CN103093229B - 车标定位方法及装置 - Google Patents
车标定位方法及装置 Download PDFInfo
- Publication number
- CN103093229B CN103093229B CN201310022116.0A CN201310022116A CN103093229B CN 103093229 B CN103093229 B CN 103093229B CN 201310022116 A CN201310022116 A CN 201310022116A CN 103093229 B CN103093229 B CN 103093229B
- Authority
- CN
- China
- Prior art keywords
- image
- car
- candidate
- region
- fuzzy
- 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.)
- Expired - Fee Related
Links
Landscapes
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种车标定位方法及装置，其中，该方法包括：检测输入汽车图像的模糊方向和模糊尺度；根据该模糊方向和该模糊尺度对该汽车图像进行处理；对该处理后的图像进行边缘检测得到候选车牌区域；使用车牌信息在该候选车牌区域定位车标。通过本发明，提高了车标定位的准确性。
Description
技术领域
本发明涉及一种计算机图像处理技术领域，特别涉及一种车标定位方法及装置。
背景技术
随着社会经济的发展，车辆的增多，通过计算机信息化、智能化的管理车辆成为必然。车牌识别技术被广泛应用在交通流量监测，高速公路卡口收费，闯红灯违章车辆监控及小区自动收费系统中。目前的处理技术只能对车牌和大型、中型、小型车辆进行识别，但不能识别具体的车型。而车标的识别能够弥补这一缺陷。目前针对运动模糊图像的车标定位困难原因是高速运动下车辆移动很快，在曝光的时间内，车辆会在图像上留下一段较长的重影，另外，一般情况下拍摄角度与车辆并非正对，原始图像上车辆移动的方向也呈一定角度，这对图像解析及信息提取造成较大影响，降低了图像的应用价值，不利于图像车标特征提取。另外车标识别是车型识别技术重要环节，而车标的定位又是车标识别的关键环节，针对上述问题需要一种有效的方法对去雾的车标进行准确的定位分割。
发明内容
为了达到上述目的，本发明提出了一种车标定位方法及装置。
根据本发明的一个方面，提供了一种车标定位方法，包括：检测输入汽车图像的模糊方向和模糊尺度；根据所述模糊方向和所述模糊尺度对所述汽车图像进行处理；对所述处理后的图像进行边缘检测得到候选车牌区域；使用车牌信息在所述候选车牌区域定位车标；其中，图像模糊处理的过程包括：在摄像机拍摄图像的短暂曝光时间内，模糊运动图像是直线运动，沿运动方向对模糊的图像求方向导数，得到一正一负两个叠加像，所述两个叠加像之间的距离为模糊尺度，采用0.618法的搜索方法求取图像灰度和极值，并利用通过鉴别所述模糊方向和尺度的方法得到的参数，构造点扩散函数，得到相对清晰的图像；其中，将矫正过的车标粗定位区域进行灰度化，利用结构元素对灰度图像进行一次开运算，去除背景图像，利用最大类间方差算法otsu二值化算法进行二值化，再进行形态学的操作，得到连通域，将面积小于预设值的白点去掉，将位于中轴线的连通域作为车标定位的候选区域，并使用标签标出，对候选区域作进一步的处理得到车标近似区域，然后映射回原图像进行分割，得到最终的车标区域。
优选地，在对所述处理后的图像进行边缘检测得到候选车牌区域之后，还包括：使用车牌水平矫正中的旋转角度和双线性插值对所述候选车排区域进行水平倾斜矫正。
优选地，使用车牌信息在所述候选车牌区域定位车标包括：在所述候选车牌区域，通过形态学边缘检测得到边缘图像；
使用确定的车标区域的坐标和分水岭分割在所述边缘图像上进行车标定位。
