CN107729899A - 一种车牌号码识别方法及装置 - Google Patents
一种车牌号码识别方法及装置 Download PDFInfo
- Publication number
- CN107729899A CN107729899A CN201610657870.5A CN201610657870A CN107729899A CN 107729899 A CN107729899 A CN 107729899A CN 201610657870 A CN201610657870 A CN 201610657870A CN 107729899 A CN107729899 A CN 107729899A
- Authority
- CN
- China
- Prior art keywords
- image
- character
- pixel
- character picture
- value
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 110
- 238000010586 diagram Methods 0.000 claims abstract description 67
- 230000000903 blocking effect Effects 0.000 claims abstract description 11
- 238000012937 correction Methods 0.000 claims description 32
- 230000011218 segmentation Effects 0.000 claims description 27
- 238000003709 image segmentation Methods 0.000 claims description 18
- 238000003702 image correction Methods 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 5
- 235000013399 edible fruits Nutrition 0.000 claims 1
- 238000012545 processing Methods 0.000 description 10
- 238000010801 machine learning Methods 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000005286 illumination Methods 0.000 description 3
- 230000013016 learning Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 241001062009 Indigofera Species 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000004040 coloring Methods 0.000 description 1
- IMQSIXYSKPIGPD-YQRUMEKGSA-N filipin III Chemical compound CCCCC[C@@H](O)[C@@H]1[C@@H](O)C[C@@H](O)C[C@@H](O)C[C@@H](O)C[C@@H](O)C[C@@H](O)C[C@H](O)\C(C)=C\C=C\C=C\C=C\C=C\[C@H](O)[C@@H](C)OC1=O IMQSIXYSKPIGPD-YQRUMEKGSA-N 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
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
- G06V10/267—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 by performing operations on regions, e.g. growing, shrinking or watersheds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
-
- 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
- G06V10/247—Aligning, centring, orientation detection or correction of the image by affine transforms, e.g. correction due to perspective effects; Quadrilaterals, e.g. trapezoids
-
- 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
Abstract
本发明实施例提供了一种车牌号码识别方法及装置。所述方法包括:针对待识别车牌号码的第一图像,绘制每个像素行对应的像素值图,根据像素值图中波峰特征点和波谷特征点是否满足预设条件,将第一图像中的对应像素点连接成线段;根据线段之间的距离,对线段和相邻线段均设置兄弟属性;将相同兄弟属性的线段拼接成块,获得每个车牌定位块图像,并选择第一图像的车牌号码区域对应的第二图像;根据垂直投影法,获得第二图像的像素值的垂直投影图,并对第二图像进行分割,获得N个字符图像;根据预先存储的每个国家和地区的字符特征,识别N个字符图像中的字符,获得第一图像对应的车牌号码。本实施例能够提高车牌号码识别的通用性。
Description
技术领域
本发明涉及智能交通技术领域,特别涉及一种车牌号码识别方法及装置。
背景技术
车牌号码是车辆的“身份证”,是识别机动车辆的一项重要依据。车牌号码识别技术已被广泛应用在卡口、停车场和电子警察等场景中,以获取场景内车辆的号牌信息,在治安管理等众多方面发挥着重要作用。
现有技术中,当从监控摄像机拍摄的视频中抓取到包含车辆的车牌号码的图像后,通常通过以下三步从该图像中识别出车牌号码:首先从图像中定位车牌区域,然后分割车牌区域中的字符,最后识别分割后的字符,得到车牌号码。
在对图像进行定位、分割和识别时,一般根据本国或本地区车牌的先验信息进行。但是,面对其他国家或地区的车牌,由于其他国家或地区的车牌具有与本国车牌的先验信息不同的信息,因此无法根据本国或本地区车牌的先验信息识别其他国家或地区的车牌号码,车牌号码识别的通用性不强。
例如,通常根据车牌区域为白字蓝底或黑字黄底的颜色信息定位本国或本地区车牌区域,但是这种方法难以定位其他国家黄字黑底或白字黑底的车牌;通常根据本国车牌中的二五结构对车牌字符进行分割,但是这种方法难以分割其他国家三三结构或二四结构的车牌。
发明内容
本发明实施例的目的在于提供了一种车牌号码识别方法及装置,能够提高车牌号码识别的通用性。
为了达到上述目的,本申请公开了一种车牌号码识别方法,所述方法包括:
获取待识别车牌号码的第一图像;
针对所述第一图像中的每一像素行,绘制所述像素行中每个像素点的像素值图,其中,像素值图的横坐标为像素点坐标,纵坐标为像素点的像素值;
针对每个像素值图,识别所述像素值图中的波峰特征点和波谷特征点;按照预设宽度,将所述像素值图分割成第一数量个待选区域,针对每个待选区域,识别所述待选区域中包含的波峰特征点或波谷特征点,判断所述波峰特征点或波谷特征点是否满足预设条件,如果是,则将所述待选区域对应的第一图像中的像素点连接成线段;
针对每个线段,确定所述线段下方的相邻线段,并计算所述线段的左端点与所述相邻线段的左端点之间的第二距离,计算所述线段的右端点与所述相邻线段的右端点之间的第三距离,判断所述第二距离和第三距离是否均小于预设第一距离阈值,如果是,则对所述线段和相邻线段均设置兄弟属性;将设置为相同兄弟属性的线段拼接成块,获得每个车牌定位块图像;
从所述每个车牌定位块图像中选择所述第一图像的车牌号码区域对应的第二图像;
针对每个第二图像,根据垂直投影法,获得所述第二图像的像素值的垂直投影图;根据所述垂直投影图,对所述第二图像进行分割,获得所述第二图像包含的N个字符图像;
根据预先存储的每个国家和地区的字符特征,识别所述N个字符图像中的字符,获得第一图像对应的车牌号码。
可选的,所述预设条件为下述条件中的一种或多种:
针对每个待选区域,识别所述待选区域中包含的波峰特征点数量或波谷特征点数量,判断所述波峰特征点数量或波谷特征点数量是否满足预设特征点数量阈值;或,
针对每个待选区域,识别所述待选区域中包含的波峰特征点的像素值或波谷特征点的像素值,确定所述待选区域中相邻波峰特征点与波谷特征点像素值的跳变幅值,判断所述待选区域的所有跳变幅值是否均大于预设跳变幅值阈值;或,
针对每个待选区域,识别所述待选区域中包含的波峰特征点的像素值或波谷特征点的像素值,确定所述待选区域中相邻波峰特征点与波谷特征点像素值的跳变幅值,计算每两个跳变幅值之间的幅值差值,判断所述待选区域中的所有幅值差值是否均不大于预设幅值差值阈值;或,
针对每个待选区域,识别所述待选区域中相邻波峰特征点与波谷特征点的横坐标的跳变间隔,判断所述待选区域中的所有跳变间隔是否均匀。
可选的,在所述对所述线段和相邻线段均设置兄弟属性之前,所述方法还包括:
确定所述线段包含的每个像素点与其相邻像素点像素值的差值的绝对值,并对所述绝对值求和,获得所述线段的像素跳变特征值;确定所述相邻线段包含的每个像素点与其相邻像素点像素值的差值的绝对值,并对所述绝对值求和,获得所述相邻线段的像素跳变特征值;
判断所述线段与所述相邻线段的像素跳变特征值的差值的绝对值是否小于预设第一跳变特征阈值,如果是,则执行所述对所述线段和相邻线段均设置兄弟属性的步骤。
可选的,所述从所述每个车牌定位块图像中选择所述第一图像的车牌号码区域对应的第二图像,包括:
根据预先存储的每个国家和地区的车牌特征,对所述每个车牌定位块图像进行车牌真伪筛选,获得真实车牌定位块图像;
将所述真实车牌定位块图像确定为所述第一图像的车牌号码区域对应的第二图像。
可选的,在针对每个第二图像,根据垂直投影法,获得所述第二图像的像素值的垂直投影图之前,所述方法还包括:
将所述第二图像转换为亮字暗底的灰度图像;
对所述灰度图像进行车牌倾斜校正;
对车牌倾斜校正后的图像进行车牌字符畸变校正;
所述针对每个第二图像,根据垂直投影法,获得所述第二图像的像素值的垂直投影图,包括:
针对车牌字符畸变校正后的每个第二图像,根据垂直投影法,获得所述第二图像的像素值的垂直投影图。
可选的,所述根据所述垂直投影图,对所述第二图像进行分割,获得所述第二图像包含的N个字符图像,包括:
根据所述垂直投影图,对所述第二图像进行分割,获得所述第二图像包含的待修正的N个字符图像;
针对所述第二图像,根据连通域法,获得所述第二图像包含的每个连通域以及每个连通域的第一位置,根据所述连通域和所述第一位置,计算所述连通域的平均宽度,将所述平均宽度确定为所述第二图像的平均字符宽度;
根据所述平均字符宽度,判断所述待修正的N个字符图像中是否存在字符图像宽度大于预设第一宽度阈值的第一字符图像;
如果存在,则根据所述第一位置修正所述第一字符图像,根据修正后的第一字符图像,确定所述第二图像包含的N个字符图像。
可选的,所述根据所述第一位置修正所述第一字符图像,包括:
根据所述第一字符图像的位置,从所述连通域中确定与所述第一字符图像的位置对应的目标连通域;
根据所述目标连通域及对应的第一位置,对所述第一字符图像进行分割或者重新确定第一字符图像的位置。
可选的,所述根据所述垂直投影图,对所述第二图像进行分割,获得所述第二图像包含的N个字符图像,包括:
根据所述垂直投影图,对所述第二图像进行分割,获得所述第二图像包含的待修正的N个字符图像;
判断所述待修正的N个字符图像中是否存在字符图像宽度小于预设第二宽度阈值的第二字符图像;
如果存在,则将相邻的至少两个第二字符图像确定为待修正字符图像;
获得所述第二图像的边缘图,根据垂直投影法,对所述边缘图进行字符分割,并从分割后的边缘图中确定与所述待修正字符图像位置对应的目标字符图像;
将所述待修正字符图像和对应的目标字符图像均输入字符分类器,获得每个字符图像的置信度,所述字符分类器为根据各个国家和地区的字符特征设置的分类器;
判断所述待修正字符图像的至少两个置信度是否均小于对应的目标字符图像的置信度;
如果是,则根据所述对应的目标字符图像的位置,将所述待修正字符图像包含的至少两个第二字符图像进行合并,获得所述第二图像包含的N个字符图像。
可选的,在针对每个第二图像,根据垂直投影法,获得所述第二图像的像素值的垂直投影图之前,所述方法还包括:
根据所述第二图像的宽高比例以及预设比例阈值,判断所述第二图像是否属于双层车牌;
如果是,则针对所述第二图像中的每个像素行,确定所述像素行包含的每个像素点与其相邻像素点的像素值的差值的绝对值,并将所述绝对值求和,获得所述像素行的像素跳变特征值;
针对每个像素行,确定所述像素行下方的相邻像素行,并确定所述像素行与相邻像素行的像素跳变特征值的差值的绝对值;判断所述绝对值是否小于预设第二跳变特征阈值,如果是,则将所述像素行和相邻像素行设置兄弟属性;将设置为相同兄弟属性的像素行拼接成块,获得所述第二图像包含的上定位块和下定位块;
根据所述上定位块和下定位块,将所述第二图像转换成单层车牌图像;
所述针对每个第二图像,根据垂直投影法,获得所述第二图像的像素值的垂直投影图,包括:
针对转换成单层车牌图像后的每个第二图像,根据垂直投影法,获得所述第二图像的像素值的垂直投影图。
可选的,所述根据所述上定位块和下定位块,将所述第二图像转换成单层车牌图像,包括:
将所述上定位块放置在所述下定位块左侧,进而将所述第二图像转换成单层车牌图像。
为了达到上述目的,本申请公开了一种车牌号码识别装置,所述装置包括:
第一图像获取模块,用于获取待识别车牌号码的第一图像;
像素值图绘制模块,用于针对所述第一图像中的每一像素行,绘制所述像素行中每个像素点的像素值图,其中,像素值图的横坐标为像素点坐标,纵坐标为像素点的像素值;
像素点连接模块,用于针对每个像素值图,识别所述像素值图中的波峰特征点和波谷特征点;按照预设宽度,将所述像素值图分割成第一数量个待选区域,针对每个待选区域,识别所述待选区域中包含的波峰特征点或波谷特征点,判断所述波峰特征点或波谷特征点是否满足预设条件,如果是,则将所述待选区域对应的第一图像中的像素点连接成线段;
定位块获得模块,用于针对每个线段,确定所述线段下方的相邻线段,并计算所述线段的左端点与所述相邻线段的左端点之间的第二距离,计算所述线段的右端点与所述相邻线段的右端点之间的第三距离,判断所述第二距离和第三距离是否均小于预设第一距离阈值,如果是,则对所述线段和相邻线段均设置兄弟属性;将设置为相同兄弟属性的线段拼接成块,获得每个车牌定位块图像;
第二图像选择模块,用于从所述每个车牌定位块图像中选择所述第一图像的车牌号码区域对应的第二图像;
第二图像分割模块,用于针对每个第二图像,根据垂直投影法,获得所述第二图像的像素值的垂直投影图;根据所述垂直投影图,对所述第二图像进行分割,获得所述第二图像包含的N个字符图像;
图像字符识别模块,用于根据预先存储的每个国家和地区的字符特征,识别所述N个字符图像中的字符,获得第一图像对应的车牌号码。
可选的,所述预设条件为下述条件中的一种或多种:
针对每个待选区域,识别所述待选区域中包含的波峰特征点数量或波谷特征点数量,判断所述波峰特征点数量或波谷特征点数量是否满足预设特征点数量阈值;或,
针对每个待选区域,识别所述待选区域中包含的波峰特征点的像素值或波谷特征点的像素值,确定所述待选区域中相邻波峰特征点与波谷特征点像素值的跳变幅值,判断所述待选区域的所有跳变幅值是否均大于预设跳变幅值阈值;或,
针对每个待选区域,识别所述待选区域中包含的波峰特征点的像素值或波谷特征点的像素值,确定所述待选区域中相邻波峰特征点与波谷特征点像素值的跳变幅值,计算每两个跳变幅值之间的幅值差值,判断所述待选区域中的所有幅值差值是否均不大于预设幅值差值阈值;或,
针对每个待选区域,识别所述待选区域中相邻波峰特征点与波谷特征点的横坐标的跳变间隔,判断所述待选区域中的所有跳变间隔是否均匀。
可选的,所述定位块获得模块还用于:
在所述对所述线段和相邻线段均设置兄弟属性之前,确定所述线段包含的每个像素点与其相邻像素点像素值的差值的绝对值,并对所述绝对值求和,获得所述线段的像素跳变特征值;确定所述相邻线段包含的每个像素点与其相邻像素点像素值的差值的绝对值,并对所述绝对值求和,获得所述相邻线段的像素跳变特征值;
判断所述线段的像素跳变特征值与所述相邻线段的像素跳变特征值的差值的绝对值是否小于预设第一跳变特征阈值,如果是,则对所述线段和相邻线段均设置兄弟属性。
可选的,所述第二图像选择模块,具体用于:
根据预先存储的每个国家和地区的车牌特征,对所述每个车牌定位块图像进行车牌真伪筛选,获得真实车牌定位块图像;将所述真实车牌定位块图像确定为所述第一图像的车牌号码区域对应的第二图像。
可选的,所述装置还包括第二图像校正模块;
所述第二图像校正模块,用于在针对每个第二图像,根据垂直投影法,获得所述第二图像的像素值的垂直投影图之前,将所述第二图像转换为亮字暗底的灰度图像;对所述灰度图像进行车牌倾斜校正;对车牌倾斜校正后的图像进行车牌字符畸变校正;
所述第二图像分割模块,具体用于针对车牌字符畸变校正后的每个第二图像,根据垂直投影法,获得所述第二图像的像素值的垂直投影图;根据所述垂直投影图,对所述第二图像进行分割,获得所述第二图像包含的N个字符图像。
可选的,所述第二图像分割模块包括:
第一获得子模块,用于根据所述垂直投影图,对所述第二图像进行分割,获得所述第二图像包含的待修正的N个字符图像;
第一计算子模块,用于针对所述第二图像,根据连通域法,获得所述第二图像包含的每个连通域以及每个连通域的第一位置,根据所述连通域和所述第一位置,计算所述连通域的平均宽度,将所述平均宽度确定为所述第二图像的平均字符宽度;
第一判断子模块,用于根据所述平均字符宽度,判断所述待修正的N个字符图像中是否存在字符图像宽度大于预设第一宽度阈值的第一字符图像;
第一确定子模块,用于当所述待修正的N个字符图像中存在字符图像宽度大于预设第一宽度阈值的第一字符图像时,根据所述第一位置修正所述第一字符图像,根据修正后的第一字符图像,确定所述第二图像包含的N个字符图像。
可选的,所述第一确定子模块,具体用于:
根据所述第一字符图像的位置,从所述连通域中确定与所述第一字符图像的位置对应的目标连通域;根据所述目标连通域及对应的第一位置,对所述第一字符图像进行分割或者重新确定第一字符图像的位置。
可选的,所述第二图像分割模块包括:
第二获得子模块,用于根据所述垂直投影图,对所述第二图像进行分割,获得所述第二图像包含的待修正的N个字符图像;
第二判断子模块,用于判断所述待修正的N个字符图像中是否存在字符图像宽度小于预设第二宽度阈值的第二字符图像;
第二确定子模块,用于当所述待修正的N个字符图像中存在字符图像宽度小于预设第二宽度阈值的第二字符图像时,将相邻的至少两个第二字符图像确定为待修正字符图像;
图像分割子模块,用于获得所述第二图像的边缘图,根据垂直投影法,对所述边缘图进行字符分割,并从分割后的边缘图中确定与所述待修正字符图像位置对应的目标字符图像;
第三获得子模块,用于将所述待修正字符图像和对应的目标字符图像均输入字符分类器,获得每个字符图像的置信度,所述字符分类器为根据各个国家和地区的字符特征设置的分类器;
第三判断子模块,用于判断所述待修正字符图像的至少两个置信度是否均小于对应的目标字符图像的置信度;
图像合并子模块,用于当所述待修正字符图像的至少两个置信度均小于对应的目标字符图像的置信度时,根据所述对应的目标字符图像的位置,将所述待修正字符图像包含的至少两个第二字符图像进行合并,获得所述第二图像包含的N个字符图像。
可选的,所述装置还包括:
第四判断子模块,用于在针对每个第二图像,根据垂直投影法,获得所述第二图像的像素值的垂直投影图之前,根据所述第二图像的宽高比例以及预设比例阈值,判断所述第二图像是否属于双层车牌;
特征值获得子模块,用于当所述第二图像属于双层车牌时,针对所述第二图像中的每个像素行,确定所述像素行包含的每个像素点与其相邻像素点的像素值的差值的绝对值,并将所述绝对值求和,获得所述像素行的像素跳变特征值;
定位块获得子模块,用于针对每个像素行,确定所述像素行下方的相邻像素行,并确定所述像素行与相邻像素行的像素跳变特征值的差值的绝对值;判断所述绝对值是否小于预设第二跳变特征阈值,如果是,则将所述像素行和相邻像素行设置兄弟属性;将设置为相同兄弟属性的像素行拼接成块,获得所述第二图像包含的上定位块和下定位块;
双层图像转换子模块,用于根据所述上定位块和下定位块,将所述第二图像转换成单层车牌图像;
所述第二图像分割模块,具体用于针对转换成单层车牌图像后的每个第二图像,根据垂直投影法,获得所述第二图像的像素值的垂直投影图;根据所述垂直投影图,对所述第二图像进行分割,获得所述第二图像包含的N个字符图像。
可选的,所述双层图像转换子模块具体用于:
将所述上定位块放置在所述下定位块左侧,进而将所述第二图像转换成单层车牌图像。
由上述技术方案可见,本发明实施例中,首先,针对待识别车牌号码的第一图像中的每一像素行绘制像素值图,当像素值图中待选区域的波峰特征点或波谷特征点满足预设条件时,将待选区域对应的第一图像中的像素点连接成线段。其次,根据依据波峰特征点或波谷特征点连接的线段及各个线段之间的距离来获得每个车牌定位块图像,再从每个车牌定位块图像中选择第一图像的车牌号码区域对应的第二图像,然后对第二图像进行字符分割,获得第二图像包含的N个字符图像,最后,根据预先存储的每个国家和地区的字符特征,识别所述N个字符图像中的字符,获得第一图像对应的车牌号码。
也就是说,本发明实施例中,先依据各个国家的车牌都具有的字符与背景的像素值差别较大和车牌区域特征点比较集中的特点,获得车牌定位块图像;并在字符分割后根据预先存储的每个国家和地区的字符特征,识别所述N个字符图像中的字符。
可见,本发明实施例利用了各个国家车牌共有的特点,获得了车牌定位块图像,并且根据预先存储的每个国家和地区的字符特征来进行字符识别,因此能够识别各个国家的车牌,与现有技术相比,提高了通用性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍。显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为部分国家和地区车牌类型的示例图;
图2为本发明实施例提供的车牌号码识别方法的一种流程示意图;
图2a为待识别车牌号码的图像中像素值图的一个例子;
图3为图2所示实施例的步骤S206的一种流程示意图;
图4为车牌中号码7和4相互嵌入的一个示例图;
图5为图2所示实施例的步骤S206的另一种流程示意图;
图6为本发明实施例提供的车牌号码识别方法的另一种流程示意图;
图7为本发明实施例提供的车牌号码识别装置的一种结构示意图;
图8为图7中第二图像分割模块706的一种结构示意图;
图9为图7中第二图像分割模块706的另一种结构示意图;
图10为本发明实施例提供的车牌号码识别装置的另一种结构示意图。
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、完整的描述。显然,所描述的实施例仅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的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。
图1为部分国家和地区车牌类型的示例图。图中,1为中国香港地区的车牌示例,其中,车牌字符数量在3~6之间,车牌颜色为黑字白底;2为中国澳门地区的车牌示例,其中,字符数量为6,车牌颜色为白字黑底和黄字黑底,并且字符中间还包括短连接线;3为印度的车牌示例,其中,字符数量为10,车牌颜色为黑字黄底和黑字白底,并且字符中间以句点隔开;4为菲律宾的车牌示例,其中,字符数量为6,车牌颜色为黑字黄底;5为韩国的车牌示例,其中,字符数量为7,车牌颜色为黑字白底;6为泰国车牌示例,其中,字符数量为6,车牌颜色为黑字白底。
可见,各国家和地区的车牌在以下方面各有不同:
车牌结构:包括单层车牌和双层车牌;
字符数量:分布区间为[3,10];
颜色:前景即字符颜色有白色、黄色、黑色、绿色等,车牌背景颜色有白色,黑色,黄色,绿色、蓝色等,且字符颜色与背景颜色组合数量较多;
字体种类:不仅不同国家采用的字体大不相同,且同一国家的车牌字体亦不相同,例如印度。
字符种类:包含阿拉伯数字、英文、泰文、韩文、中文和日文等。
现有技术中,一般各个国家或地区针对当地的车牌结构进行车牌识别,例如:依据中国的车牌结构、颜色、字体种类等信息进行中国车牌号码识别,这种识别方法无法识别众多国家和地区的车牌,车牌识别的通用性不强。
因此,本发明实施例提供了一种车牌号码识别方法及装置,能够提高车牌号码识别的通用性。
本发明实施例能够应用于具有处理器的电子设备中,例如台式电脑、平板电脑、笔记本电脑、智能手机等。
图2为本发明实施例提供的车牌号码识别方法的一种流程示意图,所述方法包括如下步骤:
步骤S201:获取待识别车牌号码的第一图像。
其中,待识别车牌号码的第一图像可以是监控视频中的帧图像,也可以是抓拍图像,当然还可以是任意一张待识别车牌号码的图像,本发明对第一图像的来源不做具体限定。该第一图像一般应包含待识别车牌号码车辆的图像,并且由于第一图像常常是电子设备拍摄的图像,因此它还可能包含其他复杂的背景图像,该背景图像可以是树木、人、路面、围栏等。
步骤S202:针对第一图像中的每一像素行,绘制所述像素行中每个像素点的像素值图,其中,像素值图的横坐标为像素点坐标,纵坐标为像素点的像素值。
图2a为一个像素值图的例子,其中具有波峰波谷形状的曲线就是图中黑线所示像素行的像素值图。
步骤S203:针对每个像素值图,识别所述像素值图中的波峰特征点和波谷特征点;按照预设宽度,将所述像素值图分割成第一数量个待选区域,针对每个待选区域,识别所述待选区域中包含的波峰特征点或波谷特征点,判断波峰特征点或波谷特征点是否满足预设条件,如果是,则将所述待选区域对应的第一图像中的像素点连接成线段。
其中,预设条件可以为下述条件中的一种或多种:
条件一,针对每个待选区域,识别所述待选区域中包含的波峰特征点数量或波谷特征点数量,判断所述波峰特征点数量或波谷特征点数量是否满足预设特征点数量阈值。
条件二,针对每个待选区域,识别所述待选区域中包含的波峰特征点的像素值或波谷特征点的像素值,确定所述待选区域中相邻波峰特征点与波谷特征点像素值的跳变幅值,判断所述待选区域的所有跳变幅值是否均大于预设跳变幅值阈值。
条件三,针对每个待选区域,识别所述待选区域中包含的波峰特征点的像素值或波谷特征点的像素值,确定所述待选区域中相邻波峰特征点与波谷特征点像素值的跳变幅值,计算每两个跳变幅值之间的幅值差值,判断所述待选区域中的所有幅值差值是否均不大于预设幅值差值阈值。
条件四,针对每个待选区域,识别所述待选区域中相邻波峰特征点与波谷特征点的横坐标的跳变间隔,判断所述待选区域中的所有跳变间隔是否均匀。
与上述条件对应的,可以认为车牌区域的像素值图中波峰特征点和波谷特征点具有以下特点:
特征点跳变较频繁,且跳变次数在一定范围内;
垂直方向特征点的像素值跳变幅值较大;
特征点的跳变幅度基本一致;
特征点之间的水平跳变间隔较均匀。
为了降低计算复杂度,还可以在识别像素图中的波峰特征点或波谷特征点之前,对像素值图进行缩放和平滑处理。在标记波峰特征点和波谷特征点之后,还可以去除像素值图中波峰波谷曲线的毛刺。
步骤S204:针对每个线段,确定所述线段下方的相邻线段,并计算所述线段的左端点与所述相邻线段的左端点之间的第二距离,计算所述线段的右端点与所述相邻线段的右端点之间的第三距离,判断第二距离和第三距离是否均小于预设第一距离阈值,如果是,则对所述线段和相邻线段均设置兄弟属性,将设置为相同兄弟属性的线段拼接成块,获得每个车牌定位块图像。
具体的,针对每个线段,确定所述线段下方的相邻线段可以包括:针对每个线段,确定所述线段下方像素行中的相邻线段。
在本步骤中,当判断出第二距离和第三距离中的至少一个距离不小于预设第一距离阈值时,则说明所述线段和相邻线段不具有兄弟属性,继续判断下一个线段和其相邻线段的距离。
其中,预设第一距离阈值可以通过预先对车牌中字符的特点进行离线学习得到。具体的,可以采用现有技术中的机器学习方法,对各个国家和地区车牌的样本进行学习。
在本实施例中,为了使设置的兄弟属性更准确,在对所述线段和相邻线段均设置兄弟属性之前,所述方法还可以包括:
步骤1:确定所述线段包含的每个像素点与其相邻像素点像素值的差值的绝对值,并对所述绝对值求和,获得所述线段的像素跳变特征值;确定所述相邻线段包含的每个像素点与其相邻像素点像素值的差值的绝对值,并对所述绝对值求和,获得所述相邻线段的像素跳变特征值。
步骤2:判断所述线段与所述相邻线段的像素跳变特征值的差值的绝对值是否小于预设第一跳变特征阈值,如果是,则执行对所述线段和相邻线段均设置兄弟属性的步骤。
此时,说明这两条线段具有相似的像素跳变特征值。当判断出该线段与相邻线段的像素跳变特征值的差值的绝对值不小于预设第一跳变特征阈值时,说明这两条线段不具有相似的像素跳变特征值,则不对这两条线段设置兄弟属性。此后,当再次判断出线段与相邻线段的像素跳变特征值的差值的绝对值小于预设第一跳变特征阈值时,对该线段和相邻线段设置另一兄弟属性,该兄弟属性不同于上述兄弟属性。
例如,图像中识别出编号为1~10的十条线段,这十条线段按照编号顺序上下相邻,当判断出连续的三条线段1、2、3均具有相似的像素跳变特征值时,为这三条线段均设置兄弟属性A;线段3和线段4不具有相似的像素跳变特征值,线段4~10均具有相似的像素跳变特征值,则为线段4~10均设置兄弟属性B。
需要说明的是,由于第一图像通常包含较复杂的图像背景,因此,从第一图像中获得的车牌定位块图像可能不止一个,其中可能包含了非车牌区域,例如车灯区域、车标区域等。
步骤S205:从每个车牌定位块图像中选择第一图像的车牌号码区域对应的第二图像。
需要指出的是,在本实施例中,经过上述步骤的处理,获得的车牌定位块图像可能是比较粗糙的,例如边缘不规则、包含车牌的边框等。为了使得到的第二图像更精准,还可以对第二图像进行细定位处理。也就是说,在从每个车牌定位块图像中选择第二图像之后,还可以对第二图像中的车牌号码区域进行细定位处理,使第二图像的边缘尽可能地卡在车牌内部字符的边缘处。具体的细定位过程可以与步骤S202~S204类似,只是重新设置第一像素值阈值、第一距离阈值和第二距离阈值的取值。
上述细定位处理过程也可以在步骤S205之前实施,即对每个车牌定位块图像进行细定位处理,然后从细定位处理后的每个车牌定位块图像中选择第二图像。可以理解的是,细定位处理过程在步骤S205之后实施,比在步骤S205之前实施更能够提高处理速度。这是因为,在步骤S205之后实施时,只需对第二图像进行细定位处理,所处理的图像个数较少,有利于提高处理速度。
根据步骤S204可知,车牌定位块图像中可能包含非车牌区域,例如车头散热区也被定位出来。为了使获得的第二图像更准确,需要从每个车牌定位块图像中选择第二图像。
需要说明的是,从每个车牌定位块图像中选择第二图像可以包括多种实施方式,例如根据每个车牌定位块图像的像素值平均值进行选择,或者根据每个车牌定位块图像的大小进行选择。
在本发明的另一实施例中,为了使选择的第二图像中包含的非车牌区域更少,本实施例中的步骤S205具体可以包括:
根据预先存储的每个国家和地区的车牌特征,对每个车牌定位块图像进行车牌真伪筛选,获得真实车牌定位块图像,将所述真实车牌定位块图像确定为第一图像的车牌号码区域对应的第二图像。其中,预先存储的每个国家和地区的车牌特征可以是车牌的宽高比例、车牌中的字符数量、字符的字体和笔画走势等特征,例如大部分国家或地区的车牌的字符数量在3~10个字符之间。这些车牌特征可以是采用机器学习算法从大量车牌样本中学习到的,其中,车牌样本包括各个国家或地区的车牌。
具体的,根据预先存储的每个国家和地区的车牌特征,当车牌定位块图像的宽高比例符合第一比例阈值范围,并且字符数量在预设范围内时,即可确认该车牌定位块图像为真实车牌定位块图像。
步骤S206:针对每个第二图像,根据垂直投影法,获得第二图像的像素值的垂直投影图,根据所述垂直投影图,对第二图像进行分割,获得第二图像包含的N个字符图像。
其中,获得第二图像的像素值的垂直投影图,可以包括:以横向坐标为横轴,以纵向像素值的和值为纵轴,获得第二图像的像素值的垂直投影图。更具体的,根据垂直投影法获得图像的像素值的垂直投影图属于现有技术,其具体过程不再赘述。垂直投影图中包含多个波峰和波谷,根据每个波峰和波谷的位置,即可以确定第二图像中每个字符的左右边界,获得N个字符图像,N一般在[3,10]之间。
步骤S207:根据预先存储的每个国家和地区的字符特征,识别N个字符图像中的字符,获得第一图像对应的车牌号码。
其中,预先存储的每个国家和地区的字符特征包括阿拉伯数字、英文、中文、韩文、泰文、日文等多种字符的字体特征和笔画走势特征等。这些特征也可以是采用机器学习算法从大量车牌样本中学习到的,其中,车牌样本包括各个国家或地区的车牌。
具体的,在识别N个字符图像中的字符之前,可以根据预先存储的每个国家和地区的字符特征,对N个字符图像进行字符真伪筛选,确定真实字符图像,识别真实字符图像中的字符,将每个字符按照预设顺序组成字符串,将字符串确定为第一图像对应的车牌号码。
在实际应用中,获得的字符串可能会有多个,这时,可以将每个字符串输入字符分类器,获得每个字符串的置信度,将置信度最高的字符串确定为第一图像对应的车牌号码。
由上述内容可知,在本实施例中,先依据各个国家的车牌都具有的字符与背景的像素值差别较大和车牌区域特征点比较集中的特点,获得车牌定位块图像,并在字符分割后根据预先存储的每个国家和地区的字符特征,识别所述N个字符图像中的字符。可见,本实施例利用了各个国家车牌共有的特点,获得了车牌定位块图像,并且根据预先存储的每个国家和地区的字符特征来进行字符识别,因此能够识别各个国家的车牌,与现有技术相比,提高了通用性。
在图2所示实施例中,为了克服某些场景中车牌倾斜等因素对后续的分割和识别过程带来的不利影响,可以对选中的第二图像进行相应的预处理,因此可以对图2所示实施例进行改进。具体的,在步骤S206的针对每个第二图像,根据垂直投影法,获得所述第二图像的像素值的垂直投影图之前,所述方法还可以包括:
步骤1:将第二图像转换为亮字暗底的灰度图像。
步骤2:对所述灰度图像进行车牌倾斜校正。
其中,车牌倾斜校正是指使车牌中的每个字符的中心点均处于一条水平线上。例如,图1中的印度车牌即存在车牌倾斜的问题,车牌倾斜校正需要对这样的车牌进行校正。
步骤3:对车牌倾斜校正后的图像进行车牌字符畸变校正。
需要说明的是,将第二图像转换为亮字暗底的灰度图像、对图像进行车牌倾斜校正、对图像进行畸变校正均属于现有技术,其具体过程此处不再赘述。
相应的,图2所示实施例中针对每个第二图像,根据垂直投影法,获得所述第二图像的像素值的垂直投影图的步骤,可以包括:针对车牌字符畸变校正后的每个第二图像,根据垂直投影法,获得所述第二图像的像素值的垂直投影图。
由上述内容可见,本实施例针对第二图像进行灰度处理、倾斜校正和畸变校正,并针对校正后的第二图像进行垂直投影操作,能够提高字符分割和字符识别过程的准确性。
在图2所示实施例的一种具体实施方式中,当第二图像的车牌首末位置或中间位置可能存在铆钉,或者车牌上存在污点时,可能会导致获得的N个字符图像的位置不准确。为了提高N个字符图像的位置的准确性,可以对图2所示实施例进行改进。具体的,图2的步骤S206,即根据所述垂直投影图,对第二图像进行分割,获得第二图像包含的N个字符图像,具体可以按照图3所示流程示意图进行,即包括以下步骤:
步骤S301:根据所述垂直投影图,对第二图像进行分割,获得第二图像包含的待修正的N个字符图像。
步骤S302:针对第二图像,根据连通域法,获得第二图像包含的每个连通域以及每个连通域的第一位置,根据所述连通域和第一位置,计算所述连通域的平均宽度,将所述平均宽度确定为第二图像的平均字符宽度。
其中,连通域方法利用了每个字符或字符的一部分构成连通域的特性,把这些连通域切分出来,即切分出来每个字符图像,同时,可以获得每个连通域的第一位置。
步骤S303:根据所述平均字符宽度,判断所述待修正的N个字符图像中是否存在字符图像宽度大于预设第一宽度阈值的第一字符图像,如果存在,则执行步骤S304。
如果不存在,则继续执行图2所示实施例的步骤S207即可,说明待修正的N个字符图像中不存在待修正的字符图像。
步骤S304:根据所述第一位置修正所述第一字符图像,根据修正后的第一字符图像,确定所述第二图像包含的N个字符图像。
具体的,针对不同情况对第一字符图像进行修正的过程也不相同,这些情况包括车牌首末字符与铆钉粘连,或者车牌字符存在相互嵌入情况,在这两种情况下,N个字符图像会存在字符过宽的情况。
为了解决字符过宽的问题,提高分割字符的准确性,在步骤S304的一种具体实施方式中,即根据第一位置修正所述第一字符图像可以包括:
步骤1:根据第一字符图像的位置,从所述连通域中确定与所述第一字符图像的位置对应的目标连通域。
例如,第一字符图像的位置为[20,30],那么从连通域中确定字符位置也在[20,30]的目标连通域,目标连通域可能包括至少两个连通域。也就是说,第一字符图像实际上是一个铆钉和一个英文字母的合体,而其对应的目标连通域包括一个铆钉连通域和一个英文字母连通域。
步骤2:根据目标连通域及对应的第一位置,对第一字符图像进行分割或者重新确定第一字符图像的位置。
例如,第一字符图像的位置为[20,30],目标连通域的第一位置为[20,25]和[25,30],这种情况属于两个字符发生粘连,或者车牌上存在污点,污点和字符粘连了。那么可以将第一字符图像的位置修正为[20,25]和[25,30],即第一字符图像被分割为两个字符图像。如果目标连通域的第一位置为[20,22]和[21,30],分别为第一目标连通域的位置和第二目标连通域的位置,这种情况属于铆钉和字符粘连。由于可以根据平均字符宽度(假设为10)判断出第一个目标连通域的宽度过小(宽度为2),因此可以将第一个目标连通域舍弃,将第二目标连通域的位置确定为第一字符图像的位置。
又如,第一字符图像的位置为[20,30],目标连通域的第一位置为[20,27]和[23,30],这种情况属于字符相互嵌入。那么,可以将第一字符图像的位置修正为[20,25]和[25,30]。
图4为字符7和4的垂直投影相互嵌入的情况示意图。其中,在根据垂直投影法对这种车牌进行字符分割时,7和4被分割成了一个字符,因此认为7和4相互嵌入了。本实施例可以将这种相互嵌入的字符分割开。
由上述内容可见,在本实施例中,采用连通域方法进一步修正分割后的待修正的N个字符图像,针对实际应用中存在的字符粘连、首末字符位置不够准确和字符嵌入的情况,可以提高字符分割结果的准确性。
在图2所示实施例的一种具体实施方式中,对车牌字符进行分割后还可能存在过窄的字符图像,这种情况可能是车牌字符部分光照不均造成的。例如,字符H中的横线高度反光,导致字符分割过程中将H识别成了两个I,即造成了字符的分裂。因此,为了进一步提高字符分割结果的准确性,可以针对上述问题对图2所示实施例进行改进,其中,步骤S206,即根据所述垂直投影图,对所述第二图像进行分割,获得所述第二图像包含的N个字符图像,可以按照图5所示流程示意图进行。图5包括以下步骤:
步骤S501:根据所述垂直投影图,对所述第二图像进行分割,获得所述第二图像包含的待修正的N个字符图像。
步骤S502:判断待修正的N个字符图像中是否存在字符图像宽度小于预设第二宽度阈值的第二字符图像,如果存在,则执行步骤S503。
具体的,如果不存在,则说明待修正的N个字符图像中不存在字符分裂现象,此时执行步骤S207,即执行根据预先存储的每个国家和地区的字符特征,识别所述N个字符图像中的字符,获得第一图像对应的车牌号码的步骤即可。
步骤S503:将相邻的至少两个第二字符图像确定为待修正字符图像。
步骤S504:获得第二图像的边缘图,根据垂直投影法,对所述边缘图进行字符分割,并从分割后的边缘图中确定与所述待修正字符图像位置对应的目标字符图像。
步骤S505:将所述待修正字符图像和对应的目标字符图像均输入字符分类器,获得每个字符图像的置信度。
其中,所述字符分类器为根据各个国家和地区的字符特征设置的分类器。各个国家和地区的字符特征可以利用机器学习算法从大量包含各个国家和地区的车牌中学习得到。
步骤S506:判断所述待修正字符图像的至少两个置信度是否均小于对应的目标字符图像的置信度,如果是,则执行步骤S507。
具体的,如果否,则说明目标字符图像并不是完全可信的,此时,继续执行步骤S207即可。
步骤S507:根据所述对应的目标字符图像的位置,将所述待修正字符图像包含的至少两个第二字符图像进行合并,获得第二图像包含的N个字符图像。
例如,目标字符图像K的位置为[20,30],待修正字符图像包含的两个第二字符图像A和B的位置分别为[20,23]和[26,30],其中A、B和K的置信度分别为0.2、0.3和0.9,那么可以判断出A和B的置信度均小于K的置信度,这时,将A和B进行合并,获得修正后的字符图像的位置为[20,30]。
由以上内容可见,在本实施例中,待修正的N个字符图像中存在字符图像宽度小于预设第二宽度阈值时,说明待修正的N个字符图像中存在字符分裂的情况。对第二图像的边缘图进行字符分割,根据从边缘图得到的字符图像,对待修正的N个字符图像进行修正。由于对第二图像的边缘图进行字符分割,得到的分割结果,与直接对第二图像进行字符分割得到的分割结果可能是不同的,边缘图受光照不均等外界影响较小,能够更准确地识别出车牌上光照不均匀处的字符。
图6为本发明实施例提供的车牌号码识别方法的另一种流程示意图,其中,步骤S601~S605分别与图2所示实施例中的步骤S201~S205相同,此处不再赘述。
步骤S606:根据第二图像的宽高比例以及预设比例阈值,判断第二图像是否属于双层车牌,如果是,则执行步骤S607。
如果否,则说明第二图像不属于双层车牌,执行针对每个第二图像,根据垂直投影法,获得第二图像的像素值的垂直投影图,根据所述垂直投影图,对第二图像进行分割,获得第二图像包含的N个字符图像的步骤即可。
在实际应用中,第二图像中可能存在双层车牌,例如,图1中中国香港车牌中的第三个车牌就是双层车牌。
具体的,世界范围内的车牌的宽度一般在50~300像素之间,高度在15~50像素之间,可以根据这些信息确定预设比例阈值。
步骤S607:从第二图像中获得每个第二图像包含的上定位块和下定位块,具体包括:
针对所述第二图像中的每个像素行,确定所述像素行包含的每个像素点与其相邻像素点的像素值的差值的绝对值,并将所述绝对值求和,获得所述像素行的像素跳变特征值;
针对每个像素行,确定所述像素行下方的相邻像素行,并确定所述像素行与相邻像素行的像素跳变特征值的差值的绝对值;判断所述绝对值是否小于预设第二跳变特征阈值,如果是,则将所述像素行和相邻像素行设置兄弟属性;将设置为相同兄弟属性的像素行拼接成块,获得所述第二图像包含的上定位块和下定位块。
可以理解的是,对于双层车牌,上层字符部分和下层字符部分存在一定的空隙。字符部分的像素跳变特征值明显大于空隙部分的像素跳变特征值,因此,根据预设第二跳变特征阈值,可以将具有相似像素跳变特征值的像素行识别出来,并设置兄弟属性。由于上层字符部分具有与下层字符部分不同的兄弟属性,因此可以根据兄弟属性的值获得第二图像包含的上定位块和下定位块。
步骤S608:根据所述上定位块和下定位块,将第二图像转换成单层车牌图像。
具体的,步骤S608中,根据上定位块和下定位块,将第二图像转换成单层车牌图像,可以包括:将上定位块放置在下定位块左侧,进而将第二图像转换成单层车牌图像;也可以包括:将下定位块放置在上定位块左侧,进而将第二图像转换成单层车牌图像。当然,根据上定位块和下定位块,将第二图像转换成单层车牌图像的具体实施方式还有很多。
步骤S609:针对转换成单层车牌图像后的每个第二图像,根据垂直投影法,获得第二图像的像素值的垂直投影图,根据所述垂直投影图,对所述第二图像进行分割,获得所述第二图像包含的N个字符图像。
步骤S610:根据预先存储的每个国家和地区的字符特征,识别N个字符图像中的字符,获得第一图像对应的车牌号码。
其中,步骤S610与图2所示实施例中的步骤S207相同,此处不再赘述。
由上述内容可见,在本实施例中,根据第二图像的宽高比例,可以判断其是否属于双层车牌。当第二图像属于双层车牌时,可以根据双层车牌中的上层和下层之间存在一定的间隔,将双层车牌转换成单层车牌,从而对第二图像的车牌字符进行分割时,可以使分割结果更准确。
图7为本发明实施例提供的车牌号码识别装置的一种结构示意图,所述装置包括:
第一图像获取模块701,用于获取待识别车牌号码的第一图像;
像素值图绘制模块702,用于针对所述第一图像中的每一像素行,绘制所述像素行中每个像素点的像素值图,其中,像素值图的横坐标为像素点坐标,纵坐标为像素点的像素值;
像素点连接模块703,用于针对每个像素值图,识别所述像素值图中的波峰特征点和波谷特征点;按照预设宽度,将所述像素值图分割成第一数量个待选区域,针对每个待选区域,识别所述待选区域中包含的波峰特征点或波谷特征点,判断所述波峰特征点或波谷特征点是否满足预设条件,如果是,则将所述待选区域对应的第一图像中的像素点连接成线段;
定位块获得模块704,用于针对每个线段,确定所述线段下方的相邻线段,并计算所述线段的左端点与所述相邻线段的左端点之间的第二距离,计算所述线段的右端点与所述相邻线段的右端点之间的第三距离,判断所述第二距离和第三距离是否均小于预设第一距离阈值,如果是,则对所述线段和相邻线段均设置兄弟属性;将设置为相同兄弟属性的线段拼接成块,获得每个车牌定位块图像;
第二图像选择模块705,用于从所述每个车牌定位块图像中选择所述第一图像的车牌号码区域对应的第二图像;
第二图像分割模块706,用于针对每个第二图像,根据垂直投影法,获得所述第二图像的像素值的垂直投影图;根据所述垂直投影图,对所述第二图像进行分割,获得所述第二图像包含的N个字符图像;
图像字符识别模块707,用于根据预先存储的每个国家和地区的字符特征,识别所述N个字符图像中的字符,获得第一图像对应的车牌号码。
在图7所示实施例中,所述预设条件可以为下述条件中的一种或多种:
针对每个待选区域,识别所述待选区域中包含的波峰特征点数量或波谷特征点数量,判断所述波峰特征点数量或波谷特征点数量是否满足预设特征点数量阈值;或,
针对每个待选区域,识别所述待选区域中包含的波峰特征点的像素值或波谷特征点的像素值,确定所述待选区域中相邻波峰特征点与波谷特征点像素值的跳变幅值,判断所述待选区域的所有跳变幅值是否均大于预设跳变幅值阈值;或,
针对每个待选区域,识别所述待选区域中包含的波峰特征点的像素值或波谷特征点的像素值,确定所述待选区域中相邻波峰特征点与波谷特征点像素值的跳变幅值,计算每两个跳变幅值之间的幅值差值,判断所述待选区域中的所有幅值差值是否均不大于预设幅值差值阈值;或,
针对每个待选区域,识别所述待选区域中相邻波峰特征点与波谷特征点的横坐标的跳变间隔,判断所述待选区域中的所有跳变间隔是否均匀。
在图7所示实施例中,定位块获得模块704还可以用于:
在所述对所述线段和相邻线段均设置兄弟属性之前,确定所述线段包含的每个像素点与其相邻像素点像素值的差值的绝对值,并对所述绝对值求和,获得所述线段的像素跳变特征值;确定所述相邻线段包含的每个像素点与其相邻像素点像素值的差值的绝对值,并对所述绝对值求和,获得所述相邻线段的像素跳变特征值;
判断所述线段的像素跳变特征值与所述相邻线段的像素跳变特征值的差值的绝对值是否小于预设第一跳变特征阈值,如果是,则对所述线段和相邻线段均设置兄弟属性。
在图7所示实施例中,第二图像选择模块705具体可以用于:
根据预先存储的每个国家和地区的车牌特征,对每个车牌定位块图像进行车牌真伪筛选,获得真实车牌定位块图像;将真实车牌定位块图像确定为第一图像的车牌号码区域对应的第二图像。
在图7所示实施例中,所述装置还可以包括第二图像校正模块(图中未示出);
其中,第二图像校正模块,用于在针对每个第二图像,根据垂直投影法,获得所述第二图像的像素值的垂直投影图之前,将所述第二图像转换为亮字暗底的灰度图像;对所述灰度图像进行车牌倾斜校正;对车牌倾斜校正后的图像进行车牌字符畸变校正;
对应的,第二图像分割模块706,具体可以用于针对车牌字符畸变校正后的每个第二图像,根据垂直投影法,获得所述第二图像的像素值的垂直投影图;根据所述垂直投影图,对所述第二图像进行分割,获得所述第二图像包含的N个字符图像。
在图7所示实施例中,第二图像分割模块706可以包括第一获得子模块801、第一计算子模块802、第一判断子模块803和第一确定子模块804,这些模块如图8所示,与图3所示方法实施例相对应。
其中,第一获得子模块801,用于根据所述垂直投影图,对所述第二图像进行分割,获得所述第二图像包含的待修正的N个字符图像;
第一计算子模块802,用于针对所述第二图像,根据连通域法,获得所述第二图像包含的每个连通域以及每个连通域的第一位置,根据所述连通域和所述第一位置,计算所述连通域的平均宽度,将所述平均宽度确定为所述第二图像的平均字符宽度;
第一判断子模块803,用于根据所述平均字符宽度,判断所述待修正的N个字符图像中是否存在字符图像宽度大于预设第一宽度阈值的第一字符图像;
第一确定子模块804,用于当所述待修正的N个字符图像中存在字符图像宽度大于预设第一宽度阈值的第一字符图像时,根据所述第一位置修正所述第一字符图像,根据修正后的第一字符图像,确定所述第二图像包含的N个字符图像。
具体的,第一确定子模块804可以用于:
根据所述第一字符图像的位置,从所述连通域中确定与所述第一字符图像的位置对应的目标连通域;根据所述目标连通域及对应的第一位置,对所述第一字符图像进行分割或者重新确定第一字符图像的位置。
在图7所示实施例中,第二图像分割模块706可以包括第二获得子模块901、第二判断子模块902、第二确定子模块903、图像分割子模块904、第三获得子模块905、第三判断子模块906和图像合并子模块907,这些模块如图9所示,与图5所示方法实施例相对应。
其中,第二获得子模块901,用于根据所述垂直投影图,对所述第二图像进行分割,获得所述第二图像包含的待修正的N个字符图像;
第二判断子模块902,用于判断所述待修正的N个字符图像中是否存在字符图像宽度小于预设第二宽度阈值的第二字符图像;
第二确定子模块903,用于当所述待修正的N个字符图像中存在字符图像宽度小于预设第二宽度阈值的第二字符图像时,将相邻的至少两个第二字符图像确定为待修正字符图像;
图像分割子模块904,用于获得所述第二图像的边缘图,根据垂直投影法,对所述边缘图进行字符分割,并从分割后的边缘图中确定与所述待修正字符图像位置对应的目标字符图像;
第三获得子模块905,用于将所述待修正字符图像和对应的目标字符图像均输入字符分类器,获得每个字符图像的置信度,所述字符分类器为根据各个国家和地区的字符特征设置的分类器;
第三判断子模块906,用于判断所述待修正字符图像的至少两个置信度是否均小于对应的目标字符图像的置信度;
图像合并子模块907,用于当所述待修正字符图像的至少两个置信度均小于对应的目标字符图像的置信度时,根据所述对应的目标字符图像的位置,将所述待修正字符图像包含的至少两个第二字符图像进行合并,获得所述第二图像包含的N个字符图像。
图10为本发明实施例提供的车牌号码识别装置的另一种结构示意图,与图6所示方法实施例相对应。该装置中的模块1001~1005与图7所示实施例的模块701~705相同,此处不再赘述。
第四判断子模块1006,用于在针对每个第二图像,根据垂直投影法,获得所述第二图像的像素值的垂直投影图之前,根据所述第二图像的宽高比例以及预设比例阈值,判断所述第二图像是否属于双层车牌;
特征值获得子模块1007,用于当所述第二图像属于双层车牌时,针对所述第二图像中的每个像素行,确定所述像素行包含的每个像素点与其相邻像素点的像素值的差值的绝对值,并将所述绝对值求和,获得所述像素行的像素跳变特征值;
定位块获得子模块1008,用于针对每个像素行,确定所述像素行下方的相邻像素行,并确定所述像素行与相邻像素行的像素跳变特征值的差值的绝对值;判断所述绝对值是否小于预设第二跳变特征阈值,如果是,则将所述像素行和相邻像素行设置兄弟属性;将设置为相同兄弟属性的像素行拼接成块,获得所述第二图像包含的上定位块和下定位块;
双层图像转换子模块1009,用于根据所述上定位块和下定位块,将所述第二图像转换成单层车牌图像;
第二图像分割模块1010,用于针对转换成单层车牌图像后的每个第二图像,根据垂直投影法,获得所述第二图像的像素值的垂直投影图;根据所述垂直投影图,对所述第二图像进行分割,获得所述第二图像包含的N个字符图像。
图像字符识别模块1011,用于根据预先存储的每个国家和地区的字符特征,识别所述N个字符图像中的字符,获得第一图像对应的车牌号码。
其中,模块1011可以与图7中的模块207完全相同。
在图10所示实施例中,双层图像转换子模块1009具体可以用于:
将所述上定位块放置在所述下定位块左侧,进而将第二图像转换成单层车牌图像。
由于上述装置实施例是基于方法实施例得到的,与该方法具有相同的技术效果,因此装置实施例的技术效果在此不再赘述。
对于装置实施例而言,由于其基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本领域普通技术人员可以理解,上述实施方式中的全部或部分步骤是能够通过程序指令相关的硬件来完成的,所述的程序可以存储于计算机可读取存储介质中。这里所称存储介质,是指ROM/RAM、磁碟、光盘等。
以上所述仅为本发明的较佳实施例而已,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 (20)
1.一种车牌号码识别方法,其特征在于,所述方法包括:
获取待识别车牌号码的第一图像;
针对所述第一图像中的每一像素行,绘制所述像素行中每个像素点的像素值图,其中,像素值图的横坐标为像素点坐标,纵坐标为像素点的像素值;
针对每个像素值图,识别所述像素值图中的波峰特征点和波谷特征点;按照预设宽度,将所述像素值图分割成第一数量个待选区域,针对每个待选区域,识别所述待选区域中包含的波峰特征点或波谷特征点,判断所述波峰特征点或波谷特征点是否满足预设条件,如果是,则将所述待选区域对应的第一图像中的像素点连接成线段;
针对每个线段,确定所述线段下方的相邻线段,并计算所述线段的左端点与所述相邻线段的左端点之间的第二距离,计算所述线段的右端点与所述相邻线段的右端点之间的第三距离,判断所述第二距离和第三距离是否均小于预设第一距离阈值,如果是,则对所述线段和相邻线段均设置兄弟属性;将设置为相同兄弟属性的线段拼接成块,获得每个车牌定位块图像;
从所述每个车牌定位块图像中选择所述第一图像的车牌号码区域对应的第二图像;
针对每个第二图像,根据垂直投影法,获得所述第二图像的像素值的垂直投影图;根据所述垂直投影图,对所述第二图像进行分割,获得所述第二图像包含的N个字符图像;
根据预先存储的每个国家和地区的字符特征,识别所述N个字符图像中的字符,获得第一图像对应的车牌号码。
2.根据权利要求1所述的方法,其特征在于,所述预设条件为下述条件中的一种或多种:
针对每个待选区域,识别所述待选区域中包含的波峰特征点数量或波谷特征点数量,判断所述波峰特征点数量或波谷特征点数量是否满足预设特征点数量阈值;或,
针对每个待选区域,识别所述待选区域中包含的波峰特征点的像素值或波谷特征点的像素值,确定所述待选区域中相邻波峰特征点与波谷特征点像素值的跳变幅值,判断所述待选区域的所有跳变幅值是否均大于预设跳变幅值阈值;或,
针对每个待选区域,识别所述待选区域中包含的波峰特征点的像素值或波谷特征点的像素值,确定所述待选区域中相邻波峰特征点与波谷特征点像素值的跳变幅值,计算每两个跳变幅值之间的幅值差值,判断所述待选区域中的所有幅值差值是否均不大于预设幅值差值阈值;或,
针对每个待选区域,识别所述待选区域中相邻波峰特征点与波谷特征点的横坐标的跳变间隔,判断所述待选区域中的所有跳变间隔是否均匀。
3.根据权利要求1所述的方法,其特征在于,在所述对所述线段和相邻线段均设置兄弟属性之前,所述方法还包括:
确定所述线段包含的每个像素点与其相邻像素点像素值的差值的绝对值,并对所述绝对值求和,获得所述线段的像素跳变特征值;确定所述相邻线段包含的每个像素点与其相邻像素点像素值的差值的绝对值,并对所述绝对值求和,获得所述相邻线段的像素跳变特征值;
判断所述线段与所述相邻线段的像素跳变特征值的差值的绝对值是否小于预设第一跳变特征阈值,如果是,则执行所述对所述线段和相邻线段均设置兄弟属性的步骤。
4.根据权利要求1所述的方法,其特征在于,所述从所述每个车牌定位块图像中选择所述第一图像的车牌号码区域对应的第二图像,包括:
根据预先存储的每个国家和地区的车牌特征,对所述每个车牌定位块图像进行车牌真伪筛选,获得真实车牌定位块图像;
将所述真实车牌定位块图像确定为所述第一图像的车牌号码区域对应的第二图像。
5.根据权利要求4所述的方法,其特征在于,在针对每个第二图像,根据垂直投影法,获得所述第二图像的像素值的垂直投影图之前,所述方法还包括:
将所述第二图像转换为亮字暗底的灰度图像;
对所述灰度图像进行车牌倾斜校正;
对车牌倾斜校正后的图像进行车牌字符畸变校正;
所述针对每个第二图像,根据垂直投影法,获得所述第二图像的像素值的垂直投影图,包括:
针对车牌字符畸变校正后的每个第二图像,根据垂直投影法,获得所述第二图像的像素值的垂直投影图。
6.根据权利要求5所述的方法,其特征在于,所述根据所述垂直投影图,对所述第二图像进行分割,获得所述第二图像包含的N个字符图像,包括:
根据所述垂直投影图,对所述第二图像进行分割,获得所述第二图像包含的待修正的N个字符图像;
针对所述第二图像,根据连通域法,获得所述第二图像包含的每个连通域以及每个连通域的第一位置,根据所述连通域和所述第一位置,计算所述连通域的平均宽度,将所述平均宽度确定为所述第二图像的平均字符宽度;
根据所述平均字符宽度,判断所述待修正的N个字符图像中是否存在字符图像宽度大于预设第一宽度阈值的第一字符图像;
如果存在,则根据所述第一位置修正所述第一字符图像,根据修正后的第一字符图像,确定所述第二图像包含的N个字符图像。
7.根据权利要求6所述的方法,其特征在于,所述根据所述第一位置修正所述第一字符图像,包括:
根据所述第一字符图像的位置,从所述连通域中确定与所述第一字符图像的位置对应的目标连通域;
根据所述目标连通域及对应的第一位置,对所述第一字符图像进行分割或者重新确定第一字符图像的位置。
8.根据权利要求1所述的方法,其特征在于,所述根据所述垂直投影图,对所述第二图像进行分割,获得所述第二图像包含的N个字符图像,包括:
根据所述垂直投影图,对所述第二图像进行分割,获得所述第二图像包含的待修正的N个字符图像;
判断所述待修正的N个字符图像中是否存在字符图像宽度小于预设第二宽度阈值的第二字符图像;
如果存在,则将相邻的至少两个第二字符图像确定为待修正字符图像;
获得所述第二图像的边缘图,根据垂直投影法,对所述边缘图进行字符分割,并从分割后的边缘图中确定与所述待修正字符图像位置对应的目标字符图像;
将所述待修正字符图像和对应的目标字符图像均输入字符分类器,获得每个字符图像的置信度,所述字符分类器为根据各个国家和地区的字符特征设置的分类器;
判断所述待修正字符图像的至少两个置信度是否均小于对应的目标字符图像的置信度;
如果是,则根据所述对应的目标字符图像的位置,将所述待修正字符图像包含的至少两个第二字符图像进行合并,获得所述第二图像包含的N个字符图像。
9.根据权利要求1所述的方法,其特征在于,在针对每个第二图像,根据垂直投影法,获得所述第二图像的像素值的垂直投影图之前,所述方法还包括:
根据所述第二图像的宽高比例以及预设比例阈值,判断所述第二图像是否属于双层车牌;
如果是,则针对所述第二图像中的每个像素行,确定所述像素行包含的每个像素点与其相邻像素点的像素值的差值的绝对值,并将所述绝对值求和,获得所述像素行的像素跳变特征值;
针对每个像素行,确定所述像素行下方的相邻像素行,并确定所述像素行与相邻像素行的像素跳变特征值的差值的绝对值;判断所述绝对值是否小于预设第二跳变特征阈值,如果是,则将所述像素行和相邻像素行设置兄弟属性;将设置为相同兄弟属性的像素行拼接成块,获得所述第二图像包含的上定位块和下定位块;
根据所述上定位块和下定位块,将所述第二图像转换成单层车牌图像;
所述针对每个第二图像,根据垂直投影法,获得所述第二图像的像素值的垂直投影图,包括:
针对转换成单层车牌图像后的每个第二图像,根据垂直投影法,获得所述第二图像的像素值的垂直投影图。
10.根据权利要求9所述的方法,其特征在于,所述根据所述上定位块和下定位块,将所述第二图像转换成单层车牌图像,包括:
将所述上定位块放置在所述下定位块左侧,进而将所述第二图像转换成单层车牌图像。
11.一种车牌号码识别装置,其特征在于,所述装置包括:
第一图像获取模块,用于获取待识别车牌号码的第一图像;
像素值图绘制模块,用于针对所述第一图像中的每一像素行,绘制所述像素行中每个像素点的像素值图,其中,像素值图的横坐标为像素点坐标,纵坐标为像素点的像素值;
像素点连接模块,用于针对每个像素值图,识别所述像素值图中的波峰特征点和波谷特征点;按照预设宽度,将所述像素值图分割成第一数量个待选区域,针对每个待选区域,识别所述待选区域中包含的波峰特征点或波谷特征点,判断所述波峰特征点或波谷特征点是否满足预设条件,如果是,则将所述待选区域对应的第一图像中的像素点连接成线段;
定位块获得模块,用于针对每个线段,确定所述线段下方的相邻线段,并计算所述线段的左端点与所述相邻线段的左端点之间的第二距离,计算所述线段的右端点与所述相邻线段的右端点之间的第三距离,判断所述第二距离和第三距离是否均小于预设第一距离阈值,如果是,则对所述线段和相邻线段均设置兄弟属性;将设置为相同兄弟属性的线段拼接成块,获得每个车牌定位块图像;
第二图像选择模块,用于从所述每个车牌定位块图像中选择所述第一图像的车牌号码区域对应的第二图像;
第二图像分割模块,用于针对每个第二图像,根据垂直投影法,获得所述第二图像的像素值的垂直投影图;根据所述垂直投影图,对所述第二图像进行分割,获得所述第二图像包含的N个字符图像;
图像字符识别模块,用于根据预先存储的每个国家和地区的字符特征,识别所述N个字符图像中的字符,获得第一图像对应的车牌号码。
12.根据权利要求11所述的装置,其特征在于,所述预设条件为下述条件中的一种或多种:
针对每个待选区域,识别所述待选区域中包含的波峰特征点数量或波谷特征点数量,判断所述波峰特征点数量或波谷特征点数量是否满足预设特征点数量阈值;或,
针对每个待选区域,识别所述待选区域中包含的波峰特征点的像素值或波谷特征点的像素值,确定所述待选区域中相邻波峰特征点与波谷特征点像素值的跳变幅值,判断所述待选区域的所有跳变幅值是否均大于预设跳变幅值阈值;或,
针对每个待选区域,识别所述待选区域中包含的波峰特征点的像素值或波谷特征点的像素值,确定所述待选区域中相邻波峰特征点与波谷特征点像素值的跳变幅值,计算每两个跳变幅值之间的幅值差值,判断所述待选区域中的所有幅值差值是否均不大于预设幅值差值阈值;或,
针对每个待选区域,识别所述待选区域中相邻波峰特征点与波谷特征点的横坐标的跳变间隔,判断所述待选区域中的所有跳变间隔是否均匀。
13.根据权利要求11所述的装置,其特征在于,所述定位块获得模块还用于:
在所述对所述线段和相邻线段均设置兄弟属性之前,确定所述线段包含的每个像素点与其相邻像素点像素值的差值的绝对值,并对所述绝对值求和,获得所述线段的像素跳变特征值;确定所述相邻线段包含的每个像素点与其相邻像素点像素值的差值的绝对值,并对所述绝对值求和,获得所述相邻线段的像素跳变特征值;
判断所述线段的像素跳变特征值与所述相邻线段的像素跳变特征值的差值的绝对值是否小于预设第一跳变特征阈值,如果是,则对所述线段和相邻线段均设置兄弟属性。
14.根据权利要求11所述的装置,其特征在于,所述第二图像选择模块,具体用于:
根据预先存储的每个国家和地区的车牌特征,对所述每个车牌定位块图像进行车牌真伪筛选,获得真实车牌定位块图像;将所述真实车牌定位块图像确定为所述第一图像的车牌号码区域对应的第二图像。
15.根据权利要求14所述的装置,其特征在于,所述装置还包括第二图像校正模块;
所述第二图像校正模块,用于在针对每个第二图像,根据垂直投影法,获得所述第二图像的像素值的垂直投影图之前,将所述第二图像转换为亮字暗底的灰度图像;对所述灰度图像进行车牌倾斜校正;对车牌倾斜校正后的图像进行车牌字符畸变校正;
所述第二图像分割模块,具体用于针对车牌字符畸变校正后的每个第二图像,根据垂直投影法,获得所述第二图像的像素值的垂直投影图;根据所述垂直投影图,对所述第二图像进行分割,获得所述第二图像包含的N个字符图像。
16.根据权利要求15所述的装置,其特征在于,所述第二图像分割模块包括:
第一获得子模块,用于根据所述垂直投影图,对所述第二图像进行分割,获得所述第二图像包含的待修正的N个字符图像;
第一计算子模块,用于针对所述第二图像,根据连通域法,获得所述第二图像包含的每个连通域以及每个连通域的第一位置,根据所述连通域和所述第一位置,计算所述连通域的平均宽度,将所述平均宽度确定为所述第二图像的平均字符宽度;
第一判断子模块,用于根据所述平均字符宽度,判断所述待修正的N个字符图像中是否存在字符图像宽度大于预设第一宽度阈值的第一字符图像;
第一确定子模块,用于当所述待修正的N个字符图像中存在字符图像宽度大于预设第一宽度阈值的第一字符图像时,根据所述第一位置修正所述第一字符图像,根据修正后的第一字符图像,确定所述第二图像包含的N个字符图像。
17.根据权利要求16所述的装置,其特征在于,所述第一确定子模块,具体用于:
根据所述第一字符图像的位置,从所述连通域中确定与所述第一字符图像的位置对应的目标连通域;根据所述目标连通域及对应的第一位置,对所述第一字符图像进行分割或者重新确定第一字符图像的位置。
18.根据权利要求11所述的装置,其特征在于,所述第二图像分割模块包括:
第二获得子模块,用于根据所述垂直投影图,对所述第二图像进行分割,获得所述第二图像包含的待修正的N个字符图像;
第二判断子模块,用于判断所述待修正的N个字符图像中是否存在字符图像宽度小于预设第二宽度阈值的第二字符图像;
第二确定子模块,用于当所述待修正的N个字符图像中存在字符图像宽度小于预设第二宽度阈值的第二字符图像时,将相邻的至少两个第二字符图像确定为待修正字符图像;
图像分割子模块,用于获得所述第二图像的边缘图,根据垂直投影法,对所述边缘图进行字符分割,并从分割后的边缘图中确定与所述待修正字符图像位置对应的目标字符图像;
第三获得子模块,用于将所述待修正字符图像和对应的目标字符图像均输入字符分类器,获得每个字符图像的置信度,所述字符分类器为根据各个国家和地区的字符特征设置的分类器;
第三判断子模块,用于判断所述待修正字符图像的至少两个置信度是否均小于对应的目标字符图像的置信度;
图像合并子模块,用于当所述待修正字符图像的至少两个置信度均小于对应的目标字符图像的置信度时,根据所述对应的目标字符图像的位置,将所述待修正字符图像包含的至少两个第二字符图像进行合并,获得所述第二图像包含的N个字符图像。
19.根据权利要求11所述的装置,其特征在于,所述装置还包括:
第四判断子模块,用于在针对每个第二图像,根据垂直投影法,获得所述第二图像的像素值的垂直投影图之前,根据所述第二图像的宽高比例以及预设比例阈值,判断所述第二图像是否属于双层车牌;
特征值获得子模块,用于当所述第二图像属于双层车牌时,针对所述第二图像中的每个像素行,确定所述像素行包含的每个像素点与其相邻像素点的像素值的差值的绝对值,并将所述绝对值求和,获得所述像素行的像素跳变特征值;
定位块获得子模块,用于针对每个像素行,确定所述像素行下方的相邻像素行,并确定所述像素行与相邻像素行的像素跳变特征值的差值的绝对值;判断所述绝对值是否小于预设第二跳变特征阈值,如果是,则将所述像素行和相邻像素行设置兄弟属性;将设置为相同兄弟属性的像素行拼接成块,获得所述第二图像包含的上定位块和下定位块;
双层图像转换子模块,用于根据所述上定位块和下定位块,将所述第二图像转换成单层车牌图像;
所述第二图像分割模块,具体用于针对转换成单层车牌图像后的每个第二图像,根据垂直投影法,获得所述第二图像的像素值的垂直投影图;根据所述垂直投影图,对所述第二图像进行分割,获得所述第二图像包含的N个字符图像。
20.根据权利要求19所述的装置,其特征在于,所述双层图像转换子模块具体用于:
将所述上定位块放置在所述下定位块左侧,进而将所述第二图像转换成单层车牌图像。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610657870.5A CN107729899B (zh) | 2016-08-11 | 2016-08-11 | 一种车牌号码识别方法及装置 |
PCT/CN2017/088709 WO2018028306A1 (zh) | 2016-08-11 | 2017-06-16 | 一种车牌号码识别方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610657870.5A CN107729899B (zh) | 2016-08-11 | 2016-08-11 | 一种车牌号码识别方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107729899A true CN107729899A (zh) | 2018-02-23 |
CN107729899B CN107729899B (zh) | 2019-12-20 |
Family
ID=61162669
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610657870.5A Active CN107729899B (zh) | 2016-08-11 | 2016-08-11 | 一种车牌号码识别方法及装置 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN107729899B (zh) |
WO (1) | WO2018028306A1 (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108876747A (zh) * | 2018-06-29 | 2018-11-23 | 凌云光技术集团有限责任公司 | 一种oled绘素的提取方法及装置 |
CN109325492A (zh) * | 2018-08-17 | 2019-02-12 | 平安科技(深圳)有限公司 | 字符切割方法、装置、计算机设备及存储介质 |
CN109948620A (zh) * | 2019-03-19 | 2019-06-28 | 厦门商集网络科技有限责任公司 | 一种字符分割方法及终端 |
CN110059695A (zh) * | 2019-04-23 | 2019-07-26 | 厦门商集网络科技有限责任公司 | 一种基于垂直投影的字符分割方法及终端 |
CN110163199A (zh) * | 2018-09-30 | 2019-08-23 | 腾讯科技(深圳)有限公司 | 车牌识别方法、车牌识别装置、车牌识别设备及介质 |
CN110533019A (zh) * | 2018-05-23 | 2019-12-03 | 杭州海康威视数字技术股份有限公司 | 车牌定位方法、装置及存储介质 |
CN111062375A (zh) * | 2019-12-11 | 2020-04-24 | 南京红松信息技术有限公司 | 一种基于上下文关系的题号缺失补全方法 |
CN111784499A (zh) * | 2020-06-24 | 2020-10-16 | 平安银行股份有限公司 | 基于云平台的业务集成方法、装置、电子设备及存储介质 |
CN111915792A (zh) * | 2020-05-19 | 2020-11-10 | 武汉卓目科技有限公司 | 一种图像斑马线图文的识别方法及装置 |
CN112666123A (zh) * | 2020-01-16 | 2021-04-16 | 海南信天源科技开发有限公司 | 车载型机动车尾气遥感系统 |
CN113095325A (zh) * | 2021-05-11 | 2021-07-09 | 浙江华是科技股份有限公司 | 一种船舶识别方法、装置及计算机可读存储介质 |
CN113554659A (zh) * | 2020-04-23 | 2021-10-26 | 杭州海康威视数字技术股份有限公司 | 图像处理方法、装置、电子设备、存储介质及显示系统 |
Families Citing this family (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109447117B (zh) * | 2018-09-25 | 2023-06-30 | 平安科技(深圳)有限公司 | 双层车牌识别方法、装置、计算机设备及存储介质 |
CN111223104B (zh) * | 2018-11-23 | 2023-10-10 | 杭州海康威视数字技术股份有限公司 | 一种包裹提取及跟踪方法、装置及电子设备 |
CN109902688B (zh) * | 2019-04-04 | 2023-04-18 | 安徽清新互联信息科技有限公司 | 一种基于车牌模板信息进行字符多维参数最优分割的方法 |
CN111860474A (zh) * | 2019-04-18 | 2020-10-30 | 四川大学 | 一种基于背景散热片消融的车标定位方法 |
CN110517281A (zh) * | 2019-08-19 | 2019-11-29 | 温州大学 | 一种从高到低扫描一维投影图分割目标的方法 |
CN111340041B (zh) * | 2020-03-13 | 2023-03-24 | 安阳工学院 | 一种基于深度学习的车牌识别方法及装置 |
CN111754525A (zh) * | 2020-06-23 | 2020-10-09 | 苏州中科全象智能科技有限公司 | 一种基于非精确切分的工业字符检测流程 |
CN111914845A (zh) * | 2020-07-02 | 2020-11-10 | 浙江大华技术股份有限公司 | 一种车牌中字符分层方法、装置及电子设备 |
CN112381088A (zh) * | 2020-11-11 | 2021-02-19 | 上善智城(苏州)信息科技有限公司 | 一种油罐车车牌识别方法及系统 |
CN112950540B (zh) * | 2021-02-01 | 2022-04-15 | 联宝(合肥)电子科技有限公司 | 一种条码识别方法及设备 |
CN113095327B (zh) * | 2021-03-16 | 2022-10-14 | 深圳市雄帝科技股份有限公司 | 光学字符识别区域的定位方法、系统及其存储介质 |
CN113392839B (zh) * | 2021-05-18 | 2023-07-28 | 浙江大华技术股份有限公司 | 非机动车车牌识别方法、装置、计算机设备和存储介质 |
CN113345036B (zh) * | 2021-05-24 | 2022-09-27 | 广西电网有限责任公司电力科学研究院 | 基于hsv特征变换的指示灯状态识别方法 |
CN113591855B (zh) * | 2021-08-18 | 2023-07-04 | 易思维(杭州)科技有限公司 | 一种粘连vin码分割方法 |
CN116310448B (zh) * | 2023-05-24 | 2023-08-04 | 山东曙岳车辆有限公司 | 基于计算机视觉的集装箱拼装匹配性检测方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101877126A (zh) * | 2009-11-19 | 2010-11-03 | 东软集团股份有限公司 | 一种车牌候选区域的分割方法及装置 |
CN102722704A (zh) * | 2012-06-12 | 2012-10-10 | 厦门宸天电子科技有限公司 | 一种融合视频动态跟踪的车牌识别方法和系统 |
CN103679191A (zh) * | 2013-09-04 | 2014-03-26 | 西交利物浦大学 | 基于静态图片的自动套牌车检测方法 |
US20140307924A1 (en) * | 2013-04-15 | 2014-10-16 | Xerox Corporation | Methods and systems for character segmentation in automated license plate recognition applications |
CN105184291A (zh) * | 2015-08-26 | 2015-12-23 | 深圳市捷顺科技实业股份有限公司 | 一种多类型车牌检测方法及系统 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140369566A1 (en) * | 2006-04-04 | 2014-12-18 | Cyclops Technologies, Inc. | Perimeter Image Capture and Recognition System |
CN102054271B (zh) * | 2009-11-02 | 2013-11-20 | 富士通株式会社 | 文本行检测方法和装置 |
-
2016
- 2016-08-11 CN CN201610657870.5A patent/CN107729899B/zh active Active
-
2017
- 2017-06-16 WO PCT/CN2017/088709 patent/WO2018028306A1/zh active Application Filing
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101877126A (zh) * | 2009-11-19 | 2010-11-03 | 东软集团股份有限公司 | 一种车牌候选区域的分割方法及装置 |
CN102722704A (zh) * | 2012-06-12 | 2012-10-10 | 厦门宸天电子科技有限公司 | 一种融合视频动态跟踪的车牌识别方法和系统 |
US20140307924A1 (en) * | 2013-04-15 | 2014-10-16 | Xerox Corporation | Methods and systems for character segmentation in automated license plate recognition applications |
CN103679191A (zh) * | 2013-09-04 | 2014-03-26 | 西交利物浦大学 | 基于静态图片的自动套牌车检测方法 |
CN105184291A (zh) * | 2015-08-26 | 2015-12-23 | 深圳市捷顺科技实业股份有限公司 | 一种多类型车牌检测方法及系统 |
Non-Patent Citations (1)
Title |
---|
何丽: "车牌定位识别系统设计与实现", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110533019A (zh) * | 2018-05-23 | 2019-12-03 | 杭州海康威视数字技术股份有限公司 | 车牌定位方法、装置及存储介质 |
CN108876747A (zh) * | 2018-06-29 | 2018-11-23 | 凌云光技术集团有限责任公司 | 一种oled绘素的提取方法及装置 |
CN108876747B (zh) * | 2018-06-29 | 2021-04-02 | 凌云光技术股份有限公司 | 一种oled绘素的提取方法及装置 |
CN109325492A (zh) * | 2018-08-17 | 2019-02-12 | 平安科技(深圳)有限公司 | 字符切割方法、装置、计算机设备及存储介质 |
CN109325492B (zh) * | 2018-08-17 | 2023-12-19 | 平安科技(深圳)有限公司 | 字符切割方法、装置、计算机设备及存储介质 |
CN110163199A (zh) * | 2018-09-30 | 2019-08-23 | 腾讯科技(深圳)有限公司 | 车牌识别方法、车牌识别装置、车牌识别设备及介质 |
CN109948620A (zh) * | 2019-03-19 | 2019-06-28 | 厦门商集网络科技有限责任公司 | 一种字符分割方法及终端 |
CN110059695A (zh) * | 2019-04-23 | 2019-07-26 | 厦门商集网络科技有限责任公司 | 一种基于垂直投影的字符分割方法及终端 |
CN111062375A (zh) * | 2019-12-11 | 2020-04-24 | 南京红松信息技术有限公司 | 一种基于上下文关系的题号缺失补全方法 |
CN112666123A (zh) * | 2020-01-16 | 2021-04-16 | 海南信天源科技开发有限公司 | 车载型机动车尾气遥感系统 |
CN113554659A (zh) * | 2020-04-23 | 2021-10-26 | 杭州海康威视数字技术股份有限公司 | 图像处理方法、装置、电子设备、存储介质及显示系统 |
CN113554659B (zh) * | 2020-04-23 | 2023-06-02 | 杭州海康威视数字技术股份有限公司 | 图像处理方法、装置、电子设备、存储介质及显示系统 |
CN111915792A (zh) * | 2020-05-19 | 2020-11-10 | 武汉卓目科技有限公司 | 一种图像斑马线图文的识别方法及装置 |
CN111915792B (zh) * | 2020-05-19 | 2022-06-07 | 武汉卓目科技有限公司 | 一种图像斑马线图文的识别方法及装置 |
CN111784499A (zh) * | 2020-06-24 | 2020-10-16 | 平安银行股份有限公司 | 基于云平台的业务集成方法、装置、电子设备及存储介质 |
CN113095325A (zh) * | 2021-05-11 | 2021-07-09 | 浙江华是科技股份有限公司 | 一种船舶识别方法、装置及计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
WO2018028306A1 (zh) | 2018-02-15 |
CN107729899B (zh) | 2019-12-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107729899A (zh) | 一种车牌号码识别方法及装置 | |
CN108827316B (zh) | 基于改进的Apriltag标签的移动机器人视觉定位方法 | |
CN104751142B (zh) | 一种基于笔划特征的自然场景文本检测方法 | |
CN102375982B (zh) | 一种融合多字符特征的车牌定位方法 | |
CN108596166A (zh) | 一种基于卷积神经网络分类的集装箱箱号识别方法 | |
CN107045634B (zh) | 一种基于最大稳定极值区域与笔画宽度的文本定位方法 | |
CN103198315B (zh) | 基于字符轮廓和模板匹配的车牌字符分割算法 | |
CN106650553A (zh) | 车牌识别方法及系统 | |
CN107784301A (zh) | 用于识别图像中文字区域的方法和装置 | |
CN102024144A (zh) | 集装箱箱号自动识别方法 | |
CN103116751A (zh) | 一种车牌字符自动识别方法 | |
Deb et al. | HSI color based vehicle license plate detection | |
CN102156868A (zh) | 图像二值化方法和装置 | |
CN103679168A (zh) | 文字区域检测方法及装置 | |
CN100385452C (zh) | 一种车牌字符分割方法 | |
CN109598681B (zh) | 一种对称唐卡修复后图像的无参考质量评价方法 | |
CN104966047A (zh) | 一种车牌识别的方法及装置 | |
CN113191358B (zh) | 金属零件表面文本检测方法和系统 | |
CN104598907A (zh) | 一种基于笔画宽度图的图像中文字数据提取方法 | |
Chandra et al. | Recognition of vehicle number plate using Matlab | |
CN109522768A (zh) | Qr码的识别方法及装置 | |
CN105447489A (zh) | 一种图片ocr识别系统的字符与背景粘连噪声消除方法 | |
CN111429462A (zh) | 一种基于边缘检测和数学形态学的车牌定位方法 | |
CN117094975A (zh) | 钢铁表面缺陷检测方法、装置及电子设备 | |
CN109858484B (zh) | 一种基于偏斜评价的多类别变换车牌校正方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |