CN107704860A - 一种车牌号码识别方法 - Google Patents
一种车牌号码识别方法 Download PDFInfo
- Publication number
- CN107704860A CN107704860A CN201711275325.0A CN201711275325A CN107704860A CN 107704860 A CN107704860 A CN 107704860A CN 201711275325 A CN201711275325 A CN 201711275325A CN 107704860 A CN107704860 A CN 107704860A
- Authority
- CN
- China
- Prior art keywords
- car
- plate
- light
- car plate
- light wave
- 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- Withdrawn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
- 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
- G06V20/63—Scene text, e.g. street names
-
- 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
- G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
-
- 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)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种车牌号码识别方法,包括:S10:判断车牌的车牌类别;S20:根据判断的车牌类别,选择相应的车牌识别方案;该车牌识别方案为九二式车牌识别方案或新能源车牌识别方案;S30:根据选择的车牌识别方案识别车牌号码,其中,S10包括:光源向车牌发射投射光;接收所述车牌对所述投射光的反射光;分析所述反射光的光谱功率分布;根据所述光谱功率分布中,各频段光波的分布情况,判断出所述车牌的类型。本方法可实现对九二式车牌和新能源车牌的自动判别和识别,方法简单、可靠性高。
Description
技术领域
本发明涉及车牌识别领域,尤其是一种车牌号码识别方法。
背景技术
随着国民经济水平的大幅度增加,人们的生活水平也日益提高,很明显的一方面,各地区的汽车保有量在庞大的基数基础上都是稳步在增长。
而随着汽车数量的增多,对于汽车的管理工作量和管理难度就随之加大,而对于作为汽车身份标识的车牌号的管理方面,就提出了新的要求,其中,最常见的,就是对车牌的识别。
在我国,对于传统的化石燃料汽车来说,均采用7位号码的车牌,而且对于车牌的尺寸、分布、字符等均做了统一规定。而现有技术中,也针对该种车牌制定了多种识别方案,其大致为:车牌定位、字符分割、字符识别、字符组合。但这一类的车牌识别技术均针对同一车牌模板的识别,而对于如今新发行的电动汽车车牌(8位),因传统识别方案设定为针对7位车牌的识别,对于电动汽车车牌是无法识别的。而如果对电动汽车车牌单独开发一套系统,又会存在浪费资源和成倍增加成本的问题,因此,如果能在现有识别技术基础上丰富对电动汽车车牌识别方案,将会达到更理想的效果。
发明内容
本发明的发明目的在于:针对上述存在的问题,提供一种在现有车牌识别方案基础上,整合入对电动汽车车牌进行识别的方案。解决现有识别系统不兼容或不能识别电动汽车车牌的问题,同时,解决先开发电动汽车车牌识别的成本成倍增加问题。
本发明采用的技术方案如下:
一种车牌号码识别方法,包括:
S10:判断车牌的车牌类别;
S20:根据判断的车牌类别,选择相应的车牌识别方案;该车牌识别方案为九二式车牌识别方案或新能源车牌识别方案;
S30:根据选择的车牌识别方案识别车牌号码,具体为:
获取二值化车牌图像,以选择的车牌识别方案对所述二值化车牌图像按所述车牌的车牌类别对应的字符数量和各字符宽度值进行垂直投影;以在垂直方向上切割所述二值化车牌图像为若干字符块;再对切割的所述若干字符块依顺序进行字符识别,最后对识别的若干字符依顺序组合成识别的车牌号。
需要说明的是,上述二值化车牌图像为对车牌图像进行二值化处理后的二值化图像;或者为对车牌进行二值化处理后,再进行滤波处理的二值化图像;或者为对车牌进行二值化处理后,再进行滤波处理和形态学处理的二值化图像。
上述方案中,车牌类别对应的字符数量具体为:九二式车牌为8个字符,新能源车牌为9个字符,在切割时,对于九二式车牌按编制时的字符宽度,分别切割为8个字符块,对新能源车牌,按编制车牌的字符宽度,切割为9个字符块。
作为优选,上述S10包括:
S101:光源向车牌发射投射光;
S102:接收所述车牌对所述投射光的反射光;
S103:分析所述反射光的光谱功率分布;
S104:根据所述光谱功率分布中,各频段光波的分布情况,判断出所述车牌的类型。
车牌底板占车牌的绝大部分面积,因而,对于光的反射,主要集中为车牌底色。上述方案针对车牌的反射光对应的各色谱的功率分布中,各频段光波(即反射光包含的颜色)的分布情况,即可判断出车牌的底色,而根据车牌的底色,即可确认出车辆号牌的种类。
作为优选, S103前还包括:
S1021:对所述反射光进行滤波操作一,滤除所述车牌横向中部以上部分的反射光。
上述方案出发点在于:考虑到新能源车牌存在小型汽车的上半部渐变绿色情况,通过滤除该部分的反射光,在达到不影响频段光波(颜色)占比的情况下,明显减少因颜色渐变所造成的光谱功率分布分散所造成的计算量,进而提高区分效率。
进一步的,上述S1021具体为:
在接收所述车牌对所述投射光的反射光时,遮挡所述车牌横向中部以上部分的反射光。
或者,通过吸收所述车牌横向中部以上部分的反射光。或者,通过滤波器滤除车牌横向中部以上部分的反射光。
作为优选,S104具体为:
根据所述光谱功率分布中,绿色频段光波的分布占比是否达到预设值,判别所述车牌为九二式车牌或新能源车牌。
该方案基于我国现有车牌类型的底色区别特征,即对于底色绿色占比达到特定值的车牌,判断为新能源车牌(包括小型新能源车牌和大型新能源车牌)。
作为优选, S103包括:
S1031:将所述反射光通过若干频段的滤波器,得到若干频段的光波;
S1032:分析所述若干频段的光波的光谱功率分布。
本方案集中考虑若干频段的光波的光谱功率分布情况,进而减少因光谱的离散性带来的庞大频段光谱的功率统计和分布的计算量。
进一步的,上述若干频段的光波为:黄色频段光波、绿色频段光波和蓝色频段光波。该方案频段的选择为基于现有我国车牌的主要底色作的优选方案,对于白底(全光谱反射)和黑底(全光谱吸收)均能达到理想效果。
作为优选,上述预设值为:标准新能源车牌中,小型新能源汽车号牌或大型新能源汽车号牌中,对所述光源的反射光的光谱功率分布中,绿色频段光波的分布占比的较小值;或者为所述较小值减去预设的误差值。
考虑到新能源车牌中,绿色为主色调(包括渐变绿色和黄绿突变底色),因此,在选用统一判决阈值情况下,均能满足两种车牌不被误判的要求,同时,与非新能源车牌起到很好的区分效果。
作为优选,S1032具体为:
将所述若干频段的光波分别作用于光敏原件上,以分别获取分别对应于所述若干频段的光波的感应电流;根据所述分别对应于所述若干频段的光波的感应电流,获取到所述若干频段的光波的光谱功率分布。
考虑到光电效应中,电流与光照频率的关系,可通过电流的计算得出相应的光照的频率信息,进而,实现以简单的步骤达到确定光波频率的效果,进而获取到该光波频率对应的光谱功率分布。
进一步的,上述分别获取分别对应于所述若干频段的光波的感应电流具体为:通过串联于所述光敏原件上的电流表获取所述感应电流;或者,通过获取串联于所述光敏原件的负载的功率,计算出所述感应电流。
综上所述,由于采用了上述技术方案,本发明的有益效果是:
通过本发明的方法,可实现基于现有成熟的车牌识别方案中,整合入对新能源车牌进行识别的方案,从而实现在单一识别系统中,实现对九二式车牌和新能源车牌的自动判别和识别,方法简单,计算量小,识别结果准确性高,智能化效果好,基于对车牌区别性属性特征的车牌类别区分,使得车牌区分结果可靠性高。本方法对于现发行的汽车车牌识别,具有极高的实用价值。
附图说明
本发明将通过例子并参照附图的方式说明,其中:
图1是车牌号码识别方法流程图。
图2是图1中S10具体步骤。
图3是图2中S104的一个实施例。
具体实施方式
本说明书中公开的所有特征,或公开的所有方法或过程中的步骤,除了互相排斥的特征和/或步骤以外,均可以以任何方式组合。
本说明书(包括任何附加权利要求、摘要)中公开的任一特征,除非特别叙述,均可被其他等效或具有类似目的的替代特征加以替换。即,除非特别叙述,每个特征只是一系列等效或类似特征中的一个例子而已。
如图1所示,本实施例公开了一种车牌号码识别方法,包括:
S10:判断车牌的车牌类别;
S20:根据判断的车牌类别,选择相应的车牌识别方案;该车牌识别方案为九二式车牌识别方案或新能源车牌识别方案;
S30:根据选择的车牌识别方案识别车牌号码,具体为:
获取二值化车牌图像,以选择的车牌识别方案对所述二值化车牌图像按所述车牌的车牌类别对应的字符数量和各字符宽度值进行垂直投影;以在垂直方向上切割所述二值化车牌图像为若干字符块;再对切割的所述若干字符块依顺序进行字符识别,最后对识别的若干字符依顺序组合成识别的车牌号。
如对于S20选择的九二式车牌识别车牌图像“粤B●D1234”,则根据九二式车牌的编排规则,将车牌进行垂直投影,切割为8个字符块,分别切割为‘粤’‘B’‘●’‘D’‘1’‘2’‘3’‘4’的字符块,再通过对字符块的识别,识别出各字符,进而顺序组合为“粤BD1234”或“粤B●D1234”。对于S20选择以新能源车牌识别方案识别车牌图像“粤B●D12345”,则通过同样的方法,切割为9个字符块,最后识别为“粤BD12345”或“粤B●D12345”。
如图2所示,在一个实施例中,上述S10包括:
S101:光源向车牌发射投射光;
S102:接收所述车牌对所述投射光的反射光;
S103:分析所述反射光的光谱功率分布;
S104:根据所述光谱功率分布中,各频段光波的分布情况,判断出所述车牌的类型。
在一个实施例中,光源选用全光谱光源或可见光光谱光源,如LED灯(组),对于在分析出各频段光波的光谱功率分布后,可根据各频段光波光谱功率的分布与预设光谱功率分布和车辆号牌种类的对照表的关系,判断出相应的车辆号牌种类。
对于上述车牌的反射光,在一个实施例中,可选为接收车牌横向中部以下部分的反射光,具体的,可通过设置一个滤波器或遮挡车牌横向中部以上部分反射光的方式实现对车牌横向中部以下部分的反射光的滤除,在一个具体的实施例中,S103前还包括:S1021:对所述反射光进行滤波操作一,滤除所述车牌横向中部以上部分的反射光,具体的,在接收所述车牌对所述投射光的反射光时,遮挡所述车牌横向中部以上部分的反射光。。以避免因渐变车牌底色给分析光谱功率分布带来的计算量。
如图3所示,在一个实施例中,S104具体为:
根据所述光谱功率分布中,绿色频段光波的分布占比是否达到预设值,判别所述车牌为九二式车牌或新能源车牌。具体的,占比达到预设值,则判定为新能源车牌,否则,判定为传统车牌。该方案的设定为基于现行车牌的编排规则,即九二式车牌(8位黑、白、黄、蓝底号牌)和新能源车牌(9位渐变绿底和黄绿结合底),对于车牌号识别过程,仅需判别该车牌属于8位车牌还是9位车牌即可。
在一个实施例中,上述S103包括:
S1031:将所述反射光通过若干频段的滤波器,得到若干频段的光波;
S1032:分析所述若干频段的光波的光谱功率分布。
在一个具体的实施例中,上述若干频段的光波为:黄色频段光波、绿色频段光波和蓝色频段光波。对应的频段可选为:503-520 MHz(黄光频段),530(或540)-600MHz(绿光频段),620-680MHz(蓝光频段),相应的,滤波器优选设置为通过上述三个频段的光栅。
在一个实施例中,上述预设值为:标准新能源车牌中,小型新能源汽车号牌或大型新能源汽车号牌中,对所述光源的反射光的光谱功率分布中,绿色频段光波的分布占比的较小值;或者为所述较小值减去预设的误差值。该较小值为多组实验、多重环境下的实验值的平均值或最小值。该实施例基于新能源车牌中,绿色为主色调,而对于大型新能源汽车和小型新能源汽车,底色颜色存在一定区别,具体的,大型新能源汽车为黄色+绿色非渐变底色,小型新能源汽车为绿色渐变底色,但两者的绿色占比均比较大。如假设小型新能源汽车车牌对LED灯(组)反射光中,绿色频段功率平均占比为80%,大型新能源汽车车牌对LED灯(组)反射光中,绿色频段功率平均占比为75%,黄色频段占比为24%(考虑1%为环境噪音影响的其它频段光波),本实施例的标准占比可通过在理想环境中分别对相应车牌进行占比测试得出。规定允许偏差值为3%,则取72%为预设值,在一个例子中,分析出“粤B.D12345”反射光的光谱功率分布中,绿光频段功率占比为79%,高于73%,则判定该车牌为新能源车牌。
在一个实施例中,上述S1032具体为:
将所述若干频段的光波分别作用于光敏原件上,以分别获取分别对应于所述若干频段的光波的感应电流;根据所述分别对应于所述若干频段的光波的感应电流,获取到所述若干频段的光波的光谱功率分布。可选的,该分别获取分别对应于所述若干频段的光波的感应电流具体为:通过串联于所述光敏原件上的电流表获取所述感应电流;或者,通过获取串联于所述光敏原件的负载的功率,计算出所述感应电流。基于光敏元件受光照频率正相关影响的特性,通过获取到感应电流(直接或间接),即可分析出该光照对应的频率,进而统计出对应的光谱功率,计算出光谱功率分布。
本发明并不局限于前述的具体实施方式。本发明扩展到任何在本说明书中披露的新特征或任何新的组合,以及披露的任一新的方法或过程的步骤或任何新的组合。
Claims (10)
1.一种车牌号码识别方法,其特征为,包括:
S10:判断车牌的车牌类别;
S20:根据判断的车牌类别,选择相应的车牌识别方案;该车牌识别方案为九二式车牌识别方案或新能源车牌识别方案;
S30:根据选择的车牌识别方案识别车牌号码,具体为:
获取二值化车牌图像,以选择的车牌识别方案对所述二值化车牌图像按所述车牌的车牌类别对应的字符数量和各字符宽度值进行垂直投影;以在垂直方向上切割所述二值化车牌图像为若干字符块;再对切割的所述若干字符块依顺序进行字符识别,最后对识别的若干字符依顺序组合成识别的车牌号。
2.如权利要求1所述的方法,其特征为,所述S10包括:
S101:光源向车牌发射投射光;
S102:接收所述车牌对所述投射光的反射光;
S103:分析所述反射光的光谱功率分布;
S104:根据所述光谱功率分布中,各频段光波的分布情况,判断出所述车牌的类型。
3.如权利要求2所述的方法,其特征为,所述S103前还包括:
S1021:对所述反射光进行滤波操作一,滤除所述车牌横向中部以上部分的反射光。
4.如权利要求3所述的方法,其特征为,所述S1021具体为:
在接收所述车牌对所述投射光的反射光时,遮挡所述车牌横向中部以上部分的反射光。
5.如权利要求2-4任一所述的方法,其特征为,所述S104具体为:
根据所述光谱功率分布中,绿色频段光波的分布占比是否达到预设值,判别所述车牌为九二式车牌或新能源车牌。
6.如权利要求5所述的方法,其特征为,所述S103包括:
S1031:将所述反射光通过若干频段的滤波器,得到若干频段的光波;
S1032:分析所述若干频段的光波的光谱功率分布。
7.如权利要求6所述的方法,其特征为,所述若干频段的光波为:黄色频段光波、绿色频段光波和蓝色频段光波。
8.如权利要求6或7所述的方法,其特征为,所述预设值为:标准新能源车牌中,小型新能源汽车号牌或大型新能源汽车号牌中,对所述光源的反射光的光谱功率分布中,绿色频段光波的分布占比的较小值;或者为所述较小值减去预设的误差值。
9.如权利要求8所述的方法,其特征为,所述S1032具体为:
将所述若干频段的光波分别作用于光敏原件上,以分别获取分别对应于所述若干频段的光波的感应电流;根据所述分别对应于所述若干频段的光波的感应电流,获取到所述若干频段的光波的光谱功率分布。
10.如权利要求9所述的方法,其特征为,所述分别获取分别对应于所述若干频段的光波的感应电流具体为:通过串联于所述光敏原件上的电流表获取所述感应电流;或者,通过获取串联于所述光敏原件的负载的功率,计算出所述感应电流。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711275325.0A CN107704860A (zh) | 2017-12-06 | 2017-12-06 | 一种车牌号码识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711275325.0A CN107704860A (zh) | 2017-12-06 | 2017-12-06 | 一种车牌号码识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107704860A true CN107704860A (zh) | 2018-02-16 |
Family
ID=61185571
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711275325.0A Withdrawn CN107704860A (zh) | 2017-12-06 | 2017-12-06 | 一种车牌号码识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107704860A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110490179A (zh) * | 2018-05-15 | 2019-11-22 | 杭州海康威视数字技术股份有限公司 | 车牌识别方法、装置及存储介质 |
WO2020082386A1 (zh) * | 2018-10-26 | 2020-04-30 | 合刃科技(深圳)有限公司 | 字符获取方法及装置 |
CN111160073A (zh) * | 2018-11-08 | 2020-05-15 | 浙江宇视科技有限公司 | 车牌类型识别方法、装置及计算机可读存储介质 |
-
2017
- 2017-12-06 CN CN201711275325.0A patent/CN107704860A/zh not_active Withdrawn
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110490179A (zh) * | 2018-05-15 | 2019-11-22 | 杭州海康威视数字技术股份有限公司 | 车牌识别方法、装置及存储介质 |
CN110490179B (zh) * | 2018-05-15 | 2022-08-05 | 杭州海康威视数字技术股份有限公司 | 车牌识别方法、装置及存储介质 |
WO2020082386A1 (zh) * | 2018-10-26 | 2020-04-30 | 合刃科技(深圳)有限公司 | 字符获取方法及装置 |
CN111160073A (zh) * | 2018-11-08 | 2020-05-15 | 浙江宇视科技有限公司 | 车牌类型识别方法、装置及计算机可读存储介质 |
CN111160073B (zh) * | 2018-11-08 | 2023-09-19 | 浙江宇视科技有限公司 | 车牌类型识别方法、装置及计算机可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107704860A (zh) | 一种车牌号码识别方法 | |
CN110415181B (zh) | 一种开放环境下烤烟rgb图像智能识别及等级判定方法 | |
CN102663358B (zh) | 变电站二次保护设备运行状态的视频图像识别方法 | |
CN105453153A (zh) | 交通灯检测 | |
CN100595799C (zh) | 一种二维货币自动识别方法及系统 | |
RU2017135215A (ru) | Обнаружение и классификация светофора с использованием машинного зрения и глубинного обучения | |
CN103310201B (zh) | 目标混合颜色识别方法 | |
CN103544480A (zh) | 车辆颜色识别方法 | |
CN103440035A (zh) | 一种三维空间中的手势识别系统及其识别方法 | |
CN102601063B (zh) | 一种竹片自动识别分级方法 | |
CN105974120B (zh) | 一种c反应蛋白色度自动检测装置与方法 | |
CN112044808A (zh) | 一种生活垃圾识别系统 | |
CN105488797A (zh) | 一种hsv空间的车牌定位方法 | |
CN207816806U (zh) | 一种车牌种类区分系统 | |
CN102737221A (zh) | 车辆颜色的识别方法及装置 | |
CN103324958A (zh) | 一种复杂背景下基于投影法和svm的车牌定位方法 | |
CN102298695B (zh) | 用于对钞捆进行检测的视觉分析处理方法 | |
CN102507008B (zh) | 一种多模板颜色自动光学检测方法 | |
Kanani et al. | Vehicle license plate localization using wavelets | |
CN103679194A (zh) | 一种基于滤光片的红绿灯识别方法 | |
CN108416284A (zh) | 一种交通信号灯的分割方法 | |
CN107742423A (zh) | 一种车牌号码识别系统 | |
CN107798882A (zh) | 一种车辆号牌种类区分方法 | |
CN108027278A (zh) | 照明检测装置及其方法 | |
CN103344571B (zh) | 一种有价证券耐性质量评价方法及装置 |
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 | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20180216 |