CN105303153A - 一种车辆车牌识别方法及装置 - Google Patents
一种车辆车牌识别方法及装置 Download PDFInfo
- Publication number
- CN105303153A CN105303153A CN201410354010.5A CN201410354010A CN105303153A CN 105303153 A CN105303153 A CN 105303153A CN 201410354010 A CN201410354010 A CN 201410354010A CN 105303153 A CN105303153 A CN 105303153A
- Authority
- CN
- China
- Prior art keywords
- car plate
- picture frame
- picture
- frame
- association
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/10—Image acquisition
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
- Character Discrimination (AREA)
- Image Analysis (AREA)
Abstract
本发明提供一种车辆车牌识别方法及装置。所述方法包括如下步骤:识别车牌在画面获取范围内多个连续位置的图像帧;并分别获得在所述多个连续位置时,所述车牌的识别数据;统计所述多个位置时,所述车牌的识别数据,得到所述车牌的识别结果。所述装置包括,识别数据获取模块:用于识别车牌在画面获取范围内多个连续位置的图像帧;并分别获得在所述多个连续位置时,所述车牌的识别数据;统计模块:用于统计所述多个位置时,所述车牌的识别数据,得到所述车牌的识别结果。本发明提供的方法及装置能够在由于外界环境等原因导致的图像采集效果无法稳定保证的情况下,提高车辆车牌识别的精度。
Description
技术领域
本发明涉及图像技术领域,尤其涉及一种车辆车牌识别方法及装置。
背景技术
随着人们生活发展和科技进步,车牌识别逐渐成为智能交通系统的一个重要组成部分。现有技术中,用于卡口的主动式车牌识别技术已趋成熟,该技术能够将运动中的汽车牌照从复杂背景中提取并识别出来,通过车牌提取、图像预处理、特征提取、车牌字符识别等技术,识别车辆牌号。这种车牌识别技术商用程度高,主流车牌识别厂家均能取得90%以上识别正确率。但随着城市车流量的不断增加,交通状况复杂化,用于卡口的主动式车牌识别技术已不能满足实际应用的需要,为快速纠正交通违法行为、快速侦破交通肇事逃逸和机动车盗抢案件,对于移动车辆车牌识别的被动式车牌识别技术显得至关重要。然后受诸多因素的影响,目前这类技术的识别率还很低,主流厂家实测指标显示正确率尚不足80%。
现有技术中的车牌识别技术随着城市交通的发展面临新的挑战。由于车辆所处环境中存在多种不可控的因素,如由于位置变化而出现的遮挡、图像失真等,导致卡口等采集图像的质量无法稳定保证,从而影响了车牌识别的准确度。
发明内容
有鉴于此,本发明提供一种车辆车牌识别方法及装置。能够在由于外界环境等原因导致的图像采集效果无法稳定保证的情况下,提高车辆车牌识别的精度。
基于上述目的本发明提供的一种车辆车牌识别方法,包括如下步骤:
识别车牌在画面获取范围内多个连续位置的图像帧;并分别获得在所述多个连续位置时,所述车牌的识别数据;
统计所述多个位置时,所述车牌的识别数据,得到所述车牌的识别结果。
可选的,识别车牌在画面获取范围内多个连续位置的图像帧、并分别获得在所述多个连续位置时所述车牌的识别数据的步骤具体包括:
在图像帧中对所述车牌进行定位以获得图像帧中所述车牌的对应区域,并解析图像帧中所述车牌的对应区域以获得车牌图片的字符识别结果;
将所述字符识别结果作为车牌识别数据输出。
可选的,识别车牌在画面获取范围内多个位置的图像帧、并分别获得在多个位置时的车牌识别数据之前,还包括:
识别所述车牌进入画面获取范围的第一图像帧;
识别所述车牌离开画面获取范围的第二图像帧;
将所述第一图像帧和第二图像帧之间的所有图像帧作为所述车牌在画面获取范围内多个连续位置的图像帧。
可选的,识别车牌进入画面获取范围的图像帧的步骤具体包括:
判断一个图像帧中的车牌在其前面连续设定数目的图像帧中是否存在关联车牌;
确定所述一个图像帧中的车牌在其前面连续设定数目的图像帧中不存在关联车牌;
将所述一个图像帧作为第一图像帧;
所述关联车牌,指的是分别出现于两个相邻图像帧中、相似度大于等于设定值的车牌。
可选的,确定所述一个图像帧中的车牌在其前面连续设定数目的图像帧中不存在关联车牌之后,还包括:
判断所述一个图像帧中的车牌在当前记录的无法识别车牌集合中是否存在关联车牌;
当所述一个图像帧中的车牌在其前连续设定数目的图像帧中不存在关联车牌时,进入将所述一个图像帧作为第一图像帧的步骤。
可选的,识别所述车牌离开画面获取范围的第二图像帧的步骤包括:
将所述第一图像帧后一时序相邻图像帧作为目标图像帧;
判断当前目标图像帧中的车牌在其后面连续设定数目的图像帧中是否存在关联车牌;
确定所述当前目标图像帧中的车牌在其后面连续设定数目的图像帧中不存在关联车牌时,将所述目标图像帧作为第二图像帧;
确定所述当前目标图像帧中的车牌在其后面连续的设定数目的图像帧中存在关联车牌时,将当前目标图像帧后一时序相邻图像帧作为目标图像帧,并返回判断当前目标图像帧中的车牌在其后面连续设定数目的图像帧中是否存在关联车牌的步骤;
