CN104036241A - 一种车牌识别方法 - Google Patents
一种车牌识别方法 Download PDFInfo
- Publication number
- CN104036241A CN104036241A CN201410241341.8A CN201410241341A CN104036241A CN 104036241 A CN104036241 A CN 104036241A CN 201410241341 A CN201410241341 A CN 201410241341A CN 104036241 A CN104036241 A CN 104036241A
- Authority
- CN
- China
- Prior art keywords
- license plate
- image
- character
- vehicle image
- following
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 27
- 230000009466 transformation Effects 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims 1
- 230000000694 effects Effects 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
Landscapes
- Traffic Control Systems (AREA)
- Image Processing (AREA)
- Character Input (AREA)
Abstract
本发明涉及一种车牌识别方法。本发明方法包括以下步骤：步骤1、采集车辆图像；步骤2、于所述车辆图像中定位车牌所在区域；步骤3、于车牌所在区域中分割成字符块；步骤4、识别所述字符块。通过对本发明技术方案的实施，可以获得以下技术效果：自动完成车牌识别，节省人力；识别速度快，识别精度高，提高了车牌识别的效率。
Description
技术领域
本发明涉及一种图像处理方法，尤其涉及一种车牌识别方法。
背景技术
随着人民生活水平的提高和经济的发展，机动车的数量逐年增多，道路交通成为人们日益关注的问题。为了解决道路交通问题，一种准确、高效的新型运输系统——智能交通系统(Intelligent Transportation System，简称 ITS)应运而生。
智能交通系统ITS(Intelligent Transportation System)是集成先进传感器技术、数据传输技术、计算机图像处理等技术，建立的一种在大范围内、全方位、全时段发挥作用的综合交通运输管理系统。
车牌识别是智能交通系统的基础部分，但是现有技术中车牌识别通常是通过人工完成的，使整个智能交通系统出现信息处理的瓶颈。且人工识别车牌耗时长，消耗人力，效率低。
发明内容
针对现有的车牌识别方法存在的问题，本发明提供的技术方案的主要目的是：提供一种基于图像处理技术的自动完成识别的车牌识别方法。
为了实现上述目的，本发明采用了如下的技术方案：
一种车牌识别方法，其中，包括以下步骤：
步骤1、采集车辆图像；
步骤2、于所述车辆图像中定位车牌所在区域；
步骤3、于车牌所在区域中分割成字符块；
步骤4、识别所述字符块。
本发明的另一方面，对所述步骤1中采集的所述车辆图像进行预处理以去除所述车辆图像中的噪声。
本发明的另一方面，所述步骤2中，于所述车辆图像中定位车牌所在区域包括以下步骤：
步骤21、将所述车辆图像从RGB彩色模型转换为HIS彩色模型；
步骤22、根据车牌的颜色特征，设定HIS色彩空间的各分量的阈值，去除不符合条件的区域，以得到候选区域；
步骤23、根据车牌中字符颜色特征和背景颜色特征检测所述候选区域以获得所述候选区域的边缘；
步骤24、利用车牌的几何特征，去掉边缘形状不符合的所述候选区域，并得到车牌图像；
步骤25、对得到的车牌图像进行投影，以得到车牌于所述车辆图像上的起始位置，并定位到车牌所在区域。
本发明的另一方面，于所述步骤25后对所述车辆图像进行倾斜校正，具体包括如下步骤：
步骤a、通过霍夫变换获得所述车辆图像的倾斜角度；
步骤b、根据获得的倾斜角度旋转车牌所在区域的图像。
本发明的另一方面，所述步骤3中分割成字符块具体包括以下步骤：
步骤31、对车牌所在区域的图像进行二值化操作得到二值化图像；
步骤32、对所述二值化图像进行连通域标记；
步骤33、对标记的连通域块进行分析得出字符块。
本发明的另一方面，所述步骤4中识别所述字符块具体包括以下步骤：
步骤41、提取字符块的特征；
步骤42、采用SVM分类器识别字符块；
步骤43、通过区分相似字符的特殊特征对相似字符进行二次识别；