根据本发明的又一方面，还提供了一种车标定位装置，包括：第一检测模块，用于检测输入汽车图像的模糊方向和模糊尺度；处理模块，用于根据所述模糊方向和所述模糊尺度对所述汽车图像进行处理；边缘检测模块，用于对所述处理后的图像进行边缘检测得到候选车牌区域；第一定位模块，用于使用车牌信息在所述候选车牌区域定位车标；其中，所述车标定位装置进行图像模糊处理的过程包括：在摄像机拍摄图像的短暂曝光时间内，模糊运动图像是直线运动，沿运动方向对模糊的图像求方向导数，得到一正一负两个叠加像，所述两个叠加像之间的距离为模糊尺度，采用0.618法的搜索方法求取图像灰度和极值，并利用通过鉴别所述模糊方向和尺度的方法得到的参数，构造点扩散函数，得到相对清晰的图像；其中，将矫正过的车标粗定位区域进行灰度化，利用结构元素对灰度图像进行一次开运算，去除背景图像，利用最大类间方差算法otsu二值化算法进行二值化，再进行形态学的操作，得到连通域，将面积小于预设值的白点去掉，将位于中轴线的连通域作为车标定位的候选区域，并使用标签标出，对候选区域作进一步的处理得到车标近似区域，然后映射回原图像进行分割，得到最终的车标区域。
优选地，还包括：矫正模块，用于使用车牌水平矫正中的旋转角度和双线性插值对所述候选车牌区域进行水平倾斜矫正。
优选地，所述定位模块包括：第二检测模块，用于在所述候选车牌区域，通过形态学边缘检测得到边缘图像；第二定位模块，用于使用确定的车标区域的坐标和分水岭分割在所述边缘图像上进行车标定位。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是根据本发明实施例的车标定位方法的流程图；
图2是根据本发明实施例的车标定位装置的结构框图；以及
图3是根据本发明实施例的图像模糊处理的车标分割定位流程图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本实施例提供了一种车标定位方法，图1是根据本发明实施例的车标定位方法的流程图，如图1该，该方法包括如下步骤S102至步骤S108：
步骤S102：检测输入汽车图像的模糊方向和模糊尺度。
步骤S104：根据该模糊方向和该模糊尺度对该汽车图像进行处理。
步骤S106：对该处理后的图像进行边缘检测得到候选车牌区域。
步骤S108：使用车牌信息在该候选车牌区域定位车标。
优选地，在对该处理后的图像进行边缘检测得到候选车牌区域之后，还包括：使用车牌水平矫正中的旋转角度和双线性插值对该候选车排区域进行水平倾斜矫正。
优选地，使用车牌信息在该候选车牌区域定位车标包括：在该候选车牌区域，通过形态学边缘检测得到边缘图像；使用确定的车标区域的坐标和分水岭分割在该边缘图像上进行车标定位。
本实施例还提供了一种车标定位装置，图2是根据本发明实施例的车标定位装置的结构框图，如图2所示，该装置包括：第一检测模块22，用于检测输入汽车图像的模糊方向和模糊尺度；处理模块24，用于根据该模糊方向和该模糊尺度对该汽车图像进行处理；边缘检测模块26，用于对该处理后的图像进行边缘检测得到候选车牌区域；第一定位模块28，用于使用车牌信息在该候选车牌区域定位车标。
优选地，还包括：矫正模块，用于使用车牌水平矫正中的旋转角度和双线性插值对该候选车牌区域进行水平倾斜矫正。
优选地，该定位模块包括：第二检测模块，用于在该候选车牌区域，通过形态学边缘检测得到边缘图像；第二定位模块，用于使用确定的车标区域的坐标和分水岭分割在该边缘图像上进行车标定位。
优选实施例一
本优选实施例提供了一种基于模糊图像的车标定位的方法与装置，包括：
步骤S2：对输入图像进行预处理，使运动模糊的图像恢复变得清晰，检测运动模糊图像的模糊方向和模糊尺度。本发明采用对模糊图像进行方向性的高通滤波(方向微分)的方法来判定运动模糊方向。然后利用自相关原理，计算模糊的尺度。
步骤S4：获取模糊处理后的图像，再进行灰度化处理，运用sobel对灰度图像进行边缘检测，然后将边缘密度比较大的区域作为候选的车牌区域。
步骤S6：对判别为车牌的区域进行车牌预处理，然后利用车牌信息粗定位到车标区域。
优选地，该车标预处理方法还包括：利用otsu二值化算法，将车牌二值化，然后在二值图上提取水平边缘信息，对水平边缘图在一定角度范围内以一定的间隔进行角度旋转，每旋转一次，统计前四行最大的水平投影的值，最后选取这个值最大所对应的角度即为矫正角度，然后将粗定位的车标区域按照此角度，利用双线性插值进行矫正。
优选地，为了下一步对车标精定位分割，对粗定位的车标区域进行灰度化，背景剔除，利用otsu二值化算法进行二值化。
优选地，所述车标的分割方法还包括：对经过预处理的粗定位区域，首先通过形态学边缘检测得到边缘图像,然后在边缘图像的基础上,结合车标的特性去除不构成车标的直线，减少无关直线对检测的干扰,最后应用数学形态学滤波，确定车标区域的坐标并利用分水岭分割方法对图像进行分割，获得车标精定位。采用本方法提高了车标的检测效率和准确度。
优选实施例二
本优选实施例提出一种有效的模糊图像增强的车标分割定位的方法，首先根据图像模糊处理后的图像信息，对车牌定位，在这一阶段判别出车标的大致区域，然后在精定位阶段，运用形态学的方法进行分割处理，得到最后的分割结果。
