CN108182691B - 识别限速标志的方法、装置及车辆 - Google Patents
识别限速标志的方法、装置及车辆 Download PDFInfo
- Publication number
- CN108182691B CN108182691B CN201810002911.6A CN201810002911A CN108182691B CN 108182691 B CN108182691 B CN 108182691B CN 201810002911 A CN201810002911 A CN 201810002911A CN 108182691 B CN108182691 B CN 108182691B
- Authority
- CN
- China
- Prior art keywords
- image
- speed limit
- segmentation
- limit sign
- curve
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
Abstract
本公开涉及一种识别限速标志的方法、装置及车辆,所述方法包括:对图像采集装置采集到的彩色图像进行颜色分割,以获得分割图像;对所述分割图像进行外框识别,以获得所述限速标志的候选外框;根据所述候选外框,获得所述限速标志中的多个数字图像;对所述数字图像进行识别,以获得所述限速标志所限制的速度。通过上述方案,避免了限速标志与禁止标志相邻时难以分割与定位的问题,提高了提取速度和精度。
Description
技术领域
本公开涉及图像处理技术领域,具体地,涉及一种识别限速标志的方法、装置及车辆。
背景技术
随着社会经济的快速发展,汽车越来越普及,无人驾驶也应运而生。在无人驾驶技术中,限速标志识别是一项重要技术,该技术利用单目摄像头完成交通环境中限速标志的检测和识别工作,为行驶中的车辆提供行驶速度信息,进而为驾驶策略模块提供依据。
目前的限速标志识别技术大多通过对限速标志的红色轮廓进行颜色分割实现定位,进而对轮廓内部的数字进行识别。然而,当限速标志与禁止标志相邻时,难以依据图像颜色分割出单个红色轮廓,从而不能正确定位,无法实现限速标志的识别。
发明内容
本公开的目的是提供一种识别限速标志的方法、装置及车辆,以提高识别限速标志的准确性。
为了实现上述目的,本公开提供一种识别限速标志的方法,所述方法包括:
对图像采集装置采集到的彩色图像进行颜色分割,以获得分割图像;
对所述分割图像进行外框识别,以获得所述限速标志的候选外框;
根据所述候选外框,获得所述限速标志中的多个数字图像;
对所述数字图像进行识别,以获得所述限速标志所限制的速度。
可选地,所述对图像采集装置采集到的彩色图像进行颜色分割,以获得分割图像,包括:
在多个颜色空间中分别对图像采集装置采集到的彩色图像进行颜色分割,以获得多个弱分割图像;
将所述多个弱分割图像进行叠加,以获得强分割图像。
可选地,所述对所述分割图像进行外框识别,以获得所述限速标志的候选外框,包括:
利用水平集方法在所述分割图像上确定出候选轮廓;
获得所述候选轮廓的水平方向的长度与垂直方向的高度的比值;
当所述比值小于预设阈值时,确定所述候选轮廓为所述限速标志的候选外框。
可选地,所述利用水平集方法在所述分割图像上确定出候选轮廓,包括:
在所述分割图像上确定一条封闭曲线;
将所述封闭曲线进行演化,得到若干条演化曲线;
根据所述封闭曲线和所述演化曲线,获得与各个曲线对应的各个能量函数值,所述能量函数值由以下公式得到:
F(C,c1,c2)=μ×L(C)+γ×S(C)+σ1∫inside(C)|u0-c1|2dxdy+σ2∫outside(C)|u0-c2|2dxdy,
其中,u0(x,y)为所述分割图像中各个像素点(x,y)的像素值,所述分割图像被曲线C划分为内部和外部两个区域,所述曲线C为所述封闭曲线或所述演化曲线,c1和c2分别为两个区域的平均灰度值,L(C)为曲线C的长度,S(C)为曲线C所包围的区域的面积,μ、γ、σ1、σ2为各个能量项的权重系数,且μ≥0、γ≥0、σ1,σ2≥0;
当所述能量函数值最小时,确定与所述最小能量函数值对应的曲线为候选轮廓。
可选地,所述根据所述候选外框,获得所述限速标志中的多个数字图像,包括:
根据所述候选边框,获取所述限速标志中的数字图像区域;
利用水平集方法将所述数字图像区域中的多个数字图像进行分割。
