CN104463134A - 一种车牌检测方法和系统 - Google Patents
一种车牌检测方法和系统 Download PDFInfo
- Publication number
- CN104463134A CN104463134A CN201410800037.2A CN201410800037A CN104463134A CN 104463134 A CN104463134 A CN 104463134A CN 201410800037 A CN201410800037 A CN 201410800037A CN 104463134 A CN104463134 A CN 104463134A
- Authority
- CN
- China
- Prior art keywords
- license plate
- character
- characters
- pixel
- width
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 65
- 238000006243 chemical reaction Methods 0.000 claims abstract description 34
- 230000011218 segmentation Effects 0.000 claims description 15
- 238000000605 extraction Methods 0.000 claims description 14
- 230000009466 transformation Effects 0.000 claims description 13
- 238000012937 correction Methods 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 5
- 238000000034 method Methods 0.000 abstract description 34
- 238000010586 diagram Methods 0.000 description 14
- 238000005259 measurement Methods 0.000 description 7
- 238000012795 verification Methods 0.000 description 7
- 238000012549 training Methods 0.000 description 5
- 238000010606 normalization Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 238000012706 support-vector machine Methods 0.000 description 3
- 238000013519 translation Methods 0.000 description 2
- 230000004456 color vision Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
- G06V20/584—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of vehicle lights or traffic lights
Abstract
本发明实施例提供一种车牌检测方法和系统,其中,方法包括:获取车牌图像;对所述车牌图像进行比划宽度变换,得到边缘上每个像素点的比划宽度,根据边缘上每个像素点的比划宽度,得到字符区域;判断所述字符区域是否为车牌字符区域,删去所述字符区域中的非车牌字符区域,输出删去非车牌字符区域的字符区域,得到车牌区域。使当图像采集设备的图像采集角度大于三十度时,仍可以检测到车牌区域,提高了车牌检测的检测率。
Description
技术领域
本发明涉及图像处理领域,特别是涉及一种车牌检测方法和系统。
背景技术
目前,车牌识别设备已经被广泛应用于停车场、城市道路、高速公路等区域进行车辆号牌的自动抓拍和识别。车牌字符识别主要包括定位到车牌在一帧图像中的位置,把包含车牌字符的区域进行分割,得到单个字符,然后再对单个字符进行识别。
目前,当需要对获取的车牌图像进行车牌检测时,一般将通过图像采集设备获取的车牌图像通过车牌分类器来进行检测,目前,主流的使用车牌分类器的方法通过提取获取的车牌图像中车牌区域的特征,然后使用车牌分类器来对获取的车牌区域特征进行分类来检测车牌图像中的车牌区域,即通过在获取的车牌图像中搜索类似车牌的目标来检测车牌图像中的车牌区域,然而,当图像采集设备的图像采集角度,即图像采集设备采集图像的方向与车辆行驶的行驶方向间的夹角大于三十度时,获取的车牌图像中的车牌区域将可能会因为过大的图像采集角度而发送严重变形,无法在车牌分类器搜索到后被认为为类似车牌的目标,从而使车牌分类器无法检测该车牌区域,降低了车牌检测的检测率。
发明内容
