CN107154103A - 一种高效的车库门禁系统 - Google Patents

一种高效的车库门禁系统 Download PDF

Info

Publication number
CN107154103A
CN107154103A CN201710582091.8A CN201710582091A CN107154103A CN 107154103 A CN107154103 A CN 107154103A CN 201710582091 A CN201710582091 A CN 201710582091A CN 107154103 A CN107154103 A CN 107154103A
Authority
CN
China
Prior art keywords
mrow
image
license plate
msub
vehicle
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.)
Granted
Application number
CN201710582091.8A
Other languages
English (en)
Other versions
CN107154103B (zh
Inventor
韦德远
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.)
Guangzhou Aoyuan Property Service Co., Ltd.
Original Assignee
Wuzhou Well Trading 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 Wuzhou Well Trading Co Ltd filed Critical Wuzhou Well Trading Co Ltd
Priority to CN201710582091.8A priority Critical patent/CN107154103B/zh
Publication of CN107154103A publication Critical patent/CN107154103A/zh
Application granted granted Critical
Publication of CN107154103B publication Critical patent/CN107154103B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C9/00—Individual registration on entry or exit
    • G07C9/30—Individual registration on entry or exit not involving the use of a pass
    • G07C9/38—Individual registration on entry or exit not involving the use of a pass with central registration
    • 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
    • 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
    • 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

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)
  • Character Discrimination (AREA)

Abstract

一种高效的车库门禁系统，包括服务器、车辆感应模块、图像采集模块、图像预处理模块、车牌识别模块和控制模块，所述服务器用于存储小区内每辆车的车牌号，所述车辆感应模块用于在车辆经过时产生车辆感应信号，所述图像采集模块用于接收所述车辆感应信号，并对经过的车辆进行拍照，所述图像预处理模块用于对所述车辆图像进行处理，所述图像识别模块用于对处理后的车辆图像进行车牌字符分割并对分割后的字符进行识别，从而获取车辆图像中的车牌号，从而判断是否打开车库道闸。本发明的有益效果为：通过对进出车辆的车牌的有效识别，从而决定车辆的放行与否，加速了车辆进出道闸的速度，实现了车库门禁的智能管理。

Description

一种高效的车库门禁系统
技术领域
本发明创造涉及门禁管理领域，具体涉及一种高效的车库门禁系统。
背景技术
随着我国交通事业的发展，车辆越来越多，停车场、收费站的流量越来越大，在小区或单停车场中引入车辆牌照自动识别门禁系统，可以减少人工工作量，减少车主的等待时间，加快通行速度，方便车主的进出，又可以阻止外来车辆的随意进入。本文提出了一种高效的基于车牌识别的车库门禁系统，采用改进的处理算法对车牌进行识别，有效的实现了进出车辆车牌的识别，实现了小区或停车场的车辆出入的智能管理。
发明内容
针对上述问题，本发明旨在提供一种高效的车库门禁系统。
本发明创造的目的通过以下技术方案实现：
一种高效的车库门禁系统，包括服务器、车辆感应模块、图像采集模块、图像预处理模块、车牌识别模块和控制模块，所述服务器用于存储小区内每辆车的车牌号，所述车辆感应模块用于在车辆经过时产生车辆感应信号，所述图像采集模块用于接收所述车辆感应信号，并对经过的车辆进行拍照，所述图像预处理模块用于接收图像采集模块采集得到的车辆图像，并对所述车辆图像进行处理，所述车牌识别模块用于对处理后的车辆图像进行车牌字符分割并对分割后的字符进行识别，从而获取车辆图像中的车牌号，当得到的车牌号在服务器中有记录，则令控制模块打开道闸，当识别到的车牌号在服务器中没有记录，则不打开道闸。
本发明创造的有益效果：采用改进的图像增强算法对待识别的车牌图像进行图像增强，有效的抑制了在图像增强过程中产生的光晕现象；通过图像二值化过程的改进，有效的避免了由于光照不匀而影响车牌识别准确性的问题；在字符分割过程中，充分考虑了车牌字符的特点，实现了较为准确的车牌字符分割。
附图说明
利用附图对发明创造作进一步说明，但附图中的实施例不构成对本发明创造的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。
图1是本发明结构示意图；
图2是本发明图像预处理模块的结构示意图。
附图标记：
服务器1；车辆感应模块2；图像采集模块3；图像预处理模块4；车牌识别模块5；控制模块6；图像滤波单元41；图像增强单元42；车牌二值化单元43。
具体实施方式
结合以下实施例对本发明作进一步描述。
参见图1和图2，本实施例的一种高效的车库门禁系统，包括服务器1、车辆感应模块2、图像采集模块3、图像预处理模块4、车牌识别模块5和控制模块6，所述服务器1用于存储小区内每辆车的车牌号，所述车辆感应模块2用于在车辆经过时产生车辆感应信号，所述图像采集模块3用于接收所述车辆感应信号，并对经过的车辆进行拍照，所述图像预处理模块4用于接收图像采集模块采集得到的车辆图像，并对所述车辆图像进行处理，所述车牌识别模块5用于对处理后的车辆图像进行车牌字符分割并对分割后的字符进行识别，从而获取车辆图像中的车牌号，当得到的车牌号在服务器1中有记录，则令控制模块5打开道闸，当识别到的车牌号在服务器1中没有记录，则不打开道闸。
本优选实施例采用改进的图像增强算法对待识别的车牌图像进行图像增强，有效的抑制了在图像增强过程中产生的光晕现象；通过图像二值化过程的改进，有效的避免了由于光照不匀而影响车牌识别准确性的问题；在字符分割过程中，充分考虑了车牌字符的特点，实现了较为准确的车牌字符分割。
优选地，所述图像预处理模块4用于接收图像采集模块采集得到的车辆图像，并对所述车辆图像进行处理，具体包括：
图像滤波单元41，用于对接收到的车辆图像进行滤波处理，去除车辆图像中的噪声污染；
图像增强单元42，用于对所述车辆图像进行图像增强，从而提高车辆图像的视觉质量；
车牌二值化单元43，用于将所述车辆图像转换为仅用两个灰度值表示的黑白图像。
优选地，所述图像增强单元42用于对所述车辆图像进行图像增强，其采用一种改进的MSR算法进行图像增强，具体为
