CN108108735A - 一种汽车车牌号自动识别方法 - Google Patents
一种汽车车牌号自动识别方法 Download PDFInfo
- Publication number
- CN108108735A CN108108735A CN201711407304.XA CN201711407304A CN108108735A CN 108108735 A CN108108735 A CN 108108735A CN 201711407304 A CN201711407304 A CN 201711407304A CN 108108735 A CN108108735 A CN 108108735A
- Authority
- CN
- China
- Prior art keywords
- image
- trade mark
- profile
- automobile trade
- retrieved
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/14—Image acquisition
- G06V30/148—Segmentation of character regions
- G06V30/153—Segmentation of character regions using recognition of characters or words
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- 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
一种汽车车牌号自动识别方法,属于车牌识别技术领域。技术方案:读入所有模型图像,对图像进行二值化处理,从二值图像中检索轮廓;读入需要识别的汽车车牌号图像,对图像进行二值化处理,从二值图像中检索轮廓;循环汽车车牌号图像轮廓信息,在循环中检测,切割数字/字母轮廓,与模型图像大小一致,切割后的图像与模型图像对应像素点值相减,计算所得图片整个图片的像素点值的平方和,所述平方和最小的一组对应的模型图像即为待识别的数字/字母。有益效果是:本发明所述的汽车车牌号自动识别方法提高了作业的稳定性和高效性、克服了人工手工作业的各种缺陷,节约了作业人员数量。
Description
技术领域
本发明属于车牌识别技术领域,尤其涉及一种汽车车牌号自动识别方法。
背景技术
汽车牌照号码是车辆的唯一“身份”标识,牌照自动识别技术可以在汽车不作任何改动的情况下实现汽车“身份”的自动登记及验证,在公路收费、停车管理、称重系统、交通诱导、交通执法、公路稽查、车辆调度、车辆检测等场合都需要进行车牌号的识别。以往的汽车车牌号识别只能依靠人工作业,作业手工化、作业难度大,人工作业易视疲劳、易误操作。
发明内容
为了解决现有技术中依靠人工作业,作业手工化、作业难度大,人工作业易视疲劳、易误操作的问题,本发明提供一种汽车车牌号自动识别方法,该方法提高了作业的稳定性和高效性、克服了人工手工作业的各种缺陷,节约了作业人员数量。
技术方案如下:
一种汽车车牌号自动识别方法,步骤如下:
S1、在固定的距离、高度架子上放摄像头,调整成固定的灯光,拍摄汽车车牌号图片,保证拍摄每个汽车车牌号时的距离、高度、采光都一致;
S2、根据样本选取模型训练产生数字分类器,所述样本采用通用的数字样本库或者针对应用场景而制作的专门训练样本;
S3、读入所有模型图像,对图像进行二值化处理,从二值图像中检索轮廓,返回检索到的轮廓个数;
S4、读入需要识别的汽车车牌号图像,对图像进行二值化处理,从二值图像中检索轮廓,返回检索到的轮廓个数;
S5、循环汽车车牌号图像轮廓信息,在循环中检测,获取的每个数字/字母轮廓左上角坐标和宽高范围,切割数字/字母轮廓,与模型图像大小一致,切割后的图像与模型图像对应像素点值相减,计算所得图片整个图片的像素点值的平方和,所述平方和最小的一组对应的模型图像即为待识别的数字/字母。
进一步的,使用cvLoadImage从指定文件夹读入所有图像模板数据,使用cvThreshold先进性灰度图像处理,继而进行阈值操作得到二值图像,阈值是100,使用cvFindContours从二值图像中检索轮廓。
进一步的,使用cvLoadImage读入需要识别的汽车车牌号图像,使用cvThreshold先进性灰度图像处理,继而进行阈值操作得到二值图像,阈值是98,使用cvFindContours从二值图像中检索轮廓。
进一步的,步骤S5使用OPenCV函数cvMatchShapes实现。
进一步的,识别完所有数字/字母后,定义一个二维数组,一维用来存储识别出的数字/字母,二维用来存储该数字的横坐标,根据横坐标重新排序,列出识别出的数据。
本发明的有益效果是:
本发明所述的一种汽车车牌号自动识别方法提高了作业的稳定性和高效性、克服了人工手工作业的各种缺陷,节约了作业人员数量。
具体实施方式
实施例1
一种汽车车牌号自动识别方法,步骤如下:
S1、采集汽车车牌号图像;
S2、根据样本选取模型训练产生数字分类器;
S3、读入所有模型图像,对图像进行二值化处理,从二值图像中检索轮廓,返回检索到的轮廓个数;
S4、读入需要识别的汽车车牌号号图像,对图像进行二值化处理,从二值图像中检索轮廓,返回检索到的轮廓个数;
