CN105930831A - 一种车牌智能识别方法 - Google Patents

一种车牌智能识别方法 Download PDF

Info

Publication number
CN105930831A
CN105930831A CN201610332861.9A CN201610332861A CN105930831A CN 105930831 A CN105930831 A CN 105930831A CN 201610332861 A CN201610332861 A CN 201610332861A CN 105930831 A CN105930831 A CN 105930831A
Authority
CN
China
Prior art keywords
character
car plate
license plate
identification method
intelligent identification
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
Application number
CN201610332861.9A
Other languages
English (en)
Inventor
不公告发明人
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hunan Boguang Information Technology Co Ltd
Original Assignee
Hunan Boguang Information Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hunan Boguang Information Technology Co Ltd filed Critical Hunan Boguang Information Technology Co Ltd
Priority to CN201610332861.9A priority Critical patent/CN105930831A/zh
Publication of CN105930831A publication Critical patent/CN105930831A/zh
Pending legal-status Critical Current

Links

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
    • G06V10/225—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition based on a marking or identifier characterising the area
    • 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
    • G06V30/146—Aligning or centring of the image pick-up or image-field
    • G06V30/1475—Inclination or skew detection or correction of characters or of image to be recognised
    • G06V30/1478—Inclination or skew detection or correction of characters or of image to be recognised of characters or characters lines
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
    • G06V20/625—License plates

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Character Discrimination (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明属于视频监控技术领域，它公开了一种车牌智能识别方法，其特征在于，包括如下步骤：预处理，对采集到的原始图像进行噪声过滤处理；车牌定位，采用纹理特征分析定位方法，确定一个车牌区域；字符分割，对已定位出车牌区域的图像进一步处理，精确定位字符区域，然后根据字符尺寸特征采用动态模板进行字符分割，并将字符大小进行归一化处理；字符识别，对分割后的字符进行缩放、特征提取，获得特定字符的表达形式，然后通过分类判别和分类规则，识别出输入的字符图像。本发明即提高了电子交通管理智能化水平，又提高了对交通违章车辆识别效率，可实现电子交通管理中采集、识别、记录智能一体化。