可选地,所述对所述数字图像进行识别,以获得所述限速标志所限制的速度,包括:
利用数字OCR识别分类器对所述数字图像进行识别,以获得所述限速标志所限制的速度。
本公开还提供一种识别限速标志的装置,所述装置包括:
颜色分割模块,用于对图像采集装置采集到的彩色图像进行颜色分割,以获得分割图像;
外框识别模块,用于对所述分割图像进行外框识别,以获得所述限速标志的候选外框;
数字获取模块,用于根据所述候选外框,获得所述限速标志中的多个数字图像;
速度识别模块,用于对所述数字图像进行识别,以获得所述限速标志所限制的速度。
可选地,所述颜色分割模块包括:
弱分割获取子模块,用于在多个颜色空间中分别对图像采集装置采集到的彩色图像进行颜色分割,以获得多个弱分割图像;
强分割获取子模块,用于将所述多个弱分割图像进行叠加,以获得强分割图像。
可选地,所述外框识别模块包括:
轮廓确定子模块,用于利用水平集方法在所述分割图像上确定出候选轮廓;
比值确定子模块,用于获得所述候选轮廓的水平方向的长度与垂直方向的高度的比值;
外框确定子模块,用于当所述比值小于预设阈值时,确定所述候选轮廓为所述限速标志的候选外框。
可选地,所述轮廓确定子模块包括:
封闭曲线确定子模块,用于在所述分割图像上确定一条封闭曲线;
演化曲线获取子模块,用于将所述封闭曲线进行演化,得到若干条演化曲线;
能量函数值获取子模块,用于根据所述封闭曲线和所述演化曲线,获得与各个曲线对应的各个能量函数值,所述能量函数值由以下公式得到:
F(C,c1,c2)=μ×L(C)+γ×S(C)+σ1∫inside(C)|u0-c1|2dxdy+σ2∫outside(C)|u0-c2|2dxdy,
其中,u0(x,y)为所述分割图像中各个像素点(x,y)的像素值,所述分割图像被曲线C划分为内部和外部两个区域,所述曲线C为所述封闭曲线或所述演化曲线,c1和c2分别为两个区域的平均灰度值,L(C)为曲线C的长度,S(C)为曲线C所包围的区域的面积,μ、γ、σ1、σ2为各个能量项的权重系数,且μ≥0、γ≥0、σ1,σ2≥0;
轮廓筛选子模块,用于当所述能量函数值最小时,确定与所述最小能量函数值对应的曲线为候选轮廓。
可选地,所述数字获取模块包括:
数字图像区域获取子模块,用于根据所述候选边框,获取所述限速标志中的数字图像区域;
数字图像分割子模块,用于利用水平集方法将所述数字图像区域中的多个数字图像进行分割。
可选地,所述速度识别模块用于:
利用数字OCR识别分类器对所述数字图像进行识别,以获得所述限速标志所限制的速度。
本公开还提供一种车辆,所述车辆包括:
图像采集装置,用于采集图像;以及
根据本公开所提供的识别限速标志的装置。
本公开中,颜色分割不再局限于在一个颜色空间中进行分割,而是结合多个颜色空间的分割结果,保证了颜色分割的鲁棒性;利用水平集方法对限速标志的外框进行初步提取,避免了限速标志与禁止标志相邻时难以分割与定位的问题;在确定限速标志的外框的基础上,提取限速标志中的数字部分,提高了提取速度和精度。
本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本公开的进一步理解,并且构成说明书的一部分,与下面的具体实施方式一起用于解释本公开,但并不构成对本公开的限制。在附图中:
图1是根据一示例性实施例示出的一种识别限速标志的方法的流程图。
图2是根据一示例性实施例示出的一种识别限速标志的装置的示意图。
具体实施方式
以下结合附图对本公开的具体实施方式进行详细说明。应当理解的是,此处所描述的具体实施方式仅用于说明和解释本公开,并不用于限制本公开。
相关技术中,通过对限速标志的红色轮廓进行颜色分割实现定位,进而对轮廓内部的数字进行识别,容易受到现实环境中标志排布的影响,造成识别不够准确。为提高识别限速标志的准确性,本公开提供一种识别限速标志的方法、装置及车辆。下面分别对本公开提供的识别限速标志的方法、装置及车辆进行说明。
请参考图1,图1根据一示例性实施例示出的一种识别限速标志的方法的流程图。如图1所示,该方法包括以下步骤:
步骤S11:对图像采集装置采集到的彩色图像进行颜色分割,以获得分割图像;
步骤S12:对所述分割图像进行外框识别,以获得所述限速标志的候选外框;
步骤S13:根据所述候选外框,获得所述限速标志中的多个数字图像;
步骤S14:对所述数字图像进行识别,以获得所述限速标志所限制的速度。
步骤S11中的图像采集装置是具有图像采集功能的装置,例如摄像头,该图像采集装置采集到的图像为彩色图像。为减少图像处理的区域和数据量,本公开未对图像采集装置采集到的整张图像进行处理,而是选取其中可能是限速标志的区域进行处理。因此,需要提取出采集到的图像中可能是限速标志的区域,即限速标志定位,首先则是对图像采集装置采集到的彩色图像进行颜色分割,以获得初步目标区域。
以最高限速标志为例,一般显示为白底红圈黑字,即白底上有一个红色封闭圆形作为外框,其中包含的黑色数字则表示最高限速。对彩色图像进行颜色分割的目的就是提取出图像中限速标志的红色外框,进而可以缩小可能是限速标志的区域范围。具体操作可以是,将采集到的彩色图像变换到RGB、HSV等颜色空间,然后以限速标志外框颜色的各个分量的数值范围为依据,符合该数值范围的区域为可能是限速标志的区域,由此便可以获得初步目标区域。在本公开中,为获得更加准确的初步目标区域,步骤S11进一步包括:
在多个颜色空间中分别对图像采集装置采集到的彩色图像进行颜色分割,以获得多个弱分割图像;
将所述多个弱分割图像进行叠加,以获得强分割图像。
受环境光线等因素的影响,在每个颜色空间中对彩色图像进行分割得到的结果是不同的,可能会出现分割丢失等问题,造成分割结果不准确,但每个颜色空间的分割丢失位置会有所差异,当把多个颜色空间的分割结果叠加起来便可弥补分割丢失的位置,得到更为准确完整的分割图像。
首先,将采集到的图像变换到RGB、HSV、Lab等多个颜色空间,并对限速标志外框颜色的每个颜色分量的数值范围进行统计,例如RGB颜色空间中的R、G、B值,HSV颜色空间中的H、S、V值等,得到每个颜色分量的数值范围,在每个颜色空间中提取符合数值范围的像素点,并进行归一化处理,由此得到多个颜色空间的多个弱分割图像。接着,将得到的多个弱分割图像进行叠加,以得到更准确的强分割图像。可选地,可根据环境光线等因素对各个弱分割图像分配权重,权重的和为1,根据权重将各个弱分割图像进行叠加,由此得到较为准确的可能是限速标志的区域范围。本公开中,颜色分割不再局限于在一个颜色空间中进行分割,而是结合多个颜色空间的分割结果,保证了颜色分割的鲁棒性。
由上述过程得到的初步目标区域,可能是限速标志的外框,也可能是与限速标志外框颜色较为接近的干扰区域,因此接下来需要对分割图像进行进一步分割处理,筛选出限速标志的外框,即步骤S12,进一步包括:
利用水平集方法在所述分割图像上确定出候选轮廓;
获得所述候选轮廓的水平方向的长度与垂直方向的高度的比值;
当所述比值小于预设阈值时,确定所述候选轮廓为所述限速标志的候选外框。
首先利用水平集方法在分割图像上确定出候选轮廓,下面具体阐述该过程。先定义一个能量函数用于后续计算,能量函数如下:
F(C,c1,c2)=μ×L(C)+γ×S(C)+σ1∫inside(C)|u0-c1|2dxdy+σ2∫outside(C)|u0-c2|2dxdy,
其中,u0(x,y)为所述分割图像中各个像素点(x,y)的像素值,所述分割图像被曲线C划分为内部和外部两个区域,所述曲线C为所述封闭曲线或所述演化曲线,c1和c2分别为两个区域的平均灰度值,L(C)为曲线C的长度,S(C)为曲线C所包围的区域的面积,μ、γ、σ1、σ2为各个能量项的权重系数,且μ≥0、γ≥0、σ1,σ2≥0。
然后在上述获得的分割图像上确定一条封闭曲线,作为初始曲线,即曲线C,并按照时间进行曲线的演化,每演化一次,就根据上述能量函数计算一次能量函数值,当能量函数值最小时,曲线演化停止,也就完成了候选轮廓的提取,与最小能量函数值对应的曲线则是候选轮廓。本公开中利用水平集方法对限速标志的外框进行初步提取,避免了限速标志与禁止标志相邻时难以分割与定位的问题。
上述确定的候选轮廓包括限速标志的外框,也包括一些与限速标志外框颜色相近的干扰轮廓,因此,下一步则需要剔除上述干扰轮廓。
以最高限速标志为例,限速标志的外框一般显示为封闭规则圆形,有统一的半径,即外框在水平方向上的长度与垂直方向上的高度的比值为1,因此,可通过限速标志外框的该特性将其提取出来。例如,设定一个预设阈值为1.5,计算所有候选轮廓的水平方向的长度与垂直方向的高度的比值,并将得到的比值与预设阈值相比,当比值小于预设阈值时,则判断为该候选轮廓为限速标志的外框。
经过步骤S11和S12,确定了限速标志的外框,也就完成了限速标志的定位,下面则继续对限速标志外框中的数字进行识别,进而实现对限速标志所限制速度的识别。