S5、循环汽车车牌号图像轮廓信息,在循环中检测,切割数字/字母轮廓,与模型图像大小一致,切割后的图像与模型图像对应像素点值相减,计算所得图片整个图片的像素点值的平方和,所述平方和最小的一组对应的模型图像即为待识别的数字/字母。
实施例2
一种汽车车牌号自动识别方法,步骤如下:
S1、在固定的距离、高度架子上放摄像头,调整成固定的灯光,拍摄汽车车牌号图片,保证拍摄每个汽车车牌号时的距离、高度、采光都一致;
S2、根据样本选取模型训练产生数字分类器,所述样本采用通用的数字样本库;
S3、使用cvLoadImage从指定文件夹读入所有图像模板数据,使用cvThreshold先进性灰度图像处理,继而进行阈值操作得到二值图像,阈值是100,使用cvFindContours从二值图像中检索轮廓,返回检索到的轮廓个数;
S4、使用cvLoadImage读入需要识别的汽车车牌号图像,使用cvThreshold先进性灰度图像处理,继而进行阈值操作得到二值图像,阈值是98,使用cvFindContours从二值图像中检索轮廓,返回检索到的轮廓个数;
S5、循环汽车车牌号图像轮廓信息,在循环中检测,获取的每个数字/字母轮廓左上角坐标和宽高范围,切割数字/字母轮廓,与模型图像大小一致,切割后的图像与模型图像对应像素点值相减,计算所得图片整个图片的像素点值的平方和,所述平方和最小的一组对应的模型图像即为待识别的数字/字母。步骤S5使用OPenCV函数cvMatchShapes实现。
识别完所有数字/字母后,定义一个二维数组,一维用来存储识别出的数字/字母,二维用来存储该数字的横坐标,根据横坐标重新排序,列出识别出的数据。
实施例3
一、车牌号视觉检测:
本实施例主要是使用OpenCV数字识别检测汽车车牌号,包含以下步骤:
1.获取图片;
2.收集数字图片模板;
3.使用系统分析出图片中数字。
二、工作过程:
程序采用Microsoft Visual Studio 2012与OpenCV3.0在Windows 7-64位旗舰版系统下开发完成。并在Windows 7-64位系统下测试可用。
首先图片是需要在固定的距离、高度架子上放摄像头,调整成固定的灯光,拍摄成图片后,然后使用本系统识别图片中数字。前期一定要保证距离、高度、采光都统一方可。
技术要求及参数:
1.前期准备工作:官网(https://opencv.org/)下载最新版OpenCV,本系统使用3.0版本;
配置环境变量:在本机环境变量-系统变量-path后边添加;D:\Program
Files\OpenCV3.0\opencv\build\x86\vc12\bin;D:\Program
Files\OpenCV3.0\opencv\build\x64\vc12\bin
此64为编译环境是win32编译还是win64编译
2.准备模板:根据样本,选取模型训练产生数字分类器。这里的样本可以是通用的数字样本库(如NIST等),也可以是针对应用场景而制作的专门训练样本。前者优在泛化性,后者强在准确率,将两者结合,即在通用数字库基础上做修改。
3.分析汽车车牌号
(1)模板读入,使用cvLoadImage从指定文件夹读入所有图像模板数据,使用cvThreshold二值化图像,即对灰度图像进行阈值操作得到二值图像,阈值是100,使用cvFindContours从二值图像中检索轮廓,并返回检测到的轮廓的个数,这里只需要检索最外面的轮廓。
(2)车牌号图片处理:同样使用cvLoadImage读入需要识别的图片以灰度图像读取;使用cvThreshold二值化图像,阈值是98,使用cvFindContours从二值图像中检索轮廓,并返回检测到的轮廓的个数,这里需要检索所有的轮廓。
(3)车牌号轮廓处理:轮廓信息循环,在循环中检测,每个获取的数字轮廓左上角坐标和宽高范围,切割的数字轮廓选取大小和模板一样的大小,然后让需要匹配的图分别和模板相减,两个图片对应像素点值相减,然后求返回图片的整个图片的像素点值得平方和,和哪个模板匹配时候返回图片的平方和最小则就可以得到结果,使用OPenCV函数cvMatchShapes实现。
(4)数字整理:定义一个二维数组,一维用来存储识别出的数字,二维用来存储该数字的横坐标,对比完会发现分割图像时查找数字轮廓并不是按顺序来的,需要再根据横坐标重新排序,列出识别出的数据。
实施例4
本发明适用于识别在汽车车牌号的识别检测,也可扩展用于其他零件打刻字符序列号的识别。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明披露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (5)
1.一种汽车车牌号自动识别方法,其特征在于,步骤如下:
S1、在固定的距离、高度架子上放摄像头,调整成固定的灯光,拍摄汽车车牌号图片,保证拍摄每个汽车车牌号时的距离、高度、采光都一致;
S2、根据样本选取模型训练产生数字分类器,所述样本采用通用的数字样本库或者针对应用场景而制作的专门训练样本;
S3、读入所有模型图像,对图像进行二值化处理,从二值图像中检索轮廓,返回检索到的轮廓个数;
S4、读入需要识别的汽车车牌号图像,对图像进行二值化处理,从二值图像中检索轮廓,返回检索到的轮廓个数;
S5、循环汽车车牌号图像轮廓信息,在循环中检测,获取的每个数字/字母轮廓左上角坐标和宽高范围,切割数字/字母轮廓,与模型图像大小一致,切割后的图像与模型图像对应像素点值相减,计算所得图片整个图片的像素点值的平方和,所述平方和最小的一组对应的模型图像即为待识别的数字/字母。