步骤44、根据车牌字符的排列特点对每个字符进行对应识别；
步骤45、将识别结果组合得到车牌号码。
本发明的另一方面，所述步骤b中根据以下公式旋转车牌所在区域的图像：
其中， 为旋转后坐标， 为旋转前坐标， 是旋转角度。
本发明的另一方面，所述步骤31中，对车牌所在区域的图像进行二值化操作采用最大类间方差二值化算法。
本发明的另一方面，所述步骤32中，对所述二值化图像进行连通域标记采用行程码方法标记。
本发明的另一方面，所述步骤41中，通过逐像素点位置特征和分块统计特征的方法提取字符块的特征。
通过对本发明技术方案的实施，可以获得以下技术效果：
1、自动完成车牌识别，节省人力；
2、识别速度快，识别精度高，提高了车牌识别的效率。
附图说明
图1为本发明一种车牌识别方法的实施例的流程框图；
图2为本发明于车辆图像中定位车牌所在区域的实施例的流程框图；
图3为本发明对车辆图像进行倾斜校正的实施例的流程框图；
图4为本发明分割字符块的实施例的流程框图；
图5为本发明识别字符块的实施例的流程框图。
具体实施方式
以下通过具体的实施例对本发明的技术方案进行说明，在与本发明的发明目的无冲突的前提下，下文中提到的实施例以及实施例中的技术特征可以相互组合。
如图1所示，一种车牌识别方法，其中，包括以下步骤：
步骤1、采集车辆图像；
步骤2、于车辆图像中定位车牌所在区域；
步骤3、于车牌所在区域中分割成字符块；
步骤4、识别字符块。
上述技术方案中通过采集车辆图像，并定位车牌所在区域，然后从车牌所在区域中分割成字符块，并识别字符块，最后将识别结果组合成车牌信息，从而自动的完成车牌识别，节省了人力，提高了车牌的识别效率。
本发明的一种实施例中，对步骤1中采集的车辆图像进行预处理以去除车辆图像中的噪声。
本发明的一种实施例中，如图2所示，步骤2中，于车辆图像中定位车牌所在区域包括以下步骤：
步骤21、将车辆图像从RGB彩色模型转换为HIS彩色模型；
步骤22、根据车牌的颜色特征，设定HIS色彩空间的各分量的阈值，去除不符合条件的区域，以得到候选区域；
步骤23、根据车牌中字符颜色特征和背景颜色特征检测候选区域以获得候选区域的边缘；
步骤24、利用车牌的几何特征，去掉边缘形状不符合的候选区域，并得到车牌图像；
步骤25、对得到的车牌图像进行投影，以得到车牌于车辆图像上的起始位置，并定位到车牌所在区域。
本发明的一种实施例中，如图3所示，于步骤25后对车辆图像进行倾斜校正，具体包括如下步骤：
步骤a、通过霍夫变换获得车辆图像的倾斜角度；
步骤b、根据获得的倾斜角度旋转车牌所在区域的图像。
霍夫变换检测直线是将直线上的点坐标转换成过点的直线的系数域。假设在直角坐标系中，直线的参数表达式为：
即ρ是θ的三角函数，即图像空间中的一个点在霍夫空间成为一条正弦全线，那么对在一条直线上的 N 个点作变换，在霍夫空间上会产生 N 条正弦曲线，且这些正弦曲线的交点为( ρ,θ )。
霍夫变换检测直线的方法是在二值的边缘图像上检测出直线，因此在霍夫变换检测直线之前需要对区域图像提取边缘。霍夫变换可以检测出车牌所在区域的图像中的直线段，对于长度小于预设阈值的直线段、或者角度过大的直线段都认为是噪声干扰可以去除不予处理。车牌所在区域的图像的倾斜角度θ 是霍夫变换检测出车牌所在区域的图像中的直线段的平均值。
本发明的一种实施例中，步骤b中根据以下公式旋转车牌所在区域的图像：
其中， 为旋转后坐标， 为旋转前坐标， 是旋转角度。
本发明的一种实施例中，如图4所示，步骤3中分割成字符块具体包括以下步骤：
步骤31、对车牌所在区域的图像进行二值化操作得到二值化图像；
步骤32、对二值化图像进行连通域标记；
步骤33、对标记的连通域块进行分析得出字符块。
本发明的一种实施例中，步骤31中，对车牌所在区域的图像进行二值化操作采用最大类间方差二值化算法。
本发明的一种实施例中，步骤32中，对二值化图像进行连通域标记采用行程码方法标记。
本发明的一种实施例中，如图5所示，步骤4中识别字符块具体包括以下步骤：
步骤41、提取字符块的特征；
步骤42、采用SVM分类器识别字符块；
步骤43、通过区分相似字符的特殊特征对相似字符进行二次识别；
步骤44、根据车牌字符的排列特点对每个字符进行对应识别；
步骤45、将识别结果组合得到车牌号码。
本发明的一种实施例中，步骤41中，通过逐像素点位置特征和分块统计特征的方法提取字符块的特征。
上述的实施例仅是本发明的部分体现，并不能涵盖本发明的全部，在上述实施例以及附图的基础上，本领域技术人员在不付出创造性劳动的前提下可获得更多的实施方式，因此这些不付出创造性劳动的前提下获得的实施方式均应包含在本发明的保护范围内。
Claims (10)
1. 一种车牌识别方法，其特征在于该方法包括以下步骤：
步骤1、采集车辆图像；