根据上述确定的限速标志的外框,在内轮廓位置确定一个初始像素点,通过查找连通域的方法,将数字部分提取出来,从而得到限速标志中的数字图像区域。限速标志的数字部分一般为两个或三个数字,可同样利用水平集方法将数字进行分割,与前面介绍的水平集方法相近,通过演化曲线查找轮廓的方法确定出各个数字的轮廓,从而实现数字分割,这里就不再做详细介绍了,利用水平集方法分割各个数字的过程也可在前面所述的确定候选轮廓的步骤中一起完成。本公开中,在确定限速标志的外框的基础上,提取限速标志中的数字部分,提高了提取速度和精度。
将限速标志中的数字分开提取出来之后,再对数字进行识别,可选地,利用数字OCR识别分类器对数字图像进行识别,具体地,将分割出来的数字图像输入数字OCR识别分类器,得到识别结果则完成了限速标志中的速度识别。
经过以上全部步骤,便实现了限速标志的识别。
本公开还提供一种识别限速标志的装置,请参考图2,图2是根据一示例性实施例示出的一种识别限速标志的装置的示意图。如图2所示,识别限速标志的装置200包括:
颜色分割模块201,用于对图像采集装置采集到的彩色图像进行颜色分割,以获得分割图像;
外框识别模块202,用于对所述分割图像进行外框识别,以获得所述限速标志的候选外框;
数字获取模块203,用于根据所述候选外框,获得所述限速标志中的多个数字图像;
速度识别模块204,用于对所述数字图像进行识别,以获得所述限速标志所限制的速度。
可选地,所述颜色分割模块201包括:
弱分割获取子模块,用于在多个颜色空间中分别对图像采集装置采集到的彩色图像进行颜色分割,以获得多个弱分割图像;
强分割获取子模块,用于将所述多个弱分割图像进行叠加,以获得强分割图像。
可选地,所述外框识别模块202包括:
轮廓确定子模块,用于利用水平集方法在所述分割图像上确定出候选轮廓;
比值确定子模块,用于获得所述候选轮廓的水平方向的长度与垂直方向的高度的比值;
外框确定子模块,用于当所述比值小于预设阈值时,确定所述候选轮廓为所述限速标志的候选外框。
可选地,所述轮廓确定子模块包括:
封闭曲线确定子模块,用于在所述分割图像上确定一条封闭曲线;
演化曲线获取子模块,用于将所述封闭曲线进行演化,得到若干条演化曲线;
能量函数值获取子模块,用于根据所述封闭曲线和所述演化曲线,获得与各个曲线对应的各个能量函数值,所述能量函数值由以下公式得到:
F(C,c1,c2)=μ×L(C)+γ×S(C)+σ1∫inside(C)|u0-c1|2dxdy+σ2∫outside(C)|u0-c2|2dxdy,
其中,u0(x,y)为所述分割图像中各个像素点(x,y)的像素值,所述分割图像被曲线C划分为内部和外部两个区域,所述曲线C为所述封闭曲线或所述演化曲线,c1和c2分别为两个区域的平均灰度值,L(C)为曲线C的长度,S(C)为曲线C所包围的区域的面积,μ、γ、σ1、σ2为各个能量项的权重系数,且μ≥0、γ≥0、σ1,σ2≥0;
轮廓筛选子模块,用于当所述能量函数值最小时,确定与所述最小能量函数值对应的曲线为候选轮廓。
可选地,所述数字获取模块203包括:
数字图像区域获取子模块,用于根据所述候选边框,获取所述限速标志中的数字图像区域;
数字图像分割子模块,用于利用水平集方法将所述数字图像区域中的多个数字图像进行分割。
可选地,所述速度识别模块204用于:
利用数字OCR识别分类器对所述数字图像进行识别,以获得所述限速标志所限制的速度。
关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
此外,本发明还提供一种车辆,该车辆包括图像采集装置,用于采集图像;以及根据本公开所提供的识别限速标志的装置。
以上结合附图详细描述了本公开的优选实施方式,但是,本公开并不限于上述实施方式中的具体细节,在本公开的技术构思范围内,可以对本公开的技术方案进行多种简单变型,这些简单变型均属于本公开的保护范围。
另外需要说明的是,在上述具体实施方式中所描述的各个具体技术特征,在不矛盾的情况下,可以通过任何合适的方式进行组合。为了避免不必要的重复,本公开对各种可能的组合方式不再另行说明。
此外,本公开的各种不同的实施方式之间也可以进行任意组合,只要其不违背本公开的思想,其同样应当视为本公开所公开的内容。
Claims (9)
1.一种识别限速标志的方法,其特征在于,所述方法包括:
对图像采集装置采集到的彩色图像进行颜色分割,以获得分割图像;
对所述分割图像进行外框识别,以获得所述限速标志的候选外框;
根据所述候选外框,获得所述限速标志中的多个数字图像;
对所述数字图像进行识别,以获得所述限速标志所限制的速度;
所述对图像采集装置采集到的彩色图像进行颜色分割,以获得分割图像,包括:
在多个颜色空间中分别对图像采集装置采集到的彩色图像进行颜色分割,以获得多个弱分割图像;
将所述多个弱分割图像进行叠加,以获得强分割图像;
所述将所述多个弱分割图像进行叠加,以获得强分割图像,包括:
根据环境光线因素,确定所述多个弱分割图像中每个弱分割图像对应的权重;
根据所述每个弱分割图像对应的权重,将所述多个弱分割图像进行叠加,以获得强分割图像;
所述对所述分割图像进行外框识别,以获得所述限速标志的候选外框,包括:
利用水平集方法在所述分割图像上确定出候选轮廓;
获得所述候选轮廓的水平方向的长度与垂直方向的高度的比值;
当所述比值小于预设阈值时,确定所述候选轮廓为所述限速标志的候选外框。
2.根据权利要求1所述的方法,其特征在于,所述利用水平集方法在所述分割图像上确定出候选轮廓,包括:
在所述分割图像上确定一条封闭曲线;
将所述封闭曲线进行演化,得到若干条演化曲线;
根据所述封闭曲线和所述演化曲线,获得与各个曲线对应的各个能量函数值,所述能量函数值由以下公式得到:
F(C,c1,c2)=μ×L(C)+γ×S(C)+σ1∫inside(C)|u0-c1|2dxdy+σ2∫outside(C)|u0-c2|2dxdy,
其中,u0(x,y)为所述分割图像中各个像素点(x,y)的像素值,所述分割图像被曲线C划分为内部和外部两个区域,所述曲线C为所述封闭曲线或所述演化曲线,c1和c2分别为两个区域的平均灰度值,L(C)为曲线C的长度,S(C)为曲线C所包围的区域的面积,μ、γ、σ1、σ2为各个能量项的权重系数,且μ≥0、γ≥0、σ1,σ2≥0;
当所述能量函数值最小时,确定与所述最小能量函数值对应的曲线为候选轮廓。
3.根据权利要求1所述的方法,其特征在于,所述根据所述候选外框,获得所述限速标志中的多个数字图像,包括:
根据所述候选边框,获取所述限速标志中的数字图像区域;
利用水平集方法将所述数字图像区域中的多个数字图像进行分割。
4.根据权利要求1所述的方法,其特征在于,所述对所述数字图像进行识别,以获得所述限速标志所限制的速度,包括:
利用数字OCR识别分类器对所述数字图像进行识别,以获得所述限速标志所限制的速度。
5.一种识别限速标志的装置,其特征在于,所述装置包括:
颜色分割模块,用于对图像采集装置采集到的彩色图像进行颜色分割,以获得分割图像;
外框识别模块,用于对所述分割图像进行外框识别,以获得所述限速标志的候选外框;
数字获取模块,用于根据所述候选外框,获得所述限速标志中的多个数字图像;
速度识别模块,用于对所述数字图像进行识别,以获得所述限速标志所限制的速度;
所述颜色分割模块包括:
弱分割获取子模块,用于在多个颜色空间中分别对图像采集装置采集到的彩色图像进行颜色分割,以获得多个弱分割图像;
强分割获取子模块,用于将所述多个弱分割图像进行叠加,以获得强分割图像;
所述强分割获取子模块用于:
根据环境光线因素,确定所述多个弱分割图像中每个弱分割图像对应的权重;
根据所述每个弱分割图像对应的权重,将所述多个弱分割图像进行叠加,以获得强分割图像;
所述外框识别模块包括:
轮廓确定子模块,用于利用水平集方法在所述分割图像上确定出候选轮廓;
比值确定子模块,用于获得所述候选轮廓的水平方向的长度与垂直方向的高度的比值;
外框确定子模块,用于当所述比值小于预设阈值时,确定所述候选轮廓为所述限速标志的候选外框。
6.根据权利要求5所述的装置,其特征在于,所述轮廓确定子模块包括:
封闭曲线确定子模块,用于在所述分割图像上确定一条封闭曲线;
演化曲线获取子模块,用于将所述封闭曲线进行演化,得到若干条演化曲线;
能量函数值获取子模块,用于根据所述封闭曲线和所述演化曲线,获得与各个曲线对应的各个能量函数值,所述能量函数值由以下公式得到:
F(C,c1,c2)=μ×L(C)+γ×S(C)+σ1∫inside(C)|u0-c1|2dxdy+σ2∫outside(C)|u0-c2|2dxdy,
其中,u0(x,y)为所述分割图像中各个像素点(x,y)的像素值,所述分割图像被曲线C划分为内部和外部两个区域,所述曲线C为所述封闭曲线或所述演化曲线,c1和c2分别为两个区域的平均灰度值,L(C)为曲线C的长度,S(C)为曲线C所包围的区域的面积,μ、γ、σ1、σ2为各个能量项的权重系数,且μ≥0、γ≥0、σ1,σ2≥0;
