CN105426891B - 基于图像的车牌字符分割方法及其系统 - Google Patents
基于图像的车牌字符分割方法及其系统 Download PDFInfo
- Publication number
- CN105426891B CN105426891B CN201510934157.6A CN201510934157A CN105426891B CN 105426891 B CN105426891 B CN 105426891B CN 201510934157 A CN201510934157 A CN 201510934157A CN 105426891 B CN105426891 B CN 105426891B
- Authority
- CN
- China
- Prior art keywords
- candidate regions
- group
- license plate
- characters
- image
- 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.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/14—Image acquisition
- G06V30/148—Segmentation of character regions
- G06V30/153—Segmentation of character regions using recognition of characters or words
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Character Input (AREA)
- Image Analysis (AREA)
- Character Discrimination (AREA)
Abstract
本发明提供一种基于图像的车牌字符分割方法及其系统,包括对图像进行连通区域分析,得到所述图像中车牌字符的第一组候选区;对所述图像进行垂直投影分析,得到所述图像中车牌字符的第二组候选区;根据所述第一组候选区、第二组候选区得到所述图像中车牌字符的平均宽度,并根据所述平均宽度创建对应的车牌模板;将所述车牌模板与所述第一组候选区、第二组候选区分别进行滑动匹配,根据匹配结果确定所述图像中车牌字符的最佳分割位置。因此,能够降低车牌图像中车牌字符的模糊或者缺失对字符分割产生的影响,准确地分割出车牌字符,从而提高车牌识别率。
Description
技术领域
本发明涉及车牌识别领域,特别是一种基于图像的车牌字符分割方法及其系统。
背景技术
车牌识别技术(Vehicle License Plate Recognition,VLPR)是计算机视频图像识别技术在车辆牌照识别中的一种应用。车牌识别技术要求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。
车牌识别在高速公路车辆管理中得到广泛应用。在ETC(Electronic TollCollection,电子不停车收费)系统中,车牌识别结合DSRC(Dedicated Short RangeCommunications,专用短程通信技术)技术识别车辆身份,过往车辆通过道口时无须停车,即能够实现车辆身份自动识别、自动收费。在车场管理中,针对无需收停车费的车辆(如月卡车、内部免费通行车辆),建设无人值守的快速通道,通过车牌识别,实现免取卡、不停车,从而提高出入口车辆通行效率。
然而,在目前的车牌识别系统中,由于实际环境的影响,车牌图像中不是所有的字符都能清晰可见,字符的模糊或者缺失往往对字符分割产生很大的影响,字符分割不准会直接导致字符识别错误,从而导致整个车牌识别系统的识别率下降。
发明内容
针对上述现有技术中存在的问题,本发明提供一种基于图像的车牌字符分割方法及其系统,能够准确地分割车牌字符,从而提高车牌识别率。
本发明提供的基于图像的车牌字符分割方法,技术方案如下,包括:
对图像进行连通区域分析,得到所述图像中车牌字符的第一组候选区;
对所述图像进行垂直投影分析,得到所述图像中车牌字符的第二组候选区;
根据所述第一组候选区、第二组候选区得到所述图像中车牌字符的平均宽度,并根据所述平均宽度创建对应的车牌模板;
将所述车牌模板与所述第一组候选区、第二组候选区分别进行滑动匹配,根据匹配结果确定所述图像中车牌字符的最佳分割位置。
本发明还提供基于图像的车牌字符分割系统,包括:
连通区域分析模块,用于对图像进行连通区域分析,得到所述图像中车牌字符的第一组候选区;
垂直投影分析模块,用于对所述图像进行垂直投影分析,得到所述图像中车牌字符的第二组候选区;
车牌模板创建模块,用于根据所述第一组候选区、第二组候选区得到所述图像中车牌字符的平均宽度,并根据所述平均宽度创建对应的车牌模板;
匹配模块,用于将所述车牌模板与所述第一组候选区、第二组候选区分别进行滑动匹配,根据匹配结果确定所述图像中车牌字符的最佳分割位置。
上述方案,通过对包含车牌字符的图像分别进行连通区域分析和垂直投影分析,创建车牌模板,并将所述车牌模板与分析得到的所述图像中车牌字符的候选区分别进行滑动匹配,确定车牌字符的最佳分割位置。因此,能够降低车牌图像中车牌字符的模糊或者缺失对字符分割产生的影响,准确地分割出车牌字符,从而提高车牌识别率。
附图说明
图1为一个实施例的基于图像的车牌字符分割方法的流程示意图;
图2为二值化图像连通区域标记图;
图3为原始图像、二值化图像以及包含第一组候选区的图像的比较图;
图4为纹理图像、垂直投影结果的柱状图像以及包含第二组候选区的图像的比较图;
图5为标准车牌布局信息图;
图6为单个字符区的匹配效果图;
图7为一个实施例的基于图像的车牌字符分割系统的结构示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作进一步地详细描述。
请参阅图1中一个实施例的基于图像的车牌字符分割方法的流程示意图,如图1所示,包括步骤S101至S104:
S101,对图像进行连通区域分析,得到所述图像中车牌字符的第一组候选区。
其中,所述图像为包含车牌字符的图像,尤其以仅包含车牌字符区域的图像为佳;所述连通区域为图像中具有相同像素值且位置相邻的像素点组成的图像区域。
进一步地,所述对图像进行连通区域分析,得到所述图像中车牌字符的第一组候选区包括:
对图像进行二值化处理;
获取二值化处理后的图像中像素值相同且位置相邻的像素点所构成的若干连通区域;
找出所述连通区域中高宽比例与标准车牌字符高宽比例最接近的设定数量的连通区域,作为所述图像中车牌字符的第一组候选区;所述设定数量为标准车牌包含的字符数量。
具体地,可通过以下方式对图像进行二值化处理:
获取图像中各像素点的像素值;
通过以下公式对各像素点进行二值化处理:
其中,(x,y)为像素点的坐标,src(x,y)为像素点的像素值,dst(x,y)为像素点二值化后的像素值,T(x,y)为以像素点(x,y)为中心的预设范围内像素点的平均像素值。
通过上述公式得到所述图像中各个像素点的二值化像素值,找到所述二值化像素值相同且位置相邻的像素点,所述像素点构成若干个连通的区域,对各个连通的区域进行标记。请参考图2的二值化图像连通区域标记图,举例说明连通区域的标记:图中代表8*8的像素集,其中标记为1的为一个二值化像素值相同且位置相邻的像素点所构成的连通区域,标记为2的为另一个二值化像素值相同且位置相邻的像素点所构成的连通区域,结果如图2中标记的,得到两个连通区域。
找出二值化处理后的图像中的各个连通区域,根据标准车牌字符的高宽比例保留设定数量的连通区域作为所述图像中车牌字符的第一组候选区,所述预定数量为标准车牌包含的字符数量。标准车牌字符的数量为7、高和宽分别为90mm和45mm,所以高宽比例为2,根据这个比例值保留7个高宽比最接近2的连通区域;而考虑到实际环境的影响,车牌字符可能会受到干扰,保留的连通区域数量也可以要比7多一些。
如图3所示,左边为包含车牌字符的原始图像,中间为对原始图像进行二值化处理后的图像,右边是进行连通区域分析后,得到的所述图像中包含车牌字符第一组候选区的图像。
因此,通过该步骤得到的所述图像中车牌字符的第一组候选区精确度较高,为后续确定最佳分割位置提供准确的数据基础。
S102,对所述图像进行垂直投影分析,得到所述图像中车牌字符的第二组候选区。
进一步地,步骤S102包括:
提取所述图像中车牌字符的图像纹理,对车牌字符的图像纹理进行垂直投影;
根据垂直投影的结果得到所述图像中车牌字符的第二组候选区。
具体地,可对包含车牌字符的图像进行拉普拉斯变化提取车牌字符的图像纹理,拉普拉斯变换是图像在x,y方向上的二阶偏微分之和,其公式表示为:
通过拉普拉斯变换可以提高提取车牌字符的图像纹理的精确度,当然,也可以通过其他的方式,例如sobel算法、canny算法、形态学梯度等,提取车牌字符的图像纹理。
提取所述图像中车牌字符的图像纹理之后,对车牌字符的图像纹理进行垂直投影。对图像纹理进行垂直投影,图像的每一列会产生一个数值,这个数值就是对应图像列中所有像素之和,因此垂直投影的最终结果是产生一组数据,将垂直投影的结果转换为柱状图形式,根据所述柱状图确定设定数量的字符候选区,作为所述图像中车牌字符的第二组候选区。
如图4所示,左边为包含车牌字符的图像通过拉普拉斯变换后得到的纹理图像,中间为纹理图像经过垂直投影后所得到的结果,转换为柱状图的图像,右边是包含所述图像中车牌字符的第二组候选区的图像。
因此,通过该步骤得到的所述图像中车牌字符的第二组候选区精确度较高,为后续确定最佳分割位置提供准确的数据基础。
S103,根据所述第一组候选区、第二组候选区得到所述图像中车牌字符的平均宽度,并根据所述平均宽度创建对应的车牌模板。
进一步地,步骤S103包括:
从所述第一组候选区和第二组候选区中找出高宽比例与标准车牌字符高宽比例最接近的设定数量的候选区;优选的,所述设定数量为标准车牌包含的字符数量;
计算所述候选区的平均宽度,作为所述图像中车牌字符的平均宽度;
获取预设的标准车牌布局信息,根据所述图像中车牌字符的平均宽度以及标准车牌布局信息创建对应的车牌模板。
具体地,根据标准车牌字符高宽比例,从所述第一组候选区和第二组候选区中保留7个最接近该比例的车牌字符候选区,然后计算其宽度的平均值作为所述图像中车牌字符的平均宽度,结合标准车牌布局信息,如图5所述,包括7个车牌字符、车牌长度440mm、字符总长度409mm、字符高度90mm、字符宽度45mm、左边第二个字符与左边第三个字符之间的间隔宽度34mm、以及除了左边第二个字符与左边第三个字符之外的其他相邻字符之间的间隔宽度12mm,从而创建对应的车牌模板。
S104,将所述车牌模板与所述第一组候选区、第二组候选区分别进行滑动匹配,根据匹配结果确定所述图像中车牌字符的最佳分割位置。
进一步地,步骤S104可通过以下方式实现:
将所述车牌模板分别沿所述第一组候选区、第二组候选区进行滑动;
滑动过程中,分别将车牌模板中各字符区与第一组候选区中对应候选区、第二组候选区中对应候选区进行匹配,分别计算当前位置车牌模板与第一组候选区、第二组候选区的平均匹配度;
找出滑动过程中车牌模板与第一组候选区或第二组候选区的平均匹配度最高的位置,根据所述位置、所述车牌模板确定所述图像中车牌字符的最佳分割位置。
具体地,利用生成的车牌模板,分别沿所述第一组候选区、第二组候选区进行滑动,在滑动的过程中,分别对车牌模板中的每个字符区进行匹配。结合图6,单个字符区的匹配算法为:实线框为车牌模板中其中一个字符区的区域位置,虚线框为一个车牌字符对应候选区的区域位置,两个区域位置的匹配度通过以下公式所得:
其中,m为两个区域位置的匹配度,ab为车牌模板中其中一个字符区宽度的位置,cd为其字符区对应的候选区宽度的位置;通过同样的匹配方法,得到其它6个字符的匹配度,然后算出7个字符区域的匹配度的均值,作为当前位置的车牌模板与第一组候选区或者第二组候选区的平均匹配度;通过同样的方法,得到各个位置的平均匹配度,找出滑动过程中车牌模板与第一组候选区或第二组候选区的平均匹配度最高的位置,根据所述位置、所述车牌模板确定所述图像中车牌字符的最佳分割位置。
通过上述公式计算得到当前位置的7个车牌字符区域的平均匹配度,从而选取滑动过程中平均匹配度最高的位置,结合车牌模板、所述位置来确定所述图像中车牌字符的最佳分割位置,从而准确地分割出车牌字符。
进一步地,还可以先对所述车牌模板进行缩放处理,将缩放后的车牌模板与所述第一组候选区、第二组候选区分别进行滑动匹配,根据匹配结果确定所述图像中车牌字符的最佳分割位置,从而减少该车牌模板与标准车牌的误差,进一步提高分割车牌字符准确度。
由于车牌模板是通过估算的字符宽度所得,所以该车牌模板与实际的车牌大小存在误差,因此还可以通过对车牌模板进行整体的放大和缩小,得到新的车牌模板,然后重复步骤S104进行滑动匹配,最终结果是保留匹配度最高的一次匹配,进一步提高分割车牌字符准确度。
从上述本发明实施例提供的基于图像的车牌字符分割方法可知,通过对包含车牌字符的图像分别进行连通区域分析和垂直投影分析,创建车牌模板,并将所述车牌模板与分析得到的所述图像中车牌字符的候选区分别进行滑动匹配,确定车牌字符的最佳分割位置。因此,能够降低车牌图像中车牌字符的模糊或者缺失对字符分割产生的影响,准确地分割出车牌字符,从而提高车牌识别率。
对应于基于图像的车牌字符分割方法,本发明还提供基于图像的车牌字符分割系统,如图7所示,包括:
连通区域分析模块700,用于对图像进行连通区域分析,得到所述图像中车牌字符的第一组候选区;
垂直投影分析模块701,用于对所述图像进行垂直投影分析,得到所述图像中车牌字符的第二组候选区;
车牌模板创建模块702,用于根据所述第一组候选区、第二组候选区得到所述图像中车牌字符的平均宽度,并根据所述平均宽度创建对应的车牌模板;
匹配模块703,用于将所述车牌模板与所述第一组候选区、第二组候选区分别进行滑动匹配,根据匹配结果确定所述图像中车牌字符的最佳分割位置。
在其中一个实施例中,所述连通区域分析模块700包括:
连通区域分析子模块,用于对图像进行二值化处理;
获取二值化处理后的图像中像素值相同且位置相邻的像素点所构成的若干连通区域;
找出所述连通区域中高宽比例与标准车牌字符高宽比例最接近的设定数量的连通区域,作为所述图像中车牌字符的第一组候选区;所述设定数量为标准车牌包含的字符数量。
在其中一个实施例中,所述对图像进行二值化处理,包括:
获取图像中各像素点的像素值;
通过以下公式对各像素点进行二值化处理:
其中,(x,y)为像素点的坐标,src(x,y)为像素点的像素值,dst(x,y)为像素点二值化后的像素值,T(x,y)为以像素点(x,y)为中心的预设范围内像素点的平均像素值。
在其中一个实施例中,所述垂直投影分析模块701包括:
垂直投影分析子模块,用于提取所述图像中车牌字符的图像纹理,对车牌字符的图像纹理进行垂直投影;
根据垂直投影的结果得到所述图像中车牌字符的第二组候选区。
在其中一个实施例中,所述车牌模板创建模块702包括:
候选区确定子模块,用于从所述第一组候选区和第二组候选区中找出高宽比例与标准车牌字符高宽比例最接近的设定数量的候选区;所述设定数量为标准车牌包含的字符数量;
车牌模板创建子模块,用于计算所述候选区的平均宽度,作为所述图像中车牌字符的平均宽度;获取预设的标准车牌布局信息,根据所述图像中车牌字符的平均宽度以及标准车牌布局信息创建对应的车牌模板。
在其中一个实施例中,所述匹配模块703包括:
匹配子模块,用于将所述车牌模板分别沿所述第一组候选区、第二组候选区进行滑动;滑动过程中,分别将车牌模板中各字符区与第一组候选区中对应候选区、第二组候选区中对应候选区进行匹配,分别计算当前位置车牌模板与第一组候选区、第二组候选区的平均匹配度;
位置确定子模块,用于找出滑动过程中车牌模板与第一组候选区或第二组候选区的平均匹配度最高的位置,根据所述位置、所述车牌模板确定所述图像中车牌字符的最佳分割位置。
在其中一个实施例中,所述匹配模块703包括:
缩放模块,用于对所述车牌模板进行缩放处理,将缩放后的车牌模板与所述第一组候选区、第二组候选区分别进行滑动匹配,根据匹配结果确定所述图像中车牌字符的最佳分割位置。
从上述本发明实施例提供的基于图像的车牌字符分割系统可知,通过对包含车牌字符的图像分别进行连通区域分析和垂直投影分析,创建车牌模板,并将所述车牌模板与分析得到的所述图像中车牌字符的候选区分别进行滑动匹配,确定车牌字符的最佳分割位置。因此,能够降低车牌图像中车牌字符的模糊或者缺失对字符分割产生的影响,准确地分割出车牌字符,从而提高车牌识别率。
需要说明的是,本发明实施例中所述的标准车牌为中国大陆地区的标准车牌,本发明可以根据不同国家、地区的标准车牌特征进行设置。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (8)
1.基于图像的车牌字符分割方法,其特征在于,包括:
对图像进行连通区域分析,得到所述图像中车牌字符的第一组候选区;所述连通区域为图像中具有相同像素值且位置相邻的像素点组成的图像区域;
对所述图像进行垂直投影分析,得到所述图像中车牌字符的第二组候选区;
根据所述第一组候选区、第二组候选区得到所述图像中车牌字符的平均宽度,并根据所述平均宽度创建对应的车牌模板;
将所述车牌模板与所述第一组候选区、第二组候选区分别进行滑动匹配,根据匹配结果确定所述图像中车牌字符的最佳分割位置;
