CN106909923A - 一种违章车辆处理系统 - Google Patents
一种违章车辆处理系统 Download PDFInfo
- Publication number
- CN106909923A CN106909923A CN201710089649.9A CN201710089649A CN106909923A CN 106909923 A CN106909923 A CN 106909923A CN 201710089649 A CN201710089649 A CN 201710089649A CN 106909923 A CN106909923 A CN 106909923A
- Authority
- CN
- China
- Prior art keywords
- module
- image
- unit
- positioning
- vehicles peccancy
- 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
- 238000012545 processing Methods 0.000 title claims abstract description 40
- 238000000034 method Methods 0.000 claims description 34
- 230000008569 process Effects 0.000 claims description 16
- 238000001914 filtration Methods 0.000 claims description 11
- 238000006243 chemical reaction Methods 0.000 claims description 10
- 238000005520 cutting process Methods 0.000 claims description 10
- 230000009466 transformation Effects 0.000 claims description 10
- 230000011218 segmentation Effects 0.000 claims description 9
- 230000007935 neutral effect Effects 0.000 claims description 7
- 238000003708 edge detection Methods 0.000 claims description 6
- 238000011946 reduction process Methods 0.000 claims description 6
- 230000000877 morphologic effect Effects 0.000 claims description 4
- 238000004148 unit process Methods 0.000 claims description 2
- 230000008859 change Effects 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000002708 enhancing effect Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 241001270131 Agaricus moelleri Species 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000005530 etching Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000036039 immunity Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000009022 nonlinear effect Effects 0.000 description 1
- 238000011017 operating method Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- 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
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/24—Character recognition characterised by the processing or recognition method
- G06V30/248—Character recognition characterised by the processing or recognition method involving plural approaches, e.g. verification by template match; Resolving confusion among similar patterns, e.g. "O" versus "Q"
-
- 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)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- General Business, Economics & Management (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Development Economics (AREA)
- Character Input (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供了一种违章车辆处理系统,包括车牌识别装置和罚单装置;所述车牌识别装置包括车牌识别模块,图像采集模块,上传模块和前端模块,所述车牌识别模块分别连接所述图像采集模块、所述上传模块和所述前端模块;所述罚单装置包括接收模块、查询模块和记录模块;所述接收模块与所述上传模块通信连接。本方案能够记录违章车辆的车牌号并上传到罚单系统,降低交警的工作量。
Description
技术领域
本发明涉及车牌识别技术领域,尤其涉及一种违章车辆处理系统。
背景技术
随着经济的逐步发展和科技的日益进步,人们的生活水平不断提高,汽车早己走进普通人家,一方面这给人们出行带来方便,但另一方面给使得在路上行驶的车辆大大增加,给交通秩序带来巨大压力。虽然在政策方面国家或地区出台很多法律法规来维护交通秩序,但这些法律法规的控制能力相对于汽车数量的增长给交通带来的问题而言无异于杯水车薪,给交警的维护交通秩序和处罚带来不良的影响。
交警需要对通过对违章车辆开具罚单来维护交通秩序,目前,需要交警记录车辆的车牌号后再手动上传到罚单系统中来记录车辆的违规记录,工作量大,操作繁琐。
发明内容
有鉴于此,本发明要解决的技术问题是提供一种违章车辆处理系统,能够记录违章车辆的车牌号并上传到罚单系统,降低交警的工作量。
本发明的技术方案是这样实现的:
一种违章车辆处理系统,包括车牌识别装置和罚单装置;
所述车牌识别装置包括车牌识别模块,图像采集模块,上传模块和前端模块,所述车牌识别模块分别连接所述图像采集模块、所述上传模块和所述前端模块;
所述罚单装置包括接收模块、查询模块和记录模块;所述接收模块与所述上传模块通信连接。
优选的,所述图像采集模块包括定位框单元,所述定位框单元用于定位违章车辆的车牌。
优选的,所述车牌识别模块包括图像处理单元、定位单元、分割单元和识别单元;
所述图像处理单元用于对图像采集模块采集的图像进行降噪处理和/或滤波处理和/或高斯模糊处理和/或灰度化处理和/或边缘检测处理和/或二值化处理和/或形态学处理;
所述定位单元用于对所述图像处理单元处理后的图像进行纹理特征定位和/或颜色定位和/或数学形态学定位和/或小波变换定位和/或神经网络定位;
所述分割单元用于将所述定位单元定位获取的图像进行字符分割;
所述识别单元用于对分割单元分割后的字符进行字符识别和字符预测,获取车牌信息。
优选的,所述前端模块包括辅助光源。
优选的,所述查询模块用于根据所述车牌信息查询车辆信息,所述记录模块用于将所述车辆信息录入交警罚单系统。
优选的,所述罚单装置还包括打印模块。
本发明提出的违章车辆处理系统,通过车牌识别装置采集并识别违章车辆的车牌号,罚单装置接收车牌识别装置采集的违章车牌号并查询车牌号对应的车辆信息,并通过记录模块将车辆信息录入交警罚单系统,从而能够记录违章车辆的车牌号并上传到罚单系统,降低交警的工作量。
附图说明
图1为本发明实施例提出的违章车辆处理系统的结构框图。
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,所描述的实施例仅仅是本发明一部分实施例,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。
如图1所示,本发明实施例提出了一种违章车辆处理系统,包括车牌识别装置1和罚单装置2;
车牌识别装置1包括车牌识别模块101,图像采集模块102,上传模块103和前端模块104,车牌识别模块101分别连接图像采集模块102,上传模块103和前端模块104;
罚单装置2包括接收模块201、查询模块202和记录模块203;接收模块201与上传模块103通信连接。
可见,本发明提出的违章车辆处理系统,通过车牌识别装置采集并识别违章车辆的车牌号,罚单装置接收车牌识别装置采集的违章车牌号并查询车牌号对应的车辆信息,并通过记录模块将车辆信息录入交警罚单系统,从而能够记录违章车辆的车牌号并上传到罚单系统,降低交警的工作量。
在本发明的一个优选实施例中,图像采集模块102包括定位框单元1021,定位框单元1021用于定位违章车辆的车牌。
详细的,图像采集模块可以为摄像机,摄像机用来采集违章车辆的图像,在摄像机拍摄违章车辆时,定位框可以自动定位车牌的位置,把车牌框在定位框之内,获得原始图片中仅包含车牌的图块。
其中,定位技术应用已久,如相机的人脸定位技术,通过在摄像机内部布置集成电路,可以在极短的时间内完成定位,从而获得仅包含车牌的图像,使车牌的识别更加简单。
在本发明的一个优选实施例中,车牌识别模块101包括图像处理单元1011、定位单元1012、分割单元1013和识别单元1014;