轮廓筛选子模块,用于当所述能量函数值最小时,确定与所述最小能量函数值对应的曲线为候选轮廓。
7.根据权利要求5所述的装置,其特征在于,所述数字获取模块包括:
数字图像区域获取子模块,用于根据所述候选边框,获取所述限速标志中的数字图像区域;
数字图像分割子模块,用于利用水平集方法将所述数字图像区域中的多个数字图像进行分割。
8.根据权利要求5所述的装置,其特征在于,所述速度识别模块用于:
利用数字OCR识别分类器对所述数字图像进行识别,以获得所述限速标志所限制的速度。
9.一种车辆,其特征在于,所述车辆包括:
图像采集装置,用于采集图像;以及
根据权利要求5-8中任一项所述的识别限速标志的装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810002911.6A CN108182691B (zh) | 2018-01-02 | 2018-01-02 | 识别限速标志的方法、装置及车辆 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810002911.6A CN108182691B (zh) | 2018-01-02 | 2018-01-02 | 识别限速标志的方法、装置及车辆 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108182691A CN108182691A (zh) | 2018-06-19 |
CN108182691B true CN108182691B (zh) | 2020-08-28 |
Family
ID=62549838
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810002911.6A Active CN108182691B (zh) | 2018-01-02 | 2018-01-02 | 识别限速标志的方法、装置及车辆 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108182691B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109117767A (zh) * | 2018-07-30 | 2019-01-01 | 电子科技大学 | 一种基于区域生长的限速标志分类方法 |
CN109190623B (zh) * | 2018-09-15 | 2020-12-29 | 闽江学院 | 一种识别投影仪品牌和型号的方法 |
CN111611994B (zh) * | 2019-02-26 | 2024-04-05 | 北京嘀嘀无限科技发展有限公司 | 图像提取方法、装置、电子设备和存储介质 |
CN113715618A (zh) * | 2021-09-14 | 2021-11-30 | 无锡市万盛橡塑制品有限责任公司 | 限行车速自动跟随系统 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4396376B2 (ja) * | 2004-04-22 | 2010-01-13 | 日本電気株式会社 | 図形読み取り方法及びその装置並びに主要色抽出方法及びその装置 |
CN101877074A (zh) * | 2009-11-23 | 2010-11-03 | 常州达奇信息科技有限公司 | 基于多元特征的结核杆菌目标识别计数算法 |
CN102592288B (zh) * | 2012-01-04 | 2014-07-02 | 西安理工大学 | 一种光照环境变化情况下的行人目标匹配跟踪方法 |
CN102611851A (zh) * | 2012-03-01 | 2012-07-25 | 林青 | 一种视频图像的自动照度补偿方法及系统 |
CN107066933B (zh) * | 2017-01-25 | 2020-06-05 | 武汉极目智能技术有限公司 | 一种道路标牌识别方法及系统 |
-
2018