所述关联车牌,指的是分别出现于两个相邻图像帧中、相似度大于等于设定值的车牌。
可选的,当分别出现于两个相邻图像帧中的两个车牌所在区域中心距离小于设定的距离阈值且车牌字符识别结果相似比例大于设定的相似比例阈值时,所述两个相邻图像帧中的两个车牌为关联车牌。
进一步,本发明提供一种车辆车牌识别装置,包括:
识别数据获取模块:用于识别车牌在画面获取范围内多个连续位置的图像帧;并分别获得在所述多个连续位置时,所述车牌的识别数据;
统计模块:用于统计所述多个位置时,所述车牌的识别数据,得到所述车牌的识别结果。
可选的,识别数据获取模块具体包括:
字符识别单元:用于在图像帧中对所述车牌进行定位以获得图像帧中所述车牌的对应区域,并解析图像帧中所述车牌的对应区域以获得车牌图片的字符识别结果;
车牌识别数据输出单元:用于将所述字符识别结果作为车牌识别数据输出。
可选的,所述装置还包括:
第一图像帧识别模块:用于识别所述车牌进入画面获取范围的第一图像帧;
第二图像帧识别模块:用于识别所述车牌离开画面获取范围的第二图像帧;
图像帧提取模块:用于将所述第一图像帧和第二图像帧之间的所有图像帧作为所述车牌在画面获取范围内多个连续位置的图像帧。
可选的,第一图像帧识别模块具体包括:
第一关联判断单元:用于判断一个图像帧中的车牌在其前面连续设定数目的图像帧中是否存在关联车牌;
第一判断结果确定单元:用于确定所述一个图像帧中的车牌在其前面连续设定数目的图像帧中不存在关联车牌;
第一图像帧确定单元:用于将所述一个图像帧作为第一图像帧;
所述关联车牌,指的是分别出现于两个相邻图像帧中、相似度大于等于设定值的车牌。
可选的,所述第一图像帧识别模块还包括:
无法识别记录关联判断单元:用于判断所述一个图像帧中的车牌在当前记录的无法识别车牌集合中是否存在关联车牌;并用于当所述一个图像帧中的车牌在其前连续设定数目的图像帧中不存在关联车牌时,触发第一图像帧确定单元。
可选的,第二图像帧识别模块包括:
目标图像帧确定单元:用于将所述第一图像帧后一时序相邻图像帧作为目标图像帧;
第二关联判断单元:用于判断当前目标图像帧中的车牌在其后面连续设定数目的图像帧中是否存在关联车牌;
第二图像帧确定单元:用于确定所述当前目标图像帧中的车牌在其后面连续设定数目的图像帧中不存在关联车牌时,将所述目标图像帧作为第二图像帧;并用于当确定所述当前目标图像帧中的车牌在其后面连续的设定数目的图像帧中存在关联车牌时,将当前目标图像帧后一时序相邻图像帧作为目标图像帧,触发第二关联判断单元;
所述关联车牌,指的是分别出现于两个相邻图像帧中、相似度大于等于设定值的车牌。
可选的,当分别出现于两个相邻图像帧中的两个车牌所在区域中心距离小于设定的距离阈值且车牌字符识别结果相似比例大于设定的相似比例阈值时,所述两个相邻图像帧中的两个车牌为关联车牌。
从上面所述可以看出,本发明提供的车辆车牌识别方法及装置,针对因在实际应用过程中车辆图片采集状况不稳定而导致车牌识别结果受到不良影响的问题,对车辆在进入画面获取范围的连续过程中,先后出现的多个位置的图像帧进行处理得到识别数据,并对这些识别数据进行统计,得到车牌识别结果,提高了在环境因素影响下,对车牌进行较为准确识别的概率。本发明实施例的车辆车牌识别方法及装置,通过关联识别,能够对车牌进入和离开画面获取范围的状态进行高准确度的判断。本发明及其实施例所提供的车牌车辆识别方法和装置,尤其适用于移动的车辆,适应如今的交通发展趋势。
附图说明
图1为本发明实施例的车辆车牌识别方法流程示意图;
图2为本发明一种实施例中,识别车牌在画面获取范围内多个连续位置的图像帧之前所包含的步骤示意图;
图3为本发明一种实施例的车辆车牌识别装置结构示意图。
具体实施方式
为了给出有效的实现方案,本发明提供了下述实施例,以下结合说明书附图对本发明实施例进行说明。
本发明首先提供一种车辆车牌识别方法,包括如图1所示的步骤:
步骤101:识别车牌在画面获取范围内多个连续位置的图像帧;并分别获得在所述多个连续位置时,所述车牌的识别数据;
步骤102:统计所述多个位置时,所述车牌的识别数据,得到所述车牌的识别结果。
从上面所述可以看出,本发明所提供的车辆车牌识别方法,识别车牌在画面获取范围内多个连续位置的图像帧并获得相应车牌识别数据,从而当车牌在画面获取范围内的大部分图像帧中被遮挡、或者由于其它原因导致车牌在画面获取范围内大部分图像帧无法识别时,降低车牌无法识别的概率。此外,通过统计多个位置时的车牌识别数据,可降低车牌识别错误率,提高识别精度。
所述多个连续位置的图像帧,可从是视频中连续播放的图像帧,也可以是在连续设定时间间隔通过拍照装置获取的图像帧。
在本发明实施例中,所述车牌在画面获取范围内多个连续位置,指车牌在进入画面获取范围到离开画面获取范围的一个完整过程中,先后出现的多个位置。
在本发明一些较佳实施例中,识别车牌在画面获取范围内多个连续位置的图像帧、并分别获得在所述多个连续位置时所述车牌的识别数据的步骤具体包括:
步骤1011:在图像帧中对所述车牌进行定位以获得图像帧中所述车牌的对应区域,并解析图像帧中所述车牌的对应区域以获得车牌图片的字符识别结果;
步骤1012:将所述字符识别结果作为车牌识别数据输出。
当所述图像帧来自视频时,读入一个解码后的视频图像帧,然后按照步骤1011对该图像帧进行处理。
在本发明一些实施例中,上述步骤1011中,解析图像帧中所述车牌的对应区域以获得车牌图片的字符识别结果的步骤可通过下述步骤1031-1032实现:
步骤1031:对车牌在当前读取的图像帧中的位置进行定位。
具体的,可采用结合灰度图投影信息和车牌所在区域纹理信息方法进行车牌定位。首先,对图像进行灰度变换,并采用Sobel算子对图像进行边缘检测生成边缘图像,然后,计算边缘图像的水平垂直投影图像并根据投影图像的波峰波谷信息确定可能的车牌区域,最后,根据车牌字符区域纹理丰富的特点,对可能的车牌区域进行进一步判定和裁剪,确定最终的车牌区域。
步骤1032:车牌图片字符分割。
字符切分的任务是把车牌图像中的每个字符从整个图像中切割出来成为单个字符。常用方法分割方法有:基于投影的分割、基于匹配的分割和基于聚类分析的分割等等。
所述基于投影的分割包括简单垂直投影分割、上下边缘投影分割等。
所述基于匹配的分割包括模板匹配法分割。
所述基于聚类的分割按照属于同一个字符的像素构成一个连通域的原则,再结合牌照字符高度、间距的固定比例关系等先验知识,来分割车牌图像中的字符。
执行步骤1032时,首先,由于拍摄角度等问题,车牌采集图像可能存在一定程度倾斜,所以应对车牌图像进行校正。在一种具体实施例中,可根据车牌区域边缘梯度信息估计出车牌旋转角度,进而通过仿射变换将车牌校正至水平状态;然后,本算法根据车牌底色初步确定车牌类型,并结合字符区域在垂直方向投影的波峰波谷信息对分割出各个车牌字符。
步骤1033:车牌字符识别。
在上述步骤1033中,对步骤1031中分割的字符提取特征并进行识别,常用特征包括方向线素特征、网格特征、梯度特征等等。常用识别方法包括模板匹配方法、线性判别方法、SVM(SupportVectorMachine支撑向量机方法)等等。
在一种具体实施例中,对分割的字符提取方向线素特征对车牌字符进行识别:首先,通用一系列的预处理操作包括平滑处理、对比度加强、位置规范化、大小归一化和二值化,得到大小为64x64象素的规范化灰度图或二值化图。本实施例提取字符笔画线素特征,并计算其与所有待识别字符模板特征之间的马氏距离,选择距离最近的模板特征对应的字符作为字符识别的结果。
将所述字符识别结果作为车牌识别数据输出之后,即可对所述字符识别结果进行统计分析,即选择车牌同一字符位置的识别结果中出现概率最高的识别结果,作为车牌上该字符位置的识别结果。例如,通过识别车牌在画面获取范围内七个连续位置的七个图像帧;并分别获得在所述七个连续位置时,所述车牌的识别数据。第一至第七图像帧的识别数据为:京BEQ7C2、京BF02C2、贵BE0702、粤BE07C2、粤BF07C2、粤BE07C2、粤BE07C2、粤BE07C2。分别对七个字符位置的字符识别结果进行统计;则对于第一字符位置,识别为“京”有2次,识别为“贵”有1次,识别为“粤”有4次,则认为该位置最终识别结果为“粤”;同理,第二至第七字符位置的识别结果依次为:“B”、“E”、“0”、“7”、“C”、“2”。
在优选实施例中,若同一字符位置存在多个出现概率最高的识别结果,则将这多个识别结果都予以记录,以备选择。
在本发明的一些实施例中,识别车牌在画面获取范围内多个位置的图像帧、并分别获得在多个位置时的车牌识别数据之前,还包括图2所示的过程:
步骤201:识别所述车牌进入画面获取范围的第一图像帧;
步骤202:识别所述车牌离开画面获取范围的第二图像帧;
步骤203:将所述第一图像帧和第二图像帧之间的所有图像帧作为所述车牌在画面获取范围内多个连续位置的图像帧。
在本发明上述实施例中,将属于同一辆车的车牌进入画面获取范围和离开画面获取范围的一个整个过程中所获取的图像帧作为所述车牌在画面获取范围内多个连续位置的图像帧,在所述车牌处于画面获取范围时对其进行跟踪,在最大程度上保证了至少由一张该车牌的图像帧能够作为车牌识别的图像对象,能克服车辆运行过程中某一帧或某几帧采集图像无法识别或识别错误的干扰,简单有效的解决了移动车辆车牌识别时车牌采集图像质量难以稳定保证的问题。
在本发明一些实施例中,识别车牌进入画面获取范围的图像帧的步骤具体包括:
步骤2011:判断一个图像帧中的车牌在其前面连续设定数目的图像帧中是否存在关联车牌;
步骤2012:确定所述一个图像帧中的车牌在其前面连续设定数目的图像帧中不存在关联车牌;
步骤2013:将所述一个图像帧作为第一图像帧;
所述关联车牌,指的是分别出现于两个相邻图像帧中、相似度大于等于设定值的车牌。
在本发明一种具体实施例中,处理每一帧图像时,将前面时序图像帧所有车牌识别结果与当前图像帧帧所有车牌识别结果一一进行关联判断,判断方法为:如果前面时序相邻图像帧第i个车牌和当前图像帧第j个车牌相似度达到设定的条件,则认为前面时序相邻图像帧第i个车牌和当前图像帧第j个车牌能够关联。
初始化状态下,第一个图像帧前面时序图像帧所有车牌为0个。
对于某一个图像帧,若其前面相邻时序图像帧中的某个车牌在后面相邻时序图像帧中不存在关联车牌,则认为该车牌目前无法识别,并将该车牌加入无法识别车牌集合。
在一些情况下,对于某一个图像帧中的车牌k,在前面相邻时序图像帧中不存在关联车牌,则可认为该图像帧为车牌k进入画面获取范围的第一图像帧。
在另一些情况下,对于某一个图像帧中的车牌m,在前面相邻时序图像帧中不存在关联车牌时,有可能车牌m在该图像帧前面连续n-1个图像帧中被遮挡或未被清晰拍摄,而在该图像帧前数第n个图像帧中出现过,那么该图像帧为车牌m进入画面获取范围的第一图像帧和车牌m离开画面获取范围的第二图像帧之间的图像帧。
因此,在步骤2012之后,还包括:
步骤2014:判断所述一个图像帧中的车牌在当前记录的无法识别车牌集合中是否存在关联车牌;
