CN108073928B - 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 PDFInfo
- Publication number
- CN108073928B CN108073928B CN201611032450.4A CN201611032450A CN108073928B CN 108073928 B CN108073928 B CN 108073928B CN 201611032450 A CN201611032450 A CN 201611032450A CN 108073928 B CN108073928 B CN 108073928B
- Authority
- CN
- China
- Prior art keywords
- license plate
- character
- area
- recognition result
- recognized
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 60
- 230000002194 synthesizing effect Effects 0.000 claims abstract description 8
- 239000010410 layer Substances 0.000 claims description 140
- 230000011218 segmentation Effects 0.000 claims description 11
- 239000002356 single layer Substances 0.000 claims description 11
- 230000015572 biosynthetic process Effects 0.000 claims description 3
- 238000000638 solvent extraction Methods 0.000 claims description 3
- 238000003786 synthesis reaction Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 5
- 238000001514 detection method Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Images
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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- 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
- 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
-
- 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
-
- 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
- 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)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Character Discrimination (AREA)
- Character Input (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请实施例提供了一种车牌识别方法及装置。所述车牌识别方法包括: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,则根据所述第一车牌区域和预先保存的双层车牌字符分布特征,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;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。本实施例能够提高车牌识别过程的效率。
Description
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实例图。
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,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。
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,则根据所述第一车牌区域和预先保存的双层车牌字符分布特征,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;
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。
可选的,车牌区域包括:上层车牌区域和下层车牌区域,所述双层车牌字符分布特征包括: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预先保存的双层车牌字符分布特征,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预先保存的双层车牌字符分布特征,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预先保存的双层车牌字符分布特征,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;
第一结果识别模块,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;
识别结果判断模块,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;
第二区域确定模块,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,根据所述第一车牌区域和预先保存的双层车牌字符分布特征,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;
第二结果识别模块,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;
识别结果合成模块,用于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。
可选的,车牌区域包括:上层车牌区域和下层车牌区域,所述双层车牌字符分布特征包括: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预先保存的双层车牌字符分布特征,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,所述第二结果识别模块,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;
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,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,所述识别结果判断模块,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,首先确定所获得的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,然后判断第一字符识别结果是否为针对双层车牌的识别结果;如果否,则根据第一车牌区域和预先保存的双层车牌字符分布特征,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,并识别所述第二车牌区域中的字符,获得第二字符识别结果。最后,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。
也就是说,本申请实施例,根据待识别车牌图像中第一车牌区域和对应的第一字符识别结果,以及预先保存的双层车牌字符分布特征,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,无需匹配大量双层车牌模板,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4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5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。当然,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。