本实施例解决其技术问题所采用的技术方案是：
融合图像模糊处理和车标定位的结果，对原始图像进行模糊处理获得清晰的图像，然后进行车牌定位，对车牌上方含有车标的区域进行处理，剔除其背景和干扰物对车标的影响，有效的解决了模糊图像中车标的分割定位问题。
优选实施例三
本优选实施例提出一种有效的模糊图像增强的车标分割定位的方法，包括如下步骤：
S202：图像模糊处理：在摄像机拍摄图像的短暂曝光时间内，运动方向可近似认为是不变的，可以认为模糊运动图像是直线运动。
沿运动方向对模糊的图像求方向导数，得到一正一负两个叠加像，两者的距离就是模糊尺度。
采用0.618法的搜索方法求取图像灰度和极值，并利用通过鉴别模糊方向和尺度的方法得到的参数，构造了点扩散函数，得到相对清晰的图像。
步骤S204：车标粗定位：利用边缘检测或者机器学习等算法对去雾后的图像进行车牌定位，然后根据车牌定位信息粗定位车标的信息区域，由于车牌定位不是本发明的重点，故在这里不详细的叙述。
步骤S206：车标粗定位区域预处理：利用车牌矫正的参数对车标粗定位的区域进行水平矫正。
步骤S208：车标精定位分割：
车标精定位流程如下：
(1)将矫正过的车标粗定位区域进行灰度化，利用结构元素对灰度图像进行一次开运算，去除背景图像
(2)利用otsu二值化算法进行二值化，在进行形态学的操作，得到连通域，将面积很小的白点去掉。
(3)利用先验知识，将位于中轴线的连通域作为车标定位的候选区域，并使用标签标出，并对候选区域作进一步的处理得到车标近似区域，然后映射回原图像进行分割，得到最终的车标区域。
优选实施例四
本实施例提供了一种车标定位方法，图3是根据本发明实施例的图像模糊处理的车标分割定位流程图，如图3所示，该方法包括如下步骤：
步骤S302：输入汽车图像。
步骤S304：图像模糊处理。
步骤S306：车牌定位。
步骤S308：车标粗定位。
步骤S310：车标精定位分割。
上述实施例提供了一种运动图像模糊的车标定位的方法和装置，首先将待定位的汽车图像运用运动模糊方向和尺度检测算法对图像进行增强，获取去模糊增强图像。然后对去模糊增强后的图像进行车标定位，利用车牌与车标的拓扑关系，确定车标的大致区域；然后针对车牌上方区域的车标按分割步骤进行分割定位，最后将分割出来的车标区域进行形态学处理，进一步选取最优的区域为最后的车标分割结果。本发明大大的降低了计算量和存储量，提高了车标定位的效率。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (6)
1.一种车标定位方法，其特征在于，包括：
检测输入汽车图像的模糊方向和模糊尺度；
根据所述模糊方向和所述模糊尺度对所述汽车图像进行处理；
对所述处理后的图像进行边缘检测得到候选车牌区域；
使用车牌信息在所述候选车牌区域定位车标；
其中，图像模糊处理的过程包括：在摄像机拍摄图像的短暂曝光时间内，模糊运动图像是直线运动，沿运动方向对模糊的图像求方向导数，得到一正一负两个叠加像，所述两个叠加像之间的距离为模糊尺度，采用0.618法的搜索方法求取图像灰度和极值，并利用通过鉴别所述模糊方向和尺度的方法得到的参数，构造点扩散函数，得到相对清晰的图像；
其中，将矫正过的车标粗定位区域进行灰度化，利用结构元素对灰度图像进行一次开运算，去除背景图像，利用最大类间方差算法otsu二值化算法进行二值化，再进行形态学的操作，得到连通域，将面积小于预设值的白点去掉，将位于中轴线的连通域作为车标定位的候选区域，并使用标签标出，对候选区域作进一步的处理得到车标近似区域，然后映射回原图像进行分割，得到最终的车标区域。
2.根据权利要求1所述的方法，其特征在于，在对所述处理后的图像进行边缘检测得到候选车牌区域之后，还包括：
使用车牌水平矫正中的旋转角度和双线性插值对所述候选车牌区域进行水平倾斜矫正。
3.根据权利要求1所述的方法，使用车牌信息在所述候选车牌区域定位车标包括：
在所述候选车牌区域，通过形态学边缘检测得到边缘图像；
使用确定的车标区域的坐标和分水岭分割在所述边缘图像上进行车标定位。
4.一种车标定位装置，其特征在于，包括：
第一检测模块，用于检测输入汽车图像的模糊方向和模糊尺度；
处理模块，用于根据所述模糊方向和所述模糊尺度对所述汽车图像进行处理；
边缘检测模块，用于对所述处理后的图像进行边缘检测得到候选车牌区域；
第一定位模块，用于使用车牌信息在所述候选车牌区域定位车标；
其中，所述车标定位装置进行图像模糊处理的过程包括：在摄像机拍摄图像的短暂曝光时间内，模糊运动图像是直线运动，沿运动方向对模糊的图像求方向导数，得到一正一负两个叠加像，所述两个叠加像之间的距离为模糊尺度，采用0.618法的搜索方法求取图像灰度和极值，并利用通过鉴别所述模糊方向和尺度的方法得到的参数，构造点扩散函数，得到相对清晰的图像；
其中，将矫正过的车标粗定位区域进行灰度化，利用结构元素对灰度图像进行一次开运算，去除背景图像，利用最大类间方差算法otsu二值化算法进行二值化，再进行形态学的操作，得到连通域，将面积小于预设值的白点去掉，将位于中轴线的连通域作为车标定位的候选区域，并使用标签标出，对候选区域作进一步的处理得到车标近似区域，然后映射回原图像进行分割，得到最终的车标区域。
5.根据权利要求4所述的装置，其特征在于，还包括：
矫正模块，用于使用车牌水平矫正中的旋转角度和双线性插值对所述候选车牌区域进行水平倾斜矫正。
6.根据权利要求4所述的装置，所述定位模块包括：
第二检测模块，用于在所述候选车牌区域，通过形态学边缘检测得到边缘图像；
第二定位模块，用于使用确定的车标区域的坐标和分水岭分割在所述边缘图像上进行车标定位。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310022116.0A CN103093229B (zh) | 2013-01-21 | 2013-01-21 | 车标定位方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310022116.0A CN103093229B (zh) | 2013-01-21 | 2013-01-21 | 车标定位方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN103093229A CN103093229A (zh) | 2013-05-08 |
| CN103093229B true CN103093229B (zh) | 2016-05-11 |
Family
ID=48205777
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201310022116.0A Expired - Fee Related CN103093229B (zh) | 2013-01-21 | 2013-01-21 | 车标定位方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN103093229B (zh) |
Families Citing this family (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104391966B (zh) * | 2014-12-03 | 2017-09-29 | 中国人民解放军国防科学技术大学 | 基于深度学习的典型车标搜索方法 |
| CN104732227B (zh) * | 2015-03-23 | 2017-12-26 | 中山大学 | 一种基于清晰度和亮度评估的车牌快速定位方法 |
| CN105184293B (zh) * | 2015-08-29 | 2019-02-15 | 电子科技大学 | 基于显著性区域检测的车标定位方法 |
| CN106355179A (zh) * | 2016-08-30 | 2017-01-25 | 韦嘉志 | 一种车牌定位方法及系统 |
| CN108614985A (zh) * | 2016-12-12 | 2018-10-02 | 广西师范大学 | 一种车标定位方法 |
| CN111652834A (zh) * | 2019-03-02 | 2020-09-11 | 周口师范学院 | 一种基于支持向量机的钢卷捆扎带识别方法 |
| CN112052768A (zh) * | 2020-08-28 | 2020-12-08 | 五邑大学 | 基于无人机的城市违章停车检测方法、装置及存储介质 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101359398A (zh) * | 2008-06-16 | 2009-02-04 | 北京航空航天大学 | 运动模糊图像的盲恢复方法 |
| CN102419820A (zh) * | 2011-08-18 | 2012-04-18 | 电子科技大学 | 一种快速检测视频与图像中汽车车标的方法 |
-
2013
- 2013-01-21 CN CN201310022116.0A patent/CN103093229B/zh not_active Expired - Fee Related
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101359398A (zh) * | 2008-06-16 | 2009-02-04 | 北京航空航天大学 | 运动模糊图像的盲恢复方法 |
| CN102419820A (zh) * | 2011-08-18 | 2012-04-18 | 电子科技大学 | 一种快速检测视频与图像中汽车车标的方法 |
Non-Patent Citations (2)
| Title |
|---|
| 一种新的面向字符分割的车牌图像预处理方法;李文举 等;《计算机应用研究》;20041231(第7期);第258-260页 * |
| 基于先验知识和标记分水岭的车牌定位算法;王洪元等;《常州大学学报（自然科学版）》;20100930;第22卷(第3期);第64-68页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN103093229A (zh) | 2013-05-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103093229B (zh) | 车标定位方法及装置 | |
| US10074020B2 (en) | Vehicular lane line data processing method, apparatus, storage medium, and device | |
| Nienaber et al. | Detecting potholes using simple image processing techniques and real-world footage | |
| CN105718872B (zh) | 两侧车道快速定位及检测车辆偏转角度的辅助方法及系统 | |
| CN103093201B (zh) | 车标定位识别方法及系统 | |
| CN107330373A (zh) | 一种基于视频的违章停车监控系统 | |
| KR101182173B1 (ko) | 차량 번호판 인식 방법 및 시스템 | |
| CN104899554A (zh) | 一种基于单目视觉的车辆测距方法 | |
| CN101673338A (zh) | 基于多角度投影的模糊车牌识别方法 | |
| CN105574543A (zh) | 一种基于深度学习的车辆品牌型号识别方法和系统 | |
| CN105303153A (zh) | 一种车辆车牌识别方法及装置 | |
| US20200285913A1 (en) | Method for training and using a neural network to detect ego part position | |
| CN106778736A (zh) | 一种鲁棒的车牌识别方法及其系统 | |
| CN113191358B (zh) | 金属零件表面文本检测方法和系统 | |
| CN106022268A (zh) | 一种限速标识的识别方法和装置 | |
| CN115984796A (zh) | 一种图像标注方法及系统 | |
| Arshad et al. | Lane detection with moving vehicles using color information | |
| CN109635719B (zh) | 一种图像识别方法、装置和计算机可读存储介质 | |
| JP7264428B2 (ja) | 道路標識認識装置及びそのプログラム | |
| CN103093230A (zh) | 车标检测方法及装置 | |
| CN111553181A (zh) | 车载相机语义识别方法、系统及装置 | |
| CN202771439U (zh) | 基于matlab交通标志自动识别装置 | |
| CN103065139A (zh) | 车标的定位方法及装置 | |
| Radzak et al. | Study on traffic sign recognition | |
| CN104077566B (zh) | 基于颜色差分的卡口图片人脸检测方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20160511 Termination date: 20200121 |