图像处理单元1011用于对图像采集模块采集的图像进行降噪处理和/或滤波处理和/或高斯模糊处理和/或灰度化处理和/或边缘检测处理和/或二值化处理和/或形态学处理;
对图像进行降噪:在实际收集到的图像中,来自成像、传输和存储过程中噪声污染不可避免,一般常表现为一些孤立的像素点或像素块,在灰度图像中就是暗点从而干扰我们对有用信息的识别,因此我们需要对它们进行处理,在不影响原始图像的前提下,尽可能的消除噪声,于是需要用到滤波技术。
对图像进行滤波:图像滤波是预处理中的一个重要步骤,它要求尽量在保留图像细节特征的前提下,不损坏图像轮廓及边缘,抽取目标图像的对象特征并对混入的噪声进行抑制,保留有用信息,根据不同的处理需求可能是低频,也可能是高频。中值滤波是处理非线性信号的邻域运算,在结构上类似卷积。把局部区域的像素按灰度大小排序之后我们选取中间值当做当前像素的灰度值,不同于简单的求和与加权求和,它的目的是使误差的绝对值之和达到最小以便在滤波器的输出上与其对应。中值滤波的核心就是对像素的排序和重新赋值,具体的操作步骤为:取模板漫游目标图像,其形状可谓圆形、线性等形状,当模板中心和其中的某个像素重合时将模板中对应该像素的灰度值从小到大排序后,我们选择中间像素点的灰度值赋予该像素。因为图像一般是二维的数据,我们应该根据要求选择合理的模板窗口形状和尺寸大小以避免对最后的滤波效果形成不良的影响。
对图像进行高斯模糊处理:高斯模糊是将正态分布运用于图像处理来消声减噪的线性平滑滤波,首先对整幅图像进行加权平均,其中每一个点的值,都是由该像素本身和模板确定的邻域内的像素值经过加权平均后获得,方式包括两种分别是离散化窗口卷积和傅里叶变换。其中图像处理用的是二维的正态分布的密度函数,也叫做高斯函数。假若所处理的点不在中间区域,这需要将已有点拷贝至另一面的对应地方模拟完整矩阵进行计算。
对图像进行灰度化处理:由于一些外界因素的影响使我们收集到的图片中目标区域和背景的对比度不够明显,为了使车牌部分更凸显需要对整体进行早期的预处理,有一些特定的算法对彩色图像是不实用的,处理相对复杂而且不方便。因此可以尝试将彩色图像进行转变,转化为单色的多级灰度图像可以为我们的计算和处理带来很大的便捷,其中像素的灰度范围取值在0到255之间,最大的255是白色,最小的0为黑色。在图像处理过程中,常见到的彩色图片格式有RGB,HSV、YUV以及HLS四种,的方法包括线性变换和分段灰度变换两种。线性变换中有三种处理办法,分别是对R、G、B三值取平均、取最大或者进行加权平均;分段灰度变换的办法是在三个区间内控制调整不同参数以使源图像得到不同程度的拉伸变换。
对图像进行边缘处理:边缘表示的是图像中周边像素灰度值产生急剧波动的像素集合,主要存在于目标、背景、区域之间的局部强度变化明显的地方,强度的显著变化一般包括阶跃型和屋顶状的边缘,前者是两边灰度变化明显不一致的类型,后者则处在大小变化的转折点上保持一个较小突变后又回到原值上一般通过需要设置合适的阈值去检测边线,否则容易影响图像的细节。
对图像进行二值化处理:从处理图像的范围上分成了全局和局部的二值化,前者使用黑白标定整幅图像中大于阈值的像素和小于阈值的像素,这种方法不能完好的表现图像细节。后者则依据事先的设定划分图像成N个窗口,接下来每个窗口都按各自的阈值去划分它们的内部像素片,最后做二值化标定。
为了进一步的简化主要数据剔去不相干元素使得分析和识别图像能更准确,我们还可以使用形态学的方法,这种办法主要是使用具有一定形态结构的元素去分析图像,基本的运算方法包括开运算、闭运算、膨胀操作、腐蚀操作、细化、粗化和击中,组合运用这些算法能实现分割、增强和滤波操作。通过对图像实行形态变化来提取结构特征以帮助目标分析和识别。
通过对图像采集模块采集的图像进行降噪处理和/或滤波处理和/或高斯模糊处理和/或灰度化处理和/或边缘检测处理和/或二值化处理和/或形态学处理,可以避免后期处理造成干扰,方便它们在后期的计算和使用。
定位单元用于对图像处理单元处理后的图像进行纹理特征定位和/或颜色定位和/或数学形态学定位和/或小波变换定位和/或神经网络定位;
车牌定位就是指我们要在筛选好的图像中选取车牌部分以便后期进行识别。
纹理特征定位:该方法主要在二值化图像基础上,依据处理字符的纹理特征和统计规律去定位区域,利用这些特征对外界条件变化的钝感性,车牌图像在亮度变化剧烈、位置高低不均等、形状走样等复杂情况下定位效果也不发生大的变化。
颜色定位:这种方法利用的正是车牌区域相比于背景颜色较强的特征表现,通过统计特征而锁定目标区域并将其定位分割,但当二者颜色相近时方法受限,针对于颜色的处理办法依据不同的颜色空间可划分为基于RGB、基于HSV和基于YUV三种。这些处理过程往往实现相对简单、识别速度快,在进行优化后往往实用性和准确率也更高。
数学形态学定位:这种方法的使用主要是考虑到车牌边缘在竖直方向经形态学方法处理后会形成类似矩形的目标区域,但它只能做初期的粗定位,如果字符间距过大使用该方法有可能导致区域断裂,因此需要结合其他算法来精准定位。
小波变换定位:该处理主要是研究车牌图像在变换后的多个分辨率层上细节信息,我们能获得车牌图像底层的一些物理结构便于我们后续的分析和识别。故诸多学者希望利用小波变换图像后的系数矩阵作为定位算法的新的研究方向。