步骤S202:识别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:根据第一车牌区域和预先保存的双层车牌字符分布特征,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。
其中,双层车牌字符分布特征,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,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,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1~11的车牌,其具有的双层车牌字符分布特征可以包括如下内容:
上层车牌区域的字符特征,包括:字符类型包括字母类型和数字类型,字母类型的字符数量为2~3,数字类型的字符数量为0~2。
下层车牌区域的字符特征,包括:字符类型包括字母类型和数字类型,字母类型的字符数量为0~1,数字类型的字符数量为2~4。
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:白字黑底。
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,且与下层车牌区域间隔N个像素的指定范围内。
需要说明的是,上述双层车牌字符分布特征可以是预先保存的。由于各个地区之间车牌特征差异较大,因此可以针对同一个地区的双层车牌获得双层车牌字符分布特征。
例如,在图1所示双层车牌图像中,编号为1~11的双层车牌图像属于一个地区,编号为12~20的双层车牌图像属于另一个地区,可以针对这两个地区的车牌获得双层车牌字符分布特征:
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字符分布特征。
步骤S205:识别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,在本实施例的一种实施方式中,为了提高车牌识别的准确性,在步骤S205之后,还可以包括: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,则执行步骤S206。如果未识别成功,则不予处理。
具体的,当针对第二车牌区域进行字符识别时,可以判断是否能识别出置信度高于预设阈值的字符,如果是,则可以确定针对第二车牌区域的字符识别成功。
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,也可以采用与步骤S202不同的过程,其详细过程本实施例不再赘述。
步骤S206:合成第一字符识别结果和第二字符识别结果,获得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。
由上述内容可知,本实施例中,首先确定所获得的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,然后判断第一字符识别结果是否为针对双层车牌的识别结果;如果否,则根据第一车牌区域和预先保存的双层车牌字符分布特征,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,并识别所述第二车牌区域中的字符,获得第二字符识别结果。最后,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。
也就是说,本实施例,根据待识别车牌图像中第一车牌区域和对应的第一字符识别结果,以及预先保存的双层车牌字符分布特征,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,最终识别出整个车牌号码,无需匹配大量双层车牌模板,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,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S204,根据所述第一车牌区域和预先保存的双层车牌字符分布特征,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预先保存的双层车牌字符分布特征,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。
图3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,所述双层车牌字符分布特征包括: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1~11的车牌,上层字符特征可以包括:字符类型为“字母+数字”类型,总字符数量为1~4,字母数量为1~3,数字数量为0~2;下层字符特征可以包括:字符类型为“字母+数字”类型,总字符数量为2~5,字母数量为0~1,数字数量为2~4;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重合。
具体的,图2所示实施例中的步骤S204,根据所述第一车牌区域和预先保存的双层车牌字符分布特征,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S204A: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1~11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641,由于该结果中数字数量为3,不符合上层字符特征中“数字数量为0~2”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1M4U,由于该结果中数字数量和字母数量均为2,不符合下层字符特征中“字母数量为0~1”的特征,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S204B: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。
综上所述,在本实施例中,根据第一字符识别结果和双层车牌字符分布特征,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S204B,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,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3所示实施例中,图2所示实施例中的步骤S205,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S205A: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S205B,如果分割不成功,则不予处理。
步骤S205B: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3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S205A,分割所述第二车牌区域,获得目标字符区域,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。
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,修正第一次分割的结果。
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4为本申请实施例提供的车牌识别装置的一种流程示意图,与图2所示实施例相对应,应用于电子设备,所述装置包括:
第一区域确定模块401,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;
第一结果识别模块402,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;
识别结果判断模块403,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;
第二区域确定模块404,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,根据所述第一车牌区域和预先保存的双层车牌字符分布特征,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;
第二结果识别模块405,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;
识别结果合成模块406,用于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。
