灰度值对应的像素点数目,当累加值与总像素点数目比值为0.3时,将此时最后获取的一个像素点对应的灰度值作为第一灰度值;当累加值与总像素点数目比值为0.4时,将此时最后获取的一个像素点对应的灰度值作为第二灰度值;或者补偿后的灰度直方图或原始的灰度直方图中,车牌字符的灰度级大于车牌背景的灰度级,从灰度直方图右侧向左侧开始累积灰度值对应的像素点数目,当累加值与总像素点数目比值为0.3时,将此时最后获取的一个像素点对应的灰度值作为第一灰度值;当累加值与总像素点数目比值为0.4时,将此时最后获取的一个像素点对应的灰度值作为第二灰度值;将位于所述第一灰度值和所述第二灰度值之间的灰度值,按照从小到大或从大到小的顺序进行排列,并均分为至少六个数据区域;将所述至少六个数据区域中像素点最少的数据区域中的最小灰度值作为二值化阈值。
CN201110339877.XA 2011-11-01 2011-11-01 一种车牌图像定位的方法和装置 Active CN103093181B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201110339877.XA CN103093181B (zh) 2011-11-01 2011-11-01 一种车牌图像定位的方法和装置
PCT/CN2011/081964 WO2013063820A1 (zh) 2011-11-01 2011-11-09 一种车牌图像定位的方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201110339877.XA CN103093181B (zh) 2011-11-01 2011-11-01 一种车牌图像定位的方法和装置

Publications (2)

Publication Number Publication Date
CN103093181A true CN103093181A (zh) 2013-05-08
CN103093181B CN103093181B (zh) 2016-04-27

Family

ID=48191243

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201110339877.XA Active CN103093181B (zh) 2011-11-01 2011-11-01 一种车牌图像定位的方法和装置

Country Status (2)

Country Link
CN (1) CN103093181B (zh)
WO (1) WO2013063820A1 (zh)

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103488978A (zh) * 2013-09-26 2014-01-01 浙江工业大学 一种基于灰度跳变和字符投影间隔模式的车牌定位方法
CN106802144A (zh) * 2016-12-28 2017-06-06 深圳市美好幸福生活安全系统有限公司 一种基于单目视觉和车牌的车距测量方法
CN106846610A (zh) * 2017-01-20 2017-06-13 深圳怡化电脑股份有限公司 一种纸币版本识别方法及装置
CN108038839A (zh) * 2017-11-23 2018-05-15 宁波大学 一种流水生产线上双绞线绞距实时检测方法
CN108305284A (zh) * 2018-02-28 2018-07-20 北京奇艺世纪科技有限公司 一种文字笔画宽度的确定方法及装置
CN108446697A (zh) * 2018-03-06 2018-08-24 平安科技(深圳)有限公司 图片处理方法、电子装置及存储介质
CN108734161A (zh) * 2017-04-13 2018-11-02 深圳怡化电脑股份有限公司 冠字号区域的识别方法、装置、设备及存储介质
CN110414507A (zh) * 2019-07-11 2019-11-05 和昌未来科技(深圳)有限公司 车牌识别方法、装置、计算机设备和存储介质
CN111126285A (zh) * 2019-12-22 2020-05-08 上海眼控科技股份有限公司 机动车牌证申请表的边界检测审核方法、设备及存储介质
CN111199225A (zh) * 2018-11-20 2020-05-26 浙江宇视科技有限公司 车牌标定方法及装置
CN112712091A (zh) * 2019-10-27 2021-04-27 北京易讯理想科技有限公司 图像特征区域检测方法
CN113506283A (zh) * 2021-07-26 2021-10-15 浙江大华技术股份有限公司 图像处理方法及装置、存储介质、电子装置

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108960244B (zh) * 2018-07-10 2023-06-20 北京智芯原动科技有限公司 一种车牌的字符投影分割方法及装置
CN109345462A (zh) * 2018-11-29 2019-02-15 北京京东尚科信息技术有限公司 图像处理方法、装置及计算机可读存储介质
CN109840699A (zh) * 2019-01-23 2019-06-04 深圳壹账通智能科技有限公司 合格投资者线上评估方法、装置、计算机设备和存储介质
CN110490207B (zh) * 2019-08-27 2023-07-18 河北科技大学 基于二值图像灰度共生矩阵的棒材端面字符图像识别方法
CN111898599A (zh) * 2020-07-10 2020-11-06 浙江大华技术股份有限公司 一种车牌图像处理方法及装置
CN112381088A (zh) * 2020-11-11 2021-02-19 上善智城(苏州)信息科技有限公司 一种油罐车车牌识别方法及系统
CN112435289A (zh) * 2020-12-14 2021-03-02 中国铁道科学研究院集团有限公司 钢轨接头轨缝宽度的检测方法及装置
CN113255641A (zh) * 2020-12-31 2021-08-13 深圳怡化电脑股份有限公司 一种图像识别的方法及装置、电子设备、存储介质
CN112651985A (zh) * 2020-12-31 2021-04-13 康威通信技术股份有限公司 一种隧道巡检的里程标识牌定位方法及系统
CN113255657B (zh) * 2020-12-31 2024-04-05 深圳怡化电脑股份有限公司 票据表面刮痕检测方法、装置、电子设备、机器可读介质
CN115100154B (zh) * 2022-06-29 2024-02-27 西安热工研究院有限公司 一种磁粉检测标准试片磁痕评估方法
CN114998887B (zh) * 2022-08-08 2022-10-11 山东精惠计量检测有限公司 一种电能计量表智能识别方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070292029A1 (en) * 2006-06-16 2007-12-20 Shen-Zheng Wang Cascade plate recognition system
CN101334837A (zh) * 2008-07-31 2008-12-31 重庆大学 一种多方法融合的车牌图像定位方法
CN102054169A (zh) * 2010-12-28 2011-05-11 青岛海信网络科技股份有限公司 车牌定位方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI240213B (en) * 2004-02-23 2005-09-21 Chunghwa Telecom Co Ltd Method for abstracting license plate area from vehicle image
KR100633443B1 (ko) * 2005-02-23 2006-10-13 인천대학교 산학협력단 적응적 지역 이진화를 이용한 자동차 번호판 인식 시스템및 그 방법
CN100414561C (zh) * 2005-09-12 2008-08-27 电子科技大学 一种基于投影法和数学形态学的车牌提取方法
CN101739566B (zh) * 2009-12-04 2012-01-04 重庆大学 基于自适应投影模板法的车牌定位方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070292029A1 (en) * 2006-06-16 2007-12-20 Shen-Zheng Wang Cascade plate recognition system
CN101334837A (zh) * 2008-07-31 2008-12-31 重庆大学 一种多方法融合的车牌图像定位方法
CN102054169A (zh) * 2010-12-28 2011-05-11 青岛海信网络科技股份有限公司 车牌定位方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
冯慧娜等: "一种基于图像处理和投影的车牌定位方法", 《电子科技》 *

