CN106446893A - 用于车牌辨识的倾斜校正方法及倾斜校正系统 - Google Patents
用于车牌辨识的倾斜校正方法及倾斜校正系统 Download PDFInfo
- Publication number
- CN106446893A CN106446893A CN201610824393.7A CN201610824393A CN106446893A CN 106446893 A CN106446893 A CN 106446893A CN 201610824393 A CN201610824393 A CN 201610824393A CN 106446893 A CN106446893 A CN 106446893A
- Authority
- CN
- China
- Prior art keywords
- image
- character
- tilt correction
- line
- inclination
- 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- Withdrawn
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
- G06V10/24—Aligning, centring, orientation detection or correction of the image
- G06V10/243—Aligning, centring, orientation detection or correction of the image by compensating for image skew or non-uniform image deformations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformation in the plane of the image
- G06T3/60—Rotation of a whole image or part thereof
- G06T3/608—Skewing or deskewing, e.g. by two-pass or three-pass rotation
-
- 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)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Character Input (AREA)
Abstract
一种用于车牌辨识的倾斜校正方法,包含下列步骤:撷取车牌的影像,其中车牌包含多个字符;于影像中找出字符;针对每一个字符产生最小外接矩形;计算每一个最小外接矩形相对影像的参考线的倾斜角度,以得到多个倾斜角度;以及以倾斜角度的集中量数对影像中的车牌进行倾斜校正。由于本发明不需先侦测出车牌框线,因此,无论车牌与车身颜色是否相近,本发明皆适用。
Description
技术领域
本发明涉及一种倾斜校正方法及倾斜校正系统,尤指涉及一种用于车牌辨识的倾斜校正方法及倾斜校正系统。
背景技术
随着科技的进步与发展,车牌辨识已逐渐普及且广为应用。举例而言,车牌辨识可用于停车场管理、赃车查缉和车辆检验等范畴。进行车牌辨识时,车牌是否产生倾斜对于辨识效能会产生极大的影响。一般而言,车牌辨识技术是藉由霍夫(Hough)转换先侦测出车牌框线,再进行车牌的倾斜校正。然而,若车牌与车身颜色相近时,便不易侦测出车牌框线,此时,便需藉助车牌号码本身来进行倾斜校正。
请参阅图1与图2,图1为正面倾斜的车牌10的示意图,图2为侧面倾斜的车牌12的示意图。如图1所示,正面倾斜是指视线与车牌10的平面垂直,因此,根据车牌10的字符找出的相邻两直线L1、L2仍可视为相互垂直,亦即,相邻两直线L1、L2的夹角θ1仍为直角。如图2所示,侧面倾斜是指视线与车牌12的平面不垂直,因此,根据车牌12的字符找出的相邻两直线L3、L4并非相互垂直,亦即,相邻两直线L3、L4的夹角θ2不是直角。目前,先前技术(例如,美国专利公告第8,249,391号)仅能对图1所示的正面倾斜的车牌10进行倾斜校正,而无法对图2所示的侧面倾斜的车牌12进行倾斜校正。
因此,有必要设计一种新型的车牌辨识的倾斜校正方法及倾斜校正系统,以克服上述缺陷。
发明内容
本发明的目的在于提供一种用于车牌辨识的倾斜校正方法及倾斜校正系统,不需先侦测出车牌框线,无论车牌与车身颜色是否相近,本发明皆适用。
根据一实施例,本发明提出一种用于车牌辨识的倾斜校正方法,包含下列步骤:撷取车牌的影像,其中车牌包含多个字符;于影像中找出多个字符;针对每一个字符产生最小外接矩形;计算每一个最小外接矩形相对影像的参考线的倾斜角度,以得到多个倾斜角度;以及以多个倾斜角度的集中量数对影像中的车牌进行倾斜校正。