基于图4所示实施例的另一实施方式中,所述识别结果判断模块403,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4所示实施例的另一实施方式中,第二区域确定模块404,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预先保存的双层车牌字符分布特征,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。
图5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4所示实施例的改进,未改进之处与图4所示实施例相同。该实施例与图3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,所述双层车牌字符分布特征包括: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,第二区域确定模块404,具体可以包括:
匹配子模块501,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502,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。
在图5所示实施例中,第二结果识别模块405,具体可以包括:
分割子模块503,用于分割所述第二车牌区域,获得目标字符区域;
识别子模块504,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5所示实施例的另一实施方式中,所述分割子模块503,具体可以包括:
获得单元(图中未示出),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 (12)
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,则根据所述第一车牌区域和预先保存的双层车牌字符分布特征,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;
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。
2.根据权利要求1所述的方法,其特征在于,车牌区域包括:上层车牌区域和下层车牌区域,所述双层车牌字符分布特征包括: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预先保存的双层车牌字符分布特征,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预先保存的双层车牌字符分布特征,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预先保存的双层车牌字符分布特征,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。
7.一种车牌识别装置,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;
第一结果识别模块,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;
识别结果判断模块,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;
第二区域确定模块,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,根据所述第一车牌区域和预先保存的双层车牌字符分布特征,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;
第二结果识别模块,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;
识别结果合成模块,用于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。
8.根据权利要求7所述的装置,其特征在于,车牌区域包括:上层车牌区域和下层车牌区域,所述双层车牌字符分布特征包括: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。
9.根据权利要求7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预先保存的双层车牌字符分布特征,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。
10.根据权利要求7所述的装置,其特征在于,所述第二结果识别模块,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;
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。
11.根据权利要求10所述的装置,其特征在于,所述分割子模块,包括:
获得单元,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。
12.根据权利要求7所述的装置,其特征在于,所述识别结果判断模块,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。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611032450.4A CN108073928B (zh) | 2016-11-16 | 2016-11-16 | 一种车牌识别方法及装置 |
PCT/CN2017/106022 WO2018090771A1 (zh) | 2016-11-16 | 2017-10-13 | 一种车牌识别方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611032450.4A CN108073928B (zh) | 2016-11-16 | 2016-11-16 | 一种车牌识别方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108073928A CN108073928A (zh) | 2018-05-25 |
CN108073928B true CN108073928B (zh) | 2021-04-02 |
Family
ID=62145992
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611032450.4A Active CN108073928B (zh) | 2016-11-16 | 2016-11-16 | 一种车牌识别方法及装置 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN108073928B (zh) |
WO (1) | WO2018090771A1 (zh) |
Families Citing this family (17)
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 |
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 |
CN110728276B (zh) * | 2018-07-16 | 2022-12-06 | 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 |
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 |
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 |
CN111046891A (zh) * | 2018-10-11 | 2020-04-21 | 杭州海康威视数字技术股份有限公司 | 车牌识别模型的训练方法、车牌识别方法和装置 |
CN109711407B (zh) * | 2018-12-28 | 2023-02-28 | 深圳市捷顺科技实业股份有限公司 | 一种车牌识别的方法及相关装置 |
CN109726678B (zh) * | 2018-12-28 | 2023-02-28 | 深圳市捷顺科技实业股份有限公司 | 一种车牌识别的方法及相关装置 |
CN110070085B (zh) * | 2019-04-30 | 2021-11-02 | 北京百度网讯科技有限公司 | 车牌识别方法和装置 |
CN111275796B (zh) * | 2020-01-17 | 2023-09-19 | 北京迈格威科技有限公司 | 车牌合成方法、装置、计算机设备和存储介质 |
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 |
CN111353500B (zh) * | 2020-02-25 | 2023-07-28 | 上海其高电子科技有限公司 | 双行车牌的自动识别方法 |