Description

一种车牌智能识别方法
技术领域
本发明涉及视频监控技术领域，具体涉及一种车牌智能识别方法。
背景技术
在“向科技要警力、向科技要效率”的今天，随着城市机动车数量的不断增长，带来诸多便利的同时，也存在着一些问题，城市道路交通事故频频发生，给城市交通管理造成了一定的难度。
利用科技手段实现对道路交通进行有力的治理，既能有效的防止此类交通违章行为，减少由此引起的事故，又能对违章的驾驶员起到威慑作用，促进交通秩序良性循环，同时能将部分交警解放下来，在一定程度上缓解警力不足，真正体现向科技要警力的无穷力量。
近年来孕育而生的电子化交通管理等已得到了广泛的应用，例如：闯红灯抓拍、超速抓拍等；但其多数系统停留在对违章等车辆的抓拍上，后续需经过较多的人工成本和时间对车牌进行识别，这也产生了工作量大，效率不高，智能化程度低的问题。
发明内容
本发明针对现有技术的上述问题，提供一种车牌智能识别方法，即提高了电子交通管理智能化水平，又提高了对交通违章车辆识别效率，可实现交通违章等行为管理中采集、识别、记录智能一体化。
为了达到上述目的，本发明采用的技术方案为：
本发明一种车牌智能识别方法， 包括以下步骤：
图像采集：通过高清摄像对车辆违章行为实时、不间断记录、图像采集；
预处理：对高清摄像采集到的原始图像进行噪声过滤处理；
车牌定位：采用纹理特征分析定位方法，确定一个车牌区域；
字符分割：在图像中定位出车牌区域后，进一步对图像进行处理，精确定位字符区域，然后根据字符尺寸特征采用动态模板进行字符分割，并将字符大小进行归一化处理；
字符识别：对分割后的字符进行缩放、特征提取，获得特定字符的表达形式，然后通过分类判别和分类规则，识别出输入的字符图像；
结果输出：将车牌识别的结果以文本格式输出。
本发明进一步的，
所述预处理步骤中，还包括对原始图像进行自动白平衡、自动曝光以及伽马校正、边缘增强、对比度调整处理。
进一步的，
所述车牌定位步骤中，所述的纹理特征分析定位方法步骤为：
在原始图像经过预处理步骤之后的灰度图像上进行行扫描，通过行扫描确定在列方向上含有车牌线段的候选区域，确定候选区域的起始行坐标和高度；
然后对候选区域进行列扫描确定其列坐标和宽度，由此确定一个车牌区域。
进一步的，
所述字符分割步骤中，所述的进一步对图像进行处理包括：灰度化、灰度拉伸、二值化、边缘化处理。
进一步的，
所述字符识别步骤中，还包括与字符模板数据库中的标准字符表达形式进行匹配判别。
进一步的，
本方法可自动识别民用车牌、警用车牌、军用车牌、武警车牌的车牌。
进一步的，
本方法可自动识别车牌颜色，并根据车牌颜色与视频检测结合，识别车辆类型。
本发明具有下述优点：
1、 本发明通过图像采集并对图像中的车牌进行智能分析自动识别车牌，减轻了人工成本，提高了电子化交通管理的智能化水平和工作效率；
2、 本发明可与视频监控、电子抓拍形成一体，具有很好的兼容性和通用性；
3、 本发明方法流程简洁，系统实现效率高，车牌识别准确率高；
4、 本发明方法具有很好的扩展性，除能识别车牌外，还能判断其车辆类型。
附图说明
图1为本发明实施例中一种车牌智能识别方法流程图。
具体实施方式
车牌识别是基于图像分割和图像识别理论，对含有车辆号牌的图像进行分析处理，从而确定牌照在图像中的位置，并进一步提取和识别出文本字符，达到智能识别车牌。
实施例1，
如图1所示，本实施列中一种车牌智能识别方法流程图，它包括图像采集、预处理、车牌定位、字符分割、字符识别、结果输出等一系列算法运算。
图像采集：通过高清摄像抓拍主机对卡口过车或车辆违章行为进行实时、不间断记录、采集。
预处理：因为图片质量是影响车辆识别率高低的关键因素，因此，需要对高清摄像抓拍主机采集到的原始图像进行噪声过滤、自动白平衡、自动曝光以及伽马校正、边缘增强、对比度调整等处理。
车牌定位：车牌定位的准确与否直接决定后面的字符分割和识别效果，是影响整个车牌识别率的重要因素；其核心是纹理特征分析定位算法，在经过图像预处理之后的灰度图像上进行行列扫描，通过行扫描确定在列方向上含有车牌线段的候选区域，确定该区域的起始行坐标和高度，然后对该区域进行列扫描确定其列坐标和宽度，由此确定一个车牌区域。通过这样的算法可以对图像中的所有车牌实现定位。
字符分割：在图像中定位出车牌区域后，通过灰度化、灰度拉伸、二值化、边缘化等处理，进一步精确定位字符区域，然后根据字符尺寸特征提出动态模板法进行字符分割，并将字符大小进行归一化处理。
字符识别：对分割后的字符进行缩放、特征提取，获得特定字符的表达形式，然后通过分类判别和分类规则，与字符模板数据库中的标准字符表达形式进行匹配判别，就可以识别出输入的字符图像。
结果输出：将车牌识别的结果以文本格式输出。
实施例2，
本实施例在实施例1的基础上，进一步改进，方法具备对民用、警用、军用、武警等汽车号牌计算机自动识别能力，白天车辆号牌识别率大于95%，夜间车辆号牌识别率大于90%。
在实时记录通行车辆图像的同时，还具备对民用车牌、警用车牌、军用车牌、武警车牌的车牌自动识别能力。
建立字符模板数据库，所能识别的字符包括：
“0～9”十个阿拉伯数字；
“A～Z”二十六个英文字母；
省市区汉字简称(京、津、晋、冀、蒙、辽、吉、黑、沪、苏、浙、皖、闽、赣、鲁、豫、鄂、湘、粤、桂、琼、川、贵、云、藏、陕、甘、青、宁、新、渝、港、澳、台)；
号牌分类用汉字(警、学、领、试、农、挂、拖、境) ；
军车牌字符。
本实施例的方法采用车牌颜色和视频检测技术结合的方法对车辆进行分型，能自动识别黑、蓝、黄、白四种车牌底色。对于民用车来说，蓝颜色车牌表示的是小型车辆，而黄颜色车牌表示的是大型车辆。因此，我们首先利用车牌颜色判断车辆类型，对于无法根据车牌颜色判别车型或者无法判断车牌颜色的情况，就利用图像分析来辅助区分车辆的类型。
以上所述仅是本专利的优选实施方式，本专利的保护范围并不仅局限于上述实施例，凡属于本专利思路下的技术方案均属于本专利的保护范围。应当指出，对于本专利的普通技术人员来说，在不脱离本专利原理前提下的若干改进和润饰，这些改进和润饰也应视为本专利的保护范围。

Claims (9)

1.一种车牌智能识别方法，其特征在于，包括如下步骤：
预处理，对采集到的原始图像进行噪声过滤处理；
车牌定位，采用纹理特征分析定位方法，确定一个车牌区域；
字符分割，对已定位出车牌区域的图像进一步处理，精确定位字符区域，然后根据字符尺寸特征采用动态模板进行字符分割，并将字符大小进行归一化处理；
字符识别，对分割后的字符进行缩放、特征提取，获得特定字符的表达形式，然后通过分类判别和分类规则，识别出输入的字符图像。
2.根据权利要求1所述一种车牌智能识别方法，其特征在于，
所述步骤预处理中，还包括对原始图像进行自动白平衡、自动曝光以及伽马校正、边缘增强、对比度调整处理。
3.根据权利要求1所述一种车牌智能识别方法，其特征在于，
所述步骤车牌定位中，所述的纹理特征分析定位方法包括如下步骤：
在原始图像经过步骤预处理之后的灰度图像上进行行扫描，确定在列方向上含有车牌线段的候选区域，确定候选区域的起始行坐标和高度；
然后对候选区域进行列扫描确定其列坐标和宽度，由此确定一个车牌区域。
4.根据权利要求1所述一种车牌智能识别方法，其特征在于，
所述步骤字符分割中，所述的对已定位出车牌区域的图像进一步处理包括：灰度化、灰度拉伸、二值化、边缘化处理。
5.根据权利要求1所述一种车牌智能识别方法，其特征在于，
所述步骤字符识别中，还包括与字符模板数据库中的标准字符表达形式进行匹配判别。
6.根据权利要求1-5任一项所述一种车牌智能识别方法，其特征在于，
可自动识别车牌颜色，并根据车牌颜色与视频检测结合，识别车辆类型。
7.根据权利要求6所述一种车牌智能识别方法，其特征在于，
可自动识别民用车牌、警用车牌、军用车牌、武警车牌的车牌。
8.根据权利要求1-5、7任一项所述一种车牌智能识别方法，其特征在于，
还包括步骤：图像采集，通过高清摄像对车辆行为实时、不间断记录、采集图像。
9.根据权利要求1-5、7任一项所述一种车牌智能识别方法，其特征在于，
还包括步骤：结果输出，将车牌识别的结果以文本格式输出。
CN201610332861.9A 2016-05-19 2016-05-19 一种车牌智能识别方法 Pending CN105930831A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610332861.9A CN105930831A (zh) 2016-05-19 2016-05-19 一种车牌智能识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610332861.9A CN105930831A (zh) 2016-05-19 2016-05-19 一种车牌智能识别方法

Publications (1)

Publication Number Publication Date
CN105930831A true CN105930831A (zh) 2016-09-07

Family

ID=56841642

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610332861.9A Pending CN105930831A (zh) 2016-05-19 2016-05-19 一种车牌智能识别方法

Country Status (1)