步骤2015:当所述一个图像帧中的车牌在其前连续设定数目的图像帧中不存在关联车牌时,进入步骤2013。
实际处理过程中,在一些情况下,对于某个图像帧中的车牌h,在该图像帧的后面时序相邻图像帧中不存在相关联车牌,则可认为该图像帧为车牌h离开画面获取范围的第二图像帧。
在另一些情况下,对于某一个图像帧中的车牌g,在后面相邻时序图像帧中不存在关联车牌时,有可能车牌g在该图像帧后面连续n-1个图像帧中被遮挡或未被清晰拍摄,而在该图像帧前数第n个图像帧中再次出现,那么该图像帧为车牌g进入画面获取范围的第一图像帧和车牌g离开画面获取范围的第二图像帧之间的图像帧。
在本发明一些实施例中,仍然参照图2,步骤202包括:
步骤2021:将所述第一图像帧后一时序相邻图像帧作为目标图像帧;
步骤2022:判断当前目标图像帧中的车牌在其后面连续设定数目的图像帧中是否存在关联车牌;
步骤2023:确定所述当前目标图像帧中的车牌在其后面连续设定数目的图像帧中不存在关联车牌时,将所述目标图像帧作为第二图像帧;
步骤2024:确定所述当前目标图像帧中的车牌在其后面连续的设定数目的图像帧中存在关联车牌时,将当前目标图像帧后一时序相邻图像帧作为目标图像帧;并返回判断当前目标图像帧中的车牌在其后面连续设定数目的图像帧中是否存在关联车牌的步骤;
所述关联车牌,指的是分别出现于两个相邻图像帧中、相似度大于等于设定值的车牌。
由于在本发明的一些实施例中,对于某一个图像帧,若其前面相邻时序图像帧中的某个车牌在后面相邻时序图像帧中不存在关联车牌,则认为该车牌目前无法识别,并将该车牌加入无法识别车牌集合。在本发明一种具体实施例中,上述步骤2022可通过下述过程实现:
步骤301:判断当前目标图像帧中的车牌在其后面第一个图像帧中是否存在关联车牌,若否,则将该车牌加入无法识别车牌集合,将无法识别次数记为1,并进入下一步;若是,则进入上述步骤2024。
步骤302:判断无法识别次数是否达到设定值,若是,则进入上述步骤2023;若否,进入下一步。
步骤303:判断当前目标图像帧中的车牌在其后面时序的下一图像帧中是否存在关联车牌,若否,则将无法识别次数增加1,并返回步骤302;若是,则进入上述步骤2024。
在本发明一些实施例中,当分别出现于两个相邻图像帧中的两个车牌所在区域中心距离小于设定的距离阈值且车牌字符识别结果相似比例大于设定的相似比例阈值时,所述两个相邻图像帧中的两个车牌为关联车牌。
在一种具体实施例中,如果上一处理帧第a个车牌和当前处理帧第b个车牌所在区域中心点距离小于图像对角线长度的1/4,并且不少于5个字符识别结果相同,我们认为上一处理帧第a个车牌和当前处理帧第b个车牌能够关联。
从上面所述可以看出,本发明及其实施例提供的车辆车牌识别方法,能够解决因为采集的车辆图像帧清晰度不够或存在遮挡等原因引起的识别结果不准确或无法产生识别结果的问题。同时识别的准确度得到了提高。
进一步,本发明提供一种车辆车牌识别装置,结构如图3所示,包括:
识别数据获取模块:用于识别车牌在画面获取范围内多个连续位置的图像帧;并分别获得在所述多个连续位置时,所述车牌的识别数据;
统计模块:用于统计所述多个位置时,所述车牌的识别数据,得到所述车牌的识别结果。
在本发明的一些实施例中,识别数据获取模块具体包括:
字符识别单元:用于在图像帧中对所述车牌进行定位以获得图像帧中所述车牌的对应区域,并解析图像帧中所述车牌的对应区域以获得车牌图片的字符识别结果;
车牌识别数据输出单元:用于将所述字符识别结果作为车牌识别数据输出。
在本发明的一些实施例中,仍然参照图3,所述装置还包括:
第一图像帧识别模块:用于识别所述车牌进入画面获取范围的第一图像帧;
第二图像帧识别模块:用于识别所述车牌离开画面获取范围的第二图像帧;
图像帧提取模块:用于将所述第一图像帧和第二图像帧之间的所有图像帧作为所述车牌在画面获取范围内多个连续位置的图像帧。
在本发明的一些实施例中,第一图像帧识别模块具体包括:
第一关联判断单元:用于判断一个图像帧中的车牌在其前面连续设定数目的图像帧中是否存在关联车牌;
第一判断结果确定单元:用于确定所述一个图像帧中的车牌在其前面连续设定数目的图像帧中不存在关联车牌;
第一图像帧确定单元:用于将所述一个图像帧作为第一图像帧;
所述关联车牌,指的是分别出现于两个相邻图像帧中、相似度大于等于设定值的车牌。
在本发明的一些实施例中,所述第一图像帧识别模块还包括:
无法识别记录关联判断单元:用于判断所述一个图像帧中的车牌在当前记录的无法识别车牌集合中是否存在关联车牌;并用于当所述一个图像帧中的车牌在其前连续设定数目的图像帧中不存在关联车牌时,触发第一图像帧确定单元。
在本发明的一些实施例中,第二图像帧识别模块包括:
目标图像帧确定单元:用于将所述第一图像帧后一时序相邻图像帧作为目标图像帧;
第二关联判断单元:用于判断当前目标图像帧中的车牌在其后面连续设定数目的图像帧中是否存在关联车牌;
第二图像帧确定单元:用于确定所述当前目标图像帧中的车牌在其后面连续设定数目的图像帧中不存在关联车牌时,将所述目标图像帧作为第二图像帧;并用于当确定所述当前目标图像帧中的车牌在其后面连续的设定数目的图像帧中存在关联车牌时,将当前目标图像帧后一时序相邻图像帧作为目标图像帧,触发第二关联判断单元;
所述关联车牌,指的是分别出现于两个相邻图像帧中、相似度大于等于设定值的车牌。
在本发明的一些实施例中,当分别出现于两个相邻图像帧中的两个车牌所在区域中心距离小于设定的距离阈值且车牌字符识别结果相似比例大于设定的相似比例阈值时,所述两个相邻图像帧中的两个车牌为关联车牌。
从上面所述可以看出,本发明提供的车辆车牌识别方法及装置,针对因在实际应用过程中车辆图片采集状况不稳定而导致车牌识别结果受到不良影响的问题,对车辆在进入画面获取范围的连续过程中,先后出现的多个位置的图像帧进行处理得到识别数据,并对这些识别数据进行统计,得到车牌识别结果,提高了在环境因素影响下,对车牌进行较为准确识别的概率。本发明实施例的车辆车牌识别方法及装置,通过关联识别,能够对车牌进入和离开画面获取范围的状态进行高准确度的判断。
应当理解,本说明书所描述的多个实施例仅用于说明和解释本发明,并不用于限定本发明。并且在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。
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 (14)
1.一种车辆车牌识别方法,其特征在于,包括如下步骤:
识别车牌在画面获取范围内多个连续位置的图像帧;并分别获得在所述多个连续位置时,所述车牌的识别数据;
统计所述多个位置时,所述车牌的识别数据,得到所述车牌的识别结果。
2.根据权利要求1所述的方法,其特征在于,识别车牌在画面获取范围内多个连续位置的图像帧、并分别获得在所述多个连续位置时所述车牌的识别数据的步骤具体包括:
在图像帧中对所述车牌进行定位以获得图像帧中所述车牌的对应区域,并解析图像帧中所述车牌的对应区域以获得车牌图片的字符识别结果;
将所述字符识别结果作为车牌识别数据输出。
3.根据权利要求1所述的方法,其特征在于,识别车牌在画面获取范围内多个位置的图像帧、并分别获得在多个位置时的车牌识别数据之前,还包括:
识别所述车牌进入画面获取范围的第一图像帧;
识别所述车牌离开画面获取范围的第二图像帧;
将所述第一图像帧和第二图像帧之间的所有图像帧作为所述车牌在画面获取范围内多个连续位置的图像帧。
4.根据权利要求3所述的方法,其特征在于,识别车牌进入画面获取范围的图像帧的步骤具体包括:
判断一个图像帧中的车牌在其前面连续设定数目的图像帧中是否存在关联车牌;
确定所述一个图像帧中的车牌在其前面连续设定数目的图像帧中不存在关联车牌;
将所述一个图像帧作为第一图像帧;
所述关联车牌,指的是分别出现于两个相邻图像帧中、相似度大于等于设定值的车牌。
5.根据权利要求4所述的方法,其特征在于,确定所述一个图像帧中的车牌在其前面连续设定数目的图像帧中不存在关联车牌之后,还包括:
判断所述一个图像帧中的车牌在当前记录的无法识别车牌集合中是否存在关联车牌;
当所述一个图像帧中的车牌在其前连续设定数目的图像帧中不存在关联车牌时,进入将所述一个图像帧作为第一图像帧的步骤。
6.根据权利要求3所述的方法,其特征在于,识别所述车牌离开画面获取范围的第二图像帧的步骤包括:
将所述第一图像帧后一时序相邻图像帧作为目标图像帧;
判断当前目标图像帧中的车牌在其后面连续设定数目的图像帧中是否存在关联车牌;
确定所述当前目标图像帧中的车牌在其后面连续设定数目的图像帧中不存在关联车牌时,将所述目标图像帧作为第二图像帧;
确定所述当前目标图像帧中的车牌在其后面连续的设定数目的图像帧中存在关联车牌时,将当前目标图像帧后一时序相邻图像帧作为目标图像帧,并返回判断当前目标图像帧中的车牌在其后面连续设定数目的图像帧中是否存在关联车牌的步骤;
所述关联车牌,指的是分别出现于两个相邻图像帧中、相似度大于等于设定值的车牌。
7.根据权利要求4-6中任意一项所述的方法,其特征在于,当分别出现于两个相邻图像帧中的两个车牌所在区域中心距离小于设定的距离阈值且车牌字符识别结果相似比例大于设定的相似比例阈值时,所述两个相邻图像帧中的两个车牌为关联车牌。
8.一种车辆车牌识别装置,其特征在于,包括:
识别数据获取模块:用于识别车牌在画面获取范围内多个连续位置的图像帧;并分别获得在所述多个连续位置时,所述车牌的识别数据;
统计模块:用于统计所述多个位置时,所述车牌的识别数据,得到所述车牌的识别结果。
9.根据权利要求8所述的装置,其特征在于,识别数据获取模块具体包括:
字符识别单元:用于在图像帧中对所述车牌进行定位以获得图像帧中所述车牌的对应区域,并解析图像帧中所述车牌的对应区域以获得车牌图片的字符识别结果;
车牌识别数据输出单元:用于将所述字符识别结果作为车牌识别数据输出。
10.根据权利要求8所述的装置,其特征在于,所述装置还包括:
第一图像帧识别模块:用于识别所述车牌进入画面获取范围的第一图像帧;
第二图像帧识别模块:用于识别所述车牌离开画面获取范围的第二图像帧;
图像帧提取模块:用于将所述第一图像帧和第二图像帧之间的所有图像帧作为所述车牌在画面获取范围内多个连续位置的图像帧。
11.根据权利要求10所述的装置,其特征在于,第一图像帧识别模块具体包括:
第一关联判断单元:用于判断一个图像帧中的车牌在其前面连续设定数目的图像帧中是否存在关联车牌;
第一判断结果确定单元:用于确定所述一个图像帧中的车牌在其前面连续设定数目的图像帧中不存在关联车牌;
第一图像帧确定单元:用于将所述一个图像帧作为第一图像帧;
所述关联车牌,指的是分别出现于两个相邻图像帧中、相似度大于等于设定值的车牌。
12.根据权利要求11所述的装置,其特征在于,所述第一图像帧识别模块还包括:
无法识别记录关联判断单元:用于判断所述一个图像帧中的车牌在当前记录的无法识别车牌集合中是否存在关联车牌;并用于当所述一个图像帧中的车牌在其前连续设定数目的图像帧中不存在关联车牌时,触发第一图像帧确定单元。
13.根据权利要求10所述的装置,其特征在于,第二图像帧识别模块包括:
目标图像帧确定单元:用于将所述第一图像帧后一时序相邻图像帧作为目标图像帧;
第二关联判断单元:用于判断当前目标图像帧中的车牌在其后面连续设定数目的图像帧中是否存在关联车牌;
第二图像帧确定单元:用于确定所述当前目标图像帧中的车牌在其后面连续设定数目的图像帧中不存在关联车牌时,将所述目标图像帧作为第二图像帧;并用于当确定所述当前目标图像帧中的车牌在其后面连续的设定数目的图像帧中存在关联车牌时,将当前目标图像帧后一时序相邻图像帧作为目标图像帧,触发第二关联判断单元;
所述关联车牌,指的是分别出现于两个相邻图像帧中、相似度大于等于设定值的车牌。
14.根据权利要求11-13中任意一项所述的装置,其特征在于,当分别出现于两个相邻图像帧中的两个车牌所在区域中心距离小于设定的距离阈值且车牌字符识别结果相似比例大于设定的相似比例阈值时,所述两个相邻图像帧中的两个车牌为关联车牌。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410354010.5A CN105303153A (zh) | 2014-07-23 | 2014-07-23 | 一种车辆车牌识别方法及装置 |
PCT/CN2015/074792 WO2015184899A1 (zh) | 2014-07-23 | 2015-03-20 | 一种车辆车牌识别方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410354010.5A CN105303153A (zh) | 2014-07-23 | 2014-07-23 | 一种车辆车牌识别方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105303153A true CN105303153A (zh) | 2016-02-03 |
Family
ID=54766122
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410354010.5A Pending CN105303153A (zh) | 2014-07-23 | 2014-07-23 | 一种车辆车牌识别方法及装置 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN105303153A (zh) |
WO (1) | WO2015184899A1 (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105654733A (zh) * | 2016-03-08 | 2016-06-08 | 博康智能网络科技股份有限公司 | 一种基于视频检测的前后车牌识别方法及装置 |
CN107085707A (zh) * | 2017-04-14 | 2017-08-22 | 河海大学 | 一种基于交通监控视频的车牌定位方法 |
CN107273889A (zh) * | 2017-04-27 | 2017-10-20 | 浙江工业大学 | 一种基于统计的车牌识别方法 |
CN110543883A (zh) * | 2019-08-27 | 2019-12-06 | 河海大学 | 一种基于深度学习的车牌识别方法 |
CN111063199A (zh) * | 2019-12-19 | 2020-04-24 | 深圳市捷顺科技实业股份有限公司 | 车辆与车牌的关联方法、装置及终端设备 |
CN111310698A (zh) * | 2020-02-26 | 2020-06-19 | 北京停简单信息技术有限公司 | 车牌识别的方法、装置及巡检车 |
CN111339949A (zh) * | 2020-02-26 | 2020-06-26 | 北京停简单信息技术有限公司 | 车牌识别的方法、装置及巡检车 |
CN111523527A (zh) * | 2020-07-02 | 2020-08-11 | 平安国际智慧城市科技股份有限公司 | 特种运输车辆监控方法、装置、介质及电子设备 |
CN112034423A (zh) * | 2020-09-08 | 2020-12-04 | 湖南大学 | 基于led可见光通信的高精度移动车辆定位方法 |
WO2021138893A1 (zh) * | 2020-01-10 | 2021-07-15 | 顺丰科技有限公司 | 车牌识别方法、装置、电子设备及存储介质 |
WO2024011889A1 (zh) * | 2022-07-13 | 2024-01-18 | 北京京东乾石科技有限公司 | 信息识别方法、装置及存储介质 |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113792696B (zh) * | 2021-09-23 | 2023-07-18 | 北京中电兴发科技有限公司 | 一种应用于目标抓拍的车辆目标质量评估方法 |
CN116612569B (zh) * | 2023-07-17 | 2024-02-20 | 南方电网调峰调频发电有限公司信息通信分公司 | 基于发电企业的车辆出入智能登记方法及装置 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201159903Y (zh) * | 2008-03-14 | 2008-12-03 | 北京信路威科技发展有限公司 | 一种车牌识别装置 |
CN101377811A (zh) * | 2007-08-31 | 2009-03-04 | 北京万集科技有限责任公司 | 一种车牌识别的方法与系统 |
CN101877174A (zh) * | 2009-09-29 | 2010-11-03 | 杭州海康威视软件有限公司 | 车速测量方法、监控机及车速测量系统 |
CN101957920A (zh) * | 2010-09-08 | 2011-01-26 | 中国人民解放军国防科学技术大学 | 基于数字视频的车牌查找方法 |
CN103000029A (zh) * | 2012-11-20 | 2013-03-27 | 河南亚视软件技术有限公司 | 车辆视频识别方法及其应用 |
CN103235938A (zh) * | 2013-05-03 | 2013-08-07 | 北京国铁华晨通信信息技术有限公司 | 车牌检测与识别的方法及系统 |
CN103390156A (zh) * | 2012-11-05 | 2013-11-13 | 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 |
CN103413147A (zh) * | 2013-08-28 | 2013-11-27 | 庄浩洋 | 一种车牌识别方法和系统 |
CN103824066A (zh) * | 2014-03-18 | 2014-05-28 | 厦门翼歌软件科技有限公司 | 一种基于视频流的车牌识别方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5306124B2 (ja) * | 2009-09-11 | 2013-10-02 | 株式会社東芝 | ナンバプレート読取装置およびナンバプレート読取方法 |
CN202422423U (zh) * | 2011-12-20 | 2012-09-05 | 杭州海康威视系统技术有限公司 | 车辆牌照识别装置及系统 |
CN103035125B (zh) * | 2012-12-12 | 2015-09-16 | 北京蓝卡软件技术有限公司 | 一种车牌识别方法及其系统 |
-
2014
- 2014-07-23 CN CN201410354010.5A patent/CN105303153A/zh active Pending
-
2015
- 2015-03-20 WO PCT/CN2015/074792 patent/WO2015184899A1/zh active Application Filing
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101377811A (zh) * | 2007-08-31 | 2009-03-04 | 北京万集科技有限责任公司 | 一种车牌识别的方法与系统 |
CN201159903Y (zh) * | 2008-03-14 | 2008-12-03 | 北京信路威科技发展有限公司 | 一种车牌识别装置 |
CN101877174A (zh) * | 2009-09-29 | 2010-11-03 | 杭州海康威视软件有限公司 | 车速测量方法、监控机及车速测量系统 |
CN101957920A (zh) * | 2010-09-08 | 2011-01-26 | 中国人民解放军国防科学技术大学 | 基于数字视频的车牌查找方法 |
CN103390156A (zh) * | 2012-11-05 | 2013-11-13 | 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 |
CN103000029A (zh) * | 2012-11-20 | 2013-03-27 | 河南亚视软件技术有限公司 | 车辆视频识别方法及其应用 |
CN103235938A (zh) * | 2013-05-03 | 2013-08-07 | 北京国铁华晨通信信息技术有限公司 | 车牌检测与识别的方法及系统 |
CN103413147A (zh) * | 2013-08-28 | 2013-11-27 | 庄浩洋 | 一种车牌识别方法和系统 |
CN103824066A (zh) * | 2014-03-18 | 2014-05-28 | 厦门翼歌软件科技有限公司 | 一种基于视频流的车牌识别方法 |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105654733B (zh) * | 2016-03-08 | 2019-05-21 | 新智认知数据服务有限公司 | 一种基于视频检测的前后车牌识别方法及装置 |
CN105654733A (zh) * | 2016-03-08 | 2016-06-08 | 博康智能网络科技股份有限公司 | 一种基于视频检测的前后车牌识别方法及装置 |
CN107085707A (zh) * | 2017-04-14 | 2017-08-22 | 河海大学 | 一种基于交通监控视频的车牌定位方法 |
CN107273889A (zh) * | 2017-04-27 | 2017-10-20 | 浙江工业大学 | 一种基于统计的车牌识别方法 |
CN110543883A (zh) * | 2019-08-27 | 2019-12-06 | 河海大学 | 一种基于深度学习的车牌识别方法 |
CN111063199A (zh) * | 2019-12-19 | 2020-04-24 | 深圳市捷顺科技实业股份有限公司 | 车辆与车牌的关联方法、装置及终端设备 |
WO2021138893A1 (zh) * | 2020-01-10 | 2021-07-15 | 顺丰科技有限公司 | 车牌识别方法、装置、电子设备及存储介质 |
CN111310698A (zh) * | 2020-02-26 | 2020-06-19 | 北京停简单信息技术有限公司 | 车牌识别的方法、装置及巡检车 |
CN111339949A (zh) * | 2020-02-26 | 2020-06-26 | 北京停简单信息技术有限公司 | 车牌识别的方法、装置及巡检车 |
CN111523527A (zh) * | 2020-07-02 | 2020-08-11 | 平安国际智慧城市科技股份有限公司 | 特种运输车辆监控方法、装置、介质及电子设备 |
CN112034423A (zh) * | 2020-09-08 | 2020-12-04 | 湖南大学 | 基于led可见光通信的高精度移动车辆定位方法 |
CN112034423B (zh) * | 2020-09-08 | 2023-12-26 | 湖南大学 | 基于led可见光通信的高精度移动车辆定位方法 |
WO2024011889A1 (zh) * | 2022-07-13 | 2024-01-18 | 北京京东乾石科技有限公司 | 信息识别方法、装置及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
WO2015184899A1 (zh) | 2015-12-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105303153A (zh) | 一种车辆车牌识别方法及装置 | |
US10896349B2 (en) | Text detection method and apparatus, and storage medium | |
Luvizon et al. | A video-based system for vehicle speed measurement in urban roadways | |
US9014432B2 (en) | License plate character segmentation using likelihood maximization | |
CN103093201B (zh) | 车标定位识别方法及系统 | |
CN105574543B (zh) | 一种基于深度学习的车辆品牌型号识别方法和系统 | |
CN111382704B (zh) | 基于深度学习的车辆压线违章判断方法、装置及存储介质 | |
CN103077407B (zh) | 车标定位识别方法及系统 | |
CN103324930B (zh) | 一种基于灰度直方图二值化的车牌字符分割方法 | |
KR101848019B1 (ko) | 차량 영역 검출을 통한 차량 번호판 검출 방법 및 장치 | |
Danescu et al. | Detection and classification of painted road objects for intersection assistance applications | |
CN108108734B (zh) | 一种车牌识别方法及装置 | |
CN103268489A (zh) | 基于滑窗搜索的机动车号牌识别方法 | |
CN103699905A (zh) | 一种车牌定位方法及装置 | |
US9792507B2 (en) | Method and system for ground truth determination in lane departure warning | |
EP2813973B1 (en) | Method and system for processing video image | |
CN110751619A (zh) | 一种绝缘子缺陷检测方法 | |
CN110543883A (zh) | 一种基于深度学习的车牌识别方法 | |
Chen et al. | Automatic detection of traffic lights using support vector machine | |
CN107247967B (zh) | 一种基于r-cnn的车窗年检标检测方法 | |
CN103699876A (zh) | 一种基于线阵ccd图像识别车号的方法及装置 | |
CN112733851B (zh) | 一种基于卷积神经网络优化粮食仓库货车的车牌识别方法 | |
WO2022121021A1 (zh) | 一种身份证号码检测方法、装置、可读存储介质和终端 | |
Gu et al. | Vision-based multi-scaled vehicle detection and distance relevant mix tracking for driver assistance system | |
Huang | Research on license plate image segmentation and intelligent character recognition |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160203 |