CN111639636A (zh) * | 2020-05-29 | 2020-09-08 | 北京奇艺世纪科技有限公司 | 一种字符识别方法及装置 |
CN111695563B (zh) * | 2020-06-10 | 2022-07-05 | 北京筑梦园科技有限公司 | 一种单双层车牌识别方法、服务器及停车收费系统 |
CN111950659B (zh) * | 2020-09-01 | 2022-12-09 | 湖南国科微电子股份有限公司 | 双层车牌图像处理方法、装置、电子设备及存储介质 |
CN114639092A (zh) * | 2022-03-11 | 2022-06-17 | 阿里巴巴(中国)有限公司 | 图像识别方法、装置、设备和存储介质 |
CN115131776B (zh) * | 2022-04-12 | 2023-05-12 | 公安部交通管理科学研究所 | 一种融合新能源汽车特征的车牌图像字符分类识别方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103400133A (zh) * | 2013-08-06 | 2013-11-20 | 河海大学 | 基于投影和连通域法的双行结构车牌字符分割方法 |
CN103413147A (zh) * | 2013-08-28 | 2013-11-27 | 庄浩洋 | 一种车牌识别方法和系统 |
CN105894004A (zh) * | 2014-12-16 | 2016-08-24 | 中防通用电信技术有限公司 | 一种针对车牌识别系统中定位不全车牌的补全技术 |
Family Cites Families (5)
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 |
CN103226696B (zh) * | 2013-04-07 | 2016-07-06 | 布法罗机器人科技(苏州)有限公司 | 车牌的识别系统及方法 |
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 |
US20160203379A1 (en) * | 2015-01-12 | 2016-07-14 | TigerIT Americas, LLC | Systems, methods and devices for the automated verification and quality control and assurance of vehicle identification plates |
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 |
-
2016
- 2016-11-16 CN CN201611032450.4A patent/CN108073928B/zh active Active
-
2017
- 2017-10-13 WO PCT/CN2017/106022 patent/WO2018090771A1/zh active Application Filing
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103400133A (zh) * | 2013-08-06 | 2013-11-20 | 河海大学 | 基于投影和连通域法的双行结构车牌字符分割方法 |
CN103413147A (zh) * | 2013-08-28 | 2013-11-27 | 庄浩洋 | 一种车牌识别方法和系统 |
CN105894004A (zh) * | 2014-12-16 | 2016-08-24 | 中防通用电信技术有限公司 | 一种针对车牌识别系统中定位不全车牌的补全技术 |
Non-Patent Citations (4)
Title |
---|
A novel license plate character segmentation method for different types of vehicle license plates;Md. Mostafa Kamal Sarker等;《2014 International Conference on Information and Communication Technology Convergence (ICTC)》;20141215;全文 * |
双行车牌识别算法研究;杨芩;《中国优秀硕士学位论文全文数据库信息科技辑》;20150815;全文 * |
基于字符区域分割方法的车牌识别技术研究;朱峰;《中国优秀硕士学位论文全文数据库信息科技辑》;20110915;全文 * |
车牌识别系统的关键技术研究;严丽;《中国优秀硕士学位论文全文数据库信息科技辑》;20120715;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN108073928A (zh) | 2018-05-25 |
WO2018090771A1 (zh) | 2018-05-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108073928B (zh) | 一种车牌识别方法及装置 | |
CN108073926B (zh) | 一种车牌识别方法及装置 | |
CN107729899B (zh) | 一种车牌号码识别方法及装置 | |
Ashtari et al. | An Iranian license plate recognition system based on color features | |
CN108268867B (zh) | 一种车牌定位方法及装置 | |
US9082038B2 (en) | Dram c adjustment of automatic license plate recognition processing based on vehicle class information | |
CN108229466B (zh) | 一种车牌识别方法及装置 | |
KR101596299B1 (ko) | 교통 표지판 인식 방법 및 장치 | |
Huang et al. | Vehicle detection and inter-vehicle distance estimation using single-lens video camera on urban/suburb roads | |
Roy et al. | License plate detection and character recognition system for commercial vehicles based on morphological approach and template matching | |
Wang et al. | An effective method for plate number recognition | |
CN108108734B (zh) | 一种车牌识别方法及装置 | |
CN103226696B (zh) | 车牌的识别系统及方法 | |
CN109034158B (zh) | 一种车牌识别方法、装置及计算机设备 | |
CN107194393B (zh) | 一种检测临时车牌的方法及装置 | |
CN108073925B (zh) | 一种车牌识别方法及装置 | |
CN108090484B (zh) | 一种车牌识别方法及装置 | |
US10824881B2 (en) | Device and method for object recognition of an input image for a vehicle | |
KR101727487B1 (ko) | 내용기반 차량분석기 및 이를 이용한 내용기반 차량분석방법 | |
Maldonado-Bascon et al. | Traffic sign recognition system for inventory purposes | |
CN114387591A (zh) | 车牌识别方法、系统、设备及存储介质 | |
CN111027535A (zh) | 一种车牌识别方法及相关设备 | |
Zhang et al. | Automatic detection of road traffic signs from natural scene images based on pixel vector and central projected shape feature | |
Pandya et al. | Morphology based approach to recognize number plates in India | |
Ingole et al. | Characters feature based Indian vehicle license plate detection and recognition |
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 |