神经网络定位:神经网络的方法就是通过建立标准车牌的神经网络模型并训练识别目标图像中的目标区域,充分挖掘并利用它的特征比如:长、宽及二者比、面积、周长及二者比。此算法自适应能力强,但相对其他算法而言比较复杂、计算量庞大,通常需要训练的数据量上百后才能获得一定的识别效果。
分割单元用于将定位单元定位获取的图像进行字符分割。
具体的,将数字、汉字、字母进行分割,在分割前为了减少错误分割的可能,提高后续步骤的准确性,也可以先对车牌进行一些处理,比如灰度化、增强对比度、二值化和统一背景。增强图像对比度主要是采取灰度拉伸的方法改善图像的对比度和整体质量,具体而言就是要把集中在较暗和较亮区域的灰度有选择的拉伸使得图像的质量有所改善,即要使得字符和背景能更好的区分。
识别单元用于对分割单元分割后的字符进行字符识别和字符预测,获取车牌信息。
详细的,可以采用灰度等识别算法进行识别。由于会存在近似的字符,如“8”和“B”,因此在无法完全确认识别的情况下,可以设置备选项供选择。
在本发明的一个优选实施例中,前端模块包括辅助光源。
由于在夜间或恶劣天气下,摄像机的拍摄会受到干扰,如光线不足影响拍摄,通过控制辅助光源为摄像机进行补光,可以提高拍摄图像的质量,便于识别。
在本发明的一个优选实施例中,查询模块用于根据车牌信息查询车辆信息,记录模块用于将车辆信息录入交警罚单系统
在本发明的一个优选实施例中,查询模块用于根据车牌信息查询车辆信息,记录模块用于将车辆信息录入交警罚单系统。
交警在工作时,开具罚单需要录入罚单系统,便于车辆的统一管理,通过车牌信息查询出车辆信息如车主、车型等信息,并录入交警罚单系统,可以便于车辆的统一管理。
在本发明的一个优选实施例中,罚单装置还包括打印模块。
通过打印模块可以进行违章罚单等信息的打印。
本发明提出的违章车辆处理系统,通过摄像机拍摄违章车辆的信息,摄像机中有定位框,可以把车牌框在定位框之内,获得原始图片中仅包含车牌的图块,当光线不足时,可以通过辅助光源进行补光;获得违章车辆的图片后,处理单元对图像采集模块采集的图像进行降噪处理和/或滤波处理和/或高斯模糊处理和/或灰度化处理和/或边缘检测处理和/或二值化处理和/或形态学处理;定位单元对图像处理单元处理后的图像进行纹理特征定位和/或颜色定位和/或数学形态学定位和/或小波变换定位和/或神经网络定位;分割单元将定位单元定位获取的图像进行字符分割;识别单元对分割单元分割后的字符进行字符识别和字符预测,获取车牌信息,上传模块将车牌信息上传至罚单装置,罚单装置根据车牌信息查询车辆的信息,并录入交警罚单系统进行统一管理,并通过打印模块进行罚单打印。
综上所述,本发明实施例至少可以实现如下效果:
在本发明实施例中,通过车牌识别装置采集并识别违章车辆的车牌号,罚单装置接收车牌识别装置采集的违章车牌号并查询车牌号对应的车辆信息,并通过记录模块将车辆信息录入交警罚单系统,从而能够记录违章车辆的车牌号并上传到罚单系统,降低交警的工作量。
在本发明实施例中,图像采集模块包括定位框单元,定位框单元可以自动定位车牌的位置,把车牌框在定位框之内,获得原始图片中仅包含车牌的图块,从而获得仅包含车牌的图像,使车牌的识别更加简单。
在本发明实施例中,前端模块包括辅助光源,从而可以光线不足时进行补光,使拍摄的图像质量更好,便于识别。
在本发明实施例中,处理单元对图像采集模块采集的图像进行降噪处理和/或滤波处理和/或高斯模糊处理和/或灰度化处理和/或边缘检测处理和/或二值化处理和/或形态学处理,可以便于图像的计算和使用。
在本发明实施例中,定位单元对图像处理单元处理后的图像进行纹理特征定位和/或颜色定位和/或数学形态学定位和/或小波变换定位和/或神经网络定位,从而可以选取车牌部分以便后期进行识别。
在本发明实施例中,罚单装置还包括打印模块,从而可以通过打印模块可以进行违章罚单等信息的打印。
最后需要说明的是:以上所述仅为本发明的较佳实施例,仅用于说明本发明的技术方案,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所做的任何修改、等同替换、改进等,均包含在本发明的保护范围内。
Claims (6)
1.一种违章车辆处理系统,其特征在于,包括车牌识别装置和罚单装置;
所述车牌识别装置包括车牌识别模块,图像采集模块,上传模块和前端模块,所述车牌识别模块分别连接所述图像采集模块、所述上传模块和所述前端模块;
所述罚单装置包括接收模块、查询模块和记录模块;所述接收模块与所述上传模块通信连接。
2.如权利要求1所述的违章车辆处理系统,其特征在于,所述图像采集模块包括定位框单元,所述定位框单元用于定位违章车辆的车牌。
3.如权利要求1所述的违章车辆处理系统,其特征在于,所述车牌识别模块包括图像处理单元、定位单元、分割单元和识别单元;
所述图像处理单元用于对图像采集模块采集的图像进行降噪处理和/或滤波处理和/或高斯模糊处理和/或灰度化处理和/或边缘检测处理和/或二值化处理和/或形态学处理;
所述定位单元用于对所述图像处理单元处理后的图像进行纹理特征定位和/或颜色定位和/或数学形态学定位和/或小波变换定位和/或神经网络定位;
所述分割单元用于将所述定位单元定位获取的图像进行字符分割;
所述识别单元用于对分割单元分割后的字符进行字符识别和字符预测,获取车牌信息。
4.如权利要求1所述的违章车辆处理系统,其特征在于,所述前端模块包括辅助光源。
5.如权利要求3所述的违章车辆处理系统,其特征在于,所述查询模块用于根据所述车牌信息查询车辆信息,所述记录模块用于将所述车辆信息录入交警罚单系统。
6.如权利要求1-5任一项所述的违章车辆处理系统,其特征在于,所述罚单装置还包括打印模块。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710089649.9A CN106909923A (zh) | 2017-02-20 | 2017-02-20 | 一种违章车辆处理系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710089649.9A CN106909923A (zh) | 2017-02-20 | 2017-02-20 | 一种违章车辆处理系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106909923A true CN106909923A (zh) | 2017-06-30 |
Family
ID=59208281
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710089649.9A Pending CN106909923A (zh) | 2017-02-20 | 2017-02-20 | 一种违章车辆处理系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106909923A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107134149A (zh) * | 2017-07-12 | 2017-09-05 | 安徽味唯网络科技有限公司 | 一种快速开具违章罚单的方法 |
CN107870983A (zh) * | 2017-09-30 | 2018-04-03 | 深圳市易成自动驾驶技术有限公司 | 基于区块链的车辆违章信息管理方法、区块链及存储介质 |
CN109788311A (zh) * | 2019-01-28 | 2019-05-21 | 北京易捷胜科技有限公司 | 人物替换方法、电子设备和存储介质 |
CN111627218A (zh) * | 2020-06-02 | 2020-09-04 | 重庆智者炎麒科技有限公司 | 一种通过图像增强进行夜间车牌识别的方法 |
CN111815522A (zh) * | 2020-05-27 | 2020-10-23 | 厦门汉印电子技术有限公司 | 一种打印图片增强处理方法、装置、设备及存储介质 |
CN112699827A (zh) * | 2021-01-05 | 2021-04-23 | 长威信息科技发展股份有限公司 | 一种基于区块链的交通警务处置方法及系统 |
CN113033978A (zh) * | 2021-03-10 | 2021-06-25 | 北京嘀嘀无限科技发展有限公司 | 停车风险确定方法、位置推荐方法、装置和电子设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101183427A (zh) * | 2007-12-05 | 2008-05-21 | 浙江工业大学 | 基于计算机视觉的违章停车检测装置 |
CN103295402A (zh) * | 2013-07-01 | 2013-09-11 | 广东惠利普路桥信息工程有限公司 | 智能交通超速抓拍系统 |
CN203300038U (zh) * | 2013-04-12 | 2013-11-20 | 马志敏 | 一种基于移动终端的车辆违章快速处理及查询系统 |
CN106205144A (zh) * | 2016-09-07 | 2016-12-07 | 东南大学 | 高速公路应急车道占用监督处罚方法和系统 |
-
2017
- 2017-02-20 CN CN201710089649.9A patent/CN106909923A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101183427A (zh) * | 2007-12-05 | 2008-05-21 | 浙江工业大学 | 基于计算机视觉的违章停车检测装置 |
CN203300038U (zh) * | 2013-04-12 | 2013-11-20 | 马志敏 | 一种基于移动终端的车辆违章快速处理及查询系统 |
CN103295402A (zh) * | 2013-07-01 | 2013-09-11 | 广东惠利普路桥信息工程有限公司 | 智能交通超速抓拍系统 |
CN106205144A (zh) * | 2016-09-07 | 2016-12-07 | 东南大学 | 高速公路应急车道占用监督处罚方法和系统 |
Non-Patent Citations (2)
Title |
---|
李敏 等: "《信号分析与处理的软件硬件实现 第2版》", 28 February 2014, 大连海事大学出版社 * |
蒋先刚: "《数字图像模式识别工程项目研究》", 31 March 2014, 西南交通大学出版社 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107134149A (zh) * | 2017-07-12 | 2017-09-05 | 安徽味唯网络科技有限公司 | 一种快速开具违章罚单的方法 |
CN107870983A (zh) * | 2017-09-30 | 2018-04-03 | 深圳市易成自动驾驶技术有限公司 | 基于区块链的车辆违章信息管理方法、区块链及存储介质 |
CN109788311A (zh) * | 2019-01-28 | 2019-05-21 | 北京易捷胜科技有限公司 | 人物替换方法、电子设备和存储介质 |
CN111815522A (zh) * | 2020-05-27 | 2020-10-23 | 厦门汉印电子技术有限公司 | 一种打印图片增强处理方法、装置、设备及存储介质 |
CN111815522B (zh) * | 2020-05-27 | 2024-04-30 | 厦门汉印电子技术有限公司 | 一种打印图片增强处理方法、装置、设备及存储介质 |
CN111627218A (zh) * | 2020-06-02 | 2020-09-04 | 重庆智者炎麒科技有限公司 | 一种通过图像增强进行夜间车牌识别的方法 |
CN112699827A (zh) * | 2021-01-05 | 2021-04-23 | 长威信息科技发展股份有限公司 | 一种基于区块链的交通警务处置方法及系统 |
CN112699827B (zh) * | 2021-01-05 | 2023-07-25 | 长威信息科技发展股份有限公司 | 一种基于区块链的交通警务处置方法及系统 |
CN113033978A (zh) * | 2021-03-10 | 2021-06-25 | 北京嘀嘀无限科技发展有限公司 | 停车风险确定方法、位置推荐方法、装置和电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106909923A (zh) | 一种违章车辆处理系统 | |
CN104298976B (zh) | 基于卷积神经网络的车牌检测方法 | |
CN107122777A (zh) | 一种基于视频文件的车辆分析系统及分析方法 | |
CN101398894B (zh) | 机动车车牌自动识别方法及其实现装置 | |
CN103065138B (zh) | 一种机动车牌号的识别方法 | |
CN109949579A (zh) | 一种基于深度学习的闯红灯违法自动审核方法 | |
CN100545858C (zh) | 基于小波变换的复杂背景中的车牌提取方法 | |
CN109255350B (zh) | 一种基于视频监控的新能源车牌检测方法 | |
CN106651872A (zh) | 基于Prewitt算子的路面裂缝识别方法及系统 | |
Hung et al. | A real-time mobile vehicle license plate detection and recognition | |
CN103116751A (zh) | 一种车牌字符自动识别方法 | |
CN104050450A (zh) | 一种基于视频的车牌识别方法 | |
CN104966066A (zh) | 一种面向交通卡口监控的车内人脸检测方法及系统 | |
CN104751142A (zh) | 一种基于笔划特征的自然场景文本检测算法 | |
CN106529532A (zh) | 一种基于积分特征通道与灰度投影的车牌识别系统 | |
CN102314599A (zh) | 一种车道识别偏离检测方法 | |
CN106022243B (zh) | 一种基于图像处理的机动车道车辆逆行识别方法 | |
CN107590500A (zh) | 一种基于色彩投影分类的车牌颜色识别方法及装置 | |
CN110532875A (zh) | 夜晚模式镜头付着物的检测系统、终端和存储介质 | |
CN109271904A (zh) | 一种基于像素自适应分割和贝叶斯模型的黑烟车检测方法 | |
CN110689003A (zh) | 低照度成像车牌识别方法、系统、计算机设备及存储介质 | |
Nguwi et al. | Number plate recognition in noisy image | |
Hsieh et al. | A real-time mobile vehicle license plate detection and recognition for vehicle monitoring and management | |
CN106599851A (zh) | 一种基于车牌识别的智能交通分析方法 | |
CN202650248U (zh) | 基于图像处理的智能交通管控装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | 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: 20170630 |