根据本发明所述的倾斜校正方法,该集中量数为中位数或算术平均数。
根据本发明所述的倾斜校正方法,还包含下列步骤:针对该多个字符设定框架,其中该多个字符位于该框架中,该框架包含二长边以及二短边,该二长边与该二短边相交,该二长边分别平行该多个字符的上方轮廓与下方轮廓,该二短边相对该参考线的倾斜角度为该集中量数;以及对该框架所涵盖的范围进行倾斜校正。
根据本发明所述的倾斜校正方法,还包含下列步骤:以该集中量数相对该参考线转动每一该字符,以对该影像中的该车牌进行倾斜校正。
根据本发明所述的倾斜校正方法,该参考线为垂直线或水平线。
根据另一实施例,本发明还提出一种用于车牌辨识的倾斜校正系统,包含影像撷取单元以及处理单元,其中处理单元电性连接于影像撷取单元,影像撷取单元用于撷取车牌的影像,其中车牌包含多个字符,处理单元于影像中找出多个字符。处理单元针对每一个字符产生最小外接矩形,处理单元计算每一个最小外接矩形相对影像的参考线的倾斜角度,以得到多个倾斜角度,处理单元以多个倾斜角度的集中量数对影像中的车牌进行倾斜校正。
根据本发明所述的倾斜校正系统,该集中量数为中位数或算术平均数。
根据本发明所述的倾斜校正系统,该处理单元针对该多个字符设定框架,该多个字符位于该框架中,该框架包含二长边以及二短边,该二长边与该二短边相交,该二长边分别平行该多个字符的上方轮廓与下方轮廓,该二短边相对该参考线的倾斜角度为该集中量数,该处理单元对该框架所涵盖的范围进行倾斜校正。
根据本发明所述的倾斜校正系统,该处理单元以该集中量数相对该参考线转动每一该字符,以对该影像中的该车牌进行倾斜校正。
根据本发明所述的倾斜校正系统,该参考线为垂直线或水平线。
与现有技术相比,本发明提供的倾斜校正方法及倾斜校正系统,在找出影像中的车牌的字符后,先针对每一个字符产生最小外接矩形,计算每一个最小外接矩形相对影像的参考线的倾斜角度,再以倾斜角度的集中量数对影像中的车牌进行倾斜校正。由于本发明不需先侦测出车牌框线,因此,无论车牌与车身颜色是否相近,本发明皆适用。
附图说明
图1为正面倾斜的车牌的示意图;
图2为侧面倾斜的车牌的示意图;
图3为根据本发明一实施例的用于车牌辨识的倾斜校正系统的功能方块图;
图4为车牌的影像的示意图;
图5为图4中的车牌的影像经滤波与二值化处理后的示意图;
图6为根据本发明一实施例的用于车牌辨识的倾斜校正方法的流程图;
图7为另一车牌的影像的示意图;
图8为图7中的车牌的影像经滤波与二值化处理后的示意图。
具体实施方式
为使对本发明的目的、构造、特征、及其功能有进一步的了解,兹配合实施例详细说明如下。
请参阅图3至图6所示,图3为根据本发明一实施例的用于车牌辨识的倾斜校正系统3的功能方块图,图4为车牌50的影像I1的示意图,图5为图4中的车牌50的影像I1经滤波与二值化处理后的示意图,图6为根据本发明一实施例的用于车牌辨识的倾斜校正方法的流程图。图6中的用于车牌辨识的倾斜校正方法适用于图3中的用于车牌辨识的倾斜校正系统3。
如图3所示,用于车牌辨识的倾斜校正系统3包含影像撷取单元30以及处理单元32,其中处理单元32电性连接于影像撷取单元30。于实际应用中,影像撷取单元30可为电荷耦合组件(Charge-coupled Device,CCD)传感器或互补式金属氧化半导体(ComplementaryMetal-Oxide Semiconductor,CMOS)传感器;处理单元32可为具有数据处理功能的处理器或控制器。一般而言,倾斜校正系统3中还会设有运作时必要的软硬件组件,如电路板、电源供应器、应用程序、通讯模块、镜头等,视实际应用而定。
于此实施例中,本发明可将影像撷取单元30与处理单元32设置于一摄影机中,亦即,由摄影机撷取车牌的影像并进行车牌辨识。于另一实施例中,本发明亦可将影像撷取单元30设置于一摄影机中,且将处理单元32设置于一后端主机中,亦即,由摄影机撷取车牌的影像并将车牌的影像传送至后端主机,再由后端主机进行车牌辨识。
进行倾斜校正时,首先,执行图6中的步骤S10,由影像撷取单元30撷取车牌50的影像I1,其中车牌50包含多个字符。如图4所示,车牌50包含六个字符“8503TS”。
接着,执行图6中的步骤S12,由处理单元32于影像I1中找出字符“8503TS”。于实际应用中,处理单元32可将影像I1经滤波与二值化处理,以找出字符“8503TS”,如图5所示。需说明的是,如何于影像中找出车牌的字符的方法,可参考相关先前技术,例如,“C.-N.E.E.Anagnostopoulos,I.E.Anagnostopoulos,V.Loumos,and E.Kayafas,“A licenseplate-recognition algorithm for intelligent transportation systemapplications,”IEEE Trans.Intel Trans.Syst.,vol.7,no.3,pp.377–392,Sep.2006”、“Z.Chen,C.Liu,F.Chang,and G.Wang,“Automatic license plate location andrecognition based on feature salience,”IEEE Trans.Veh.Tech.,vol.58,no.7,pp.3781–3785,2009.”等,在此不再赘述。