步骤2、于所述车辆图像中定位车牌所在区域；
步骤3、于车牌所在区域中分割成字符块；
步骤4、识别所述字符块。
2.如权利要求1所述方法，其特征在于：对所述步骤1中采集的所述车辆图像进行预处理以去除所述车辆图像中的噪声。
3.如权利要求1所述方法，其特征在于：所述步骤2中，于所述车辆图像中定位车牌所在区域包括以下步骤：
步骤21、将所述车辆图像从RGB彩色模型转换为HIS彩色模型；
步骤22、根据车牌的颜色特征，设定HIS色彩空间的各分量的阈值，去除不符合条件的区域，以得到候选区域；
步骤23、根据车牌中字符颜色特征和背景颜色特征检测所述候选区域以获得所述候选区域的边缘；
步骤24、利用车牌的几何特征，去掉边缘形状不符合的所述候选区域，并得到车牌图像；
步骤25、对得到的车牌图像进行投影，以得到车牌于所述车辆图像上的起始位置，并定位到车牌所在区域。
4.如权利要求3所述方法，其特征在于：所述步骤25后对所述车辆图像进行倾斜校正，具体包括如下步骤：
步骤a、通过霍夫变换获得所述车辆图像的倾斜角度；
步骤b、根据获得的倾斜角度旋转车牌所在区域的图像。
5.如权利要求1所述方法，其特征在于：所述步骤3中分割成字符块具体包括以下步骤：
步骤31、对车牌所在区域的图像进行二值化操作得到二值化图像；
步骤32、对所述二值化图像进行连通域标记；
步骤33、对标记的连通域块进行分析得出字符块。
6.如权利要求5所述方法，其特征在于：所述步骤4中识别所述字符块具体包括以下步骤：
步骤41、提取字符块的特征；
步骤42、采用SVM分类器识别字符块；
步骤43、通过区分相似字符的特殊特征对相似字符进行二次识别；
步骤44、根据车牌字符的排列特点对每个字符进行对应识别；
步骤45、将识别结果组合得到车牌号码。
7.如权利要求4所述方法，其特征在于：所述步骤b中根据以下公式旋转车牌所在区域的图像：
其中，为旋转后坐标，为旋转前坐标，是旋转角度。
8.如权利要求5所述方法，其特征在于：所述步骤31中，对车牌所在区域的图像进行二值化操作采用最大类间方差二值化算法。
9.如权利要求5所述方法，其特征在于：所述步骤32中，对所述二值化图像进行连通域标记采用行程码方法标记。
10.如权利要求6所述方法，其特征在于：所述步骤41中，通过逐像素点位置特征和分块统计特征的方法提取字符块的特征。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410241341.8A CN104036241B (zh) | 2014-05-30 | 2014-05-30 | 一种车牌识别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410241341.8A CN104036241B (zh) | 2014-05-30 | 2014-05-30 | 一种车牌识别方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104036241A true CN104036241A (zh) | 2014-09-10 |
| CN104036241B CN104036241B (zh) | 2018-11-09 |
Family
ID=51467007
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201410241341.8A Expired - Fee Related CN104036241B (zh) | 2014-05-30 | 2014-05-30 | 一种车牌识别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104036241B (zh) |
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105022992A (zh) * | 2015-06-29 | 2015-11-04 | 叶秀兰 | 一种车牌自动鉴别方法 |
| CN105022991A (zh) * | 2015-06-29 | 2015-11-04 | 叶秀兰 | 一种车牌处理与自动识别方法 |
| CN105046208A (zh) * | 2015-06-29 | 2015-11-11 | 叶秀兰 | 一种车牌自动识别系统 |
| CN105447852A (zh) * | 2015-11-12 | 2016-03-30 | 四川浩特通信有限公司 | 一种基于Hough变换检测汽车牌识别方法 |
| CN105787524A (zh) * | 2014-12-26 | 2016-07-20 | 中国科学院沈阳自动化研究所 | 基于OpenCV的车牌识别方法及系统 |
| CN106503711A (zh) * | 2016-11-16 | 2017-03-15 | 广西大学 | 一种文字识别方法 |
| CN106529520A (zh) * | 2016-10-09 | 2017-03-22 | 中国传媒大学 | 基于运动员号码识别的马拉松比赛照片管理方法 |
| CN106650732A (zh) * | 2016-12-27 | 2017-05-10 | 深圳市捷顺科技实业股份有限公司 | 一种车牌识别方法及装置 |
| CN106650553A (zh) * | 2015-10-30 | 2017-05-10 | 比亚迪股份有限公司 | 车牌识别方法及系统 |
| CN106875695A (zh) * | 2017-04-12 | 2017-06-20 | 深圳大图科创技术开发有限公司 | 一种基于云计算平台的车辆管理系统 |
| CN107704857A (zh) * | 2017-09-25 | 2018-02-16 | 北京邮电大学 | 一种端到端的轻量级车牌识别方法及装置 |
| CN110569801A (zh) * | 2019-09-10 | 2019-12-13 | 四川星盾科技股份有限公司 | 一种行驶证关键内容识别方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101196989A (zh) * | 2007-10-11 | 2008-06-11 | 北京海鑫科金高科技股份有限公司 | 网络嵌入式多路车牌检测系统及车牌检测方法 |
| CN101303803A (zh) * | 2008-06-11 | 2008-11-12 | 北京中星微电子有限公司 | 一种车牌识别的方法和系统 |
| CN101334836A (zh) * | 2008-07-30 | 2008-12-31 | 电子科技大学 | 一种融合色彩、尺寸和纹理特征的车牌定位方法 |
-
2014
- 2014-05-30 CN CN201410241341.8A patent/CN104036241B/zh not_active Expired - Fee Related
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101196989A (zh) * | 2007-10-11 | 2008-06-11 | 北京海鑫科金高科技股份有限公司 | 网络嵌入式多路车牌检测系统及车牌检测方法 |
| CN101303803A (zh) * | 2008-06-11 | 2008-11-12 | 北京中星微电子有限公司 | 一种车牌识别的方法和系统 |
| CN101334836A (zh) * | 2008-07-30 | 2008-12-31 | 电子科技大学 | 一种融合色彩、尺寸和纹理特征的车牌定位方法 |
Cited By (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105787524A (zh) * | 2014-12-26 | 2016-07-20 | 中国科学院沈阳自动化研究所 | 基于OpenCV的车牌识别方法及系统 |
| CN105022992A (zh) * | 2015-06-29 | 2015-11-04 | 叶秀兰 | 一种车牌自动鉴别方法 |
| CN105022991A (zh) * | 2015-06-29 | 2015-11-04 | 叶秀兰 | 一种车牌处理与自动识别方法 |
| CN105046208A (zh) * | 2015-06-29 | 2015-11-11 | 叶秀兰 | 一种车牌自动识别系统 |
| CN106650553A (zh) * | 2015-10-30 | 2017-05-10 | 比亚迪股份有限公司 | 车牌识别方法及系统 |
| CN105447852A (zh) * | 2015-11-12 | 2016-03-30 | 四川浩特通信有限公司 | 一种基于Hough变换检测汽车牌识别方法 |
| CN106529520A (zh) * | 2016-10-09 | 2017-03-22 | 中国传媒大学 | 基于运动员号码识别的马拉松比赛照片管理方法 |
| CN106503711A (zh) * | 2016-11-16 | 2017-03-15 | 广西大学 | 一种文字识别方法 |
| CN106650732A (zh) * | 2016-12-27 | 2017-05-10 | 深圳市捷顺科技实业股份有限公司 | 一种车牌识别方法及装置 |
| CN106650732B (zh) * | 2016-12-27 | 2020-04-28 | 深圳市捷顺科技实业股份有限公司 | 一种车牌识别方法及装置 |