2.如权利要求1所述的汽车车牌号自动识别方法,其特征在于,使用cvLoadImage从指定文件夹读入所有图像模板数据,使用cvThreshold先进性灰度图像处理,继而进行阈值操作得到二值图像,阈值是100,使用cvFindContours从二值图像中检索轮廓。
3.如权利要求1所述的汽车车牌号自动识别方法,其特征在于,使用cvLoadImage读入需要识别的汽车车牌号图像,使用cvThreshold先进性灰度图像处理,继而进行阈值操作得到二值图像,阈值是98,使用cvFindContours从二值图像中检索轮廓。
4.如权利要求1所述的汽车车牌号自动识别方法,其特征在于,步骤S5使用OPenCV函数cvMatchShapes实现。
5.如权利要求1所述的汽车车牌号自动识别方法,其特征在于,识别完所有数字/字母后,定义一个二维数组,一维用来存储识别出的数字/字母,二维用来存储该数字的横坐标,根据横坐标重新排序,列出识别出的数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711407304.XA CN108108735A (zh) | 2017-12-22 | 2017-12-22 | 一种汽车车牌号自动识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711407304.XA CN108108735A (zh) | 2017-12-22 | 2017-12-22 | 一种汽车车牌号自动识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108108735A true CN108108735A (zh) | 2018-06-01 |
Family
ID=62212493
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711407304.XA Pending CN108108735A (zh) | 2017-12-22 | 2017-12-22 | 一种汽车车牌号自动识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108108735A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109582812A (zh) * | 2018-11-21 | 2019-04-05 | 安徽云融信息技术有限公司 | 一种用于计算机图像的检索方法 |
CN110211248A (zh) * | 2019-05-16 | 2019-09-06 | 苏州天华信息科技股份有限公司 | 一种基于微信模块的门禁通行系统及方法 |
CN110659632A (zh) * | 2019-09-29 | 2020-01-07 | 公安部交通管理科学研究所 | 基于图像块赋值的交通技术监控设备机动车号牌识别性能测试系统及方法 |
CN110780113A (zh) * | 2019-10-30 | 2020-02-11 | 高新兴科技集团股份有限公司 | 智能电表的读数自动核查方法、系统、存储介质及设备 |
CN112801098A (zh) * | 2019-11-14 | 2021-05-14 | 临沂市拓普网络股份有限公司 | 一种基于轮廓技术的数学符号识别方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1600889A1 (en) * | 2004-05-21 | 2005-11-30 | Samsung Electronics Co., Ltd. | Apparatus and method for extracting character(s) from image |
CN102364496A (zh) * | 2011-11-24 | 2012-02-29 | 无锡慧眼电子科技有限公司 | 一种基于图像分析的汽车车牌自动识别方法及系统 |
CN105809166A (zh) * | 2016-03-04 | 2016-07-27 | 深圳市佳信捷技术股份有限公司 | 车牌识别方法、装置及系统 |
CN106709530A (zh) * | 2017-01-17 | 2017-05-24 | 中国科学院上海高等研究院 | 基于视频的车牌识别方法 |
-
2017
- 2017-12-22 CN CN201711407304.XA patent/CN108108735A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1600889A1 (en) * | 2004-05-21 | 2005-11-30 | Samsung Electronics Co., Ltd. | Apparatus and method for extracting character(s) from image |
CN102364496A (zh) * | 2011-11-24 | 2012-02-29 | 无锡慧眼电子科技有限公司 | 一种基于图像分析的汽车车牌自动识别方法及系统 |
CN105809166A (zh) * | 2016-03-04 | 2016-07-27 | 深圳市佳信捷技术股份有限公司 | 车牌识别方法、装置及系统 |
CN106709530A (zh) * | 2017-01-17 | 2017-05-24 | 中国科学院上海高等研究院 | 基于视频的车牌识别方法 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109582812A (zh) * | 2018-11-21 | 2019-04-05 | 安徽云融信息技术有限公司 | 一种用于计算机图像的检索方法 |
CN110211248A (zh) * | 2019-05-16 | 2019-09-06 | 苏州天华信息科技股份有限公司 | 一种基于微信模块的门禁通行系统及方法 |
CN110659632A (zh) * | 2019-09-29 | 2020-01-07 | 公安部交通管理科学研究所 | 基于图像块赋值的交通技术监控设备机动车号牌识别性能测试系统及方法 |
CN110659632B (zh) * | 2019-09-29 | 2022-08-12 | 公安部交通管理科学研究所 | 基于图像块赋值的交通技术监控设备机动车号牌识别性能测试系统及方法 |
CN110780113A (zh) * | 2019-10-30 | 2020-02-11 | 高新兴科技集团股份有限公司 | 智能电表的读数自动核查方法、系统、存储介质及设备 |
CN112801098A (zh) * | 2019-11-14 | 2021-05-14 | 临沂市拓普网络股份有限公司 | 一种基于轮廓技术的数学符号识别方法 |
CN112801098B (zh) * | 2019-11-14 | 2023-01-10 | 临沂市拓普网络股份有限公司 | 一种基于轮廓技术的数学符号识别方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108108735A (zh) | 一种汽车车牌号自动识别方法 | |
CN108875600A (zh) | 一种基于yolo的车辆信息检测和跟踪方法、装置及计算机存储介质 | |
US11205276B2 (en) | Object tracking method, object tracking device, electronic device and storage medium | |
CN109670383B (zh) | 视频遮蔽区域选取方法、装置、电子设备及系统 | |
JP2014071902A (ja) | フィンガープリントを使用してビデオ内で移動オブジェクトを追跡するため方法及びシステム | |
US20210124967A1 (en) | Method and apparatus for sample labeling, and method and apparatus for identifying damage classification | |
CN110751500B (zh) | 分享图片的处理方法、装置、计算机设备及存储介质 | |
CN110135245B (zh) | 到店确认方法、装置、电子设备及可读存储介质 | |
CN111178252A (zh) | 多特征融合的身份识别方法 | |
CN107092905B (zh) | 一种电力巡检机器人的待识别仪器定位方法 | |
EP3100177A1 (en) | Method for recognizing objects | |
CN111160169A (zh) | 人脸检测方法、装置、设备及计算机可读存储介质 | |
CN111199198B (zh) | 一种图像目标定位方法、图像目标定位装置及移动机器人 | |
CN104951440B (zh) | 一种图像处理方法及电子设备 | |
CN101846513B (zh) | 标志图像识别及中心坐标提取方法 | |
CN111144372A (zh) | 车辆检测方法、装置、计算机设备和存储介质 | |
CN110992500A (zh) | 考勤方法、装置及存储介质、服务器 | |
CN113658265A (zh) | 相机标定方法、装置、电子设备及存储介质 | |
CN107145820B (zh) | 基于hog特征和fast算法的双眼定位方法 | |
CN110031471B (zh) | 大口径光学元件表面缺陷增长分析方法、系统、装置 | |
CN116246308A (zh) | 基于视觉识别的多目标跟踪预警方法、装置及终端设备 | |
US10331977B2 (en) | Method for the three-dimensional detection of objects | |
CN115661586A (zh) | 模型训练和人流量统计方法、装置及设备 | |
Yang et al. | Method for building recognition from FLIR images | |
Khryashchev et al. | Evaluation of face image quality metrics in person identification problem |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180601 |
|
RJ01 | Rejection of invention patent application after publication |