有鉴于此,本发明实施例提供一种车牌检测方法和系统,以解决现有技术中图像采集设备的图像采集角度大于三十度时,车牌分类器无法检测该车牌区域,降低了车牌检测的检测率的问题。
为实现上述目的,本发明实施例提供如下技术方案:
一种车牌检测方法,包括:
获取车牌图像;
对所述车牌图像进行比划宽度变换,得到边缘上每个像素点的比划宽度,根据边缘上每个像素点的比划宽度,得到字符区域;
判断所述字符区域是否为车牌字符区域,删去所述字符区域中的非车牌字符区域,输出删去非车牌字符区域的字符区域,得到车牌区域。
其中,所述对所述车牌图像进行比划宽度变换前还包括:
搜索所述车牌图像中边缘密度大于预定阈值的区域,得到边缘密度大区域,对所述边缘密度大区域进行比划宽度变换。
其中,所述对所述车牌图像进行比划宽度变换包括:
使用边缘检测Canny算子提取所述车牌区域的边缘;
确定所述边缘上每个像素点的梯度方向,将每个像素点在其梯度方向上移动,得到其相对应的另一像素点;
计算每个像素点与其相对的像素点间的距离,得到边缘上每个像素点的比划宽度。
其中,所述根据每个边缘像素点的比划宽度,得到字符区域包括:
确定每个边缘像素点的比划宽度;
根据每个边缘像素点的比划宽度找到所述车牌图像中的字符;
将所述字符聚合,得到字符区域。
其中,所述判断所述字符区域是否为车牌字符区域包括:
确定所述字符区域内每个字符的比划宽度变换范围,若存在比划宽度变换范围不小于预定阈值的字符,则判定所述字符区域为非车牌字符区域;
确定所述字符区域内每个字符的比划宽度变换范围,若存在每个字符的比划宽度范围差异大于预定阈值的一串字符,则判定所述字符区域为非车牌字符区域;
确定所述字符区域内每个字符的长宽比,若存在长宽比不在预定范围内的字符,则判定所述字符区域为非车牌字符区域;
确定所述字符区域内每个字符的长和宽,若存在长不在预定范围或存在宽不在预定范围内的字符,则判定所述字符区域为非车牌字符区域;
确定所述字符区域内每个字符的颜色,若存在白色、黑色和红色以外的字符,则判定所述字符区域为非车牌字符区域;
确定所述字符区域的背景颜色,若所述背景颜色为蓝色、黄色、白色、黑色和绿色以外的颜色,则判定所述字符区域为非车牌字符区域。
其中,所述得到车牌区域后还包括:
对所述车牌区域进行字符分割,判定每个字符的类型;
根据每个字符的类型选择相应的字符分类器对每个字符进行字符识别,得到每个字符的置信度;
对每个字符的置信度不小于预定阈值,且所有字符的置信度之和不小于预定阈值的车牌区域进行排序,选取字符置信度之和最大的车牌区域作为车牌字符识别的结果输出。
其中,所述对所述车牌区域进行字符分割前还包括:
对所述车牌区域进行水平矫正和垂直矫正,对水平矫正和垂直矫正后的车牌区域进行字符分割。
一种车牌检测系统,包括:获取模块、变换模块和输出模块;其中,
所述获取模块,用于获取车牌图像;
所述变换模块,用于对所述车牌图像进行比划宽度变换,得到边缘上每个像素点的比划宽度,根据边缘上每个像素点的比划宽度,得到字符区域;
所述输出模块,用于判断所述字符区域是否为车牌字符区域,删去所述字符区域中的非车牌字符区域,输出删去非车牌字符区域的字符区域,得到车牌区域。
其中,所述车牌检测系统还包括:处理模块,用于搜索所述车牌图像中边缘密度大于预定阈值的区域,得到边缘密度大区域。
其中,所述变换模块包括:提取单元、移动单元和计算单元;其中,
所述提前单元,用于使用边缘检测Canny算子提取所述车牌区域的边缘;
所述移动单元,用于确定所述边缘上每个像素点的梯度方向,将每个像素点在其梯度方向上移动,得到其相对应的另一像素点;
所述计算单元,用于计算每个像素点与其相对的像素点间的距离,得到边缘上每个像素点的比划宽度。
基于上述技术方案,本发明实施例提供的车牌检测方法和系统,其中,方法包括:获取车牌图像,对获取的车牌图像进行比划宽度变换,得到边缘上每个像素点的比划宽度,根据边缘上每个像素点的比划宽度,得到字符区域,再通过判断所述字符区域是否为车牌字符区域,删去所述字符区域中的非车牌字符区域,最后输出删去非车牌字符区域的字符区域,得到车牌区域;不再使用车牌分类器来搜索获取的车牌图像中类似车牌的目标来进行检测车牌区域,而是通过搜索获取的车牌图像中的包含字符的字符区域,然后通过判定搜索的字符区域是否为属于车牌的车牌字符区域来检测车牌区域,将文字检测技术应用到车牌识别技术中,利用文字检测取代使用车牌分类器对车牌区域的检测,当图像采集设备的图像采集角度,即图像采集设备采集图像的方向与车辆行驶的行驶方向间的夹角大于三十度时,无论车牌区域是否因为图像采集角度过大而发生严重变形,车牌区域内的字符仍然为字符,仍然可以被检测到,即,使当图像采集设备的图像采集角度大于三十度时,仍可以检测到车牌区域,提高了车牌检测的检测率。
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简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的实施例,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,还可以根据提供的附图获得其他的附图。
图1为本发明实施例提供的车牌检测方法的流程图;
图2为本发明实施例提供的车牌检测方法的另一流程图;
图3为本发明实施例提供的车牌检测方法中对车牌图像进行比划宽度变换的方法流程图;
图4为本发明实施例提供的车牌检测方法中得到字符区域的方法流程图;
图5为本发明实施例提供的车牌检测方法中判断字符区域是否为车牌字符区域的方法流程图;
图6为本发明实施例提供的车牌检测方法中车牌字符识别的方法流程图;
图7为本发明实施例提供的车牌检测方法中车牌字符识别的另一方法流程图;
图8为本发明实施例提供的车牌检测系统的系统框图;
图9为本发明实施例提供的车牌检测系统的另一系统框图;
图10为本发明实施例提供的车牌检测系统中变换模块的结构框图。
具体实施方式
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,所描述的实施例仅仅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做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。
图1为本发明实施例提供的车牌检测方法的流程图,当图像采集设备的图像采集角度大于三十度时,仍可以检测到车牌区域,提高了车牌检测的检测率;参照图1,所述车牌检测方法可以包括:
步骤S100:获取车牌图像;
车牌图像是指在停车场出入口等处通过摄像机等图像采集设备采集到的包含汽车车牌的图像。
可选的,获取车牌图像的图像采集设备可以为摄像机。
步骤S110:对所述车牌图像进行比划宽度变换,得到边缘上每个像素点的比划宽度,根据边缘上每个像素点的比划宽度,得到字符区域;
可选的,在对获取的车牌图像进行比划宽度变换前还可以通过搜索所述车牌图像中边缘密度大于预定阈值的区域,得到边缘密度大区域,仅对得到的边缘密度大区域进行比划宽度变换。因为车牌图像中车牌区域的纹理比较丰富并且车牌区域的边缘密度较大,因此车牌检测可以首先使用一些简单的方法,搜索出全帧图像中边缘密度较大的区域,仅对得到的边缘密度大区域进行比划宽度变换。
可选的,可以通过首先提取全图的边缘,然后搜索边缘密度较大的区域,保留边缘密度大于设定阈值的区域来得到全帧图像中边缘密度较大的区域。
可选的,可以通过使用边缘检测Canny算子提取所述车牌区域的边缘,确定边缘上每个像素点的梯度方向,将每个像素点在其梯度方向上移动,得到其相对应的另一像素点,然后计算每个像素点与其相对的像素点间的距离,得到边缘上每个像素点的比划宽度来对车牌图像进行比划宽度变换。
可选的,可以在得到边缘上每个像素点的比划宽度后,根据每个边缘像素点的比划宽度找到所述车牌图像中的字符,将找到的字符进行聚合,得到字符区域。
可选的,在得到边缘上每个像素点的比划宽度后,还可以先将有明显错误的比划宽度数据去除,在根据去除了错误比划宽比数据的找到所述车牌图像中的字符。
步骤S120:判断所述字符区域是否为车牌字符区域,删去所述字符区域中的非车牌字符区域,输出删去非车牌字符区域的字符区域,得到车牌区域。
字符区域是指包含有字符的区域,字符区域包含的字符不一定是车牌内的字符;车牌字符区域是指包含有车牌字符的区域,即车牌区域。车牌区域即车牌图像中包括车牌的区域,一般来说,一幅车牌图像的整图中只有一小部分为车牌区域。
可选的,可以根据获取的字符区域内每个字符的比划宽度变换范围、获取的字符区域内一串字符的比划宽度范围差异、获取的字符区域内每个字符的长宽比、获取的字符区域内每个字符的长和宽、获取的字符区域内每个字符的颜色和获取的字符区域的背景颜色,这几种方法中的任一种或及其组合来判断获取的字符区域是否为车牌字符区域。
可选的,在得到车牌区域后,还可以对获取的车牌区域进行字符分割与识别,对得到的车牌区域进行字符分割,判定每个字符的类型,根据每个字符的类型选择相应的字符分类器对每个字符进行字符识别,得到每个字符的置信度,对每个字符的置信度不小于预定阈值,且所有字符的置信度之和不小于预定阈值的车牌区域进行排序,选取字符置信度之和最大的车牌区域作为车牌字符识别的结果输出。
可选的,在对获取的车牌区域进行字符分割与识别前还可以将得到的车牌区域进行水平矫正和垂直矫正,对水平矫正和垂直矫正后的车牌区域进行字符分割。
可选的,因为目前国内车牌都是由7个字符组成,7个字符不同位置会出现汉字、字母或者数字和字母的组合三种情况。因此,使用字符分类器对每个字符进行字符识别时,需要训练三个分类器,分别为汉字分类器,字母分类器以及字母和数字分类器。
可选的,可以通过获取车牌区域样本,取车牌区域样本中汉字单个样本,例如:粤、湘、闽等,将获取的汉字单个样本归一化并调整到预定尺寸大小,然后将汉字单个样本中的像素灰度值串起来,形成一个特征,输入支持向量机对进行训练,来训练一个汉字分类器。
可选的,同理,可以通过获取车牌区域样本,取车牌区域样本中字母单个样本,例如:A、B、C等,将获取的字母单个样本归一化并调整到预定尺寸大小,然后将字母单个样本中的像素灰度值串起来,形成一个特征,输入支持向量机对进行训练,来训练一个字母分类器。
可选的,同样的,可以通过获取车牌区域样本,取车牌区域样本中字母和数字单个样本,例如:A、B、C、1、2、3等,将获取的字母和数字单个样本归一化并调整到预定尺寸大小,然后将字母和数字单个样本中的像素灰度值串起来,形成一个特征,输入支持向量机对进行训练,来训练一个字母和数字分类器。
可选的,可以将汉字单个样本、字母单个样本和字母和数字单个样本均归一化调整为高32像素,宽16像素的尺寸。
可选的,对于国内的车牌,因为目前有35个汉字,因此可以训练35类汉字分类器;有24个字母,因此可以训练24类字母分类器;有24个字母和10个数字,因此可以训练34类字母和数字分类器。
可选的,可以当出现两个或多个字符置信度之和相同的车牌区域时,取最靠图像下面的那个区域进行输出。
基于上述技术方案,本发明实施例提供的车牌检测方法和系统,其中,方法包括:获取车牌图像,对获取的车牌图像进行比划宽度变换,得到边缘上每个像素点的比划宽度,根据边缘上每个像素点的比划宽度,得到字符区域,再通过判断所述字符区域是否为车牌字符区域,删去所述字符区域中的非车牌字符区域,最后输出删去非车牌字符区域的字符区域,得到车牌区域;不再使用车牌分类器来搜索获取的车牌图像中类似车牌的目标来进行检测车牌区域,而是通过搜索获取的车牌图像中的包含字符的字符区域,然后通过判定搜索的字符区域是否为属于车牌的车牌字符区域来检测车牌区域,将文字检测技术应用到车牌识别技术中,利用文字检测取代使用车牌分类器对车牌区域的检测,当图像采集设备的图像采集角度,即图像采集设备采集图像的方向与车辆行驶的行驶方向间的夹角大于三十度时,无论车牌区域是否因为图像采集角度过大而发生严重变形,车牌区域内的字符仍然为字符,仍然可以被检测到,即,使当图像采集设备的图像采集角度大于三十度时,仍可以检测到车牌区域,提高了车牌检测的检测率。
可选的,图2示出了本发明实施例提供的车牌检测方法的另一流程图,参照图2,该训练车牌分类器的另一方法可以包括:
步骤S100:获取车牌图像;
步骤S110:搜索所述车牌图像中边缘密度大于预定阈值的区域,得到边缘密度大区域;
可选的,可以通过首先提取全图的边缘,然后搜索边缘密度较大的区域,保留边缘密度大于设定阈值的区域来得到全帧图像中边缘密度较大的区域。
步骤S120:对所述边缘密度大区域进行比划宽度变换,得到边缘上每个像素点的比划宽度,根据边缘上每个像素点的比划宽度,得到字符区域;
因为车牌图像中车牌区域的纹理比较丰富并且车牌区域的边缘密度较大,因此通过搜索所述车牌图像中边缘密度大于预定阈值的区域,得到边缘密度大区域,便可以仅对得到的边缘密度大区域进行比划宽度变换。
步骤S130:判断所述字符区域是否为车牌字符区域,删去所述字符区域中的非车牌字符区域,输出删去非车牌字符区域的字符区域,得到车牌区域。
可选的,图3示出了本发明实施例提供的车牌检测方法中对车牌图像进行比划宽度变换的方法流程图,参照图3,该对车牌图像进行比划宽度变换的方法可以包括:
步骤S300:使用边缘检测Canny算子提取所述车牌区域的边缘;
可选的,当对得到的边缘密度大区域进行比划宽度变换时,为了确保找到的区域能有比较完整的字符,可以先把获取的边缘密度大区域向上、下、左和右四个方向各扩大预定的范围后再使用Canny算子对每个边缘密度较大的区域提取边缘。
可选的,可以将获取的边缘密度大区域向上、下、左和右四个方向各扩大15%。
步骤S310:确定所述边缘上每个像素点的梯度方向,将每个像素点在其梯度方向上移动,得到其相对应的另一像素点;
一般的车牌字符的宽度都会有几个甚至十几个像素,每个边缘上的像素点的梯度方向几乎垂直字符比划的方向。
如果一个在边缘上的像素点p的梯度为dp,如果p是比划边缘上的某个像素,那么p沿着dp方向运行,就有可能找到比划的另外一边边缘上的某个像素点q。如果这个运行轨迹用r来表示,那么r=p+n×dp,n>0,n为移动的次数。
步骤S320:计算每个像素点与其相对的像素点间的距离,得到边缘上每个像素点的比划宽度。
如果找到的点q的梯度并且p和q之间的像素间隔不能再找到更小的值,那么比划的宽度就用表示。如果对于像素点p,对应的像素点q找不到,或者不能满足,那么像素点p就没有对应的比划宽度。
可选的,图4示出了本发明实施例提供的车牌检测方法中得到字符区域的方法流程图,参照图4,该得到字符区域的方法可以包括:
步骤S400:确定每个边缘像素点的比划宽度;
步骤S410:根据每个边缘像素点的比划宽度找到,所述车牌图像中的字符;
在一定安装角度,一定监控范围内,可以确定车牌的大小范围以及车牌字符宽度的范围。去掉小于最小比划宽度的比划宽度,把大于比划宽度最大值的比划设定为最大的比划宽度。
步骤S420:将所述字符聚合,得到字符区域。
可选的,图5示出了本发明实施例提供的车牌检测方法中判断字符区域是否为车牌字符区域的方法流程图,参照图5,该得到字符区域的方法可以包括:
步骤S500:确定所述字符区域内每个字符的比划宽度变换范围,若存在比划宽度变换范围不小于预定阈值的字符,则判定所述字符区域为非车牌字符区域;
对于车牌字符来说,比划的宽度是固定的,如果两个相邻的像素具有相似的比划宽度,就把这两个像素归为同一个字符。经过操作后会找到若干独立的字符,确定字符区域内每个字符的比划宽度变换范围,若存在比划宽度变换范围不小于预定阈值的字符,则判定所述字符区域为非车牌字符区域,若字符区域内每个字符的比划宽度变换范围均小于预定阈值,则可再进行进一步地判断。
步骤S510:确定所述字符区域内每个字符的比划宽度变换范围,若存在每个字符的比划宽度范围差异大于预定阈值的一串字符,则判定所述字符区域为非车牌字符区域;
对同一车牌来说,其内一串字符的比划宽度范围差异不大,若字符区域内存在每个字符的比划宽度范围差异大于预定阈值的一串字符,则判定所述字符区域为非车牌字符区域,若字符区域内不存在每个字符间的比划宽度范围差异大于预定阈值的一串字符,则可再进行进一步地判断。
步骤S520:确定所述字符区域内每个字符的长宽比,若存在长宽比不在预定范围内的字符,则判定所述字符区域为非车牌字符区域;
因为车牌字符的长宽比是固定的,因此若字符区域内存在长宽比不在预定范围内的字符,则判定该字符区域为非车牌字符区域,若字符区域内每个字符的长宽比均在预定范围内,则可再进行进一步地判断。
步骤S530:确定所述字符区域内每个字符的长和宽,若存在长不在预定范围或存在宽不在预定范围内的字符,则判定所述字符区域为非车牌字符区域;
可以经过前期测试,确定在一定安装条件下的车牌字符的大小范围,判定字符区域内是否存在长不在预定范围或存在宽不在预定范围内的字符,若存在,则判定所述字符区域为非车牌字符区域,若字符区域内所述字符的长和宽均在预定范围内,则可再进行进一步地判断。
步骤S540:确定所述字符区域内每个字符的颜色,若存在白色、黑色和红色以外的字符,则判定所述字符区域为非车牌字符区域;
因为目前国内车牌字符的颜色只有白色、黑色和红色,因此,若字符区域的字符存在白色、黑色和红色以外的颜色,则判定所述字符区域为非车牌字符区域,若字符区域的自己均为白色、黑色和红色,则可再进行进一步地判断。
可选的,可以通过从原图截取字符的像素,将RGB颜色模型转换成HSV颜色模型,并从HSV颜色模型中提取每一像素的颜色特征,HSV颜色空间把颜色分为色度、亮度和饱和度,在视觉上是均匀的,与人的颜色视觉有很好的一致性。统计所有字符的H分量出现的频率,判断字符的颜色。
步骤S550:确定所述字符区域的背景颜色,若所述背景颜色为蓝色、黄色、白色、黑色和绿色以外的颜色,则判定所述字符区域为非车牌字符区域。
因为目前国内车牌只有蓝色、黄色、白色、黑色和绿色的车牌背景,因此若字符区域的背景颜色为蓝色、黄色、白色、黑色和绿色以外的颜色,则判定所述字符区域为非车牌字符区域,若字符区域的颜色为蓝色、黄色、白色、黑色和绿色中的一种,则可再进行进一步地判断。
其中,需要说明的的是,步骤S500到步骤S550之间没有顺序关系,且可以选择S500到步骤S550中的任一项、任二项或任多项来进行判断字符区域是否为车牌字符区域。
可选的,图6示出了本发明实施例提供的车牌检测方法中车牌字符识别的方法流程图,参照图6,该车牌字符识别的方法可以包括:
步骤S600:对所述车牌区域进行字符分割,判定每个字符的类型;
可选的,可以通过车牌模板来对车牌区域进行字符分割,车牌模板是经过统计各种车牌的字符的间隔比例得到的,如果字符区域是车牌字符,那么对应的模板能比较好地分割字符,如果字符超过7个,通过移动模板的方式找到分割效果最好的地方,截取7个字符。
步骤S610:根据每个字符的类型选择相应的字符分类器对每个字符进行字符识别,得到每个字符的置信度;
可选的,字符分类器对每个字符进行字符识别后,每个字符的识别结果都会有一个置信度。
步骤S620:对每个字符的置信度不小于预定阈值,且所有字符的置信度之和不小于预定阈值的车牌区域进行排序,选取字符置信度之和最大的车牌区域作为车牌字符识别的结果输出。
可选的,当出现两个或多个字符置信度之和相同的车牌区域时,取最靠图像下面的那个区域进行输出。
可选的,图7示出了本发明实施例提供的车牌检测方法中车牌字符识别的另一方法流程图,参照图7,该车牌字符识别的另一方法可以包括:
步骤S700:对所述车牌区域进行水平矫正和垂直矫正;
可选的,可以通过寻找字符的连通元,然后通过字符的连通元的中心坐标求倾斜斜率,从而得到倾斜角度,然后根据倾斜角度旋转整个字符区域,来进行水平矫正。
可选的,水平矫正后,垂直方向上车牌变形严重,因此需要垂直矫正。可以通过令垂直方向的倾斜角度为在±30°之间平移字符区域,采取每次平移1°,然后计算对应的投影值,找到投影值最小的情况下需要的角度值,然后根据这个角度平移图像来进行垂直矫正。
步骤S710:对水平矫正和垂直矫正后的车牌区域进行字符分割,判定每个字符的类型;
水平矫正和垂直矫正后的车牌区域,将会被放正,更加方便与进行字符分割。
步骤S720:根据每个字符的类型选择相应的字符分类器对每个字符进行字符识别,得到每个字符的置信度;
步骤S730:对每个字符的置信度不小于预定阈值,且所有字符的置信度之和不小于预定阈值的车牌区域进行排序,选取字符置信度之和最大的车牌区域作为车牌字符识别的结果输出。
本发明实施例提供的车牌检测方法,当图像采集设备的图像采集角度大于三十度时,仍可以检测到车牌区域,提高了车牌检测的检测率。
下面对本发明实施例提供的车牌检测系统进行介绍,下文描述的车牌检测系统与上文描述的车牌检测方法可相互对应参照。
图8为本发明实施例提供的车牌检测系统的系统框图,参照图8,该车牌检测系统可以包括:获取模块100、变换模块200和输出模块300;其中,
获取模块100,用于获取车牌图像;
变换模块200,用于对所述车牌图像进行比划宽度变换,得到边缘上每个像素点的比划宽度,根据边缘上每个像素点的比划宽度,得到字符区域;
输出模块300,用于判断所述字符区域是否为车牌字符区域,删去所述字符区域中的非车牌字符区域,输出删去非车牌字符区域的字符区域,得到车牌区域。
可选的,图9示出了本发明实施例提供的车牌检测系统的另一系统框图,参照图9,该车牌检测系统还可以包括:处理模块400,
处理模块400,用于搜索所述车牌图像中边缘密度大于预定阈值的区域,得到边缘密度大区域。
可选的,图10示出了本发明实施例提供的车牌检测系统中变换模块200的结构框图,参照图10,该变换模块200可以包括:提取单元210、移动单元220和计算单元230;其中,
提前单元210,用于使用边缘检测Canny算子提取所述车牌区域的边缘;
移动单元220,用于确定所述边缘上每个像素点的梯度方向,将每个像素点在其梯度方向上移动,得到其相对应的另一像素点;
计算单元230,用于计算每个像素点与其相对的像素点间的距离,得到边缘上每个像素点的比划宽度。
本发明实施例提供的车牌检测系统,当图像采集设备的图像采集角度大于三十度时,仍可以检测到车牌区域,提高了车牌检测的检测率。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
专业人员还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种车牌检测方法,其特征在于,包括:
获取车牌图像;
对所述车牌图像进行比划宽度变换,得到边缘上每个像素点的比划宽度,根据边缘上每个像素点的比划宽度,得到字符区域;
判断所述字符区域是否为车牌字符区域,删去所述字符区域中的非车牌字符区域,输出删去非车牌字符区域的字符区域,得到车牌区域。
2.根据权利要求1所述的车牌检测方法,其特征在于,所述对所述车牌图像进行比划宽度变换前还包括:
搜索所述车牌图像中边缘密度大于预定阈值的区域,得到边缘密度大区域,对所述边缘密度大区域进行比划宽度变换。
3.根据权利要求1所述的车牌检测方法,其特征在于,所述对所述车牌图像进行比划宽度变换包括:
使用边缘检测Canny算子提取所述车牌区域的边缘;
确定所述边缘上每个像素点的梯度方向,将每个像素点在其梯度方向上移动,得到其相对应的另一像素点;
计算每个像素点与其相对的像素点间的距离,得到边缘上每个像素点的比划宽度。
4.根据权利要求1所述的车牌检测方法,其特征在于,所述根据每个边缘像素点的比划宽度,得到字符区域包括:
确定每个边缘像素点的比划宽度;
根据每个边缘像素点的比划宽度找到所述车牌图像中的字符;
将所述字符聚合,得到字符区域。
5.根据权利要求1所述的车牌检测方法,其特征在于,所述判断所述字符区域是否为车牌字符区域包括:
确定所述字符区域内每个字符的比划宽度变换范围,若存在比划宽度变换范围不小于预定阈值的字符,则判定所述字符区域为非车牌字符区域;
确定所述字符区域内每个字符的比划宽度变换范围,若存在每个字符的比划宽度范围差异大于预定阈值的一串字符,则判定所述字符区域为非车牌字符区域;
确定所述字符区域内每个字符的长宽比,若存在长宽比不在预定范围内的字符,则判定所述字符区域为非车牌字符区域;
确定所述字符区域内每个字符的长和宽,若存在长不在预定范围或存在宽不在预定范围内的字符,则判定所述字符区域为非车牌字符区域;
确定所述字符区域内每个字符的颜色,若存在白色、黑色和红色以外的字符,则判定所述字符区域为非车牌字符区域;
确定所述字符区域的背景颜色,若所述背景颜色为蓝色、黄色、白色、黑色和绿色以外的颜色,则判定所述字符区域为非车牌字符区域。
6.根据权利要求1所述的车牌检测方法,其特征在于,所述得到车牌区域后还包括:
对所述车牌区域进行字符分割,判定每个字符的类型;
根据每个字符的类型选择相应的字符分类器对每个字符进行字符识别,得到每个字符的置信度;
对每个字符的置信度不小于预定阈值,且所有字符的置信度之和不小于预定阈值的车牌区域进行排序,选取字符置信度之和最大的车牌区域作为车牌字符识别的结果输出。
7.根据权利要求1所述的车牌检测方法,其特征在于,所述对所述车牌区域进行字符分割前还包括:
对所述车牌区域进行水平矫正和垂直矫正,对水平矫正和垂直矫正后的车牌区域进行字符分割。
8.一种车牌检测系统,其特征在于,包括:获取模块、变换模块和输出模块;其中,
所述获取模块,用于获取车牌图像;
所述变换模块,用于对所述车牌图像进行比划宽度变换,得到边缘上每个像素点的比划宽度,根据边缘上每个像素点的比划宽度,得到字符区域;
所述输出模块,用于判断所述字符区域是否为车牌字符区域,删去所述字符区域中的非车牌字符区域,输出删去非车牌字符区域的字符区域,得到车牌区域。
9.根据权利要求1所述的车牌检测系统,其特征在于,还包括:处理模块,用于搜索所述车牌图像中边缘密度大于预定阈值的区域,得到边缘密度大区域。
10.根据权利要求1所述的车牌检测系统,其特征在于,所述变换模块包括:提取单元、移动单元和计算单元;其中,
所述提前单元,用于使用边缘检测Canny算子提取所述车牌区域的边缘;
所述移动单元,用于确定所述边缘上每个像素点的梯度方向,将每个像素点在其梯度方向上移动,得到其相对应的另一像素点;
所述计算单元,用于计算每个像素点与其相对的像素点间的距离,得到边缘上每个像素点的比划宽度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410800037.2A CN104463134B (zh) | 2014-12-19 | 2014-12-19 | 一种车牌检测方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410800037.2A CN104463134B (zh) | 2014-12-19 | 2014-12-19 | 一种车牌检测方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104463134A true CN104463134A (zh) | 2015-03-25 |
CN104463134B CN104463134B (zh) | 2019-02-12 |
Family
ID=52909150
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410800037.2A Expired - Fee Related CN104463134B (zh) | 2014-12-19 | 2014-12-19 | 一种车牌检测方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104463134B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106408950A (zh) * | 2016-11-18 | 2017-02-15 | 北京停简单信息技术有限公司 | 停车场出入口车牌识别系统及方法 |
CN106683073A (zh) * | 2015-11-11 | 2017-05-17 | 杭州海康威视数字技术股份有限公司 | 一种车牌的检测方法及摄像机和服务器 |
CN106874904A (zh) * | 2017-01-09 | 2017-06-20 | 北京大学深圳研究生院 | 一种车牌图片矫正方法及装置 |
CN108537223A (zh) * | 2018-04-16 | 2018-09-14 | 广东工业大学 | 一种车牌检测方法、系统及设备和存储介质 |
CN108734170A (zh) * | 2018-05-25 | 2018-11-02 | 电子科技大学 | 基于机器学习和模板的车牌字符分割方法 |
CN109873987A (zh) * | 2019-03-04 | 2019-06-11 | 深圳市梦网百科信息技术有限公司 | 一种基于监控视频的目标搜索方法和系统 |
CN110796052A (zh) * | 2019-10-21 | 2020-02-14 | 和昌未来科技(深圳)有限公司 | 车牌识别方法、装置、设备及可读介质 |
CN111709376A (zh) * | 2020-06-18 | 2020-09-25 | 广东省智能制造研究所 | 一种屏幕数据采集方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101246551A (zh) * | 2008-03-07 | 2008-08-20 | 北京航空航天大学 | 一种快速的车牌定位方法 |
CN101937508A (zh) * | 2010-09-30 | 2011-01-05 | 湖南大学 | 一种基于高清图像的车牌定位与识别方法 |
CN103116751A (zh) * | 2013-01-24 | 2013-05-22 | 河海大学 | 一种车牌字符自动识别方法 |
-
2014
- 2014-12-19 CN CN201410800037.2A patent/CN104463134B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101246551A (zh) * | 2008-03-07 | 2008-08-20 | 北京航空航天大学 | 一种快速的车牌定位方法 |
CN101937508A (zh) * | 2010-09-30 | 2011-01-05 | 湖南大学 | 一种基于高清图像的车牌定位与识别方法 |
CN103116751A (zh) * | 2013-01-24 | 2013-05-22 | 河海大学 | 一种车牌字符自动识别方法 |
Non-Patent Citations (1)
Title |
---|
潘娜: "图像中的文本定位算法", 《中国优秀硕士学位论文全文数据库》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106683073A (zh) * | 2015-11-11 | 2017-05-17 | 杭州海康威视数字技术股份有限公司 | 一种车牌的检测方法及摄像机和服务器 |
CN106683073B (zh) * | 2015-11-11 | 2020-02-18 | 杭州海康威视数字技术股份有限公司 | 一种车牌的检测方法及摄像机和服务器 |
CN106408950A (zh) * | 2016-11-18 | 2017-02-15 | 北京停简单信息技术有限公司 | 停车场出入口车牌识别系统及方法 |
CN106874904A (zh) * | 2017-01-09 | 2017-06-20 | 北京大学深圳研究生院 | 一种车牌图片矫正方法及装置 |
CN108537223A (zh) * | 2018-04-16 | 2018-09-14 | 广东工业大学 | 一种车牌检测方法、系统及设备和存储介质 |
CN108734170A (zh) * | 2018-05-25 | 2018-11-02 | 电子科技大学 | 基于机器学习和模板的车牌字符分割方法 |
CN108734170B (zh) * | 2018-05-25 | 2022-05-03 | 电子科技大学 | 基于机器学习和模板的车牌字符分割方法 |
CN109873987A (zh) * | 2019-03-04 | 2019-06-11 | 深圳市梦网百科信息技术有限公司 | 一种基于监控视频的目标搜索方法和系统 |
CN110796052A (zh) * | 2019-10-21 | 2020-02-14 | 和昌未来科技(深圳)有限公司 | 车牌识别方法、装置、设备及可读介质 |
CN111709376A (zh) * | 2020-06-18 | 2020-09-25 | 广东省智能制造研究所 | 一种屏幕数据采集方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN104463134B (zh) | 2019-02-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
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 | |
CN104463134A (zh) | 一种车牌检测方法和系统 | |
CN107424142B (zh) | 一种基于图像显著性检测的焊缝识别方法 | |
CN102375982B (zh) | 一种融合多字符特征的车牌定位方法 | |
CN103605977B (zh) | 一种车道线的提取方法及装置 | |
CN101453575B (zh) | 一种视频字幕信息提取方法 | |
CN103198315B (zh) | 基于字符轮廓和模板匹配的车牌字符分割算法 | |
WO2018145470A1 (zh) | 一种图像检测方法和装置 | |
CN103824091B (zh) | 一种用于智能交通系统的车牌识别方法 | |
CN102915544B (zh) | 基于纹理检测和颜色分割的视频图像运动目标提取方法 | |
CN105205488A (zh) | 基于Harris角点和笔画宽度的文字区域检测方法 | |
CN105160691A (zh) | 基于颜色直方图的车身颜色识别方法 | |
CN111160205B (zh) | 一种交通场景嵌入式多类目标端对端统一检测方法 | |
CN107491762A (zh) | 一种行人检测方法 | |
CN105184291B (zh) | 一种多类型车牌检测方法及系统 | |
CN104318225A (zh) | 车牌检测方法及装置 | |
CN102176208A (zh) | 基于三维空时特征的鲁棒视频指纹方法 | |
CN104299009A (zh) | 基于多特征融合的车牌字符识别方法 | |
CN103336961A (zh) | 一种交互式的自然场景文本检测方法 | |
CN105139011A (zh) | 一种基于标识物图像的车辆识别方法及装置 | |
CN109409356B (zh) | 一种基于swt的多方向中文印刷体文字检测方法 | |
CN108038458B (zh) | 基于特征摘要图的视频中的户外场景文本自动获取方法 | |
CN102098449A (zh) | 一种利用标志检测进行电视节目内部自动分割的方法 | |
CN104268509B (zh) | 泥头车车牌检测的方法及系统 | |
CN104008404A (zh) | 一种基于显著直方图特征的行人检测方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20190212 |