所述将所述车牌模板与所述第一组候选区、第二组候选区分别进行滑动匹配,根据匹配结果确定所述图像中车牌字符的最佳分割位置,包括:
将所述车牌模板分别沿所述第一组候选区、第二组候选区进行滑动;
滑动过程中,分别将车牌模板中各字符区与第一组候选区中对应候选区、第二组候选区中对应候选区进行匹配,分别计算当前位置车牌模板与第一组候选区、第二组候选区的平均匹配度;
找出滑动过程中车牌模板与第一组候选区或第二组候选区的平均匹配度最高的位置,根据所述位置、所述车牌模板确定所述图像中车牌字符的最佳分割位置。
2.根据权利要求1所述的基于图像的车牌字符分割方法,其特征在于,所述对图像进行连通区域分析,得到所述图像中车牌字符的第一组候选区包括:
对图像进行二值化处理;
获取二值化处理后的图像中像素值相同且位置相邻的像素点所构成的若干连通区域;
找出所述连通区域中高宽比例与标准车牌字符高宽比例最接近的设定数量的连通区域,作为所述图像中车牌字符的第一组候选区;所述设定数量为标准车牌包含的字符数量。
3.根据权利要求2所述的基于图像的车牌字符分割方法,其特征在于,所述对图像进行二值化处理,包括:
获取图像中各像素点的像素值;
通过以下公式对各像素点进行二值化处理:
其中,(x,y)为像素点的坐标,src(x,y)为像素点的像素值,dst(x,y)为像素点二值化后的像素值,T(x,y)为以像素点(x,y)为中心的预设范围内像素点的平均像素值。
4.根据权利要求1所述的基于图像的车牌字符分割方法,其特征在于,所述对所述图像进行垂直投影分析,得到所述图像中车牌字符的第二组候选区,包括:
提取所述图像中车牌字符的图像纹理,对车牌字符的图像纹理进行垂直投影;
根据垂直投影的结果得到所述图像中车牌字符的第二组候选区。
5.根据权利要求1所述的基于图像的车牌字符分割方法,其特征在于,所述根据所述第一组候选区、第二组候选区得到所述图像中车牌字符的平均宽度,并根据所述平均宽度创建对应的车牌模板,包括:
从所述第一组候选区和第二组候选区中找出高宽比例与标准车牌字符高宽比例最接近的设定数量的候选区;所述设定数量为标准车牌包含的字符数量;
计算所述候选区的平均宽度,作为所述图像中车牌字符的平均宽度;
获取预设的标准车牌布局信息,根据所述图像中车牌字符的平均宽度以及标准车牌布局信息创建对应的车牌模板。
6.根据权利要求1所述的基于图像的车牌字符分割方法,其特征在于,所述将所述车牌模板与所述第一组候选区、第二组候选区分别进行滑动匹配,根据匹配结果确定所述图像中车牌字符的最佳分割位置,包括:
对所述车牌模板进行缩放处理,将缩放后的车牌模板与所述第一组候选区、第二组候选区分别进行滑动匹配,根据匹配结果确定所述图像中车牌字符的最佳分割位置。
7.基于图像的车牌字符分割系统,其特征在于,包括:
连通区域分析模块,用于对图像进行连通区域分析,得到所述图像中车牌字符的第一组候选区;所述连通区域为图像中具有相同像素值且位置相邻的像素点组成的图像区域;
垂直投影分析模块,用于对所述图像进行垂直投影分析,得到所述图像中车牌字符的第二组候选区;
车牌模板创建模块,用于根据所述第一组候选区、第二组候选区得到所述图像中车牌字符的平均宽度,并根据所述平均宽度创建对应的车牌模板;
匹配模块,用于将所述车牌模板与所述第一组候选区、第二组候选区分别进行滑动匹配,根据匹配结果确定所述图像中车牌字符的最佳分割位置;
所述匹配模块包括:
匹配子模块,用于将所述车牌模板分别沿所述第一组候选区、第二组候选区进行滑动;滑动过程中,分别将车牌模板中各字符区与第一组候选区中对应候选区、第二组候选区中对应候选区进行匹配,分别计算当前位置车牌模板与第一组候选区、第二组候选区的平均匹配度;
位置确定子模块,用于找出滑动过程中车牌模板与第一组候选区或第二组候选区的平均匹配度最高的位置,根据所述位置、所述车牌模板确定所述图像中车牌字符的最佳分割位置。
8.根据权利要求7所述的基于图像的车牌字符分割系统,其特征在于,所述车牌模板创建模块包括:
候选区确定子模块,用于从所述第一组候选区和第二组候选区中找出高宽比例与标准车牌字符高宽比例最接近的设定数量的候选区;所述设定数量为标准车牌包含的字符数量;
车牌模板创建子模块,用于计算所述候选区的平均宽度,作为所述图像中车牌字符的平均宽度;获取预设的标准车牌布局信息,根据所述图像中车牌字符的平均宽度以及标准车牌布局信息创建对应的车牌模板。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510934157.6A CN105426891B (zh) | 2015-12-14 | 2015-12-14 | 基于图像的车牌字符分割方法及其系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510934157.6A CN105426891B (zh) | 2015-12-14 | 2015-12-14 | 基于图像的车牌字符分割方法及其系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105426891A CN105426891A (zh) | 2016-03-23 |
CN105426891B true CN105426891B (zh) | 2019-04-09 |
Family
ID=55505090
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510934157.6A Active CN105426891B (zh) | 2015-12-14 | 2015-12-14 | 基于图像的车牌字符分割方法及其系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105426891B (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106529471B (zh) * | 2016-11-08 | 2019-08-23 | 广东安居宝数码科技股份有限公司 | 车脸定位方法和系统 |
CN108090484B (zh) * | 2016-11-23 | 2020-04-03 | 杭州海康威视数字技术股份有限公司 | 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 |
CN109034157A (zh) * | 2017-06-08 | 2018-12-18 | 北京君正集成电路股份有限公司 | 车牌识别方法和装置 |
CN110135225B (zh) * | 2018-02-09 | 2021-04-09 | 北京世纪好未来教育科技有限公司 | 样本标注方法及计算机存储介质 |
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 |
CN109086767B (zh) * | 2018-07-11 | 2019-05-07 | 于洋 | 一种监控场景中模糊车牌的分割方法 |
CN109740606B (zh) * | 2018-12-20 | 2021-02-05 | 上海众源网络有限公司 | 一种图像识别方法及装置 |
CN110059695B (zh) * | 2019-04-23 | 2021-08-27 | 厦门商集网络科技有限责任公司 | 一种基于垂直投影的字符分割方法及终端 |
CN111144390B (zh) * | 2019-12-20 | 2023-10-27 | 武汉瑞纳捷半导体有限公司 | 一种车牌识别中漏检字符查找方法、系统及电子设备 |
Citations (2)
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 |
CN102043959A (zh) * | 2010-12-28 | 2011-05-04 | 青岛海信网络科技股份有限公司 | 车牌字符分割方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8934676B2 (en) * | 2012-05-04 | 2015-01-13 | Xerox Corporation | Robust character segmentation for license plate images |
-
2015
- 2015-12-14 CN CN201510934157.6A patent/CN105426891B/zh active Active
Patent Citations (2)
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 |
CN102043959A (zh) * | 2010-12-28 | 2011-05-04 | 青岛海信网络科技股份有限公司 | 车牌字符分割方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105426891A (zh) | 2016-03-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105426891B (zh) | 基于图像的车牌字符分割方法及其系统 | |
Luvizon et al. | A video-based system for vehicle speed measurement in urban roadways | |
Hsieh et al. | Multiple license plate detection for complex background | |
Jusoh et al. | Application of freeman chain codes: An alternative recognition technique for Malaysian car plates | |
CN104217427B (zh) | 一种交通监控视频中车道线定位方法 | |
CN102779267B (zh) | 检测图像中特定对象区域的方法和设备 | |
Tian et al. | A two-stage character segmentation method for Chinese license plate | |
CN106815583B (zh) | 一种基于mser和swt相结合的夜间车辆车牌定位方法 | |
CN112287912B (zh) | 基于深度学习的车道线检测方法以及装置 | |
CN103065138A (zh) | 一种机动车牌号的识别方法 | |
CN103164697B (zh) | 一种处理时间与识别精度自适应的车牌识别方法 | |
CN103136528A (zh) | 一种基于双边缘检测的车牌识别方法 | |
CN105389561B (zh) | 一种基于视频的公交车道检测方法 | |
CN103324958B (zh) | 一种复杂背景下基于投影法和svm的车牌定位方法 | |
Xiang et al. | Lightweight fully convolutional network for license plate detection | |
CN102156989B (zh) | 视频帧中车辆遮挡检测与分割方法 | |
CN103310199A (zh) | 基于高分辨率遥感数据的车辆型号识别方法 | |
CN110443142B (zh) | 一种基于路面提取与分割的深度学习车辆计数方法 | |
Satzoda et al. | Robust extraction of lane markings using gradient angle histograms and directional signed edges | |
de S. Matos et al. | Hierarchical classification of vehicle images using NN with conditional adaptive distance | |
CN109325487B (zh) | 一种基于目标检测的全种类车牌识别方法 | |
Khoshki et al. | Improved Automatic License Plate Recognition (ALPR) system based on single pass Connected Component Labeling (CCL) and reign property function | |
CN112950954B (zh) | 一种基于高位摄像头的智能停车车牌识别方法 | |
CN105205500A (zh) | 基于多目标跟踪与级联分类器融合的车辆检测 | |
CN103123688A (zh) | 车标识别方法及装置 |
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 |