CN106295647A - 车牌定位与识别方法 - Google Patents

车牌定位与识别方法 Download PDF

Info

Publication number
CN106295647A
CN106295647A CN201610657332.6A CN201610657332A CN106295647A CN 106295647 A CN106295647 A CN 106295647A CN 201610657332 A CN201610657332 A CN 201610657332A CN 106295647 A CN106295647 A CN 106295647A
Authority
CN
China
Prior art keywords
license plate
plate area
image
images
original 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.)
Withdrawn
Application number
CN201610657332.6A
Other languages
English (en)
Inventor
万永秀
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.)
Individual
Original Assignee
Individual
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 Individual filed Critical Individual
Priority to CN201610657332.6A priority Critical patent/CN106295647A/zh
Publication of CN106295647A publication Critical patent/CN106295647A/zh
Withdrawn legal-status Critical Current

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
    • G06V10/20—Image preprocessing
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • 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)
  • Traffic Control Systems (AREA)
  • Image Analysis (AREA)

Abstract

本发明提供了一种车牌定位与识别方法，其包括：获取摄像机抓拍到的原始图像；以预设缩放系数多次缩放原始图像获得多个缩放图像，并在每一缩放图像中检测车牌区域图像；将检测出的车牌区域图像映射到原始图像上，并经过过滤和合并重合图像，根据各车牌区域图像的特征强度对各车牌区域图像进行排序，得到所有车牌区域图像；将所有车牌区域图像进行一次下采样，对下采样后的图像灰度化并进行垂直边缘检测和二值化，利用垂直边缘信息进行车牌粗定位，得到所有的车牌区域；校正车牌区域的倾斜度；对车牌区域进行字符分割；对分割出的字符进行识别。通过上述方式，本发明能够在高清晰图像中识别车牌的方法。

Description

车牌定位与识别方法
技术领域
本发明涉及车牌自动识别技术领域，特别是涉及一种车牌定位与识别方法。
背景技术
随着经济的发展，汽车保有量急剧增长，对交通、治安的管理要求也日益提高，采用高清摄像机成像技术，不仅可以清晰抓拍车牌，还可以提供高质量的前排司乘人员的面貌图像，并且可以记录车辆全貌及车载情况等信息，从而满足了刑侦、治安、交警等多个业务部门的需求。此外，采用200万或者更高像素的摄像机，一个摄像机可以抓拍2-3车道，系统建设效率也明显提高。因此，高清晰的车牌识别系统，包括治安卡口系统、电子警察系统等，已成为当前发展的一个热点。
现有标清图像车牌识别方法很难用于对高清图像的车牌识别。原因是高清晰度图像的车牌识别由于其分辨率很高，取景范围广、背景复杂，车牌定位难度大，图像中有多个车牌需要同时识别，而现有标清图像车牌识别一般只识别单一背景中单一车牌。另外，实用车牌识别方法不仅要求识别率高，而且识别速度要快。因此如何快速准确地同时识别高清晰度图像中的多个车牌号码，则是现有技术中有待解决的问题。
发明内容
本发明主要解决的技术问题是提供一种车牌定位与识别方法，能够在高清晰图像中识别车牌的方法。
为解决上述技术问题，本发明采用的一个技术方案是：提供一种车牌定位与识别方法，包括：获取摄像机抓拍到的原始图像；以预设缩放系数多次缩放所述原始图像获得多个缩放图像，并在每一所述缩放图像中检测车牌区域图像；将检测出的车牌区域图像映射到所述原始图像上，并经过过滤和合并重合图像，根据各车牌区域图像的特征强度对各车牌区域图像进行排序，得到所有车牌区域图像；将所有车牌区域图像进行一次下采样，对下采样后的图像灰度化并进行垂直边缘检测和二值化，利用垂直边缘信息进行车牌粗定位，得到所有的车牌区域；校正所述车牌区域的倾斜度；对所述车牌区域进行字符分割；对分割出的字符进行识别。
区别于现有技术的情况，本发明的有益效果是：本发明具有对高分辨率(达500万象素以上)复杂背景下多车牌同时快速定位识别、非均匀光照条件下图像二值化效果好、车牌倾斜度和牌照大小可在较大范围内变化等优点，同时大大减少了摄像机安装施工的要求。
附图说明
图1是本发明实施例车牌定位与识别方法的流程示意图。
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，所描述的实施例仅是本发明的一部分实施例，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。
参见图1，是本发明实施例车牌定位与识别方法的流程示意图。本实施例的车牌定位与识别方法包括以下步骤：
S11：获取摄像机抓拍到的原始图像。
S12：以预设缩放系数多次缩放原始图像获得多个缩放图像，并在每一缩放图像中检测车牌区域图像。
预设缩放系数包括水平缩放系数和垂直缩放系数，水平缩放系数和垂直缩放系数均为0.5。
S13：将检测出的车牌区域图像映射到原始图像上，并经过过滤和合并重合图像，根据各车牌区域图像的特征强度对各车牌区域图像进行排序，得到所有车牌区域图像。
在车牌识别应用系统中，摄像机安装的位置和采集的场景大小决定了车牌在图像中的大小。摄像机安装在侧面时，同一副图像中车牌大小也会相差很大。如果车牌识别算法对车牌尺寸大小要求太严格，就会限制车牌识别的应用范围，给施工调试带来很大麻烦。将车牌字符高度设定在15～50象素之间，能满足绝大多数实际工程需要。
为了能同时检测出大尺寸和小尺寸的车牌，采用图像金字塔式分解，在每一级图像中检测出特定大小范围的车牌。最后对各级金字塔图像检测出的车牌区域图像映射到原始图像中，经过过滤和合并重合区域，对所有候选区域根据特征强度进行排序，最终得到所有候选区域，
对每一级金字塔图像首先进行颜色空间变换，以快速地找出那些颜色较纯的车牌。YUV颜色空间对颜色分离有较好的效果，颜色较纯的车牌，变换后亮度较强，具有明显的特征。对于车牌颜色不明显(如在阴影中)，则采用垂直边缘特征检测方法，其特点是速度快且有较好的检测效果。YUV颜色空间干扰较少，车牌定位更加快速准确，因此采用颜色空间与边缘检测相结合的方法，先进行颜色空间定位，再进行边缘检测定位，以实现高清图像车牌的快速准确定位。
S14：将所有车牌区域图像进行一次下采样，对下采样后的图像灰度化并进行垂直边缘检测和二值化，利用垂直边缘信息进行车牌粗定位，得到所有的车牌区域。
S15：校正车牌区域的倾斜度。
S16：对车牌区域进行字符分割。
S17：对分割出的字符进行识别。
以上所述仅为本发明的实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (1)