接着,执行图6中的步骤S14,由处理单元32针对“8503TS”中的每一个字符产生最小外接矩形。如图5所示,处理单元32可针对六个字符“8503TS”产生六个最小外接矩形R1-R6。需说明的是,如何针对每一个字符产生最小外接矩形,可参考相关先前技术,例如,OpenCV软件中的minAreaRect功能,其中OpenCV的全名是Open Source Computer VisionLibrary,是一个跨平台的计算机视觉库,OpenCV是由英特尔公司发起并参与开发,可以在商业和研究领域中免费使用。
接着,执行图6中的步骤S16,由处理单元32计算每一个最小外接矩形R1-R6相对影像I1的参考线LR的倾斜角度,以得到多个倾斜角度。如图5所示,处理单元32可以影像I1中的垂直线作为参考线LR。于此实施例中,若字符相对参考线LR向左倾斜,可将倾斜角度设定为正值;若字符相对参考线LR向右倾斜,可将倾斜角度设定为负值。因此,以图5所绘示的实施例为例,根据字符“8503TS”的最小外接矩形R1-R6,可得到六个倾斜角度如下,字符“8”的最小外接矩形R1相对参考线LR的倾斜角度为-0.3度,字符“5”的最小外接矩形R2相对参考线LR的倾斜角度为0度,字符“0”的最小外接矩形R3相对参考线LR的倾斜角度为0.3度,字符“3”的最小外接矩形R4相对参考线LR的倾斜角度为-1.48度,字符“T”的最小外接矩形R5相对参考线LR的倾斜角度为-11.63度,且字符“S”的最小外接矩形R6相对参考线LR的倾斜角度为-1.83度。需说明的是,处理单元32亦可以影像I1中的水平线作为上述的参考线。换言之,上述的参考线可为影像I1中的垂直线或水平线,视实际应用而定。
接着,执行图6中的步骤S18,由处理单元32以倾斜角度的集中量数对影像I1中的车牌5进行倾斜校正。于此实施例中,可将上述的集中量数设定为中位数。上述的六个倾斜角度由小至大排列依序为-11.36、-1.83、-1.48、-0.3、0、0.3。因此,上述的六个倾斜角度的中位数即为(-1.48-0.3)/2=-0.89,亦即,上述集中量数为上述倾斜角度的值中位于中间位置的两倾斜角度的平均值。
于此实施例中,处理单元32可针对字符“8503TS”设定框架F1,且使字符“8503TS”皆位于框架F1中。如图5所示,框架F1包含二长边H1、H2以及二短边V1、V2,其中二长边H1、H2与二短边V1、V2相交。二长边H1、H2分别平行字符“8503TS”的上方轮廓与下方轮廓。二短边V1、V2相对参考线LR的倾斜角度即为上述的集中量数(亦即,中位数-0.89)。由于上述计算出的中位数为负值,表示二短边V1、V2相对参考线LR向右倾斜0.89度。接着,处理单元32再利用OpenCV软件或EmguCV软件中的透视转换(perspective transform)功能对框架F1所涵盖的范围进行倾斜校正。藉此,即完成对影像I1中的车牌50的倾斜校正。需说明的是,OpenCV软件与EmguCV软件中的透视转换功能是为本领域技术人员所熟知,在此不再赘述。
于另一实施例中,处理单元32亦可以上述的集中量数(亦即,中位数-0.89)相对参考线LR直接转动每一个字符“8503TS”,以对影像I1中的车牌50进行倾斜校正,而不需设定上述的框架F1。
在对影像I1中的车牌50进行倾斜校正后,即可利用现有的影像辨识技术对车牌50进行辨识。
需说明的是,虽然车牌50的字符几乎都是长方体,但在求最小外接矩形时,有些字符因先天形状或侧面倾斜角度等因素,可能会导致求出的最小外接矩形的倾斜角度与实际字符的倾斜角度误差过大。例如,字符“T”的最小外接矩形R5相对参考线LR的倾斜角度为-11.63度,明显与实际字符“T”的倾斜角度误差过大。因此,本发明将误差过大的倾斜角度舍弃,而以倾斜角度的中位数作为集中量数,对影像I1中的车牌50进行倾斜校正,以提高倾斜校正的准确度。
请参阅图7以及图8所示,图7为另一车牌52的影像I2的示意图,图8为图7中的车牌52的影像I2经滤波与二值化处理后的示意图。如图7所示,车牌52包含七个字符“ABC9999”。于实际应用中,处理单元32可将影像I2经滤波与二值化处理,以找出字符“ABC9999”,如图8所示。接着,根据上述方式,处理单元32可针对七个字符“ABC9999”产生七个最小外接矩形R7-R13。同理,以图8所绘示的实施例为例,根据字符“ABC9999”的最小外接矩形R7-R13,可得到七个倾斜角度如下,字符“A”的最小外接矩形R7相对参考线LR的倾斜角度为5.87度,字符“B”的最小外接矩形R8相对参考线LR的倾斜角度为0.35度,字符“C”的最小外接矩形R9相对参考线LR的倾斜角度为0度,且四个字符“9”的最小外接矩形R10-13相对参考线LR的倾斜角度皆为-14.95度。