| CN106875695A (zh) * | 2017-04-12 | 2017-06-20 | 深圳大图科创技术开发有限公司 | 一种基于云计算平台的车辆管理系统 |
| CN107704857A (zh) * | 2017-09-25 | 2018-02-16 | 北京邮电大学 | 一种端到端的轻量级车牌识别方法及装置 |
| CN107704857B (zh) * | 2017-09-25 | 2020-07-24 | 北京邮电大学 | 一种端到端的轻量级车牌识别方法及装置 |
| US10755120B2 (en) | 2017-09-25 | 2020-08-25 | Beijing University Of Posts And Telecommunications | End-to-end lightweight method and apparatus for license plate recognition |
| CN110569801A (zh) * | 2019-09-10 | 2019-12-13 | 四川星盾科技股份有限公司 | 一种行驶证关键内容识别方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN104036241B (zh) | 2018-11-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104036241A (zh) | 一种车牌识别方法 | |
| CN103258198B (zh) | 一种表格文档图像中字符提取方法 | |
| CN103136528B (zh) | 一种基于双边缘检测的车牌识别方法 | |
| CN107705301B (zh) | 一种基于无人机航拍公路图像的公路标线破损检测方法 | |
| CN103093201B (zh) | 车标定位识别方法及系统 | |
| Roy et al. | An approach towards detection of indian number plate from vehicle | |
| CN109215364B (zh) | 交通信号识别方法、系统、设备和存储介质 | |
| CN202084185U (zh) | 一种交通标志自动识别装置 | |
| CN106709412B (zh) | 交通标志检测方法和装置 | |
| JPWO2008020544A1 (ja) | 車両検知装置，車両検知方法並びに車両検知プログラム | |
| CN104112139A (zh) | 一种lpr车牌精确定位的方法和系统 | |
| CN102902957A (zh) | 一种基于视频流的自动车牌识别方法 | |
| CN109886168B (zh) | 一种基于层阶的地面交通标志识别方法 | |
| CN107563301A (zh) | 基于图像处理技术的红灯信号检测方法 | |
| CN104112141A (zh) | 一种基于公路监控设备的货车安全带系挂状态的检测方法 | |
| CN103065144A (zh) | 车标识别方法及装置 | |
| Pandya et al. | Morphology based approach to recognize number plates in India | |
| JP2010134535A (ja) | 画像検出装置及び画像検出方法 | |
| CN116386019A (zh) | 一种基于深度学习的指针式仪表识别及读数方法 | |
| CN109271882B (zh) | 一种区分颜色的手写体汉字提取方法 | |
| CN103093206A (zh) | 车标识别方法及装置 | |
| Pant et al. | Automatic Nepali number plate recognition with support vector machines | |
| Huang | Research on license plate image segmentation and intelligent character recognition | |
| CN109753880B (zh) | 一种自然场景车载视频道路限速标志的检测与识别方法 | |
| CN114627463B (zh) | 一种基于机器识别的非接触式配电数据识别方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20181109 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |