CN108073926A - 一种车牌识别方法及装置 - Google Patents

一种车牌识别方法及装置 Download PDF

Info

Publication number
CN108073926A
CN108073926A CN201611024441.0A CN201611024441A CN108073926A CN 108073926 A CN108073926 A CN 108073926A CN 201611024441 A CN201611024441 A CN 201611024441A CN 108073926 A CN108073926 A CN 108073926A
Authority
CN
China
Prior art keywords
license plate
character
plate area
area
pattern
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
CN201611024441.0A
Other languages
English (en)
Other versions
CN108073926B (zh
Inventor
何海峰
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.)
Hangzhou Hikvision Digital Technology Co Ltd
Original Assignee
Hangzhou Hikvision Digital Technology 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 Hangzhou Hikvision Digital Technology Co Ltd filed Critical Hangzhou Hikvision Digital Technology Co Ltd
Priority to CN201611024441.0A priority Critical patent/CN108073926B/zh
Publication of CN108073926A publication Critical patent/CN108073926A/zh
Application granted granted Critical
Publication of CN108073926B publication Critical patent/CN108073926B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/20Image preprocessing
    • G06V10/25Determination of region of interest [ROI] or a volume of interest [VOI]
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/70Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/757Matching configurations of points or features
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00Scenes; Scene-specific elements
    • G06V20/60Type of objects
    • G06V20/62Text, e.g. of license plates, overlay texts or captions on TV images
    • G06V20/625License plates
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10Character recognition

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Character Discrimination (AREA)
  • Traffic Control Systems (AREA)
  • Image Analysis (AREA)
  • Character Input (AREA)

Abstract

本申请实施例提供了一种车牌识别方法及装置。所述方法包括:确定待识别车牌图像中的第一车牌区域,并获得对应的第一字符识别结果;判断第一字符识别结果中的所有字符是否位于同一行内;如果是,则从预设的双层车牌模式库中选择一个车牌模式作为目标车牌模式;根据第一车牌区域和目标车牌模式对应的模式特征,确定待识别车牌图像中未识别出车牌号码的第二车牌区域,并获得对应的第二字符识别结果;判断第二车牌区域的字符识别是否成功,如果成功则合成两个字符识别结果,获得待识别车牌图像的车牌号码;如果未成功,则重新选择一个车牌模式作为目标车牌模式,返回执行确定第二车牌区域的步骤。本申请实施例能够提高车牌识别过程的效率。

Description

一种车牌识别方法及装置
技术领域
本申请涉及智能交通技术领域,特别涉及一种车牌识别方法及装置。
背景技术
车牌是车辆的“身份证”,是区别于其他机动车辆的一项重要信息。车牌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“智能交通算法”的威力。
根据车牌中字符分布的位置,可以将车牌分成双层车牌和单层车牌。双层车牌是车牌的一种存在形式,这种车牌中的字符分布在上、下两层中。全球各个国家和地区的双层车牌种类繁多,并无统一的标准。图1所示为部分双层车牌的示意图,该图中所示的这类车牌具有以下共性:存在主段层和子段层。主段层是指双层车牌中字符数量较多的层,子段层是指双层车牌中字符数量较少的层。
在识别双层车牌时,现有技术中,通常针对待识别车牌图像,需要一一匹配预先保存的多个双层车牌模板,进而识别出车牌号码。具体的过程是,针对待识别车牌图像,根据选定的某一双层车牌模板定位车牌区域,从上述车牌区域中分割出车牌的上层字符和下层字符,再对字符分割结果进行字符识别,如果识别出可靠的字符,则认为上述双层车牌模板匹配成功了,最终输出车牌号码的识别结果;如果没有识别出可靠的字符,则选择另一个双层车牌模板,重复上述过程。
通常情况下,采用上述方法进行双层车牌识别时,能够识别出待识别车牌图像中车牌的车牌号码,但是,由于需要匹配大量双层车牌模板,并且每次匹配过程都要完整执行一遍车牌区域定位、车牌上下层字符的分割和识别过程,其车牌识别过程效率较低。
发明内容
本申请实施例的目的在于提供了一种车牌识别方法及装置,能够提高车牌识别过程的效率。具体的技术方案如下。
为了达到上述目的,本申请公开了一种车牌识别方法,所述方法包括:
获得待识别车牌图像,并确定所述待识别车牌图像中的第一车牌区域;
识别所述第一车牌区域中的字符,获得第一字符识别结果;
判断所述第一字符识别结果中的所有字符是否位于同一行内;
如果是,则从预设的双层车牌模式库中选择一个车牌模式作为目标车牌模式,其中,所述双层车牌模式库,用于存储各个双层车牌模式及对应的模式特征;
根据所述第一车牌区域和所述目标车牌模式对应的模式特征,确定所述待识别车牌图像中未识别出车牌号码的第二车牌区域;
识别所述第二车牌区域中的字符,获得第二字符识别结果;
根据所述第二字符识别结果,判断针对所述第二车牌区域的字符识别是否成功;
如果识别成功,则合成所述第一字符识别结果和第二字符识别结果,获得所述待识别车牌图像的车牌号码;
如果未识别成功,则从所述双层车牌模式库未选择过的车牌模式中,选择一个车牌模式作为目标车牌模式,返回执行所述根据所述第一车牌区域和所述目标车牌模式对应的模式特征,确定所述待识别车牌图像中未识别出车牌号码的第二车牌区域的步骤。
可选的,所述车牌区域包括:上层车牌区域和下层车牌区域,所述目标车牌模式对应的模式特征包括:上层车牌区域对应的上层字符特征,下层车牌区域对应的下层字符特征,以及上层车牌区域与下层车牌区域的相对位置关系;
所述根据所述第一车牌区域和所述目标车牌模式对应的模式特征,确定所述待识别车牌图像中未识别出车牌号码的第二车牌区域的步骤,包括:
根据所述第一字符识别结果中的字符特征、所述上层字符特征和所述下层字符特征,匹配所述第一车牌区域所属的车牌区域;
根据匹配结果、所述第一车牌区域以及所述相对位置关系,确定所述待识别车牌图像中未识别出车牌号码的第二车牌区域。
可选的,所述根据所述第一车牌区域和所述目标车牌模式对应的模式特征,确定所述待识别车牌图像中未识别出车牌号码的第二车牌区域的步骤,包括:
根据所述第一字符识别结果,修正所述第一车牌区域;
根据修正后的车牌区域和所述目标车牌模式对应的模式特征,确定所述待识别车牌图像中未识别出车牌号码的第二车牌区域。
可选的,所述识别所述第二车牌区域中的字符,获得第二字符识别结果的步骤,包括:
分割所述第二车牌区域,获得目标字符区域;
识别所述目标字符区域中的字符,获得第二字符识别结果。
可选的,所述分割所述第二车牌区域,获得目标字符区域的步骤,包括:
根据所述第一字符识别结果中各个字符区域的尺寸,获得第一字符尺寸;
根据所述第一字符尺寸以及预设的尺寸对应关系,确定第二字符尺寸,其中,所述尺寸对应关系为:上层车牌区域字符的尺寸和下层车牌区域字符的尺寸之间的对应关系;
根据所述第二字符尺寸,分割所述第二车牌区域,获得目标字符区域。
可选的,所述识别所述第二车牌区域中的字符,获得第二字符识别结果的步骤,包括:
确定所述第二车牌区域中背景色与前景色的颜色对应关系;
根据所述颜色对应关系,识别所述第二车牌区域中的字符,获得第二字符识别结果。
可选的,所述方法还包括:
当针对所述第二车牌区域的字符识别未识别成功时,调整所述颜色对应关系,返回执行所述根据所述颜色对应关系,识别所述第二车牌区域中的字符,获得第二字符识别结果的步骤。
可选的,所述判断所述第一字符识别结果中的所有字符是否位于同一行内的步骤,包括:
判断所述第一字符识别结果中的所有字符在车牌区域中的位置分布是否为单层分布,如果是,则确定所述第一字符识别结果中的所有字符位于同一行内。
为了达到上述目的,本申请公开了一种车牌识别装置,所述装置包括:
第一区域确定模块,用于获得待识别车牌图像,并确定所述待识别车牌图像中的第一车牌区域;
第一字符识别模块,用于识别所述第一车牌区域中的字符,获得第一字符识别结果;
第一字符判断模块,用于判断所述第一字符识别结果中的所有字符是否位于同一行内;
第一模式选择模块,用于当所述第一字符识别结果中的所有字符位于同一行内时,从预设的双层车牌模式库中选择一个车牌模式作为目标车牌模式,其中,所述双层车牌模式库,用于存储各个双层车牌模式及对应的模式特征;
第二区域确定模块,用于根据所述第一车牌区域和所述目标车牌模式对应的模式特征,确定所述待识别车牌图像中未识别出车牌号码的第二车牌区域;
第二字符识别模块,用于识别所述第二车牌区域中的字符,获得第二字符识别结果;
第二字符判断模块,用于根据所述第二字符识别结果,判断针对所述第二车牌区域的字符识别是否成功;
字符合成模块,用于当针对所述第二车牌区域的字符识别成功时,合成所述第一字符识别结果和第二字符识别结果,获得所述待识别车牌图像的车牌号码;
第二模式选择模块,用于当针对所述第二车牌区域的字符识别未成功时,从所述双层车牌模式库未选择过的车牌模式中,选择一个车牌模式作为目标车牌模式,返回执行所述第二区域确定模块。
可选的,所述车牌区域包括:上层车牌区域和下层车牌区域,所述目标车牌模式对应的模式特征包括:上层车牌区域对应的上层字符特征,下层车牌区域对应的下层字符特征,以及上层车牌区域与下层车牌区域的相对位置关系;
所述第二区域确定模块,包括:
匹配子模块,用于根据所述第一字符识别结果中的字符特征、所述上层字符特征和所述下层字符特征,匹配所述第一车牌区域所属的车牌区域;
第一确定子模块,用于根据匹配结果、所述第一车牌区域以及所述相对位置关系,确定所述待识别车牌图像中未识别出车牌号码的第二车牌区域。
可选的,所述第二区域确定模块,包括:
修正子模块,用于根据所述第一字符识别结果,修正所述第一车牌区域;
第二确定子模块,用于根据修正后的车牌区域和所述目标车牌模式对应的模式特征,确定所述待识别车牌图像中未识别出车牌号码的第二车牌区域。
可选的,所述第二字符识别模块,包括:
分割子模块,用于分割所述第二车牌区域,获得目标字符区域;
第一识别子模块,用于识别所述目标字符区域中的字符,获得第二字符识别结果。
可选的,所述分割子模块,包括:
获得单元,用于根据所述第一字符识别结果中各个字符区域的尺寸,获得第一字符尺寸;
确定单元,用于根据所述第一字符尺寸以及预设的尺寸对应关系,确定第二字符尺寸,其中,所述尺寸对应关系为:上层车牌区域字符的尺寸和下层车牌区域字符的尺寸之间的对应关系;
分割单元,用于根据所述第二字符尺寸,分割所述第二车牌区域,获得目标字符区域。
可选的,所述第二字符识别模块,包括:
第三确定子模块,用于确定所述第二车牌区域中背景色与前景色的颜色对应关系;
第二识别子模块,用于根据所述颜色对应关系,识别所述第二车牌区域中的字符,获得第二字符识别结果。
可选的,所述装置还包括:颜色调整模块;
所述颜色调整模块,用于当针对所述第二车牌区域的字符识别未识别成功时,调整所述颜色对应关系,返回执行所述第二识别子模块。
可选的,所述第一字符判断模块,具体用于:
判断所述第一字符识别结果中的所有字符在车牌区域中的位置分布是否为单层分布,如果是,则确定所述第一字符识别结果中的所有字符位于同一行内。
由上述技术方案可见,本申请实施例中,首先确定待识别车牌图像中的第一车牌区域,并获得第一车牌区域对应的第一字符识别结果。其次,判断第一字符识别结果中的每个字符是否位于同一行内,如果是,则从预设的双层车牌模式库中选择一个车牌模式作为目标车牌模式。再次,根据第一车牌区域和目标车牌模式对应的模式特征,确定待识别车牌图像中未识别出车牌号码的第二车牌区域,获得第二车牌区域对应的第二字符识别结果。然后,根据第二字符识别结果,判断针对第二车牌区域的字符识别是否成功,如果识别成功,则合成第一字符识别结果和第二字符识别结果,如果未识别成功,则从双层车牌模式库未选择过的车牌模式中,选择一个车牌模式作为目标车牌模式,返回执行根据第一车牌区域和目标车牌模式对应的模式特征,确定待识别车牌图像中未识别出车牌号码的第二车牌区域的步骤。
也就是说,在本申请实施例中,在获得第一车牌区域对应的字符识别结果之后,根据第一车牌区域,针对双层车牌模式库中的一个车牌模式对应的模式特征,确定待识别车牌图像中的第二车牌区域,并获得其对应的字符识别结果,当确定第二车牌区域的字符识别成功时,获得完整的车牌号码,否则更换车牌模式,重新确定第二车牌区域,直到第二车牌区域的字符识别成功。
可以看出,本申请实施例在匹配双层车牌模式库时,无需重复对第一车牌区域进行定位和识别,而是针对每种双层车牌模式,根据确定好的第一车牌区域定位第二车牌区域并识别其中的字符,因此能够提高车牌识别过程的效率。
附图说明
为了更清楚地说明本申请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申请的一些实施例,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为部分双层车牌图像实例图;
图2为本申请实施例提供的车牌识别方法的一种流程示意图;
图3为图2中步骤S206的一种流程示意图;
图4为本申请实施例提供的车牌识别方法的另一种流程示意图;
图5为本申请实施例提供的车牌识别装置的一种结构示意图;
图6为本申请实施例提供的车牌识别装置的另一种结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请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申请的一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
本申请实施例提供了一种车牌识别方法及装置,应用于电子设备,该电子设备包括计算机、平板电脑、智能手机等设备,能够提高车牌识别过程的效率。
下面通过具体实施例,对本申请进行详细说明。
图2为本申请实施例提供的车牌识别方法的一种流程示意图,应用于电子设备,该方法包括如下步骤:
步骤S201:获得待识别车牌图像,并确定所述待识别车牌图像中的第一车牌区域。
其中,待识别车牌图像可以是道路上抓拍的车辆图像。当前,待识别车牌图像可以是任意一种包含车牌号码的图像,本申请实施例对此不做具体限定。待识别车牌图像中的车牌可能是双层车牌,也可能是单层车牌。双层车牌,是指车牌号码分布于上下两行的车牌,即包括上层车牌区域和下层车牌区域。图1所示的车牌均属于双层车牌。单层车牌,是指车牌号码分布于一行的车牌。
作为执行主体的电子设备,在获得待识别车牌图像之后,确定待识别车牌图像中的第一车牌区域时,可以采用现有技术中定位车牌区域的方法,确定待识别车牌图像中的第一车牌区域,具体过程不再赘述。
可以理解的是,第一车牌区域可能同时包含上层车牌区域和下层车牌区域,也可能只包含上层车牌区域或下层车牌区域。
需要说明的是,对于包含主段层和子段层的车牌,由于主段层字符特征比较明显,具有字符数量多、字符字号大等特征,因此按照现有技术的定位方法定位的第一车牌区域很有可能是主段层,当然,也有可能是子段层。
例如,从图1中所示的编号为1~15的车牌图像可以看出,这些车牌均包含主段层和子段层,主段层字符数量多,子段层字符数量少,并且,编号为7和11的车牌的主段层位于上层车牌区域,其他车牌的主段层位于下层车牌区域。
步骤S202:识别所述第一车牌区域中的字符,获得第一字符识别结果。
其中,第一字符识别结果包括字符及对应的字符类型、字符区域等,字符区域即为该字符在图像中对应的区域。
具体的,识别第一车牌区域中的字符,获得第一字符识别结果时,可以首先采用垂直投影法、连通域法对第一车牌区域进行分割,获得字符分割结果,然后采用预设的字符识别器对字符分割结果进行识别,获得第一字符识别结果。
步骤S203:判断所述第一字符识别结果中的所有字符是否位于同一行内,如果是,则说明第一字符识别结果不是一种双层车牌的识别结果,即说明第一车牌区域不是双层车牌区域,可以继续执行步骤S204。
如果否,则说明第一字符识别结果是针对双层车牌的识别结果,即第一车牌区域属于双层车牌区域,也就是说待识别车牌图像中不存在待识别车牌号码的第二车牌区域。
需要说明的是,当上述判断结果为是时,能说明第一车牌区域不是双层车牌区域,但是不能确定待识别车牌图像中的车牌属于双层车牌还是单层车牌,只能确定第一字符识别结果不为针对双层车牌的识别结果。
可以理解的是,步骤S203的作用在于,去除第一字符识别结果已经是双层车牌识别结果的情况,这种情况下不需要再继续识别第二车牌区域了。
步骤S204:从预设的双层车牌模式库中选择一个车牌模式作为目标车牌模式,其中,所述双层车牌模式库,用于存储各个双层车牌模式及对应的模式特征。
其中,双层车牌模式对应的模式特征,可以包括上层车牌区域的字符特征和下层车牌区域的字符特征,上层车牌区域的颜色对应关系和下层车牌区域的颜色对应关系,上层车牌区域与下层车牌区域的字符尺寸对应关系,以及上层车牌区域与下层车牌区域的相对位置关系。其中,颜色对应关系为前景色与背景色的颜色对应关系,该颜色对应关系具体包括:前景为黑色、背景为白色(黑字白底)和前景为白色、背景为黑色(白字黑底)两种;字符特征可以包括字符类型及对应的数量等。
例如,对于图1所示双层车牌图像中编号为14~15的车牌属于同一个模式,该模式对应的模式特征可以包括如下内容:
上层车牌区域的字符特征,包括:字符类型包括数字类型,数字类型的字符数量为1~2。
下层车牌区域的字符特征,包括:字符类型包括数字类型,数字类型的字符数量为5。
上层车牌区域的颜色对应关系和下层车牌区域的颜色对应关系一致,均为:黑字白底。
上层车牌区域与下层车牌区域的字符尺寸对应关系,包括:上层车牌区域与下层车牌区域的字符高度比为2:3,上层车牌区域与下层车牌区域的字符宽度比为3:4。
上层车牌区域与下层车牌区域的相对位置关系包括:上层车牌区域位于下层车牌区域正上方区域左侧的三分之一范围内,且与下层车牌区域间隔N个像素。
具体的,从预设的双层车牌模式库中选择一个车牌模式作为目标车牌模式,可以是按照预设的顺序从前到后依次选择,也可以是随机选择。
需要说明的是,双层车牌模式以及对应的模式特征可以是预先获取并保存的。具体的,可以采集指定地区的双层车牌图像样本,标记样本中上层车牌字符和下层车牌字符,根据上述样本和样本中的标记,提取并保存该地区对应的双层车牌模式以及对应的双层字符分布特征。
例如,图1中所示的双层车牌图像中,同一个框中的车牌属于同一个地区。对于第一个框中的车牌,这些车牌可以包含2种模式,编号为1和2的车牌为模式一,编号为3的车牌为模式二。从图中可以看出,模式一与模式二具有的共同点为:上层车牌区域和下层车牌区域的前景色与背景色的颜色对比关系一致,即正反一致;上层车牌区域均包含一个汉字和一个字母,下层车牌区域均包含5个字符。不同点为:模式一中的上层车牌区域和下层车牌区域的相对位置关系不同于模式二中的,模式一中的上层车牌区域和下层车牌区域的字符相对尺寸关系不同于模式二中的。
步骤S205:根据所述第一车牌区域和所述目标车牌模式对应的模式特征,确定所述待识别车牌图像中未识别出车牌号码的第二车牌区域。
需要说明的是,此时并不能确定待识别车牌图像中的车牌是否符合目标车牌模式对应的模式特征,为了从双层车牌模式库中找到与待识别车牌图像中的车牌相符合的模式,本实施例根据选择的目标车牌模式确定第二车牌区域,然后识别第二车牌区域中的字符,如果字符识别成功,则说明模式匹配正确,否则,说明模式匹配不正确。
具体的,根据所述第一车牌区域和所述目标车牌模式对应的模式特征,确定所述待识别车牌图像中未识别出车牌号码的第二车牌区域,可以包含多种具体实施方式,可以根据模式特征中上层车牌区域和下层车牌区域的相对位置关系确定第二车牌区域,也可以根据模式特征中上层车牌区域和下层车牌区域的字符数量关系确定第二车牌区域。
步骤S206:识别所述第二车牌区域中的字符,获得第二字符识别结果。
由于步骤S203中的判断结果为是时,只能确定第一字符识别结果中的所有字符均位于同一行内,并不能确定待识别车牌图像中的车牌属于双层车牌还是单层车牌,因此,在识别第二车牌区域中的字符时,有可能存在识别结果不成功的情况。
因此,为了提高车牌识别的准确性,同时验证目标车牌模式是否与待识别车牌图像中的车牌相匹配,在步骤S206之后,还可以包括步骤S207的步骤。
需要说明的是,识别第二车牌区域中的字符时,可以采用与步骤S202相同的过程,也可以采用步骤S202不同的过程,其详细过程本实施例不再赘述。
步骤S207:根据所述第二字符识别结果,判断针对所述第二车牌区域的字符识别是否成功,如果识别成功,则说明待识别车牌图像中的车牌与目标车牌模式相互匹配,可以继续执行步骤S208,如果未识别成功,则执行步骤S209。
当针对第二车牌区域的字符未识别成功时,可能是由下述情况造成的:一是,待识别车牌图像中的车牌是单层车牌,不存在第二车牌区域;另一是,待识别车牌图像中的车牌是双层车牌,但是与目标车牌模式不匹配,导致确定的第二车牌区域不准确;再一是,待识别车牌图像中的车牌是双层车牌,与目标车牌模式也匹配,但是字符识别过程不准确,导致字符识别失败。
具体的,根据第二字符识别结果,判断针对第二车牌区域的字符识别是否成功,可以是将第二车牌区域中的每个字符区域输入字符识别器时,判断字符识别器是否输出置信度高于预设阈值的字符,如果是,则确定针对第二车牌区域的字符识别成功。
也可以是,判断第二字符识别结果中的字符特征,是否与目标车牌模式的模式特征中包含的字符特征相匹配,如果是,则确定针对第二车牌区域的字符识别成功。
其中,字符特征可以包括字符类型和字符数量等,字符类型可以包括字母、数字、汉字等字符类型。
步骤S208:合成所述第一字符识别结果和第二字符识别结果,获得所述待识别车牌图像的车牌号码。
具体的,合成第一字符识别结果和第二字符识别结果时,可以根据第一车牌区域和第二车牌区域的相对位置关系,合成第一字符识别结果和第二字符识别结果,从而获得待识别车牌图像的车牌号码。
例如,当确定第一车牌区域和第二车牌区域的相对位置关系为第一车牌区域位于上层车牌区域,第二车牌区域位于下层车牌区域时,将第一字符识别结果置于第二字符识别结果的左侧,即可获得待识别车牌图像的车牌号码。
步骤S209:从双层车牌模式库未选择过的车牌模式中,选择一个车牌模式作为目标车牌模式,返回执行步骤S205。
当待识别车牌与车牌模式匹配不成功时,重新选择一个车牌模式,重复执行从步骤S205~步骤S209的过程,直到找到与待识别车牌图像中的车牌相互匹配的模式。如果双层车牌模式库中的所有模式均与待识别车牌匹配不成功,则说明双层车牌模式库中的车牌模式不够全面,需要增加更多的车牌模式。
由上述内容可知,本实施例中,首先确定待识别车牌图像中的第一车牌区域,并获得第一车牌区域对应的第一字符识别结果。其次,判断第一字符识别结果中的每个字符是否位于同一行内,如果是,则从预设的双层车牌模式库中选择一个车牌模式作为目标车牌模式。再次,根据第一车牌区域和目标车牌模式对应的模式特征,确定待识别车牌图像中未识别出车牌号码的第二车牌区域,获得第二车牌区域对应的第二字符识别结果。然后,根据第二字符识别结果,判断针对第二车牌区域的字符识别是否成功,如果识别成功,则合成第一字符识别结果和第二字符识别结果,如果未识别成功,则从双层车牌模式库未选择过的车牌模式中,选择一个车牌模式作为目标车牌模式,返回执行根据第一车牌区域和目标车牌模式对应的模式特征,确定待识别车牌图像中未识别出车牌号码的第二车牌区域的步骤。
也就是说,在本实施例中,在获得第一车牌区域对应的字符识别结果之后,根据第一车牌区域,针对双层车牌模式库中的一个车牌模式对应的模式特征,确定待识别车牌图像中的第二车牌区域,并获得其对应的字符识别结果,当确定第二车牌区域的字符识别成功时,获得完整的车牌号码,否则更换车牌模式,重新确定第二车牌区域,直到第二车牌区域的字符识别成功。
可以看出,本实施例在匹配双层车牌模式库时,无需重复对第一车牌区域进行定位和识别,而是针对每种双层车牌模式,根据确定好的第一车牌区域定位第二车牌区域并识别其中的字符,因此能够提高车牌识别过程的效率。
同时,不管第一车牌区域属于上层车牌区域还是下层车牌区域,本实施例都能定位出待识别车牌图像中未识别出车牌号码的第二车牌区域,并最终识别出完整的双层车牌。
基于图2所示实施例的另一实施方式中,步骤S203,所述判断所述第一字符识别结果中的所有字符是否位于同一行内的步骤,具体可以包括:
判断所述第一字符识别结果中的所有字符在车牌区域中的位置分布是否为单层分布,如果是,则确定所述第一字符识别结果中的所有字符位于同一行内。
其中,第一字符识别结果中包含每个字符区域,根据这些字符区域能够确定这些字符是否位于同一行内。
基于图2所示实施例的另一实施方式中,为了提高检测的准确性,步骤S205,根据所述第一车牌区域和所述目标车牌模式对应的模式特征,确定所述待识别车牌图像中未识别出车牌号码的第二车牌区域的步骤,包括:
根据所述第一字符识别结果,修正所述第一车牌区域;根据修正后的车牌区域和所述目标车牌模式对应的模式特征,确定所述待识别车牌图像中未识别出车牌号码的第二车牌区域。
可以理解的是,根据第一字符识别结果修正第一车牌区域,可以去除干扰因素的影响,使第一车牌区域的范围更加准确,提高检测的准确性和可靠性。
具体的,根据所述第一字符识别结果,修正所述第一车牌区域时,可以包括:根据第一字符识别结果,确定第一车牌区域中字符识别成功的字符区域,根据字符识别成功的字符区域,确定修正后的车牌区域。
例如,第一车牌区域中最左侧存在铆钉区域,而根据第一字符识别结果可以知道该铆钉区域的字符识别结果为未识别成功,则可以从第一车牌区域中去除该铆钉区域。
上述内容曾经提到,针对第二车牌区域的字符未识别成功时,可能是由于字符识别过程不准确,导致字符识别失败的。例如,少数车牌模式中,上层车牌区域的颜色对应关系和下层车牌区域的颜色对应关系不一致,而一般情况下,在进行双层车牌识别时,认为上层车牌区域的颜色对应关系和下层车牌区域的颜色对应关系是一致的,这样就可能导致字符识别失败。因此,为了提高字符识别过程的准确性,减少字符识别失败导致的第二车牌区域的字符未识别成功的情况,可以对图2所示实施例加以改进。
基于图2所示实施例的另一实施方式中,步骤S206,即识别所述第二车牌区域中的字符,获得第二字符识别结果的步骤,可以按照图3所示流程示意图进行,具体包括:
步骤S206a:确定所述第二车牌区域中背景色与前景色的颜色对应关系。
其中,背景色与前景色的颜色对应关系,又可以称为正反关系,其包括两种情况:一是,背景色为黑色,前景色为白色,即黑底白字;二是,背景色为白色,前景色为黑色,即白底黑字。黑底白字的车牌图像,又称为正牌,白底黑字的车牌,又称为反牌。
具体的,确定所述第二车牌区域中背景色与前景色的颜色对应关系时,可以在上述两种情况中随机选择一种情况。
另外,模式特征中可以保存上层车牌区域的颜色对应关系与下层车牌区域的颜色对应关系是否一致的信息。这样,可以根据上述信息,确定第二车牌区域中背景色与前景色的颜色对应关系。
具体的,如果上述信息表明上层车牌区域的颜色对应关系与下层车牌区域的颜色对应关系一致,则将第一车牌区域的颜色对应关系确定为第二车牌区域的颜色对应关系;如果上述信息表明上层车牌区域的颜色对应关系与下层车牌区域的颜色对应关系不一致,则将与第一车牌区域的颜色对应关系相反的颜色对应关系,确定为第二车牌区域的颜色对应关系。
例如,图1中编号为4~11的车牌可以划分为5种车牌模式,编号为4、5、8的车牌为模式A,编号为6的车牌为模式C,编号为9的车牌为模式B,编号为10的车牌为模式D,编号为7和11的车牌为模式E。其中,模式E中上下层车牌的正反是一致的,因此,当匹配这种车牌模式时,可以将第一车牌区域的正反确定为第二车牌区域的正反。
步骤S206b:根据所述颜色对应关系,识别所述第二车牌区域中的字符,获得第二字符识别结果。
可见,在本实施方式中,根据模式特征中上下层车牌区域的颜色对应关系是否一致的信息,可以更准确地确定第二车牌区域的颜色对应关系,从而提高第二车牌区域字符识别过程的准确性。
当然,车牌模式中也可能包含以下情况:既包含上层车牌区域的颜色对应关系与下层车牌区域的颜色对应关系一致的车牌类型,也包含不一致的车牌类型,这时无法准确地确定第二车牌区域的颜色对应关系。
沿用步骤S206a中的例子,可以发现,模式A中既包含上下层车牌区域正反一致的车牌,也包含不一致的车牌,即编号为4的车牌上下层车牌区域正反一致,编号为5和8的车牌上下层车牌区域正反不一致。因此,当匹配这种车牌模式时,无法准确地确定第二车牌区域的正反。
当车牌模式中颜色对应关系一致和不一致同时存在时,可以先将第一车牌区域的颜色对应关系确定为第二车牌区域的颜色对应关系。当步骤S207的判断结果为识别成功时,说明所确定的第二车牌区域的颜色对应关系是正确的,当步骤S207的判断结果为未识别成功时,说明所确定的第二车牌区域的颜色对应关系可能是错误的。这种情况下,可以执行如下步骤:
步骤S210:调整所述颜色对应关系,返回执行所述步骤S206b。
具体的,由于上述颜色对应关系包括两种情况,因此,调整所述颜色对应关系,即将所述颜色对应关系更换为另一种情况。
例如,当按照颜色对应关系为黑底白字识别第二车牌区域中的字符,并且未识别成功时,将颜色对应关系调整为白底黑字,再次识别第二车牌区域中的字符。
综上所述,在本实施方式中,识别所述第二车牌区域中的字符,按照确定的颜色对应关系进行识别,当第二车牌区域的字符未识别成功时,调整所述颜色对应关系,再次识别。这样,可以减少字符识别失败导致的第二车牌区域的字符未识别成功的情况,提高车牌识别过程的准确性。
图4为本申请实施例提供的车牌识别方法的另一流程示意图,该实施例为图2所示实施例的改进。其中,车牌区域包括:上层车牌区域和下层车牌区域,所述目标车牌模式对应的模式特征包括:上层车牌区域对应的上层字符特征,下层车牌区域对应的下层字符特征,以及上层车牌区域与下层车牌区域的相对位置关系。
例如,针对图1中编号为14和15的车牌,上层字符特征可以包括:字符类型为数字类型,数字数量为1~2;下层字符特征可以包括:字符类型为数字类型,数字数量为5;相对位置关系包括:上层车牌区域与下层车牌区域的对称中心坐标重合,上层车牌区域的对称中心位置位于下层车牌区域上方左侧的四分之一位置处。
具体的,图2所示实施例中的步骤S205,根据所述第一车牌区域和所述目标车牌模式对应的模式特征,确定所述待识别车牌图像中未识别出车牌号码的第二车牌区域,具体可以包括:
步骤S205A:根据第一字符识别结果中的字符特征、上层字符特征和下层字符特征,匹配第一车牌区域所属的车牌区域。
仍旧以图1中编号为14和15的车牌为例,上层字符特征和下层字符特征已经在上述内容中列出。如果第一字符识别结果为62577,由于该结果中数字数量为5,不符合上层字符特征中“数字数量为1~2”的特征,符合下层字符特征中“数字数量为5”的特征,因此可以确定该结果符合下层字符特征,匹配得到第一车牌区域属于下层车牌区域。如果第一字符识别结果为4,由于该结果中数字数量为1,不符合下层字符特征中“数字数量为5”的特征,符合上层字符特征中“数字数量为1~2”,因此可以确定该结果符合上层字符特征,匹配得到第一车牌区域属于上层车牌区域。
步骤S205B:根据匹配结果、第一车牌区域以及所述相对位置关系,确定待识别车牌图像中未识别出车牌号码的第二车牌区域。
当匹配得到第一车牌区域属于下层车牌区域时,可以确定第二车牌区域属于上层车牌区域,在确定第二车牌区域时,可以将第一车牌区域上方的预设范围确定为第二车牌区域。
当匹配得到第一车牌区域属于上层车牌区域时,可以确定第二车牌区域属于下层车牌区域,在确定第二车牌区域时,可以将第一车牌区域下方的预设范围确定为第二车牌区域。
其中,预设范围的中心位置可以根据上述相对位置关系确定,预设范围的大小可以采用以下方式确定:根据第一字符识别结果确定第一车牌区域中单个字符的范围,将单个字符的范围与预设值的乘积确定为预设范围。
例如,根据上述相对位置关系中上层车牌区域与下层车牌区域的中心位置之间的关系,可以确定预设范围的中心位置;根据第一字符识别结果确定第一车牌区域中单个字符的宽度为5个像素,预设值取为6,则可以确定预设范围的大小为5个像素*6=30个像素,对应的,可以将第一车牌区域正下方30个像素的区域确定为第二车牌区域。
对于图1中编号为14和15的车牌,当第一车牌区域为下层车牌区域时,按照上述方式确定的第二车牌区域分别为图中的4和91的上层车牌区域,而4和91右侧部分的文字不会被定位到第二车牌区域中,减少了无关内容的干扰。
在本实施例中,在步骤S209执行完毕之后返回执行步骤S205A。
综上所述,在本实施例中,根据第一字符识别结果和目标车牌模式对应的模式特征,确定第二车牌区域,无需从整个待识别车牌图像中的无方向性地寻找第二车牌区域,可以减少待识别车牌图像中其他内容的干扰,能够更准确、更快速地定位第二车牌区域。
为了进一步提高检测的准确性,在本实施例中,步骤S205B,即根据匹配结果、第一车牌区域以及所述相对位置关系,确定待识别车牌图像中未识别出车牌号码的第二车牌区域的步骤,具体可以包括:
根据所述第一字符识别结果,修正所述第一车牌区域;根据修正后的车牌区域和匹配结果以及所述相对位置关系,确定待识别车牌图像中未识别出车牌号码的第二车牌区域。
可以理解的是,根据第一字符识别结果修正第一车牌区域,能够提高第一车牌区域的准确性,进而提高整个车牌识别过程的准确性。
在图4所示实施例中,图2所示实施例中的步骤S206,识别所述第二车牌区域中的字符,获得第二字符识别结果的步骤,具体可以包括:
步骤S206A:分割所述第二车牌区域,获得目标字符区域。
在分割第二车牌区域时,可以根据垂直投影法和/或连通域法分割第二车牌区域。其具体过程属于现有技术,此处不再赘述。
作为一种具体实施方式,在分割第二车牌区域时,还可以根据分割结果判断针对第二车牌区域的分割过程是否成功,如果分割成功,则执行步骤S206B,如果分割不成功,则不予处理。
步骤S206B:识别所述目标字符区域中的字符,获得第二字符识别结果。
在识别目标字符区域中的字符时,可以根据预设的字符分类器识别目标字符区域的字符。其具体过程属于现有技术,此处不再赘述。
基于图4所示实施例的另一实施方式中,为了提高字符分割过程的准确性,步骤S206A,即分割所述第二车牌区域,获得目标字符区域的步骤,具体可以包括:
步骤1:根据所述第一字符识别结果中各个字符区域的尺寸,获得第一字符尺寸。其中,该尺寸可以为宽度和高度中的至少一个。
可以理解的是,通常,车牌中同一层车牌区域中的各个字符的尺寸是基本相同的。第一字符尺寸是能够代表第一字符识别结果中各个字符区域大小的一个尺寸值。
步骤2:根据所述第一字符尺寸以及预设的尺寸对应关系,确定第二字符尺寸,其中,所述尺寸对应关系为:上层车牌区域字符的尺寸和下层车牌区域字符的尺寸之间的对应关系。
例如,上述尺寸对应关系可以为上层车牌区域字符的宽度等于下层车牌区域字符的宽度,或者为,上层车牌区域字符的宽度等于下层车牌区域字符的宽度的三分之一。
步骤3:根据所述第二字符尺寸,分割所述第二车牌区域,获得目标字符区域。
具体的,在分割第二车牌区域时,可以首先采用垂直投影法和/或连通域法对第二车牌区域进行第一次分割,然后在第一次分割的基础上,根据第二字符尺寸,对第二车牌区域进行第二次分割。
综上所述,根据第一字符识别结果以及上层车牌区域字符的尺寸和下层车牌区域字符的尺寸之间的对应关系,分割第二车牌区域的字符,能够提高字符分割结果的准确性。
图5为本申请实施例提供的车牌识别装置的一种结构示意图,与图2所示方法实施例相对应,应用于电子设备,所述装置包括:
第一区域确定模块501,用于获得待识别车牌图像,并确定所述待识别车牌图像中的第一车牌区域;
第一字符识别模块502,用于识别所述第一车牌区域中的字符,获得第一字符识别结果;
第一字符判断模块503,用于判断所述第一字符识别结果中的所有字符是否位于同一行内;
第一模式选择模块504,用于当所述第一字符识别结果中的所有字符位于同一行内时,从预设的双层车牌模式库中选择一个车牌模式作为目标车牌模式,其中,所述双层车牌模式库,用于存储各个双层车牌模式及对应的模式特征;
第二区域确定模块505,用于根据所述第一车牌区域和所述目标车牌模式对应的模式特征,确定所述待识别车牌图像中未识别出车牌号码的第二车牌区域;
第二字符识别模块506,用于识别所述第二车牌区域中的字符,获得第二字符识别结果;
第二字符判断模块507,用于根据所述第二字符识别结果,判断针对所述第二车牌区域的字符识别是否成功;
字符合成模块508,用于当针对所述第二车牌区域的字符识别成功时,合成所述第一字符识别结果和第二字符识别结果,获得所述待识别车牌图像的车牌号码;
第二模式选择模块509,用于当针对所述第二车牌区域的字符识别未成功时,从所述双层车牌模式库未选择过的车牌模式中,选择一个车牌模式作为目标车牌模式,返回执行所述第二区域确定模块505。
基于图5所示实施例的另一实施方式中,所述第一字符判断模块503,具体可以用于:
判断所述第一字符识别结果中的所有字符在车牌区域中的位置分布是否为单层分布,如果是,则确定所述第一字符识别结果中的所有字符位于同一行内。
基于图5所示实施例的另一实施方式中,所述第二区域确定模块505,具体可以包括:
修正子模块(图中未示出),用于根据所述第一字符识别结果,修正所述第一车牌区域;
第二确定子模块(图中未示出),用于根据修正后的车牌区域和所述目标车牌模式对应的模式特征,确定所述待识别车牌图像中未识别出车牌号码的第二车牌区域。
基于图5所示实施例的另一实施方式中,所述第二字符识别模块506,具体可以包括:
第三确定子模块(图中未示出),用于确定所述第二车牌区域中背景色与前景色的颜色对应关系;
第二识别子模块(图中未示出),用于根据所述颜色对应关系,识别所述第二车牌区域中的字符,获得第二字符识别结果。
基于图5所示实施例的另一实施方式中,所述装置还可以包括:颜色调整模块;
所述颜色调整模块,用于当针对所述第二车牌区域的字符识别未识别成功时,调整所述颜色对应关系,返回执行所述第二识别子模块。
图6为本申请实施例提供的车牌识别方法的另一结构示意图,该实施例为基于图5所示实施例的改进,未改进之处与图5所示实施例相同。该实施例与图4所示方法实施例相对应。本实施例中,车牌区域包括:上层车牌区域和下层车牌区域,所述目标车牌模式对应的模式特征包括:上层车牌区域对应的上层字符特征,下层车牌区域对应的下层字符特征,以及上层车牌区域与下层车牌区域的相对位置关系。
在图5所示实施例中,所述第二区域确定模块505,具体可以包括:
匹配子模块601,用于根据所述第一字符识别结果中的字符特征、所述上层字符特征和所述下层字符特征,匹配所述第一车牌区域所属的车牌区域;
第一确定子模块602,用于根据匹配结果、所述第一车牌区域以及所述相对位置关系,确定所述待识别车牌图像中未识别出车牌号码的第二车牌区域。
相应的,在第二模式选择模块509之后,返回执行匹配子模块601。
在图5所示实施例中,所述第二字符识别模块506,具体可以包括:
分割子模块603,用于分割所述第二车牌区域,获得目标字符区域;
第一识别子模块604,用于识别所述目标字符区域中的字符,获得第二字符识别结果。
基于图6所示实施例的另一实施方式中,所述分割子模块603,具体可以包括:
获得单元(图中未示出),用于根据所述第一字符识别结果中各个字符区域的尺寸,获得第一字符尺寸;
确定单元(图中未示出),用于根据所述第一字符尺寸以及预设的尺寸对应关系,确定第二字符尺寸,其中,所述尺寸对应关系为:上层车牌区域字符的尺寸和下层车牌区域字符的尺寸之间的对应关系;
分割单元(图中未示出),用于根据所述第二字符尺寸,分割所述第二车牌区域,获得目标字符区域。
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。
以上所述仅为本申请的较佳实施例而已,并非用于限定本申请的保护范围。凡在本申请的精神和原则之内所做的任何修改、等同替换、改进等,均包含在本申请的保护范围内。

Claims (16)

1.一种车牌识别方法,其特征在于,所述方法包括:
获得待识别车牌图像,并确定所述待识别车牌图像中的第一车牌区域;
识别所述第一车牌区域中的字符,获得第一字符识别结果;
判断所述第一字符识别结果中的所有字符是否位于同一行内;
如果是,则从预设的双层车牌模式库中选择一个车牌模式作为目标车牌模式,其中,所述双层车牌模式库,用于存储各个双层车牌模式及对应的模式特征;
根据所述第一车牌区域和所述目标车牌模式对应的模式特征,确定所述待识别车牌图像中未识别出车牌号码的第二车牌区域;
识别所述第二车牌区域中的字符,获得第二字符识别结果;
根据所述第二字符识别结果,判断针对所述第二车牌区域的字符识别是否成功;
如果识别成功,则合成所述第一字符识别结果和第二字符识别结果,获得所述待识别车牌图像的车牌号码;
如果未识别成功,则从所述双层车牌模式库未选择过的车牌模式中,选择一个车牌模式作为目标车牌模式,返回执行所述根据所述第一车牌区域和所述目标车牌模式对应的模式特征,确定所述待识别车牌图像中未识别出车牌号码的第二车牌区域的步骤。
2.根据权利要求1所述的方法,其特征在于,所述车牌区域包括:上层车牌区域和下层车牌区域,所述目标车牌模式对应的模式特征包括:上层车牌区域对应的上层字符特征,下层车牌区域对应的下层字符特征,以及上层车牌区域与下层车牌区域的相对位置关系;
所述根据所述第一车牌区域和所述目标车牌模式对应的模式特征,确定所述待识别车牌图像中未识别出车牌号码的第二车牌区域的步骤,包括:
根据所述第一字符识别结果中的字符特征、所述上层字符特征和所述下层字符特征,匹配所述第一车牌区域所属的车牌区域;
根据匹配结果、所述第一车牌区域以及所述相对位置关系,确定所述待识别车牌图像中未识别出车牌号码的第二车牌区域。
3.根据权利要求1所述的方法,其特征在于,所述根据所述第一车牌区域和所述目标车牌模式对应的模式特征,确定所述待识别车牌图像中未识别出车牌号码的第二车牌区域的步骤,包括:
根据所述第一字符识别结果,修正所述第一车牌区域;
根据修正后的车牌区域和所述目标车牌模式对应的模式特征,确定所述待识别车牌图像中未识别出车牌号码的第二车牌区域。
4.根据权利要求1所述的方法,其特征在于,所述识别所述第二车牌区域中的字符,获得第二字符识别结果的步骤,包括:
分割所述第二车牌区域,获得目标字符区域;
识别所述目标字符区域中的字符,获得第二字符识别结果。
5.根据权利要求4所述的方法,其特征在于,所述分割所述第二车牌区域,获得目标字符区域的步骤,包括:
根据所述第一字符识别结果中各个字符区域的尺寸,获得第一字符尺寸;
根据所述第一字符尺寸以及预设的尺寸对应关系,确定第二字符尺寸,其中,所述尺寸对应关系为:上层车牌区域字符的尺寸和下层车牌区域字符的尺寸之间的对应关系;
根据所述第二字符尺寸,分割所述第二车牌区域,获得目标字符区域。
6.根据权利要求1所述的方法,其特征在于,所述识别所述第二车牌区域中的字符,获得第二字符识别结果的步骤,包括:
确定所述第二车牌区域中背景色与前景色的颜色对应关系;
根据所述颜色对应关系,识别所述第二车牌区域中的字符,获得第二字符识别结果。
7.根据权利要求6所述的方法,其特征在于,所述方法还包括:
当针对所述第二车牌区域的字符识别未识别成功时,调整所述颜色对应关系,返回执行所述根据所述颜色对应关系,识别所述第二车牌区域中的字符,获得第二字符识别结果的步骤。
8.根据权利要求1所述的方法,其特征在于,所述判断所述第一字符识别结果中的所有字符是否位于同一行内的步骤,包括:
判断所述第一字符识别结果中的所有字符在车牌区域中的位置分布是否为单层分布,如果是,则确定所述第一字符识别结果中的所有字符位于同一行内。
9.一种车牌识别装置,其特征在于,所述装置包括:
第一区域确定模块,用于获得待识别车牌图像,并确定所述待识别车牌图像中的第一车牌区域;
第一字符识别模块,用于识别所述第一车牌区域中的字符,获得第一字符识别结果;
第一字符判断模块,用于判断所述第一字符识别结果中的所有字符是否位于同一行内;
第一模式选择模块,用于当所述第一字符识别结果中的所有字符位于同一行内时,从预设的双层车牌模式库中选择一个车牌模式作为目标车牌模式,其中,所述双层车牌模式库,用于存储各个双层车牌模式及对应的模式特征;
第二区域确定模块,用于根据所述第一车牌区域和所述目标车牌模式对应的模式特征,确定所述待识别车牌图像中未识别出车牌号码的第二车牌区域;
第二字符识别模块,用于识别所述第二车牌区域中的字符,获得第二字符识别结果;
第二字符判断模块,用于根据所述第二字符识别结果,判断针对所述第二车牌区域的字符识别是否成功;
字符合成模块,用于当针对所述第二车牌区域的字符识别成功时,合成所述第一字符识别结果和第二字符识别结果,获得所述待识别车牌图像的车牌号码;
第二模式选择模块,用于当针对所述第二车牌区域的字符识别未成功时,从所述双层车牌模式库未选择过的车牌模式中,选择一个车牌模式作为目标车牌模式,返回执行所述第二区域确定模块。
10.根据权利要求9所述的装置,其特征在于,所述车牌区域包括:上层车牌区域和下层车牌区域,所述目标车牌模式对应的模式特征包括:上层车牌区域对应的上层字符特征,下层车牌区域对应的下层字符特征,以及上层车牌区域与下层车牌区域的相对位置关系;
所述第二区域确定模块,包括:
匹配子模块,用于根据所述第一字符识别结果中的字符特征、所述上层字符特征和所述下层字符特征,匹配所述第一车牌区域所属的车牌区域;
第一确定子模块,用于根据匹配结果、所述第一车牌区域以及所述相对位置关系,确定所述待识别车牌图像中未识别出车牌号码的第二车牌区域。
11.根据权利要求9所述的装置,其特征在于,所述第二区域确定模块,包括:
修正子模块,用于根据所述第一字符识别结果,修正所述第一车牌区域;
第二确定子模块,用于根据修正后的车牌区域和所述目标车牌模式对应的模式特征,确定所述待识别车牌图像中未识别出车牌号码的第二车牌区域。
12.根据权利要求9所述的装置,其特征在于,所述第二字符识别模块,包括:
分割子模块,用于分割所述第二车牌区域,获得目标字符区域;
第一识别子模块,用于识别所述目标字符区域中的字符,获得第二字符识别结果。
13.根据权利要求12所述的装置,其特征在于,所述分割子模块,包括:
获得单元,用于根据所述第一字符识别结果中各个字符区域的尺寸,获得第一字符尺寸;
确定单元,用于根据所述第一字符尺寸以及预设的尺寸对应关系,确定第二字符尺寸,其中,所述尺寸对应关系为:上层车牌区域字符的尺寸和下层车牌区域字符的尺寸之间的对应关系;
分割单元,用于根据所述第二字符尺寸,分割所述第二车牌区域,获得目标字符区域。
14.根据权利要求9所述的装置,其特征在于,所述第二字符识别模块,包括:
第三确定子模块,用于确定所述第二车牌区域中背景色与前景色的颜色对应关系;
第二识别子模块,用于根据所述颜色对应关系,识别所述第二车牌区域中的字符,获得第二字符识别结果。
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:颜色调整模块;
所述颜色调整模块,用于当针对所述第二车牌区域的字符识别未识别成功时,调整所述颜色对应关系,返回执行所述第二识别子模块。
16.根据权利要求9所述的装置,其特征在于,所述第一字符判断模块,具体用于:
判断所述第一字符识别结果中的所有字符在车牌区域中的位置分布是否为单层分布,如果是,则确定所述第一字符识别结果中的所有字符位于同一行内。
CN201611024441.0A 2016-11-17 2016-11-17 一种车牌识别方法及装置 Active CN108073926B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201611024441.0A CN108073926B (zh) 2016-11-17 2016-11-17 一种车牌识别方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201611024441.0A CN108073926B (zh) 2016-11-17 2016-11-17 一种车牌识别方法及装置

Publications (2)

Publication Number Publication Date
CN108073926A true CN108073926A (zh) 2018-05-25
CN108073926B CN108073926B (zh) 2020-04-03

Family

ID=62160703

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201611024441.0A Active CN108073926B (zh) 2016-11-17 2016-11-17 一种车牌识别方法及装置

Country Status (1)

Country Link
CN (1) CN108073926B (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108960233A (zh) * 2018-06-13 2018-12-07 北京小米移动软件有限公司 识别身份证有效期的方法及装置
CN110543882A (zh) * 2018-05-29 2019-12-06 北京深鉴智能科技有限公司 一种字符串识别方法与装置
CN110728276A (zh) * 2018-07-16 2020-01-24 杭州海康威视数字技术股份有限公司 一种车牌识别方法及装置
CN110728278A (zh) * 2018-07-16 2020-01-24 杭州海康威视数字技术股份有限公司 车牌识别方法及装置
CN110969176A (zh) * 2018-09-29 2020-04-07 杭州海康威视数字技术股份有限公司 一种车牌样本扩增方法、装置和计算机设备
CN111027534A (zh) * 2018-10-09 2020-04-17 杭州海康威视数字技术股份有限公司 一种紧凑双车牌检测方法及装置
CN111291794A (zh) * 2020-01-21 2020-06-16 上海眼控科技股份有限公司 字符识别方法、装置、计算机设备和计算机可读存储介质
CN111340045A (zh) * 2020-02-12 2020-06-26 浙江大华技术股份有限公司 车牌号码的识别方法、装置及存储介质

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7182492B1 (en) * 2003-12-22 2007-02-27 Robert Louis Walter License plate system having enhanced illumination
CN101604381A (zh) * 2009-05-20 2009-12-16 电子科技大学 基于多分类支持向量机的车牌字符识别方法
CN102663377A (zh) * 2012-03-15 2012-09-12 华中科技大学 一种基于模板匹配的字符识别方法
CN102722733A (zh) * 2012-05-31 2012-10-10 信帧电子技术(北京)有限公司 一种车牌类型的识别方法及装置
CN103226696A (zh) * 2013-04-07 2013-07-31 布法罗机器人科技(苏州)有限公司 车牌的识别系统及方法
CN103413147A (zh) * 2013-08-28 2013-11-27 庄浩洋 一种车牌识别方法和系统
CN104156704A (zh) * 2014-08-04 2014-11-19 胡艳艳 一种新的车牌识别方法及系统
CN104268596A (zh) * 2014-09-25 2015-01-07 深圳市捷顺科技实业股份有限公司 一种车牌识别器及其车牌检测方法与系统
CN105320953A (zh) * 2015-09-28 2016-02-10 万永秀 车牌识别方法
CN105512600A (zh) * 2014-09-28 2016-04-20 江苏省兴泽实业发展有限公司 一种基于互信息与特征提取的车牌识别方法
CN105528605A (zh) * 2014-09-28 2016-04-27 江苏省兴泽实业发展有限公司 一种基于投影与识别的双层车牌字符分割方法
CN105631470A (zh) * 2015-12-21 2016-06-01 深圳市捷顺科技实业股份有限公司 一种车牌类型验证的方法及系统

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7182492B1 (en) * 2003-12-22 2007-02-27 Robert Louis Walter License plate system having enhanced illumination
CN101604381A (zh) * 2009-05-20 2009-12-16 电子科技大学 基于多分类支持向量机的车牌字符识别方法
CN102663377A (zh) * 2012-03-15 2012-09-12 华中科技大学 一种基于模板匹配的字符识别方法
CN102722733A (zh) * 2012-05-31 2012-10-10 信帧电子技术(北京)有限公司 一种车牌类型的识别方法及装置
CN103226696A (zh) * 2013-04-07 2013-07-31 布法罗机器人科技(苏州)有限公司 车牌的识别系统及方法
CN103413147A (zh) * 2013-08-28 2013-11-27 庄浩洋 一种车牌识别方法和系统
CN104156704A (zh) * 2014-08-04 2014-11-19 胡艳艳 一种新的车牌识别方法及系统
CN104268596A (zh) * 2014-09-25 2015-01-07 深圳市捷顺科技实业股份有限公司 一种车牌识别器及其车牌检测方法与系统
CN105512600A (zh) * 2014-09-28 2016-04-20 江苏省兴泽实业发展有限公司 一种基于互信息与特征提取的车牌识别方法
CN105528605A (zh) * 2014-09-28 2016-04-27 江苏省兴泽实业发展有限公司 一种基于投影与识别的双层车牌字符分割方法
CN105320953A (zh) * 2015-09-28 2016-02-10 万永秀 车牌识别方法
CN105631470A (zh) * 2015-12-21 2016-06-01 深圳市捷顺科技实业股份有限公司 一种车牌类型验证的方法及系统

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
MIYAMOTO K等: ""Vehicle license-plate recognition by image analysis"", 《PROCEEDINGS IECON "91: 1991 INTERNATIONAL CONFERENCE ON INDUSTRIAL ELECTRONICS, CONTROL AND INSTRUMENTATION》 *
REMUS BRAD: ""License Plate Recognition System"", 《HTTP://RBRAD.ULBSIBIU.RO/PUBLICATIONS/PAPERS/ICICS2001.PDF》 *
VENKATARAMAN GANESH: ""Parking lot monitoring system using an autonomous quadrotor UAV"", 《HTTPS://TIGERPRINTS.CLEMSON.EDU/CGI/VIEWCONTENT.CGI?ARTICLE=3298&CONTEXT=ALL_THESES》 *
严丽: ""车牌识别系统的关键技术研究"", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *
李坤: ""车牌自动识别系统的研究与设计"", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *
李莹: ""基于视觉信息的车牌检测与识别方法研究"", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110543882A (zh) * 2018-05-29 2019-12-06 北京深鉴智能科技有限公司 一种字符串识别方法与装置
CN108960233A (zh) * 2018-06-13 2018-12-07 北京小米移动软件有限公司 识别身份证有效期的方法及装置
CN110728276A (zh) * 2018-07-16 2020-01-24 杭州海康威视数字技术股份有限公司 一种车牌识别方法及装置
CN110728278A (zh) * 2018-07-16 2020-01-24 杭州海康威视数字技术股份有限公司 车牌识别方法及装置
CN110969176A (zh) * 2018-09-29 2020-04-07 杭州海康威视数字技术股份有限公司 一种车牌样本扩增方法、装置和计算机设备
CN110969176B (zh) * 2018-09-29 2023-12-29 杭州海康威视数字技术股份有限公司 一种车牌样本扩增方法、装置和计算机设备
CN111027534A (zh) * 2018-10-09 2020-04-17 杭州海康威视数字技术股份有限公司 一种紧凑双车牌检测方法及装置
CN111027534B (zh) * 2018-10-09 2023-05-26 杭州海康威视数字技术股份有限公司 一种紧凑双车牌检测方法及装置
CN111291794A (zh) * 2020-01-21 2020-06-16 上海眼控科技股份有限公司 字符识别方法、装置、计算机设备和计算机可读存储介质
CN111340045A (zh) * 2020-02-12 2020-06-26 浙江大华技术股份有限公司 车牌号码的识别方法、装置及存储介质
CN111340045B (zh) * 2020-02-12 2023-09-01 浙江大华技术股份有限公司 车牌号码的识别方法、装置及存储介质

Also Published As

Publication number Publication date
CN108073926B (zh) 2020-04-03

Similar Documents

Publication Publication Date Title
CN108073926A (zh) 一种车牌识别方法及装置
CN108073928A (zh) 一种车牌识别方法及装置
Ashtari et al. An Iranian license plate recognition system based on color features
CN104392205B (zh) 一种非正常车牌的识别方法和系统
CN103077407B (zh) 车标定位识别方法及系统
CN107729899A (zh) 一种车牌号码识别方法及装置
CN107491753A (zh) 一种基于背景建模的违章停车检测方法
CN105740886B (zh) 一种基于机器学习的车标识别方法
CN108268867A (zh) 一种车牌定位方法及装置
CN106650553A (zh) 车牌识别方法及系统
CN102024144A (zh) 集装箱箱号自动识别方法
CN105005989B (zh) 一种弱对比度下的车辆目标分割方法
CN108108734A (zh) 一种车牌识别方法及装置
CN106650731A (zh) 一种鲁棒的车牌、车标识别方法
CN108229466B (zh) 一种车牌识别方法及装置
CN108090484A (zh) 一种车牌识别方法及装置
US9129156B2 (en) Method for detecting and recognizing an object in an image, and an apparatus and a computer program therefor
CN106326821B (zh) 车牌定位的方法及装置
CN108073925A (zh) 一种车牌识别方法及装置
CN106650741A (zh) 一种车牌字符识别方法及装置
CN111340045B (zh) 车牌号码的识别方法、装置及存储介质
CN111753592A (zh) 交通标志识别方法、装置、计算机设备和存储介质
CN111191482A (zh) 一种刹车灯识别方法、装置及电子设备
CN110046618B (zh) 基于机器学习和最大极值稳定区域的车牌识别方法
CN108205670A (zh) 一种车牌识别方法及装置

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
GR01 Patent grant
GR01 Patent grant