于此实施例中,可将上述的集中量数设定为算术平均数。因此,上述的七个倾斜角度的算术平均数即为-7.65。
于此实施例中,处理单元32可针对字符“ABC9999”设定框架F2,且使字符“ABC9999”皆位于框架F2中。如图8所示,框架F2包含二长边H3、H4以及二短边V3、V4,其中二长边H3、H4与二短边V3、V4相交。二长边H3、H4分别平行字符“ABC9999”的上方轮廓与下方轮廓。二短边V3、V4相对参考线LR的倾斜角度即为上述的集中量数(亦即,算术平均数-7.65)。由于上述计算出的算术平均数为负值,表示二短边V3、V4相对参考线LR向右倾斜7.65度。接着,处理单元32再利用OpenCV软件或EmguCV软件中的透视转换功能对框架F2所涵盖的范围进行倾斜校正。藉此,即完成对影像I2中的车牌52的倾斜校正。需说明的是,OpenCV软件与EmguCV软件中的透视转换功能系为本领域技术人员所熟知,在此不再赘述。
于另一实施例中,处理单元32亦可以上述的集中量数(亦即,算术平均数-7.65)相对参考线LR直接转动每一个字符“ABC9999”,以对影像I2中的车牌52进行倾斜校正,而不需设定上述的框架F2。
在对影像I2中的车牌52进行倾斜校正后,即可利用现有的影像辨识技术对车牌52进行辨识。
因此,根据上述的实施例,本发明可以中位数或算术平均数作为上述的集中量数,以对影像中的车牌进行倾斜校正。至于如何选择中位数或算术平均数作为上述的集中量数,可根据实际应用来决定。
需说明的是,本发明的倾斜校正方法的控制逻辑可以软件设计来实现。此外,本发明的倾斜校正方法的控制逻辑中的各个部分或功能皆可通过软硬件的组合来实现。
综上所述,本发明提供的倾斜校正方法及倾斜校正系统,在找出影像中的车牌的字符后,先针对每一个字符产生最小外接矩形,计算每一个最小外接矩形相对影像的参考线的倾斜角度,再以倾斜角度的集中量数对影像中的车牌进行倾斜校正。由于本发明不需先侦测出车牌框线,因此,无论车牌与车身颜色是否相近,本发明皆适用。
本发明已由上述相关实施例加以描述,然而上述实施例仅为实施本发明的范例。必需指出的是,已揭露的实施例并未限制本发明的范围。相反地,在不脱离本发明的精神和范围内所作的更动与润饰,均属本发明的专利保护范围。
Claims (10)
1.一种用于车牌辨识的倾斜校正方法,其特征在于,包含下列步骤:
撷取车牌的影像,其中该车牌包含多个字符;
于该影像中找出该多个字符;
针对每一该字符产生最小外接矩形;
计算每一该最小外接矩形相对该影像的参考线的倾斜角度,以得到多个该倾斜角度;以及
以多个该倾斜角度的集中量数对该影像中的该车牌进行倾斜校正。
2.如权利要求1所述的倾斜校正方法,其特征在于,该集中量数为中位数或算术平均数。
3.如权利要求1所述的倾斜校正方法,其特征在于,还包含下列步骤:
针对该多个字符设定框架,其中该多个字符位于该框架中,该框架包含二长边以及二短边,该二长边与该二短边相交,该二长边分别平行该多个字符的上方轮廓与下方轮廓,该二短边相对该参考线的该倾斜角度为该集中量数;以及
对该框架所涵盖的范围进行倾斜校正。
4.如权利要求1所述的倾斜校正方法,其特征在于,还包含下列步骤:
以该集中量数相对该参考线转动每一该字符,以对该影像中的该车牌进行倾斜校正。
5.如权利要求1所述的倾斜校正方法,其特征在于,该参考线为垂直线或水平线。
6.一种用于车牌辨识的倾斜校正系统,其特征在于,包含:
影像撷取单元,用于撷取车牌的影像,其中该车牌包含多个字符;以及
处理单元,电性连接于该影像撷取单元,该处理单元于该影像中找出该多个字符,该处理单元针对每一该字符产生最小外接矩形,该处理单元计算每一该最小外接矩形相对该影像的参考线的倾斜角度,以得到多个该倾斜角度,该处理单元以多个该倾斜角度的集中量数对该影像中的该车牌进行倾斜校正。
7.如权利要求6所述的倾斜校正系统,其特征在于,该集中量数为中位数或算术平均数。
8.如权利要求6所述的倾斜校正系统,其特征在于,该处理单元针对该多个字符设定框架,该多个字符位于该框架中,该框架包含二长边以及二短边,该二长边与该二短边相交,该二长边分别平行该多个字符的上方轮廓与下方轮廓,该二短边相对该参考线的该倾斜角度为该集中量数,该处理单元对该框架所涵盖的范围进行倾斜校正。
9.如权利要求6所述的倾斜校正系统,其特征在于,该处理单元以该集中量数相对该参考线转动每一该字符,以对该影像中的该车牌进行倾斜校正。
10.如权利要求6所述的倾斜校正系统,其特征在于,该参考线为垂直线或水平线。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610824393.7A CN106446893A (zh) | 2016-09-14 | 2016-09-14 | 用于车牌辨识的倾斜校正方法及倾斜校正系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610824393.7A CN106446893A (zh) | 2016-09-14 | 2016-09-14 | 用于车牌辨识的倾斜校正方法及倾斜校正系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106446893A true CN106446893A (zh) | 2017-02-22 |
Family
ID=58169029
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610824393.7A Withdrawn CN106446893A (zh) | 2016-09-14 | 2016-09-14 | 用于车牌辨识的倾斜校正方法及倾斜校正系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106446893A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107451588A (zh) * | 2017-08-28 | 2017-12-08 | 广东工业大学 | 一种基于机器视觉的易拉罐光滑曲面喷码在线识别方法 |
CN108389167A (zh) * | 2018-02-09 | 2018-08-10 | 广东天骄智能制造要素配置有限公司 | 图像处理方法、装置、计算机设备和存储介质 |
CN108985137A (zh) * | 2017-06-02 | 2018-12-11 | 杭州海康威视数字技术股份有限公司 | 一种车牌识别方法、装置及系统 |
CN112906429A (zh) * | 2019-11-19 | 2021-06-04 | 英业达科技有限公司 | 图文影像辨识系统及方法 |
US11423633B2 (en) * | 2018-10-19 | 2022-08-23 | Capital One Services, Llc | Image processing to detect a rectangular object |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104657731A (zh) * | 2015-03-06 | 2015-05-27 | 张起坤 | 一种集装箱箱号矫正方法 |
US20150347860A1 (en) * | 2014-05-30 | 2015-12-03 | Apple Inc. | Systems And Methods For Character Sequence Recognition With No Explicit Segmentation |
CN105210027A (zh) * | 2013-03-14 | 2015-12-30 | 纽昂斯通信有限公司 | 使用可旋转支撑线识别手写输入 |
-
2016
- 2016-09-14 CN CN201610824393.7A patent/CN106446893A/zh not_active Withdrawn
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105210027A (zh) * | 2013-03-14 | 2015-12-30 | 纽昂斯通信有限公司 | 使用可旋转支撑线识别手写输入 |
US20150347860A1 (en) * | 2014-05-30 | 2015-12-03 | Apple Inc. | Systems And Methods For Character Sequence Recognition With No Explicit Segmentation |
CN104657731A (zh) * | 2015-03-06 | 2015-05-27 | 张起坤 | 一种集装箱箱号矫正方法 |
Non-Patent Citations (1)
Title |
---|
李冬生,陈域: "基于先验知识的车牌垂直倾斜校正方法", 《软件导刊》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108985137A (zh) * | 2017-06-02 | 2018-12-11 | 杭州海康威视数字技术股份有限公司 | 一种车牌识别方法、装置及系统 |
CN107451588A (zh) * | 2017-08-28 | 2017-12-08 | 广东工业大学 | 一种基于机器视觉的易拉罐光滑曲面喷码在线识别方法 |