Country Link
CN (1) CN105930831A (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108846396A (zh) * 2018-05-25 2018-11-20 广州杰赛科技股份有限公司 图像内容分割方法、装置和车牌识别方法
CN109101968A (zh) * 2018-08-09 2018-12-28 四川理工学院 一种车牌识别系统及识别方法
CN110046615A (zh) * 2019-04-12 2019-07-23 太原理工大学 一种矿用辅助运输车辆信息自动识别方法
CN110111577A (zh) * 2019-05-15 2019-08-09 武汉纵横智慧城市股份有限公司 基于大数据的非机动车识别方法、装置、设备及存储介质
CN110399880A (zh) * 2019-07-31 2019-11-01 深圳市捷顺科技实业股份有限公司 一种车牌字符及车牌类别的识别方法、装置及设备
CN110858306A (zh) * 2018-08-22 2020-03-03 西门子（中国）有限公司 车牌字符识别装置、方法和计算机可读存储介质
CN110991467A (zh) * 2019-12-06 2020-04-10 西安广源机电技术有限公司 一种车牌智能识别方法
CN111199228A (zh) * 2019-12-26 2020-05-26 深圳市芊熠智能硬件有限公司 一种车牌定位的方法及装置
CN113781799A (zh) * 2021-08-03 2021-12-10 安徽长龙电气集团有限公司 一种高速公路隧道安全监控系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103136528A (zh) * 2011-11-24 2013-06-05 同济大学 一种基于双边缘检测的车牌识别方法
US20130163822A1 (en) * 2006-04-04 2013-06-27 Cyclops Technologies, Inc. Airborne Image Capture and Recognition System
CN105005780A (zh) * 2015-06-29 2015-10-28 叶秀兰 一种车牌识别方法
CN105335743A (zh) * 2015-10-28 2016-02-17 重庆邮电大学 一种车牌识别方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130163822A1 (en) * 2006-04-04 2013-06-27 Cyclops Technologies, Inc. Airborne Image Capture and Recognition System
CN103136528A (zh) * 2011-11-24 2013-06-05 同济大学 一种基于双边缘检测的车牌识别方法
CN105005780A (zh) * 2015-06-29 2015-10-28 叶秀兰 一种车牌识别方法
CN105335743A (zh) * 2015-10-28 2016-02-17 重庆邮电大学 一种车牌识别方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
应宏微: ""车牌定位算法研究"", 《电视技术》 *
胡秋伟: ""基于视频的车辆检测与车牌识别关键技术研究"", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *
胡章芳 等: "《Matlab仿真及其在光学课程中的应用》", 31 May 2015 *
韦平安: ""车牌识别系统技术研究"", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108846396A (zh) * 2018-05-25 2018-11-20 广州杰赛科技股份有限公司 图像内容分割方法、装置和车牌识别方法
CN108846396B (zh) * 2018-05-25 2020-11-13 广州杰赛科技股份有限公司 图像内容分割方法、装置和车牌识别方法
CN109101968A (zh) * 2018-08-09 2018-12-28 四川理工学院 一种车牌识别系统及识别方法
CN110858306A (zh) * 2018-08-22 2020-03-03 西门子（中国）有限公司 车牌字符识别装置、方法和计算机可读存储介质
CN110046615A (zh) * 2019-04-12 2019-07-23 太原理工大学 一种矿用辅助运输车辆信息自动识别方法
CN110111577A (zh) * 2019-05-15 2019-08-09 武汉纵横智慧城市股份有限公司 基于大数据的非机动车识别方法、装置、设备及存储介质
CN110399880A (zh) * 2019-07-31 2019-11-01 深圳市捷顺科技实业股份有限公司 一种车牌字符及车牌类别的识别方法、装置及设备
CN110991467A (zh) * 2019-12-06 2020-04-10 西安广源机电技术有限公司 一种车牌智能识别方法
CN111199228A (zh) * 2019-12-26 2020-05-26 深圳市芊熠智能硬件有限公司 一种车牌定位的方法及装置
CN111199228B (zh) * 2019-12-26 2023-03-28 深圳市芊熠智能硬件有限公司 一种车牌定位的方法及装置
CN113781799A (zh) * 2021-08-03 2021-12-10 安徽长龙电气集团有限公司 一种高速公路隧道安全监控系统

Similar Documents

Publication Publication Date Title
CN105930831A (zh) 一种车牌智能识别方法
CN105788286A (zh) 智能识别闯红灯系统以及车辆行为检测抓拍方法
CN110969160B (zh) 一种基于深度学习的车牌图像校正、识别方法及系统
CN108446700B (zh) 一种基于对抗攻击的车牌攻击生成方法
Sulaiman et al. Development of automatic vehicle plate detection system
CN101937508A (zh) 一种基于高清图像的车牌定位与识别方法
Soomro et al. Vehicle number recognition system for automatic toll tax collection
CN103699880A (zh) 基于物联网的交通违法车辆牌照检测与识别方法
CN110009058A (zh) 一种停车场车牌识别系统及方法
CN103699876B (zh) 一种基于线阵ccd图像识别车号的方法及装置
Ingole et al. Characters feature based Indian vehicle license plate detection and recognition
Chunyu et al. Application of image processing to the vehicle license plate recognition
CN111062319B (zh) 一种基于主动红外图像的驾驶员打电话检测方法
CN106919939A (zh) 一种交通标识牌跟踪识别方法及系统
CN112115800A (zh) 一种基于深度学习目标检测的车辆组合识别系统及方法
Ahmad et al. A Review of Automatic Number Plate Recognition
CN106599851A (zh) 一种基于车牌识别的智能交通分析方法
CN103903449B (zh) 一种基于车牌识别技术的高速公路车辆查找方法
Zhou et al. Real-time traffic light recognition based on c-hog features
Moghassemi et al. Iranian License Plate Recognition using connected component and clustering techniques
CN106340187A (zh) 一种摄像机车牌识别系统及识别实施方法
Boliwala et al. Automatic number plate detection for varying illumination conditions
CN105005780A (zh) 一种车牌识别方法
Sivanandan et al. Automatic vehicle identification using license plate recognition for Indian vehicles
Liu Application development and technical analysis of rider helmet wearing monitoring system

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into 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: 20160907