Cited By (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103488978B (zh) * 2013-09-26 2017-08-01 浙江工业大学 一种基于灰度跳变和字符投影间隔模式的车牌定位方法
CN103488978A (zh) * 2013-09-26 2014-01-01 浙江工业大学 一种基于灰度跳变和字符投影间隔模式的车牌定位方法
CN106802144A (zh) * 2016-12-28 2017-06-06 深圳市美好幸福生活安全系统有限公司 一种基于单目视觉和车牌的车距测量方法
CN106846610A (zh) * 2017-01-20 2017-06-13 深圳怡化电脑股份有限公司 一种纸币版本识别方法及装置
CN106846610B (zh) * 2017-01-20 2019-04-26 深圳怡化电脑股份有限公司 一种纸币版本识别方法及装置
CN108734161A (zh) * 2017-04-13 2018-11-02 深圳怡化电脑股份有限公司 冠字号区域的识别方法、装置、设备及存储介质
CN108038839A (zh) * 2017-11-23 2018-05-15 宁波大学 一种流水生产线上双绞线绞距实时检测方法
CN108038839B (zh) * 2017-11-23 2022-01-11 宁波大学 一种流水生产线上双绞线绞距实时检测方法
CN108305284A (zh) * 2018-02-28 2018-07-20 北京奇艺世纪科技有限公司 一种文字笔画宽度的确定方法及装置
CN108446697A (zh) * 2018-03-06 2018-08-24 平安科技(深圳)有限公司 图片处理方法、电子装置及存储介质
CN108446697B (zh) * 2018-03-06 2019-11-12 平安科技(深圳)有限公司 图片处理方法、电子装置及存储介质
CN111199225A (zh) * 2018-11-20 2020-05-26 浙江宇视科技有限公司 车牌标定方法及装置
CN111199225B (zh) * 2018-11-20 2023-10-31 浙江宇视科技有限公司 车牌标定方法及装置
CN110414507A (zh) * 2019-07-11 2019-11-05 和昌未来科技(深圳)有限公司 车牌识别方法、装置、计算机设备和存储介质
CN112712091A (zh) * 2019-10-27 2021-04-27 北京易讯理想科技有限公司 图像特征区域检测方法
CN111126285A (zh) * 2019-12-22 2020-05-08 上海眼控科技股份有限公司 机动车牌证申请表的边界检测审核方法、设备及存储介质
CN113506283A (zh) * 2021-07-26 2021-10-15 浙江大华技术股份有限公司 图像处理方法及装置、存储介质、电子装置

Also Published As

Publication number Publication date
WO2013063820A1 (zh) 2013-05-10
CN103093181B (zh) 2016-04-27

Similar Documents

Publication Publication Date Title
CN103093181B (zh) 一种车牌图像定位的方法和装置
CN102693431B (zh) 一种白色车牌类型的识别方法及装置
CN104616009A (zh) 一种字符切割识别方法
CN111652845A (zh) 异常细胞自动标注方法、装置、电子设备及存储介质
CN108596908B (zh) Led显示屏检测方法、装置及终端
CN112528807B (zh) 行驶轨迹的预测方法、装置、电子设备及存储介质
CN105303153A (zh) 一种车辆车牌识别方法及装置
EP3889825A1 (en) Vehicle lane line detection method, vehicle, and computing device
CN112052850A (zh) 车牌识别方法、装置、电子设备及存储介质
CN101727581B (zh) 基于字符预分割的车牌倾斜校正方法
CN111881832A (zh) 车道目标检测方法、装置、设备及计算机可读存储介质
CN106650741A (zh) 一种车牌字符识别方法及装置
CN106845482A (zh) 一种车牌定位方法
CN105354570A (zh) 一种车牌左右边界精确定位的方法及系统
CN113971723A (zh) 高精地图中三维地图的构建方法、装置、设备和存储介质
CN104778657A (zh) 图像二维码融合方法及装置
CN111008634B (zh) 一种基于实例分割的字符识别方法及字符识别装置
CN108492345B (zh) 一种基于尺度变换的数据块划分方法
CN114037700A (zh) 面板缺陷检测方法、装置、电子设备及存储介质
CN112489057B (zh) 交通标志数据处理方法、电子装置和存储介质
CN110059695A (zh) 一种基于垂直投影的字符分割方法及终端
CN105005780A (zh) 一种车牌识别方法
CN112784737B (zh) 结合像素分割和线段锚的文本检测方法、系统及装置
CN105205819A (zh) 一种基于层次结构的公交车辆检测方法
CN113343882A (zh) 人群计数方法、装置、电子设备及存储介质

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