CN108389167A (zh) * | 2018-02-09 | 2018-08-10 | 广东天骄智能制造要素配置有限公司 | 图像处理方法、装置、计算机设备和存储介质 |
CN108389167B (zh) * | 2018-02-09 | 2020-04-21 | 广东天骄智能制造要素配置有限公司 | 图像处理方法、装置、计算机设备和存储介质 |
US11423633B2 (en) * | 2018-10-19 | 2022-08-23 | Capital One Services, Llc | Image processing to detect a rectangular object |
US20220392184A1 (en) * | 2018-10-19 | 2022-12-08 | Capital One Services, Llc | Image processing to detect a rectangular object |
US11682225B2 (en) * | 2018-10-19 | 2023-06-20 | Capital One Services, Llc | Image processing to detect a rectangular object |
US20230298375A1 (en) * | 2018-10-19 | 2023-09-21 | Capital One Services, Llc | Image processing to detect a rectangular object |
CN112906429A (zh) * | 2019-11-19 | 2021-06-04 | 英业达科技有限公司 | 图文影像辨识系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106446893A (zh) | 用于车牌辨识的倾斜校正方法及倾斜校正系统 | |
KR101393391B1 (ko) | 임베디드 시스템 기반의 차량 번호판 인식 방법 | |
WO2019233264A1 (zh) | 图像处理方法、计算机可读存储介质和电子设备 | |
US8498444B2 (en) | Blob representation in video processing | |
US11170528B2 (en) | Object pose tracking method and apparatus | |
EP3648448A1 (en) | Target feature extraction method and device, and application system | |
CN110211110B (zh) | 一种构件尺寸的检测方法、系统及终端设备 | |
CN103871079A (zh) | 基于机器学习和光流的车辆跟踪方法 | |
CN106709500B (zh) | 一种图像特征匹配的方法 | |
CN106952307B (zh) | 一种图像中球体定位方法及系统 | |
CN109191516B (zh) | 结构光模组的旋转纠正方法、装置及可读存储介质 | |
CN111127303A (zh) | 背景虚化方法、装置、终端设备及计算机可读存储介质 | |
WO2022205937A1 (zh) | 特征信息提取方法、模型训练方法、装置及电子设备 | |
CN115115611B (zh) | 车辆损伤识别方法、装置、电子设备和存储介质 | |
Sun et al. | A robust lane detection method for autonomous car-like robot | |
WO2020001631A1 (zh) | 基于视觉摄像机的自阴影物体边缘识别方法、装置及车辆 | |
CN113343872B (zh) | 交通灯识别方法、装置、设备、介质及产品 | |
WO2024002396A2 (zh) | 一种车辆充电口识别方法及相关设备 | |
CN113793413A (zh) | 三维重建方法、装置、电子设备及存储介质 | |
CN113343873A (zh) | 信号灯识别方法、装置、设备、介质及产品 | |
TW201810126A (zh) | 用於車牌辨識之傾斜校正方法及傾斜校正系統 | |
CN115841520A (zh) | 一种相机内参标定方法、装置、电子设备及介质 | |
CN113840135B (zh) | 色偏检测方法、装置、设备及存储介质 | |
CN115829911A (zh) | 检测系统的成像一致性的方法、装置和计算机存储介质 | |
CN113222990A (zh) | 一种基于图像数据增强的芯片计数方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20170222 |