- 2018-01-02 CN CN201810002911.6A patent/CN108182691B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN108182691A (zh) | 2018-06-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107545239B (zh) | 一种基于车牌识别与车辆特征匹配的套牌检测方法 | |
CN108364010B (zh) | 一种车牌识别方法、装置、设备及计算机可读存储介质 | |
CN108182691B (zh) | 识别限速标志的方法、装置及车辆 | |
Kasaei et al. | New morphology-based method for robustiranian car plate detection and recognition | |
CN103824091B (zh) | 一种用于智能交通系统的车牌识别方法 | |
Sulaiman et al. | Development of automatic vehicle plate detection system | |
KR101719549B1 (ko) | 차량 번호판 인식을 위한 영상처리방법 및 이를 이용한 차량 번호판 인식 장치 | |
Kaur et al. | Number plate recognition using OCR technique | |
US11398098B2 (en) | Real time traffic sign recognition | |
CN105139011B (zh) | 一种基于标识物图像的车辆识别方法及装置 | |
EP3051461B1 (en) | A computer implemented system and method for extracting and recognizing alphanumeric characters from traffic signs | |
CN111965636A (zh) | 一种基于毫米波雷达和视觉融合的夜间目标检测方法 | |
CN112330646A (zh) | 一种基于二维图像的动车车底异常检测方法 | |
Ahmed et al. | Traffic sign detection and recognition model using support vector machine and histogram of oriented gradient | |
CN112115800A (zh) | 一种基于深度学习目标检测的车辆组合识别系统及方法 | |
Chiang et al. | Road speed sign recognition using edge-voting principle and learning vector quantization network | |
Branch | A novel morphological method for detection and recognition of vehicle license plates | |
CN114581709A (zh) | 识别医学图像中的目标的模型训练、方法、设备及介质 | |
Fernández-Caballero et al. | Display text segmentation after learning best-fitted OCR binarization parameters | |
CN107992788B (zh) | 识别交通灯的方法、装置及车辆 | |
CN111178359A (zh) | 车牌号码识别方法、装置和设备及计算机存储介质 | |
CN109635679B (zh) | 一种实时的靶纸定位及环线识别方法 | |
Dandu et al. | Vehicular number plate recognition using edge detection and characteristic analysis of national number plates | |
CN111583341B (zh) | 云台像机移位检测方法 | |
KR100722966B1 (ko) | 차량 번호판 영상 최적화 방법 |
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 |