1.一种车牌定位与识别方法，其特征在于，包括：
获取摄像机抓拍到的原始图像；
以预设缩放系数多次缩放所述原始图像获得多个缩放图像，并在每一所述缩放图像中检测车牌区域图像；
将检测出的车牌区域图像映射到所述原始图像上，并经过过滤和合并重合图像，根据各车牌区域图像的特征强度对各车牌区域图像进行排序，得到所有车牌区域图像；
将所有车牌区域图像进行一次下采样，对下采样后的图像灰度化并进行垂直边缘检测和二值化，利用垂直边缘信息进行车牌粗定位，得到所有的车牌区域；
校正所述车牌区域的倾斜度；
对所述车牌区域进行字符分割；
对分割出的字符进行识别。
CN201610657332.6A 2016-08-11 2016-08-11 车牌定位与识别方法 Withdrawn CN106295647A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610657332.6A CN106295647A (zh) 2016-08-11 2016-08-11 车牌定位与识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610657332.6A CN106295647A (zh) 2016-08-11 2016-08-11 车牌定位与识别方法

Publications (1)

Publication Number Publication Date
CN106295647A true CN106295647A (zh) 2017-01-04

Family

ID=57670018

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610657332.6A Withdrawn CN106295647A (zh) 2016-08-11 2016-08-11 车牌定位与识别方法

Country Status (1)

Country Link
CN (1) CN106295647A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20220067394A1 (en) * 2020-08-25 2022-03-03 Axon Enterprise, Inc. Systems and Methods for Rapid License Plate Reading

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20220067394A1 (en) * 2020-08-25 2022-03-03 Axon Enterprise, Inc. Systems and Methods for Rapid License Plate Reading
US11978260B2 (en) * 2020-08-25 2024-05-07 Axon Enterprise, Inc. Systems and methods for rapid license plate reading

Similar Documents

Publication Publication Date Title
CN106373430B (zh) 一种基于计算机视觉的交叉路口通行预警方法
CN107506760B (zh) 基于gps定位与视觉图像处理的交通信号检测方法及系统
Omachi et al. Detection of traffic light using structural information
WO2017028587A1 (zh) 车辆监控的方法和装置、处理器、图像采集设备
Saha et al. License Plate localization from vehicle images: An edge based multi-stage approach
US20100172543A1 (en) Multiple object speed tracking system
CN103235938A (zh) 车牌检测与识别的方法及系统
US20160005316A1 (en) Around view system and operating method thereof
CN102867418A (zh) 一种判断车牌识别准确性的方法和装置
CN102163278B (zh) 一种公交车道非法车辆闯入检测方法
CN102867417A (zh) 一种出租车防伪系统及方法
KR101355201B1 (ko) 시-공간적 특징벡터 기반의 차량인식을 활용한 불법 주정차 단속 시스템 및 단속방법
KR102431215B1 (ko) 차량의 주변 구역을 포착하기 위한 카메라 시스템 및 방법
Chandra et al. Recognition of vehicle number plate using Matlab
CN103324958A (zh) 一种复杂背景下基于投影法和svm的车牌定位方法
KR101319508B1 (ko) 초점열화방법을 이용한 불법 주정차 단속 시스템 및 단속방법
CN108734123B (zh) 高速公路标志识别方法、电子设备、存储介质及系统
KR101911239B1 (ko) 불법 주정차 단속을 위한 채널 확대 운영 시스템
CN106295647A (zh) 车牌定位与识别方法
CN105512649A (zh) 一种基于颜色空间的高清视频实时车牌定位方法
CN105389993A (zh) 视觉交通信号的处理与识别方法
CN107506777A (zh) 一种基于小波变化和支持向量机的实时多车牌识别方法和装置
CN105022992A (zh) 一种车牌自动鉴别方法
Tripathi et al. Automatic Number Plate Recognition System (ANPR): The Implementation
CN105005780A (zh) 一种车牌识别方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
WW01 Invention patent application withdrawn after publication
WW01 Invention patent application withdrawn after publication

Application publication date: 20170104