式中，r(x,y)为最后输出的图像，N为环绕尺度的个数，wi表示对应尺度的权重，且I(x,y)为原始车牌图像的反射分量，Gi(x,y)为高斯函数，a是正常数。
本优选实施例采用改进的图像增强算法对待识别的车牌图像进行图像增强，有效的抑制了在图像增强过程中产生的光晕现象，为后续的车牌识别奠定了基础。
优选地，所述车牌二值化单元43用于将采集得到的车辆图像转换为仅用两个灰度值表示的黑白图像，具体为：
定义车牌图像中车牌字符的灰度值为d1，且0≤d1≤255，车牌字符像素点所占的比例为a1，车牌图像中背景灰度值为d2，且0≤d2≤255，背景像素点所占的比例为a2，且0≤a1,a2≤1，a1+a2＝1，车辆图像中灰度值的均值和均方差分别为e和s，则d1和d2的计算公式为：
根据上述计算所得的d1和d2，对于白底黑字的车牌，采取的字符分割阈值K为：
式中，e为所述车辆图像的灰度值的均值，s为所述车辆图像的灰度值的均方差，a1为车牌字符像素点所占的比例，a2为背景像素点所占的比例，l(L)为光照强度函数；
定义车牌图像中的小于像素点均值e的像素点的平均灰度值为M，图像中每行的像素点的灰度值小于0.62e的像素点的平均灰度值为N，令L＝M-N，则光照强度函数l(I)的公式为：
本优选实施例采用一种改进的图像二值化算法，引入了光照强度函数，针对车辆图像在拍摄过程中曝光不足或曝光过度的情况进行算法设计，有效的避免了由于光照不匀而影响车牌识别准确性的问题。
优选地，所述车牌识别模块5对处理后的车辆图像进行车牌字符分割并对分割后的字符进行识别，从而获取车辆图像中的车牌号，具体包括：
步骤一：确定图像中的车牌区域，将车牌区域划分为3×3大小的网格，从下而上对车牌图像进行逐行网格扫描，统计每行网格的黑色像素点个数的均值，若相邻两行，下面一行网格的均值大于0.5，且上面一行网格的均值小于0.5，则可以认为上面一行为车牌图像的上边界；自上而下对车牌图像进行逐行网格扫描，若相邻两行中，上面一行网格的均值大于0.5，且下面一行网格的均值小于0.5，则认定下面一行为车牌图像的下边界，则可判定车牌区域有k行网格；
从左向右对车牌图像进行逐列网格进行扫描，统计每列的黑色像素点的个数的均值，若相邻两列中，左边一列的黑色像素点个数的均值小于1，且右边一列的黑色像素点个数的均值大于1时，则判定该列为车牌字符的左边界，同理，自右向左扫描，当相邻两列中，左边一列的黑色像素点个数的均值大于1，而右边一列的黑色像素点个数的均值小于1时，则判定该列为车牌字符的右边界，则可判定车牌区域有l列网格；
步骤二：确定车牌区域中字符的边界，定义m行n列的网格中的黑色像素点个数的均值为e(m,n)，从左到右扫描车牌区域，当n列的黑色像素点的个数满足(1)时，则判定n列为车牌字符前边界x1；
式中，g为定义的字符分割阈值，e(m,n-1)为m行n-1列的网格中的黑色像素点个数的均值，k为网格的行的总数；
对车牌图像继续扫描，当n列的黑色像素点的个数满足(2)时，则判定n列为车牌字符后边界x2：
式中，g为定义的字符分割阈值，e(m,n-1)为m行n-1列的网格中的黑色像素点个数的均值，k为网格的行的总数；
步骤三：确定车牌图像中的字符区域，定义车牌中汉字字符的区域阈值为q，令r＝x2-x1，则汉字字符的判定公式为：
确定车牌中的汉字字符区域后继续向右扫描车牌图像，当某列的黑色像素点的个数开始满足式(1)时，则判定该列为车牌字符的前边界，当某列黑色像素的个数满足式(2)时，则判定该列为车牌字符的后边界；
步骤四：对分割后的车牌字符进行归一化处理，并采用BP神经网络法对分割的得到的车牌字符进行识别，从而获取车辆图像中的车牌号。
本优选实施例采用的字符分割方法，可以有效的减少由于汉字不连通和噪声污染等导致的不能有效分割车牌字符的问题，且具有较强的抗干扰性，实现了图像中车牌字符的有效分割。
最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。

Claims (5)

1.一种高效的车库门禁系统，其特征是，包括服务器、车辆感应模块、图像采集模块、图像预处理模块、车牌识别模块和控制模块，所述服务器用于存储小区内每辆车的车牌号，所述车辆感应模块用于在车辆经过时产生车辆感应信号，所述图像采集模块用于接收所述车辆感应信号，并对经过的车辆进行拍照，所述图像预处理模块用于接收图像采集模块采集得到的车辆图像，并对所述车辆图像进行处理，所述车牌识别模块用于对处理后的车辆图像进行车牌字符分割并对分割后的字符进行识别，从而获取车辆图像中的车牌号，当得到的车牌号在服务器中有记录，则令控制模块打开道闸，当识别到的车牌号在服务器中没有记录，则不打开道闸。
2.根据权利要求1所述的一种高效的车库门禁系统，其特征是，所述图像预处理模块用于接收图像采集模块采集得到的车辆图像，并对所述车辆图像进行处理，具体包括：
图像滤波单元，用于对接收到的车辆图像进行滤波处理，去除车辆图像中的噪声污染；
图像增强单元，用于对所述车辆图像进行图像增强，从而提高车辆图像的视觉质量；
车牌二值化单元，用于将所述车辆图像转换为仅用两个灰度值表示的黑白图像。
3.根据权利要求2所述的一种高效的车库门禁系统，其特征是，所述图像增强单元用于对所述车辆图像进行图像增强，其采用一种改进的MSR算法进行图像增强，具体为
<mrow> <mi>r</mi> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> <mo>=</mo> <munderover> <mi>&amp;Sigma;</mi> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>N</mi> </munderover> <msub> <mi>w</mi> <mi>i</mi> </msub> <mo>{</mo> <mi>log</mi> <mi>I</mi> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> <mo>-</mo> <mi>f</mi> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> <mi>log</mi> <mo>&amp;lsqb;</mo> <mi>I</mi> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> <mo>*</mo> <msub> <mi>G</mi> <mi>i</mi> </msub> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> <mo>&amp;rsqb;</mo> <mo>}</mo> </mrow>
<mrow> <mi>f</mi> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> <mo>=</mo> <mn>1</mn> <mo>-</mo> <mfrac> <mn>2</mn> <mrow> <mn>1</mn> <mo>+</mo> <msup> <mi>e</mi> <mrow> <mo>-</mo> <mfrac> <mrow> <mi>I</mi> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> </mrow> <mn>4</mn> </mfrac> <mo>+</mo> <mi>a</mi> </mrow> </msup> </mrow> </mfrac> </mrow>
式中，r(x,y)为最后输出的图像，N为环绕尺度的个数，wi表示对应尺度的权重，且I(x,y)为原始车牌图像的反射分量，Gi(x,y)为高斯函数，a是正常数。
4.根据权利要求3所述的一种高效的车库门禁系统，其特征是，所述车牌二值化单元用于将采集得到的车辆图像转换为仅用两个灰度值表示的黑白图像，具体为：
定义车牌图像中车牌字符的灰度值为d1，且0≤d1≤255，车牌字符像素点所占的比例为a1，车牌图像中背景灰度值为d2，且0≤d2≤255，背景像素点所占的比例为a2，且0≤a1,a2≤1，a1+a2＝1，车辆图像中灰度值的均值和均方差分别为e和s，则d1和d2的计算公式为：
<mrow> <msub> <mi>d</mi> <mn>1</mn> </msub> <mo>=</mo> <mi>e</mi> <mo>+</mo> <msqrt> <mrow> <msub> <mi>a</mi> <mn>2</mn> </msub> <mo>/</mo> <msub> <mi>a</mi> <mn>1</mn> </msub> </mrow> </msqrt> <mo>&amp;times;</mo> <mi>s</mi> </mrow>
<mrow> <msub> <mi>d</mi> <mn>2</mn> </msub> <mo>=</mo> <mi>e</mi> <mo>-</mo> <msqrt> <mrow> <msub> <mi>a</mi> <mn>1</mn> </msub> <mo>/</mo> <msub> <mi>a</mi> <mn>2</mn> </msub> </mrow> </msqrt> <mo>&amp;times;</mo> <mi>s</mi> </mrow>
根据上述计算所得的d1和d2，对于白底黑字的车牌，采取的字符分割阈值K为：
<mrow> <mi>K</mi> <mo>=</mo> <mi>e</mi> <mo>+</mo> <mi>s</mi> <mo>&amp;times;</mo> <mo>&amp;lsqb;</mo> <mfrac> <mrow> <mfrac> <msub> <mi>a</mi> <mn>2</mn> </msub> <msqrt> <msub> <mi>a</mi> <mn>1</mn> </msub> </msqrt> </mfrac> <mo>-</mo> <mfrac> <msub> <mi>a</mi> <mn>1</mn> </msub> <msqrt> <msub> <mi>a</mi> <mn>2</mn> </msub> </msqrt> </mfrac> </mrow> <mrow> <msqrt> <msub> <mi>a</mi> <mn>2</mn> </msub> </msqrt> <mo>+</mo> <msqrt> <msub> <mi>a</mi> <mn>1</mn> </msub> </msqrt> </mrow> </mfrac> <mo>-</mo> <mi>l</mi> <mrow> <mo>(</mo> <mi>L</mi> <mo>)</mo> </mrow> <mo>&amp;rsqb;</mo> </mrow>
式中，e为所述车辆图像的灰度值的均值，s为所述车辆图像的灰度值的均方差，a1为车牌字符像素点所占的比例，a2为背景像素点所占的比例，l(L)为光照强度函数；
定义车牌图像中的小于像素点均值e的像素点的平均灰度值为M，图像中每行的像素点的灰度值小于0.62e的像素点的平均灰度值为N，令L＝M-N，则光照强度函数l(I)的公式为：
<mrow> <mi>l</mi> <mrow> <mo>(</mo> <mi>L</mi> <mo>)</mo> </mrow> <mo>=</mo> <mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mfrac> <mn>1</mn> <mrow> <mn>1</mn> <mo>+</mo> <msup> <mi>ln</mi> <mrow> <mo>-</mo> <mn>0.5</mn> <mi>L</mi> <mo>+</mo> <mn>1</mn> </mrow> </msup> </mrow> </mfrac> </mtd> <mtd> <mrow> <mi>L</mi> <mo>&gt;</mo> <mn>0</mn> </mrow> </mtd> </mtr> <mtr> <mtd> <mfrac> <mn>0.2</mn> <mrow> <mn>1</mn> <mo>-</mo> <msup> <mi>ln</mi> <mrow> <mn>1</mn> <mo>+</mo> <mi>L</mi> </mrow> </msup> </mrow> </mfrac> </mtd> <mtd> <mrow> <mi>L</mi> <mo>&lt;</mo> <mn>0</mn> </mrow> </mtd> </mtr> </mtable> </mfenced> </mrow>
5.根据权利要求4所述的一种高效的车库门禁系统，其特征是，所述车牌识别模块对处理后的车辆图像进行车牌字符分割并对分割后的字符进行识别，从而获取车辆图像中的车牌号，具体包括：
步骤一：确定图像中的车牌区域，将车牌区域划分为3×3大小的网格，从下而上对车牌图像进行逐行网格扫描，统计每行网格的黑色像素点个数的均值，若相邻两行，下面一行网格的均值大于0.5，且上面一行网格的均值小于0.5，则可以认为上面一行为车牌图像的上边界；自上而下对车牌图像进行逐行网格扫描，若相邻两行中，上面一行网格的均值大于0.5，且下面一行网格的均值小于0.5，则认定下面一行为车牌图像的下边界，则可判定车牌区域有k行网格；
从左向右对车牌图像进行逐列网格进行扫描，统计每列的黑色像素点的个数的均值，若相邻两列中，左边一列的黑色像素点个数的均值小于1，且右边一列的黑色像素点个数的均值大于1时，则判定该列为车牌字符的左边界，同理，自右向左扫描，当相邻两列中，左边一列的黑色像素点个数的均值大于1，而右边一列的黑色像素点个数的均值小于1时，则判定该列为车牌字符的右边界，则可判定车牌区域有l列网格；
步骤二：确定车牌区域中字符的边界，定义m行n列的网格中的黑色像素点个数的均值为e(m,n)，从左到右扫描车牌区域，当n列的黑色像素点的个数满足(1)时，则判定n列为车牌字符前边界x1；
<mrow> <mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mrow> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>m</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>k</mi> </munderover> <mi>e</mi> <mrow> <mo>(</mo> <mi>m</mi> <mo>,</mo> <mi>n</mi> <mo>)</mo> </mrow> <mo>&gt;</mo> <mi>g</mi> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>m</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>k</mi> </munderover> <mi>e</mi> <mrow> <mo>(</mo> <mi>m</mi> <mo>,</mo> <mi>n</mi> <mo>-</mo> <mn>1</mn> <mo>)</mo> </mrow> <mo>&lt;</mo> <mi>g</mi> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>m</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>k</mi> </munderover> <mi>e</mi> <mrow> <mo>(</mo> <mi>m</mi> <mo>,</mo> <mi>n</mi> <mo>)</mo> </mrow> <mo>&gt;</mo> <mn>1.6</mn> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>m</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>k</mi> </munderover> <mi>e</mi> <mrow> <mo>(</mo> <mi>m</mi> <mo>,</mo> <mi>n</mi> <mo>-</mo> <mn>1</mn> <mo>)</mo> </mrow> </mrow> </mtd> </mtr> </mtable> </mfenced> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>1</mn> <mo>)</mo> </mrow> </mrow>
式中，g为定义的字符分割阈值，e(m,n-1)为m行n-1列的网格中的黑色像素点个数的均值，k为网格的行的总数；
对车牌图像继续扫描，当n列的黑色像素点的个数满足(2)时，则判定n列为车牌字符后边界x2：
<mrow> <mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mrow> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>m</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>k</mi> </munderover> <mi>e</mi> <mrow> <mo>(</mo> <mi>m</mi> <mo>,</mo> <mi>n</mi> <mo>)</mo> </mrow> <mo>&lt;</mo> <mi>g</mi> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>m</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>k</mi> </munderover> <mi>e</mi> <mrow> <mo>(</mo> <mi>m</mi> <mo>,</mo> <mi>n</mi> <mo>-</mo> <mn>1</mn> <mo>)</mo> </mrow> <mo>&gt;</mo> <mi>g</mi> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>m</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>k</mi> </munderover> <mi>e</mi> <mrow> <mo>(</mo> <mi>m</mi> <mo>,</mo> <mi>n</mi> <mo>-</mo> <mn>1</mn> <mo>)</mo> </mrow> <mo>&gt;</mo> <mn>1.6</mn> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>m</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>k</mi> </munderover> <mi>e</mi> <mrow> <mo>(</mo> <mi>m</mi> <mo>,</mo> <mi>n</mi> <mo>)</mo> </mrow> </mrow> </mtd> </mtr> </mtable> </mfenced> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>2</mn> <mo>)</mo> </mrow> </mrow>
式中，g为定义的字符分割阈值，e(m,n-1)为m行n-1列的网格中的黑色像素点个数的均值，k为网格的行的总数；
步骤三：确定车牌图像中的字符区域，定义车牌中汉字字符的区域阈值为q，令r＝x2-x1，则汉字字符的判定公式为：
确定车牌中的汉字字符区域后继续向右扫描车牌图像，当某列的黑色像素点的个数开始满足式(1)时，则判定该列为车牌字符的前边界，当某列黑色像素的个数满足式(2)时，则判定该列为车牌字符的后边界；
步骤四：对分割后的车牌字符进行归一化处理，并采用BP神经网络法对分割的得到的车牌字符进行识别，从而获取车辆图像中的车牌号。
CN201710582091.8A 2017-07-17 2017-07-17 一种高效的车库门禁系统 Active CN107154103B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710582091.8A CN107154103B (zh) 2017-07-17 2017-07-17 一种高效的车库门禁系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710582091.8A CN107154103B (zh) 2017-07-17 2017-07-17 一种高效的车库门禁系统

Publications (2)

Publication Number Publication Date
CN107154103A true CN107154103A (zh) 2017-09-12
CN107154103B CN107154103B (zh) 2019-07-16

Family

ID=59797166

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710582091.8A Active CN107154103B (zh) 2017-07-17 2017-07-17 一种高效的车库门禁系统

Country Status (1)

Country Link
CN (1) CN107154103B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110491004A (zh) * 2019-08-14 2019-11-22 金陵科技学院 一种居民社区人员安全管理系统及方法
CN112182053A (zh) * 2020-10-27 2021-01-05 青岛以萨数据技术有限公司 基于大数据的疫情防控系统、方法、终端及介质
CN112489264A (zh) * 2020-11-20 2021-03-12 杭州冬元科技有限公司 一种基于物联网自动感应识别功能的停车场用门禁装置
CN114934467A (zh) * 2022-07-08 2022-08-23 江苏永达电力金具有限公司 一种车位道闸控制方法、车位道闸系统及介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102054305A (zh) * 2010-12-23 2011-05-11 深圳大学 一种基于图像识别技术实现对车辆进行管理的方法及系统
CN104616381A (zh) * 2015-01-28 2015-05-13 苏州市职业大学 一种小区物业汽车通道智能测控门禁系统
CN104809790A (zh) * 2015-04-29 2015-07-29 无锡市崇安区科技创业服务中心 基于图像分析的停车管理方法
CN106845359A (zh) * 2016-12-26 2017-06-13 四川农业大学 基于红外发射的隧道入口行车提示装置及方法
CN106875529A (zh) * 2017-03-02 2017-06-20 广西大学行健文理学院 小区门禁车牌识别系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102054305A (zh) * 2010-12-23 2011-05-11 深圳大学 一种基于图像识别技术实现对车辆进行管理的方法及系统
CN104616381A (zh) * 2015-01-28 2015-05-13 苏州市职业大学 一种小区物业汽车通道智能测控门禁系统
CN104809790A (zh) * 2015-04-29 2015-07-29 无锡市崇安区科技创业服务中心 基于图像分析的停车管理方法
CN106845359A (zh) * 2016-12-26 2017-06-13 四川农业大学 基于红外发射的隧道入口行车提示装置及方法
CN106875529A (zh) * 2017-03-02 2017-06-20 广西大学行健文理学院 小区门禁车牌识别系统

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110491004A (zh) * 2019-08-14 2019-11-22 金陵科技学院 一种居民社区人员安全管理系统及方法
CN110491004B (zh) * 2019-08-14 2021-06-25 金陵科技学院 一种居民社区人员安全管理系统及方法
CN112182053A (zh) * 2020-10-27 2021-01-05 青岛以萨数据技术有限公司 基于大数据的疫情防控系统、方法、终端及介质
CN112489264A (zh) * 2020-11-20 2021-03-12 杭州冬元科技有限公司 一种基于物联网自动感应识别功能的停车场用门禁装置
CN112489264B (zh) * 2020-11-20 2021-12-24 深圳市瑞迪优科技技术有限公司 一种基于物联网自动感应识别功能的停车场用门禁装置
CN114934467A (zh) * 2022-07-08 2022-08-23 江苏永达电力金具有限公司 一种车位道闸控制方法、车位道闸系统及介质
CN114934467B (zh) * 2022-07-08 2024-04-30 江苏永达电力金具有限公司 一种车位道闸控制方法、车位道闸系统及介质

Also Published As

Publication number Publication date
CN107154103B (zh) 2019-07-16

Similar Documents

Publication Publication Date Title
CN102722704B (zh) 一种融合视频动态跟踪的车牌识别方法和系统
CN103824066B (zh) 一种基于视频流的车牌识别方法
CN107154103A (zh) 一种高效的车库门禁系统
CN111382704B (zh) 基于深度学习的车辆压线违章判断方法、装置及存储介质
CN102254152B (zh) 基于彩色跳变点和颜色密度的车牌定位方法
CN100545858C (zh) 基于小波变换的复杂背景中的车牌提取方法
CN109993056A (zh) 一种识别车辆违章行为的方法、服务器及存储介质
Zhang et al. The research of vehicle plate recognition technical based on BP neural network
CN103136528B (zh) 一种基于双边缘检测的车牌识别方法
CN104700072B (zh) 基于车道线历史帧的识别方法
CN103034848B (zh) 一种表单类型的识别方法
CN104156731A (zh) 基于人工神经网络的车牌识别系统与方法
CN106529532A (zh) 一种基于积分特征通道与灰度投影的车牌识别系统
CN104050450A (zh) 一种基于视频的车牌识别方法
CN107038416B (zh) 一种基于二值图像改进型hog特征的行人检测方法
CN106600977A (zh) 基于多特征识别的违停检测方法及系统
CN101739549B (zh) 人脸检测方法及系统
CN106991421A (zh) 一种身份证信息提取系统
CN102542655A (zh) 基于纤维个性化特征的票据防伪鉴别方法
CN106529461A (zh) 一种基于积分特征通道和svm训练器的车型识别算法
CN106503748A (zh) 一种基于s‑sift特征和svm训练器的车型识别算法
CN113537211A (zh) 一种基于非对称iou的深度学习车牌框定位方法
CN109460722A (zh) 一种车牌智能识别方法
CN110516666B (zh) 基于mser和isodata相结合的车牌定位方法
CN101727581A (zh) 基于字符预分割的车牌倾斜校正方法

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
TA01 Transfer of patent application right

Effective date of registration: 20190625

Address after: 511400 Xuedun Village, Hanxi Avenue, Zhongcun Town, Panyu District, Guangzhou City, Guangdong Province (Xiaolu District Hotel Apartment) Self-compiled B2

Applicant after: Guangzhou Aoyuan Property Service Co., Ltd.

Address before: 543000 Yinhuan Road, Wuzhou City, Guangxi Zhuang Autonomous Region, No. 1.2.3.4.5, No. 21, 1st floor

Applicant before: Wuzhou well Trading Co., Ltd.

TA01 Transfer of patent application right
GR01 Patent grant
GR01 Patent grant