CN108256526A - 一种基于机器视觉的机动车车牌定位检测方法 - Google Patents
一种基于机器视觉的机动车车牌定位检测方法 Download PDFInfo
- Publication number
- CN108256526A CN108256526A CN201711285274.XA CN201711285274A CN108256526A CN 108256526 A CN108256526 A CN 108256526A CN 201711285274 A CN201711285274 A CN 201711285274A CN 108256526 A CN108256526 A CN 108256526A
- Authority
- CN
- China
- Prior art keywords
- character
- license plate
- machine vision
- detection method
- hough transform
- 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
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
- 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
- G06V30/158—Segmentation of character regions using character size, text spacings or pitch estimation
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及一种基于机器视觉的机动车车牌定位检测方法,包括以下步骤:1)利用积分图,在待测图像检测候选字符区域;2)利用积分图和图像灰度统计信息,检测所述候选字符区域中各单个字符的位置及各单个字符两侧的间隙区,确定最终的字符区域。与现有技术相比,本发明具有高效、没有颜色限制、检测精度高等优点,适用在高架、高速的通道上,摄像头位置固定,对固定场景里来往车辆进行车牌的快速定位检测。
Description
技术领域
本发明涉及一种车牌检测方法,尤其是涉及一种基于机器视觉的机动车车牌定位检测方法。
背景技术
随着经济社会的迅猛发展,人们的生活水平的提高,机动车辆的数量也越来越多。而作为汽车“身份证”的汽车车牌,是在公众场合能够唯一确定汽车身份的凭证。为此,我国交通管理部门对汽车车牌的管理非常重视并制定了一套严格的管理法规。其中对汽车车牌的制作、安装、维护都要求由制定部门统一进行管理。在此基础上,如果研制出一种能在公众场合迅速准确地对汽车牌照进行自动定位识别的系统(CPR),那么这将是一件非常有意义的工作,并将极大地提高汽车的安全管理水平及管理效率。
车牌识别是目前车辆管理系统中不可或缺的重要内容,一般分两个模块:车牌定位和字符识别。如今的技术大多是对由公路上配置的摄像头拍摄的照片进行数字图像处理与分析,综合应用大量的图像处理最新成果和数学形态学方法对汽车图像进行平滑、二值化、模糊处理、边缘检测、图像分割、开运算、闭运算、区域标识等多种方法以提取车牌区域,进而达到汽车牌照的精确定位并最终完成对汽车牌照的识别。目前机动车车牌识别是一项成熟但并不完善的技术,因为这些技术往往存在条件限制,如要求背景静态、车辆限速等等,一旦打破约束,车牌识别的精度就大大降低。
对现有的车牌识别系统在遇到复杂条件,例如暗光、遮挡、多车牌、能见度低等情况时,难以有效地定位并识别车牌。
如文献“Multiple licence plate detection for Chinese vehicles in densetraffic scenarios”公开一种车牌检测方法,其主要是利用颜色信息提取车牌位置,其检测的可靠性值得商榷,对机动车行驶速度也有要求。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于机器视觉的机动车车牌定位检测方法。
本发明的目的可以通过以下技术方案来实现:
一种基于机器视觉的机动车车牌定位检测方法,包括以下步骤:
1)利用积分图,在待测图像上检测候选字符区域;
2)利用积分图和图像灰度统计信息,检测所述候选字符区域中各单个字符的位置及各单个字符两侧的间隙区,确定最终的字符区域。
进一步地,所述步骤1)具体包括:
101)设定矩形检测框的高度和宽度;
102)以所述矩形检测框扫描待测图像,并在每次扫描时截取所述矩形检测框边界处内外两侧相邻的两个矩形条框,计算所述两个矩形条框的积分值;
103)若所述两个矩形条框的积分值不同,则判定当前扫描到的矩形检测框为候选字符区域。
进一步地,步骤101)中,所述矩形检测框的宽度与高度的比值为k。
进一步地,步骤102)中,至少对所述矩形检测框的一对边界进行矩形条框的截取和积分值计算。
进一步地,步骤102)中,所述矩形条框的宽度与所述矩形检测框的宽度相等,所述矩形条框的高度为2~3个像素。
进一步地,按设定步长改变矩形检测框的高度,重复步骤1)。
进一步地,所述步骤2)具体包括:
201)设定一矩形间隙检测框;
202)以所述矩形间隙检测框扫描所述候选字符区域,在每次扫描时计算所述矩形间隙检测框的积分值偏差,判断该积分值偏差是否符合第一阈值条件,若是,则判定对应矩形间隙检测框为间隙区;
203)扫描获得下一间隙区,判断相邻两个间隙区间的跨度是否符合第二阈值条件,若是则执行步骤204),若否,则返回步骤203);
204)以两个间隙区间的跨度作为一个字符宽度,查找到一字符,记录字符个数;
205)判断查找到的字符个数是否达到5个,若是,则将当前的候选字符区域确定为最终的字符区域,并标注出该字符的间隙区。
进一步地,步骤201)中,所述矩形间隙检测框的高度为所述候选字符区域高度的矩形间隙检测框的宽度为2~3个像素。
与现有技术相比,本发明具有以下有益效果:
1)本发明利用积分图等方法快速划分出车牌字符区域与车牌的边界背景区域,并得出字符块个数与间隙区,由检测得到的字符与间隙区的关系来确认所得为车牌区域;同时利用车牌字符区域中间的字符块与间隙区之间的关系来断定候选区为车牌字符块。本方法没有颜色的限制,环境光照变化对系统检测影响较小,并且该方法通过这种字符与间隙之间的关系来判断车牌的存在与否以及定位车牌的精度都是可以一定程度上保证的。
2、本发明是一种新的车牌快速定位检测方法,适用在高架、高速的通道上,摄像头位置固定,对固定场景里来往车辆进行车牌的快速定位检测,具体的说就是在一张包含车牌、车辆及背景的图片上,快速定位出车牌的位置,包括其大小,为进一步为车牌号码的识别做准备。
附图说明
图1为本发明的结构示意图;
图2为本发明候选字符区域检测的流程示意图;
图3为本发明间隙区检测的流程图;
图4为实施例中字符区域检测示例;
图5为实施例中间隙区检测示例;
图6为最终车牌位置检测示例。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施,给出了详细的实施方式和具体的操作过程,但本发明的保护范围不限于下述的实施例。
如图1所示,本发明提供一种基于机器视觉的机动车车牌定位检测方法,包括以下步骤:
1)利用积分图,在待测图像检测候选字符区域;
2)利用积分图和图像灰度统计信息,检测所述候选字符区域中各单个字符的位置及各单个字符两侧的间隙区,确定最终的字符区域。
上述方法可以检测车牌的字符(车牌上的汉字、字母和数字统称字符)区域,具体可以检测车牌字符区域中间的字符块获得最终字符区域。字符块的检测原则包括:字符两边有一定的间隙区;5个字符块宽度基本相同;间隙区颜色均匀且基本一致,但间隙区和字符区的颜色有差异。上述方法将目标区域定为矩形,利用积分图快速划分出车牌字符区域与车牌的边界背景区域;利用矩形分块灰度的均值和偏差判断车牌字符与字符之间的间隙区;利用积分图计算分辨间隙块与字符块之间的不同。
如图2所示,步骤1)具体包括:
101)设定矩形检测框的高度和宽度,所述矩形检测框的宽度与高度的比值为k(可取为3.6~4.2),即若设定矩形检测框的高度h(单位是像素),则设定矩形检测框的宽度为k×h。
102)以所述矩形检测框扫描待测图像,并在每次扫描时截取所述矩形检测框边界处内外两侧相邻的两个矩形条框,计算所述两个矩形条框的积分值。该步骤中,至少对所述矩形检测框的一对边界进行矩形条框的截取和积分值计算。优选地,对矩形检测框的上下边界进行矩形条框的截取和积值计算。
在某些实施例中,所述矩形条框的宽度与所述矩形检测框的宽度相等,所述矩形条框的高度为2~3个像素。
103)若所述两个矩形条框的积分值不同,则找到边界,判定当前扫描到的矩形检测框为候选字符区域,若相同,则返回步骤102)重新扫描。
在某些实施例中,按设定步长改变矩形检测框的高度,重复步骤1)。如以3~5像素为步长递增矩形检测框的高度,给扫描框设定不同的尺度,即用不同大小的矩形框重复进行检测,来解决车牌离摄像头远近差异带来的图片上显示的大小不同。
如图3所示,步骤2)具体包括:
201)设定一矩形间隙检测框,该矩形间隙检测框的高度为所述候选字符区域高度的矩形间隙检测框的宽度为2~3个像素。
202)以所述矩形间隙检测框扫描所述候选字符区域,在每次扫描时计算所述矩形间隙检测框的积分值偏差,判断该积分值偏差是否符合第一阈值条件,若是,则判定对应矩形间隙检测框为间隙区,若否,则继续扫描;若有符合阈值条件多个,则以积分值偏差最小的一个为间隙区。
进行扫描时,以单个间隙区重复拼加,使之大小与字符区一样。间隙区的积分值是与字符区的积分值不同。第一阈值条件可以根据实际车牌字符和字符间隙积分值的统计结果获得。
203)扫描获得下一间隙区,判断相邻两个间隙区间的跨度是否符合第二阈值条件,若是则执行步骤204),若否,则返回步骤203)。
第二阈值条件根据扫描获得的第一对间隙区跨度获得。进行扫描时,先设定一个字符间隙跨度的基本范围。对每一个候选字符区,更改间隙值重复检测;当检测出第一对间隙之后,该间隙的跨度值,就是后续所有字符间隙跨度检测的阈值要求。
204)以两个间隙区间的跨度作为一个字符宽度,查找到一字符,记录字符个数。
205)判断查找到的字符个数是否达到5个,若是,则将当前的候选字符区域确定为最终的字符区域,并标注出该字符的间隙区,若否,则不是字符区域,舍弃该候选字符区域。
下面以图4车牌为例,具体说明如下:
图4中标记尺寸为机动车车牌国家标准要求,具体的字符为示例,外围圆角矩形框为车牌外轮廓,虚线矩形框标记为车牌字符所在区域,橙色矩形区(虚线矩形框上方矩形区)标记为车牌的非字符区,蓝色矩形区(虚线矩形框内侧矩形区,与橙色矩形区相邻)标记为字符边界区。
1、首先,将字符区域(如图4中的虚线矩形框)作为检测目标,即在完整的图像以及车牌中,用矩形检测框遍历图片搜索目标,得到虚线矩形框为字符框。
2、给扫描框设定不同的尺度,即用不同大小的矩形框重复进行检测,来解决车牌离摄像头远近差异带来的图片上显示的大小不同。
3、计算图像的积分图,先在图像垂直方向上检测字符区域的上下边界(上下边界为如图4所示的橙蓝区域):
设定字符初始高度为h,根据车牌的长宽比k(3.6~4.2),其字符区间的长度应为k×h像素。用长条矩形框(如图4中橙色和蓝色的矩形框)检测字符的水平方向上的边界,矩形框的长度是k×h,高度2~3个像素。如果在h高度和k×h宽度的矩形上下侧,计算出代表字符区域边界和背景的两个长条矩形框积分值不同,即橙色区和蓝色区不同(矩形下侧边缘的检测未画出),则初选出候选字符区域。
4、利用所得的积分图和图像灰度统计信息,再在水平方向上检测单个的字符,包括两侧的间隙区,如图2所示:
图5表示的是单个字符检测区域划分示意图,两侧空白部分为字符之间的间隙区,中间灰色虚线框表示字符显示范围,中间及两边黄色矩形区域则表示在实际计算时字符区与间隙区进行对比和计算的区域,实际计算区域高度占真实区域高度的(在图5中,黑色矩形区就代表了间隙区域),间隙区域宽度为2~3个像素。
对于根据之前的上下边界差异的不同而确立出的每一个候选字符区域,先在水平方向检测到第1个间隙区,该并以此作为下一间隙区检测起点,不断增加跨度(因为每个字符的宽度是近乎相同的),寻找第2个间隙区,以第1、2间隙跨度作为字符的宽度;要求左右间隙区均值(指定区域的灰度平均值)和累积偏差(在指定区域统计每个像素点与均值之差的绝对值之和)基本一致,而字符区域与两边间隙的均值存在较大差异。
同理,继续寻找是否有同样跨度的其他4组。在指定区域能找出5组包含间隙的字符区域(如图5所示)就确定候选区是车牌。预期结果如图6所示。
最后,可以在此方法上增加其他的特征,缩小扫描区域以提高速度或者提高车牌的检测精度,应具有很高的应用前景。
上述方法是一种新的车牌快速定位检测方法,适用在高架、高速的通道上,摄像头位置固定,对固定场景里来往车辆进行车牌的快速定位检测,具体的说就是在一张包含车牌、车辆及背景的图片上,快速定位出车牌的位置,包括其大小,为进一步为车牌号码的识别做准备。本方法没有颜色的限制,环境光照变化对系统检测影响较小。并且该方法通过这种字符与间隙之间的关系来判断车牌的存在与否以及定位车牌的精度都是可以一定程度上保证的。上述方法可以通过进一步研究优化,使检测效果得到显著提高,并且也可以通过多特征的融合来达到更好的效果。
以上详细描述了本发明的较佳具体实施例。应当理解,本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此,凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案,皆应在由权利要求书所确定的保护范围内。
Claims (8)
1.一种基于机器视觉的机动车车牌定位检测方法,其特征在于,包括以下步骤:
1)利用积分图,在待测图像上检测候选字符区域;
2)利用积分图和图像灰度统计信息,检测所述候选字符区域中各单个字符的位置及各单个字符两侧的间隙区,确定最终的字符区域。
2.根据权利要求1所述的基于机器视觉的机动车车牌定位检测方法,其特征在于,所述步骤1)具体包括:
101)设定矩形检测框的高度和宽度;
102)以所述矩形检测框扫描待测图像,并在每次扫描时截取所述矩形检测框边界处内外两侧相邻的两个矩形条框,计算所述两个矩形条框的积分值;
103)若所述两个矩形条框的积分值不同,则判定当前扫描到的矩形检测框为候选字符区域。
3.根据权利要求2所述的基于机器视觉的机动车车牌定位检测方法,其特征在于,步骤101)中,所述矩形检测框的宽度与高度的比值为k。
4.根据权利要求2所述的基于机器视觉的机动车车牌定位检测方法,其特征在于,步骤102)中,至少对所述矩形检测框的一对边界进行矩形条框的截取和积分值计算。
5.根据权利要求2所述的基于机器视觉的机动车车牌定位检测方法,其特征在于,步骤102)中,所述矩形条框的宽度与所述矩形检测框的宽度相等,所述矩形条框的高度为2~3个像素。
6.根据权利要求2所述的基于机器视觉的机动车车牌定位检测方法,其特征在于,按设定步长改变矩形检测框的高度,重复步骤1)。
7.根据权利要求1所述的基于机器视觉的机动车车牌定位检测方法,其特征在于,所述步骤2)具体包括:
201)设定一矩形间隙检测框;
202)以所述矩形间隙检测框扫描所述候选字符区域,在每次扫描时计算所述矩形间隙检测框的积分值偏差,判断该积分值偏差是否符合第一阈值条件,若是,则判定对应矩形间隙检测框为间隙区;
203)扫描获得下一间隙区,判断相邻两个间隙区间的跨度是否符合第二阈值条件,若是则执行步骤204),若否,则返回步骤203);
204)以两个间隙区间的跨度作为一个字符宽度,查找到一字符,记录字符个数;
205)判断查找到的字符个数是否达到5个,若是,则将当前的候选字符区域确定为最终的字符区域,并标注出该字符的间隙区。
8.根据权利要求7所述的基于机器视觉的机动车车牌定位检测方法,其特征在于,步骤201)中,所述矩形间隙检测框的高度为所述候选字符区域高度的矩形间隙检测框的宽度为2~3个像素。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711285274.XA CN108256526B (zh) | 2017-12-07 | 2017-12-07 | 一种基于机器视觉的机动车车牌定位检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711285274.XA CN108256526B (zh) | 2017-12-07 | 2017-12-07 | 一种基于机器视觉的机动车车牌定位检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108256526A true CN108256526A (zh) | 2018-07-06 |
CN108256526B CN108256526B (zh) | 2022-01-18 |
Family
ID=62721132
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711285274.XA Active CN108256526B (zh) | 2017-12-07 | 2017-12-07 | 一种基于机器视觉的机动车车牌定位检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108256526B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116016805A (zh) * | 2023-03-27 | 2023-04-25 | 四川弘和通讯集团有限公司 | 数据处理方法、装置、电子设备及存储介质 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102375982A (zh) * | 2011-10-18 | 2012-03-14 | 华中科技大学 | 一种融合多字符特征的车牌定位方法 |
CN102722707A (zh) * | 2012-06-11 | 2012-10-10 | 复旦大学 | 基于连通区域和间隙模型的车牌字符分割方法 |
CN102799894A (zh) * | 2012-06-21 | 2012-11-28 | 上海理工大学 | 一种快速俯视行人的检测方法 |
CN103093185A (zh) * | 2011-11-07 | 2013-05-08 | 佳能株式会社 | 字符识别装置、图像处理装置及其方法 |
CN103207998A (zh) * | 2012-12-24 | 2013-07-17 | 电子科技大学 | 一种基于支持向量机的车牌字符分割方法 |
CN103544491A (zh) * | 2013-11-08 | 2014-01-29 | 广州广电运通金融电子股份有限公司 | 一种面向复杂背景的光学字符识别方法及装置 |
CN103699905A (zh) * | 2013-12-27 | 2014-04-02 | 深圳市捷顺科技实业股份有限公司 | 一种车牌定位方法及装置 |
CN104200207A (zh) * | 2014-09-16 | 2014-12-10 | 宁波熵联信息技术有限公司 | 一种基于隐马尔可夫模型的车牌识别方法 |
CN106529532A (zh) * | 2016-11-07 | 2017-03-22 | 湖南源信光电科技有限公司 | 一种基于积分特征通道与灰度投影的车牌识别系统 |
US20170124418A1 (en) * | 2013-12-04 | 2017-05-04 | Irida Labs S.A. | System and a method for the detection of multiple number-plates of moving cars in a series of 2-d images |
CN106815580A (zh) * | 2016-12-23 | 2017-06-09 | 上海集成电路研发中心有限公司 | 一种车牌定位方法 |
CN107180230A (zh) * | 2017-05-08 | 2017-09-19 | 上海理工大学 | 通用车牌识别方法 |
CN107239778A (zh) * | 2017-06-09 | 2017-10-10 | 中国科学技术大学 | 高效准确的车牌识别方法 |
-
2017
- 2017-12-07 CN CN201711285274.XA patent/CN108256526B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102375982A (zh) * | 2011-10-18 | 2012-03-14 | 华中科技大学 | 一种融合多字符特征的车牌定位方法 |
CN103093185A (zh) * | 2011-11-07 | 2013-05-08 | 佳能株式会社 | 字符识别装置、图像处理装置及其方法 |
CN102722707A (zh) * | 2012-06-11 | 2012-10-10 | 复旦大学 | 基于连通区域和间隙模型的车牌字符分割方法 |
CN102799894A (zh) * | 2012-06-21 | 2012-11-28 | 上海理工大学 | 一种快速俯视行人的检测方法 |
CN103207998A (zh) * | 2012-12-24 | 2013-07-17 | 电子科技大学 | 一种基于支持向量机的车牌字符分割方法 |
CN103544491A (zh) * | 2013-11-08 | 2014-01-29 | 广州广电运通金融电子股份有限公司 | 一种面向复杂背景的光学字符识别方法及装置 |
US20170124418A1 (en) * | 2013-12-04 | 2017-05-04 | Irida Labs S.A. | System and a method for the detection of multiple number-plates of moving cars in a series of 2-d images |
CN103699905A (zh) * | 2013-12-27 | 2014-04-02 | 深圳市捷顺科技实业股份有限公司 | 一种车牌定位方法及装置 |
CN104200207A (zh) * | 2014-09-16 | 2014-12-10 | 宁波熵联信息技术有限公司 | 一种基于隐马尔可夫模型的车牌识别方法 |
CN106529532A (zh) * | 2016-11-07 | 2017-03-22 | 湖南源信光电科技有限公司 | 一种基于积分特征通道与灰度投影的车牌识别系统 |
CN106815580A (zh) * | 2016-12-23 | 2017-06-09 | 上海集成电路研发中心有限公司 | 一种车牌定位方法 |
CN107180230A (zh) * | 2017-05-08 | 2017-09-19 | 上海理工大学 | 通用车牌识别方法 |
CN107239778A (zh) * | 2017-06-09 | 2017-10-10 | 中国科学技术大学 | 高效准确的车牌识别方法 |
Non-Patent Citations (3)
Title |
---|
HAMED SAGHAEI等: "《Proposal for Automatic License and Number Plate Recognition System for Vehicle Identification》", 《2016 1ST INTERNATIONAL CONFERENCE ON NEW RESEARCH ACHIEVEMENTS IN ELECTRICAL AND COMPUTER ENGINEERING》 * |
吴锦晶 等: "《交通路标图像的分割与识别方法研究》", 《光学仪器》 * |
毛江平: "《车载云台摄像机的车牌识别系统研究》", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116016805A (zh) * | 2023-03-27 | 2023-04-25 | 四川弘和通讯集团有限公司 | 数据处理方法、装置、电子设备及存储介质 |
CN116016805B (zh) * | 2023-03-27 | 2023-06-20 | 四川弘和通讯集团有限公司 | 数据处理方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN108256526B (zh) | 2022-01-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Rashid et al. | Automatic parking management system and parking fee collection based on number plate recognition | |
CN110619279B (zh) | 一种基于跟踪的路面交通标志实例分割方法 | |
CN102968646B (zh) | 一种基于机器学习的车牌检测方法 | |
CN102880863B (zh) | 一种基于可变形部件模型的车牌及驾驶员人脸定位方法 | |
CN107590470B (zh) | 一种车道线检测方法及装置 | |
CN103150549B (zh) | 一种基于烟雾早期运动特征的公路隧道火灾检测方法 | |
CN104134079A (zh) | 一种基于极值区域和极限学习机的车牌识别方法 | |
CN103971380A (zh) | 基于rgb-d的行人尾随检测方法 | |
CN105488454A (zh) | 基于单目视觉的前方车辆检测与测距 | |
CN103903018A (zh) | 一种复杂场景中对车牌进行定位的方法和系统 | |
CN103761529A (zh) | 一种基于多色彩模型和矩形特征的明火检测方法和系统 | |
CN101615252A (zh) | 一种自适应图像文本信息提取方法 | |
CN102693423A (zh) | 一种在强光条件下车牌精确定位的方法 | |
JPH05307695A (ja) | 交通流計測処理方法及び装置 | |
CN104851288B (zh) | 一种交通灯定位方法 | |
CN103136528A (zh) | 一种基于双边缘检测的车牌识别方法 | |
CN102915433A (zh) | 基于字符组合的车牌定位和识别方法 | |
CN107886034A (zh) | 行车提醒方法、装置及车辆 | |
CN102243705A (zh) | 基于边缘检测的车牌定位方法 | |
CN109409191A (zh) | 一种基于机器学习的斑马线车辆避让检测方法及系统 | |
CN103927548A (zh) | 一种新的避免车辆碰撞的刹车行为检测方法 | |
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 | |
KR101794632B1 (ko) | 전기차 번호판 로고 패턴 인식 방법 | |
Islam et al. | Bangla license plate detection, recognition and authentication with morphological process and template matching | |
Chowdhury et al. | An adaptive technique for computer vision based vehicles license plate detection system |
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 |