CN109325445B - 一种车牌识别分类的方法及装置 - Google Patents
一种车牌识别分类的方法及装置 Download PDFInfo
- Publication number
- CN109325445B CN109325445B CN201811094179.6A CN201811094179A CN109325445B CN 109325445 B CN109325445 B CN 109325445B CN 201811094179 A CN201811094179 A CN 201811094179A CN 109325445 B CN109325445 B CN 109325445B
- Authority
- CN
- China
- Prior art keywords
- image
- license plate
- recognition
- recognized
- identification
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
-
- 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
- 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)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Multimedia (AREA)
- Character Discrimination (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明实施例提供了一种车牌识别分类的方法及装置,该方法包括:基于所述待识别图像确定所述待识别图像的多个待识别图像样本;通过第一预定车牌识别算法对任一待识别图像样本进行识别,得到第一识别结果;基于至少两种不同的图像处理方式,分别对至少两个待识别图像样本进行处理;通过第一预定车牌识别算法分别对所述多个图像识别样本进行车牌识别;确定所述第一识别结果与所述各个第一车牌识别结果一致的第一数量,并确定所述第一数量在第一车牌识别结果总数量中所占的比例;若所述第一识别比例大于预定第一比例阈值时,确定待识别图像中的车牌信息为所述第一识别结果。通过本发明,极大地提高了车牌识别结果的准确率。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及一种车牌识别分类的方法及装置。
背景技术
随着国民经济水平的大幅度增加,人们的生活水平也日益提高,各地区的汽车保有量在庞大的基数基础上一直在稳步地增长。而随着汽车数量的增多,对于汽车的管理工作量和管理难度就随之加大,而对于作为汽车身份标识的车牌号的管理方面,对车牌的识别显得尤为重要。
现有的车牌识别技术已经应用于公路收费、停车管理、称重系统、交通诱导、交通执法、公路稽查、车辆调度、车辆检测等各种场合中。基于现有车牌识别方法,在车辆管理过程中能够让车辆在进出停车场时不用停车刷卡,大大加快车辆通行时间,节省人们停车缴费时间,减少车场管理运营成本等优点。现有技术中车牌识别的识别率容易受时间、光照、天气、植物遮挡等因素的影响,导致识别结果会存在一定误差,无法提供具有高准确率的识别结果,甚至对于部分识别结果,仍需再次进行后台人工校验,从而增加了运营成本和工作量。
发明内容
本发明实施例提供一种车牌识别分类的方法及装置,极大地提高了车牌识别结果的准确率,从而无需再经人工校验识别结果。
一方面,本发明实施例提供了一种车牌识别分类的方法,包括:
获取待识别图像,基于所述待识别图像确定所述待识别图像的多个待识别图像样本;
通过第一预定车牌识别算法对任一待识别图像样本进行识别,得到第一识别结果;
基于至少两种不同的图像处理方式,分别对至少两个待识别图像样本进行处理,得到处理后的多个图像识别样本;
通过第一预定车牌识别算法分别对所述多个图像识别样本进行车牌识别,得到多个第一车牌识别结果;
确定所述第一识别结果与所述各个第一车牌识别结果一致的第一数量,并确定所述第一数量在第一车牌识别结果总数量中所占的比例,得到第一识别比例;
若所述第一识别比例大于预定第一比例阈值时,确定待识别图像中的车牌信息为所述第一识别结果。
另一方面,本发明实施例提供了一种车牌识别分类的装置,包括:
获取模块,用于获取待识别图像,基于所述待识别图像确定所述待识别图像的多个待识别图像样本;
第一识别模块,用于通过第一预定车牌识别算法对任一待识别图像样本进行识别,得到第一识别结果;
处理模块,用于基于至少两种不同的图像处理方式,分别对至少两个待识别图像样本进行处理,得到处理后的多个图像识别样本;
第二识别模块,用于通过第一预定车牌识别算法分别对所述多个图像识别样本进行车牌识别,得到多个第一车牌识别结果;
第一确定模块,用于确定所述第一识别结果与所述各个第一车牌识别结果一致的第一数量,并确定所述第一数量在第一车牌识别结果总数量中所占的比例,得到第一识别比例;
第二确定模块,用于若所述第一识别比例大于预定第一比例阈值时,确定待识别图像中的车牌信息为所述第一识别结果。
上述技术方案具有如下有益效果:通过本发明,基于所述待识别图像确定所述待识别图像的多个待识别图像样本,为后续对待识别图像进行车牌识别提供了重要的前提保障,避免了通过不同的车牌识别方式在同一待识别图像上进行车牌识别时,容易发生识别错误和识别效率低下的情况发生;通过第一预定车牌识别算法对任一待识别图像样本进行识别,得到第一识别结果,为后续确定待识别图像中的车牌信息提供了重要的判断依据,提高了判断的准确率;通过不同的图像处理方式分别对待识别图像样本进行处理后再多次识别,最大可能地降低了因客观因素的影响从而导致车牌识别结果存在误差的情况发生,极大地提高了车牌识别结果的准确率,从而无需再经人工校验车牌识别结果,进一步地极大地节约了人力成本。
附图说明
为了更清楚地说明本发明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地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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为本发明一实施例中一种车牌识别分类的方法流程图;
图2为本发明一实施例中一种车牌识别分类的装置结构示意图;
图3为本发明另一实施例中一种车牌识别分类的方法流程示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图1所示,为本发明实施例中一种车牌识别分类的方法流程图,包括:
101、获取待识别图像,基于所述待识别图像确定所述待识别图像的多个待识别图像样本;
102、通过第一预定车牌识别算法对任一待识别图像样本进行识别,得到第一识别结果;
103、基于至少两种不同的图像处理方式,分别对至少两个待识别图像样本进行处理,得到处理后的多个图像识别样本;
104、通过第一预定车牌识别算法分别对所述多个图像识别样本进行车牌识别,得到多个第一车牌识别结果;
105、确定所述第一识别结果与所述各个第一车牌识别结果一致的第一数量,并确定所述第一数量在第一车牌识别结果总数量中所占的比例,得到第一识别比例;
106、若所述第一识别比例大于预定第一比例阈值时,确定待识别图像中的车牌信息为所述第一识别结果。
进一步地,所述获取待识别图像,基于所述待识别图像确定所述待识别图像的多个待识别图像样本,具体包括:
获取待识别图像,通过对所述待识别图像进行复制,得到所述待识别图像的多个待识别图像样本。
进一步地,在所述获取待识别图像的步骤之后,包括:
确定所述待识别图像中包含车牌信息。
进一步地,所述确定所述待识别图像中包含车牌信息,具体包括:
对所述待识别图像进行预处理,得到只包含车牌信息的待识别图像。
进一步地,所述图像处理方式包括噪声处理、图像滤波处理和图像变换处理中的至少一种;
其中,所述噪声处理包括通过椒盐噪声、高斯噪声、瑞利噪声、伽马噪声、指数噪声、均匀噪声和脉冲噪声中的至少一种进行处理;
其中,所述图像滤波处理包括通过均值滤波、高斯滤波、双边滤波、中值滤波和亮度均衡中的至少一种进行处理;
其中,所述图像变换处理包括刚体变换、仿射变换和投影变换中的至少一种进行处理。
进一步地,所述基于至少两种不同的图像处理方式,分别对至少两个待识别图像样本进行处理,得到处理后的多个图像识别样本,包括:
针对每一种图像处理方式,根据不同图像处理方式各自对应的标识信息,当确定当前图像处理方式为噪声处理时,将当前噪声处理方式的噪声添加至所述至少两个待识别图像样本中的任一待识别图像样本,得到当前添加噪声后的图像识别样本;或
当确定当前图像处理方式为图像滤波处理时,通过当前图像滤波处理方式对所述至少两个待识别图像样本中的任一待识别样本进行处理,得到当前图像滤波处理后的图像识别样本。
可选地,还包括:
基于多个车牌识别算法对多个待识别图像样本分别进行车牌识别,得到所述多个车牌识别算法的多个第二车牌识别结果;
确定第二识别结果中结果一致的第二数量,并确定所述第二数量在第二识别结果总数量中所占的比例,得到第二识别比例;
若所述第二识别比例大于预定第二比例阈值时,将所述多个第二车牌识别结果中结果一致的任一车牌识别结果确定为第二识别结果。
进一步地,所述确定待识别图像中的车牌信息为所述第一识别结果的步骤之前,还包括:
若所述第一识别比例大于预定第一比例阈值时,将所述第一识别结果确定为第三识别结果;
判断第二识别结果和第三识别结果是否一致;
若一致,确定待识别图像中的车牌信息为所述第二识别结果或所述第三识别结果。
如图2所示,为一种车牌识别分类的装置结构示意图,包括:
获取模块21,用于获取待识别图像,基于所述待识别图像确定所述待识别图像的多个待识别图像样本;
第一识别模块22,用于通过第一预定车牌识别算法对任一待识别图像样本进行识别,得到第一识别结果;
处理模块23,用于基于至少两种不同的图像处理方式,分别对至少两个待识别图像样本进行处理,得到处理后的多个图像识别样本;
第二识别模块24,用于通过第一预定车牌识别算法分别对所述多个图像识别样本进行车牌识别,得到多个第一车牌识别结果;
第一确定模块25,用于确定所述第一识别结果与所述各个第一车牌识别结果一致的第一数量,并确定所述第一数量在第一车牌识别结果总数量中所占的比例,得到第一识别比例;
第二确定模块26,用于若所述第一识别比例大于预定第一比例阈值时,确定待识别图像中的车牌信息为所述第一识别结果。
进一步地,所述获取模块,具体用于
获取待识别图像,通过对所述待识别图像进行复制,得到所述待识别图像的多个待识别图像样本。
进一步地,在所述获取模块,包括:
确定单元,用于确定所述待识别图像中包含车牌信息。
进一步地,所述确定单元,具体用于
对所述待识别图像进行预处理,得到只包含车牌信息的待识别图像。
进一步地,所述图像处理方式包括噪声处理、图像滤波处理和图像变换处理中的至少一种;
其中,所述噪声处理包括通过椒盐噪声、高斯噪声、瑞利噪声、伽马噪声、指数噪声、均匀噪声和脉冲噪声中的至少一种进行处理;
其中,所述图像滤波处理包括通过均值滤波、高斯滤波、双边滤波、中值滤波和亮度均衡中的至少一种进行处理;
其中,所述图像变换处理包括刚体变换、仿射变换和投影变换中的至少一种进行处理。
进一步地,所述处理模块,具体用于
针对每一种图像处理方式,根据不同图像处理方式各自对应的标识信息,当确定当前图像处理方式为噪声处理时,将当前噪声处理方式的噪声添加至所述至少两个待识别图像样本中的任一待识别图像样本,得到当前添加噪声后的图像识别样本;或
当确定当前图像处理方式为图像滤波处理时,通过当前图像滤波处理方式对所述至少两个待识别图像样本中的任一待识别样本进行处理,得到当前图像滤波处理后的图像识别样本。
可选地,还包括:
第三识别模块,用于基于多个车牌识别算法对多个待识别图像样本分别进行车牌识别,得到所述多个车牌识别算法的多个第二车牌识别结果;
第三确定模块,用于确定第二识别结果中结果一致的第二数量,并确定所述第二数量在第二识别结果总数量中所占的比例,得到第二识别比例;
第四确定模块,用于若所述第二识别比例大于预定第二比例阈值时,将所述多个第二车牌识别结果中结果一致的任一车牌识别结果确定为第二识别结果。
进一步地,所述第二确定模块,还用于
若所述第一识别比例大于预定第一比例阈值时,将所述第一识别结果确定为第三识别结果;
判断第二识别结果和第三识别结果是否一致;
若一致,确定待识别图像中的车牌信息为所述第二识别结果或所述第三识别结果。
本发明实施例上述技术方案具有如下有益效果:通过本发明,基于所述待识别图像确定所述待识别图像的多个待识别图像样本,为后续对待识别图像进行车牌识别提供了重要的前提保障,避免了通过不同的车牌识别方式在同一待识别图像上进行车牌识别时,容易发生识别错误和识别效率低下的情况发生;通过第一预定车牌识别算法对任一待识别图像样本进行识别,得到第一识别结果,为后续确定待识别图像中的车牌信息提供了重要的判断依据,提高了判断的准确率;通过不同的图像处理方式分别对待识别图像样本进行处理后再多次识别,最大可能地降低了因客观因素的影响从而导致车牌识别结果存在误差的情况发生,极大地提高了车牌识别结果的准确率,从而无需再经人工校验车牌识别结果,进一步地极大地节约了人力成本。
以下结合应用实例对本发明实施例上述技术方案进行详细说明:
本发明应用实例旨在提高车牌识别结果的准确率。
在一种可能实现的方式中,其中,图像处理方式包括噪声处理、图像滤波处理和图像变换处理中的至少一种;噪声处理包括通过椒盐噪声、高斯噪声、瑞利噪声、伽马噪声、指数噪声、均匀噪声和脉冲噪声中的至少一种进行处理;图像滤波处理包括通过均值滤波、高斯滤波、双边滤波、中值滤波和亮度均衡中的至少一种进行处理;图像变换处理包括刚体变换、仿射变换和投影变换中的至少一种进行处理;例如,在车牌识别过程中,获取待识别图像,如A,基于待识别图像A确定待识别图像A的多个待识别图像样本,如待识别图像样本A-1,待识别图像样本A-2和待识别图像样本A-3;通过第一预定车牌识别算,如基于数字图像处理的车牌识别算法,对任一待识别图像样本,如A-1,进行识别,得到第一识别结果;基于至少两种不同的图像处理方式,如椒盐噪声和高斯噪声的图像处理方式,分别对至少两个待识别图像样本,如待识别图像样本A-2和待识别图像样本A-3,进行处理,得到处理后的多个图像识别样本,如处理后的图像识别样本A-2和处理后的图像识别样本A-3;通过第一预定车牌识别算法分别对处理后的图像识别样本A-2和处理后的图像识别样本A-3进行车牌识别,得到多个第一车牌识别结果;随后,确定第一识别结果与各个第一车牌识别结果一致的第一数量,并确定所述第一数量在第一车牌识别结果总数量中所占的比例,得到第一识别比例,如0.85;若第一识别比例0.85大于预定第一比例阈值,如0.8,时,确定待识别图像A中的车牌信息为第一识别结果。
其中,该方法还包括将第一比例阈值的数值范围划分为不同等级的范围;例如,将预定第一比例阈值的[0.8,1]的数值区间划分为高置信度范围,当图像处理方式的种类较少时,可使用高置信度的数值范围作为预定第一比例阈值范围;将预定第一比例阈值的[0.6,0.8)的数值区间划分为中置信度范围,当图像处理方式的种类较多时,预定第一比例阈值范围包括中置信度范围和高置信度范围的并集的数值范围;其中,当预定第一比例阈值范围包括中置信度范围和高置信度范围的并集的数值范围时,还包括:确定识别结果是否在预定第一比例阈值范围的中置信度范围内,若是,通过预定算法对所述识别结果进行处理;例如,预定第一比例阈值范围包括中置信度范围[0.6,0.8)和高置信度范围[0.8,1]的并集的数值范围,若识别结果为0.7,可确定识别结果在预定第一比例阈值范围的中置信度范围[0.6,0.8)内,随后,通过预定算法对识别结果0.7进行处理,以进一步确定该识别结果的准确率,从而进一步保证了识别结果的准确性。
需要说明的是,本领域技术人员可以了解到,现有的车牌识别算包括但不限于基于数字图像处理的车牌识别算法和基于深度学习的车牌识别算法,本发明实施例中虽会以特点的车牌识别算法为例说明,但在此不做限定。
在一种可能实现的方式中,步骤101获取待识别图像,基于所述待识别图像确定所述待识别图像的多个待识别图像样本,具体包括:获取待识别图像,通过对所述待识别图像进行复制,得到所述待识别图像的多个待识别图像样本。
例如,在车牌识别过程中,获取待识别图像,如待识别图像A,随后,通过对待识别图像A进行复制,得到待识别图像A的多个待识别图像样本,如待识别图像样本A-1,待识别图像样本A-2和待识别图像样本A-3。
在一种可能实现的方式中,在所述获取待识别图像的步骤之后,包括:确定所述待识别图像中包含车牌信息。其中,所述确定所述待识别图像中包含车牌信息,具体包括:对所述待识别图像进行预处理,得到只包含车牌信息的待识别图像。
例如,在车牌识别过程中,获取待识别图像,如待识别图像A,随后,对待识别图像A进行预处理,得到只包含车牌信息的待识别图像A;随后,通过对只包含车牌信息的待识别图像A进行复制,得到只包含车牌信息的待识别图像A的多个待识别图像样本,如待识别图像样本A-1,待识别图像样本A-2和待识别图像样本A-3。
通过本实施例,避免了通过不同的识别方式在同一待识别图像上进行识别时,容易发生识别错误,以及在同一待识别图像上进行识别时由于无法实现真正的并发处理,导致识别效率低下的情况发生。
在一种可能实现的方式中,步骤103基于至少两种不同的图像处理方式,分别对至少两个待识别图像样本进行处理,得到处理后的多个图像识别样本,包括:针对每一种图像处理方式,根据不同图像处理方式各自对应的标识信息,当确定当前图像处理方式为噪声处理时,将当前噪声处理方式的噪声添加至所述至少两个待识别图像样本中的任一待识别图像样本,得到当前添加噪声后的图像识别样本;或当确定当前图像处理方式为图像滤波处理时,通过当前图像滤波处理方式对所述至少两个待识别图像样本中的任一待识别样本进行处理,得到当前图像滤波处理后的图像识别样本。
例如,在车牌识别过程中,获取待识别图像,如待识别图像A,随后,对待识别图像A进行预处理,得到只包含车牌信息的待识别图像A的多个待识别图像样本,如待识别图像样本A-1,待识别图像样本A-2和待识别图像样本A-3;通过第一预定车牌识别算,如基于数字图像处理的车牌识别算法,对任一待识别图像样本,如A-1,进行识别,得到第一识别结果;基于至少两种不同的图像处理方式,如椒盐噪声和均值滤波的图像处理方式,针对椒盐噪声图像处理方式,确定当前图像处理方式为噪声处理,将当前噪声处理方式的椒盐噪声添加至待识别图像样本中的任一待识别图像样本,如待识别图像样本A-2,得到当前添加噪声后的图像识别样本A-2;针对均值滤波图像处理方式,确定当前图像处理方式为图像滤波处理,通过当前均值滤波的处理方式对所述至少两个待识别图像样本中的任一待识别样本,如待识别图像样本A-3,进行处理,得到当前图像滤波处理后的图像识别样本A-3。
在一种可能实现的方式中,该方法还包括:基于多个车牌识别算法对多个待识别图像样本分别进行车牌识别,得到所述多个车牌识别算法的多个第二车牌识别结果;确定第二识别结果中结果一致的第二数量,并确定所述第二数量在第二识别结果总数量中所占的比例,得到第二识别比例;若所述第二识别比例大于预定第二比例阈值时,将所述多个第二车牌识别结果中结果一致的任一车牌识别结果确定为第二识别结果。
例如,在车牌识别过程中,获取待识别图像,如A,基于待识别图像A确定待识别图像A的多个待识别图像样本,如待识别图像样本A-1,待识别图像样本A-2、待识别图像样本A-3、待识别图像样本A-4和待识别图像样本A-5;基于多个车牌识别算法,如基于数字图像处理的车牌识别算法和基于深度学习的车牌识别算法,对待识别图像样本A-4和待识别图像样本A-5分别进行车牌识别,得到基于数字图像处理的车牌识别算法的第二车牌识别结果和基于深度学习的车牌识别算法的第二车牌识别结果;确定第二识别结果中结果一致的第二数量,如4,并确定第二数量4在第二识别结果总数量5中所占的比例,得到第二识别比例0.8;若第二识别比例0.8大于预定第二比例阈值,如0.75,时,将该两个第二车牌识别结果中结果一致的任一车牌识别结果确定为第二识别结果;通过第一预定车牌识别算,如基于数字图像处理的车牌识别算法,对任一待识别图像样本,如A-1,进行识别,得到第一识别结果;基于至少两种不同的图像处理方式,如椒盐噪声和高斯噪声的图像处理方式,分别对至少两个待识别图像样本,如待识别图像样本A-2和待识别图像样本A-3,进行处理,得到处理后的多个图像识别样本,如处理后的图像识别样本A-2和处理后的图像识别样本A-3;通过第一预定车牌识别算法分别对处理后的图像识别样本A-2和处理后的图像识别样本A-3进行车牌识别,得到多个第一车牌识别结果;随后,判断第一识别结果和该多个第一车牌识别结果中的任意两个识别结果是否一致。
其中,该方法还包括将第二比例阈值的数值范围划分为不同等级的范围;例如,将预定第二比例阈值的[0.8,1]的数值区间划分为高置信度范围,当图像处理方式的种类较少时,可使用高置信度的数值范围作为预定第二比例阈值范围;将预定第二比例阈值的[0.6,0.8)的数值区间划分为中置信度范围,当图像处理方式的种类较多时,预定第二比例阈值范围包括中置信度范围和高置信度范围的并集的数值范围;其中,当预定第二比例阈值范围包括中置信度范围和高置信度范围的并集的数值范围时,还包括:确定识别结果是否在预定第二比例阈值范围的中置信度范围内,若是,通过预定算法对所述识别结果进行处理;例如,预定第二比例阈值范围包括中置信度范围[0.6,0.8)和高置信度范围[0.8,1]的并集的数值范围,若识别结果为0.7,可确定识别结果在预定第二比例阈值范围的中置信度范围[0.6,0.8)内,随后,通过预定算法对识别结果0.7进行处理,以进一步确定该识别结果的准确率,从而进一步保证了识别结果的准确性。
在一种可能实现的方式中,步骤106中确定待识别图像中的车牌信息为所述第一识别结果的步骤之前,还包括:若所述第一识别比例大于预定第一比例阈值时,将所述第一识别结果确定为第三识别结果;判断第二识别结果和第三识别结果是否一致;若一致,确定待识别图像中的车牌信息为所述第二识别结果或所述第三识别结果。
例如,接上例,若一致,将第一识别结果确定为第三识别结果;判断第二识别结果和第三识别结果是否一致;若一致,确定待识别图像A中的车牌信息为该第二识别结果或该第三识别结果。
通过本实施例,实现了将多种识别方式结合多种不同算法的数次识别,从而能够得到具有极高准确率的识别结果,进一步地提高了识别结果准确率。
在一具体应用场景中,如图3所示,在车牌识别过程中,获取待识别图像,如B,基于待识别图像B确定待识别图像B的多个待识别图像样本,如待识别图像样本B-1,待识别图像样本B-2、待识别图像样本B-3、待识别图像样本B-4、待识别图像样本B-5和待识别图像样本B-6;通过车牌识别算i,如基于数字图像处理的车牌识别算法,对待识别图像样本B-4进行识别,得到第一识别结果Ri0;通过椒盐噪声的图像处理方式对待识别图像样本B-1进行处理得到处理后的待识别图像P1,通过瑞利噪声的图像处理方式对待识别图像样本B-2进行处理得到处理后的待识别图像P2,通过指数噪声的图像处理方式对待识别图像样本B-3进行处理得到处理后的待识别图像P3,随后通过车牌识别算法i分别对待识别图像P1、待识别图像P2和待识别图像P3进行识别得到图像识别结果Ri1、图像识别结果Ri2和图像识别结果Ri3;随后判断Ri0与Ri1、Ri2、Ri3一致,确定Ri0与Ri1、Ri2、Ri3一致的第一数量为3,并确定第一数量3在第一车牌识别结果总数量3中所占的比例1,得到第一识别比例,若第一识别比例1大于预定第一比例阈值,如0.8,时,确定Ri0为第三识别结果;基于车牌识别算法a和车牌识别算法b,对待识别图像样本B-5和待识别图像样本B-6别进行车牌识别,得到识别结果Ra0和识别结果Rb0;若识别结果Ra0和识别结果Rb0一致,确定第二识别结果中结果一致的第二数量为2,并确定第二数量2在第二识别结果总数量2中所占的比例,得到第二识别比例1,第二识别比例1大于预定第二比例阈值,如0.75,时,将Ra0确定为第二识别结果;随后,判断Ri0、Ra0是否一致,若一致,确定Ra0为待识别图像B中的车牌信息。
本发明实施例提供了一种车牌识别分类的装置,可以实现上述提供的方法实施例,具体功能实现请参见方法实施例中的说明,在此不再赘述。
应该明白,公开的过程中的步骤的特定顺序或层次是示例性方法的实例。基于设计偏好,应该理解,过程中的步骤的特定顺序或层次可以在不脱离本公开的保护范围的情况下得到重新安排。所附的方法权利要求以示例性的顺序给出了各种步骤的要素,并且不是要限于所述的特定顺序或层次。
在上述的详细描述中,各种特征一起组合在单个的实施方案中,以简化本公开。不应该将这种公开方法解释为反映了这样的意图,即,所要求保护的主题的实施方案需要比清楚地在每个权利要求中所陈述的特征更多的特征。相反,如所附的权利要求书所反映的那样,本发明处于比所公开的单个实施方案的全部特征少的状态。因此,所附的权利要求书特此清楚地被并入详细描述中,其中每项权利要求独自作为本发明单独的优选实施方案。
为使本领域内的任何技术人员能够实现或者使用本发明,上面对所公开实施例进行了描述。对于本领域技术人员来说;这些实施例的各种修改方式都是显而易见的,并且本文定义的一般原理也可以在不脱离本公开的精神和保护范围的基础上适用于其它实施例。因此,本公开并不限于本文给出的实施例,而是与本申请公开的原理和新颖性特征的最广范围相一致。
上文的描述包括一个或多个实施例的举例。当然,为了描述上述实施例而描述部件或方法的所有可能的结合是不可能的,但是本领域普通技术人员应该认识到,各个实施例可以做进一步的组合和排列。因此,本文中描述的实施例旨在涵盖落入所附权利要求书的保护范围内的所有这样的改变、修改和变型。此外,就说明书或权利要求书中使用的术语“包含”,该词的涵盖方式类似于术语“包括”,就如同“包括,”在权利要求中用作衔接词所解释的那样。此外,使用在权利要求书的说明书中的任何一个术语“或者”是要表示“非排它性的或者”。
本领域技术人员还可以了解到本发明实施例列出的各种说明性逻辑块(illustrative logical block),单元,和步骤可以通过电子硬件、电脑软件,或两者的结合进行实现。为清楚展示硬件和软件的可替换性(interchangeability),上述的各种说明性部件(illustrative components),单元和步骤已经通用地描述了它们的功能。这样的功能是通过硬件还是软件来实现取决于特定的应用和整个系统的设计要求。本领域技术人员可以对于每种特定的应用,可以使用各种方法实现所述的功能,但这种实现不应被理解为超出本发明实施例保护的范围。
本发明实施例中所描述的各种说明性的逻辑块,或单元都可以通过通用处理器,数字信号处理器,专用集成电路(ASIC),现场可编程门阵列或其它可编程逻辑装置,离散门或晶体管逻辑,离散硬件部件,或上述任何组合的设计来实现或操作所描述的功能。通用处理器可以为微处理器,可选地,该通用处理器也可以为任何传统的处理器、控制器、微控制器或状态机。处理器也可以通过计算装置的组合来实现,例如数字信号处理器和微处理器,多个微处理器,一个或多个微处理器联合一个数字信号处理器核,或任何其它类似的配置来实现。
本发明实施例中所描述的方法或算法的步骤可以直接嵌入硬件、处理器执行的软件模块、或者这两者的结合。软件模块可以存储于RAM存储器、闪存、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、可移动磁盘、CD-ROM或本领域中其它任意形式的存储媒介中。示例性地,存储媒介可以与处理器连接,以使得处理器可以从存储媒介中读取信息,并可以向存储媒介存写信息。可选地,存储媒介还可以集成到处理器中。处理器和存储媒介可以设置于ASIC中,ASIC可以设置于用户终端中。可选地,处理器和存储媒介也可以设置于用户终端中的不同的部件中。
在一个或多个示例性的设计中,本发明实施例所描述的上述功能可以在硬件、软件、固件或这三者的任意组合来实现。如果在软件中实现,这些功能可以存储与电脑可读的媒介上,或以一个或多个指令或代码形式传输于电脑可读的媒介上。电脑可读媒介包括电脑存储媒介和便于使得让电脑程序从一个地方转移到其它地方的通信媒介。存储媒介可以是任何通用或特殊电脑可以接入访问的可用媒体。例如,这样的电脑可读媒体可以包括但不限于RAM、ROM、EEPROM、CD-ROM或其它光盘存储、磁盘存储或其它磁性存储装置,或其它任何可以用于承载或存储以指令或数据结构和其它可被通用或特殊电脑、或通用或特殊处理器读取形式的程序代码的媒介。此外,任何连接都可以被适当地定义为电脑可读媒介,例如,如果软件是从一个网站站点、服务器或其它远程资源通过一个同轴电缆、光纤电缆、双绞线、数字用户线(DSL)或以例如红外、无线和微波等无线方式传输的也被包含在所定义的电脑可读媒介中。所述的碟片(disk)和磁盘(disc)包括压缩磁盘、镭射盘、光盘、DVD、软盘和蓝光光盘,磁盘通常以磁性复制数据,而碟片通常以激光进行光学复制数据。上述的组合也可以包含在电脑可读媒介中。
以上所述的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施方式而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (16)
1.一种车牌识别分类的方法,其特征在于,包括:
获取待识别图像,基于所述待识别图像确定所述待识别图像的多个待识别图像样本;
通过第一预定车牌识别算法对任一待识别图像样本进行识别,得到第一识别结果;
基于至少两种不同的图像处理方式,分别对至少两个待识别图像样本进行处理,得到处理后的多个图像识别样本;
通过第一预定车牌识别算法分别对所述多个图像识别样本进行车牌识别,得到多个第一车牌识别结果;
确定所述第一识别结果与所述各个第一车牌识别结果一致的第一数量,并确定所述第一数量在第一车牌识别结果总数量中所占的比例,得到第一识别比例;
若所述第一识别比例大于预定第一比例阈值时,确定待识别图像中的车牌信息为所述第一识别结果。
2.根据权利要求1所述的方法,其特征在于,所述获取待识别图像,基于所述待识别图像确定所述待识别图像的多个待识别图像样本,具体包括:
获取待识别图像,通过对所述待识别图像进行复制,得到所述待识别图像的多个待识别图像样本。
3.根据权利要求1或2所述的方法,其特征在于,在所述获取待识别图像的步骤之后,包括:
确定所述待识别图像中包含车牌信息。
4.根据权利要求3所述的方法,其特征在于,所述确定所述待识别图像中包含车牌信息,具体包括:
对所述待识别图像进行预处理,得到只包含车牌信息的待识别图像。
5.根据权利要求1所述的方法,其特征在于,所述图像处理方式包括噪声处理、图像滤波处理和图像变换处理中的至少一种;
其中,所述噪声处理包括通过椒盐噪声、高斯噪声、瑞利噪声、伽马噪声、指数噪声、均匀噪声和脉冲噪声中的至少一种进行处理;
其中,所述图像滤波处理包括通过均值滤波、高斯滤波、双边滤波、中值滤波和亮度均衡中的至少一种进行处理;
其中,所述图像变换处理包括刚体变换、仿射变换和投影变换中的至少一种进行处理。
6.根据权利要求5所述的方法,其特征在于,所述基于至少两种不同的图像处理方式,分别对至少两个待识别图像样本进行处理,得到处理后的多个图像识别样本,包括:
针对每一种图像处理方式,根据不同图像处理方式各自对应的标识信息,当确定当前图像处理方式为噪声处理时,将当前噪声处理方式的噪声添加至所述至少两个待识别图像样本中的任一待识别图像样本,得到当前添加噪声后的图像识别样本;或
当确定当前图像处理方式为图像滤波处理时,通过当前图像滤波处理方式对所述至少两个待识别图像样本中的任一待识别样本进行处理,得到当前图像滤波处理后的图像识别样本。
7.根据权利要求1所述的方法,其特征在于,还包括:
基于多个车牌识别算法对多个待识别图像样本分别进行车牌识别,得到所述多个车牌识别算法的多个第二车牌识别结果;
确定第二识别结果中结果一致的第二数量,并确定所述第二数量在第二识别结果总数量中所占的比例,得到第二识别比例;
若所述第二识别比例大于预定第二比例阈值时,将所述多个第二车牌识别结果中结果一致的任一车牌识别结果确定为第二识别结果。
8.根据权利要求7所述的方法,其特征在于,所述确定待识别图像中的车牌信息为所述第一识别结果的步骤之前,还包括:
若所述第一识别比例大于预定第一比例阈值时,将所述第一识别结果确定为第三识别结果;
判断第二识别结果和第三识别结果是否一致;
若一致,确定待识别图像中的车牌信息为所述第二识别结果或所述第三识别结果。
9.一种车牌识别分类的装置,其特征在于,包括:
获取模块,用于获取待识别图像,基于所述待识别图像确定所述待识别图像的多个待识别图像样本;
第一识别模块,用于通过第一预定车牌识别算法对任一待识别图像样本进行识别,得到第一识别结果;
处理模块,用于基于至少两种不同的图像处理方式,分别对至少两个待识别图像样本进行处理,得到处理后的多个图像识别样本;
第二识别模块,用于通过第一预定车牌识别算法分别对所述多个图像识别样本进行车牌识别,得到多个第一车牌识别结果;
第一确定模块,用于确定所述第一识别结果与所述各个第一车牌识别结果一致的第一数量,并确定所述第一数量在第一车牌识别结果总数量中所占的比例,得到第一识别比例;
第二确定模块,用于若所述第一识别比例大于预定第一比例阈值时,确定待识别图像中的车牌信息为所述第一识别结果。
10.根据权利要求9所述的装置,其特征在于,所述获取模块,具体用于
获取待识别图像,通过对所述待识别图像进行复制,得到所述待识别图像的多个待识别图像样本。
11.根据权利要求9或10所述的装置,其特征在于,在所述获取模块,包括:
确定单元,用于确定所述待识别图像中包含车牌信息。
12.根据权利要求11所述的装置,其特征在于,所述确定单元,具体用于
对所述待识别图像进行预处理,得到只包含车牌信息的待识别图像。
13.根据权利要求9所述的装置,其特征在于,所述图像处理方式包括噪声处理、图像滤波处理和图像变换处理中的至少一种;
其中,所述噪声处理包括通过椒盐噪声、高斯噪声、瑞利噪声、伽马噪声、指数噪声、均匀噪声和脉冲噪声中的至少一种进行处理;
其中,所述图像滤波处理包括通过均值滤波、高斯滤波、双边滤波、中值滤波和亮度均衡中的至少一种进行处理;
其中,所述图像变换处理包括刚体变换、仿射变换和投影变换中的至少一种进行处理。
14.根据权利要求13所述的装置,其特征在于,所述处理模块,具体用于
针对每一种图像处理方式,根据不同图像处理方式各自对应的标识信息,当确定当前图像处理方式为噪声处理时,将当前噪声处理方式的噪声添加至所述至少两个待识别图像样本中的任一待识别图像样本,得到当前添加噪声后的图像识别样本;或
当确定当前图像处理方式为图像滤波处理时,通过当前图像滤波处理方式对所述至少两个待识别图像样本中的任一待识别样本进行处理,得到当前图像滤波处理后的图像识别样本。
15.根据权利要求9所述的装置,其特征在于,还包括:
第三识别模块,用于基于多个车牌识别算法对多个待识别图像样本分别进行车牌识别,得到所述多个车牌识别算法的多个第二车牌识别结果;
第三确定模块,用于确定第二识别结果中结果一致的第二数量,并确定所述第二数量在第二识别结果总数量中所占的比例,得到第二识别比例;
第四确定模块,用于若所述第二识别比例大于预定第二比例阈值时,将所述多个第二车牌识别结果中结果一致的任一车牌识别结果确定为第二识别结果。
16.根据权利要求15所述的装置,其特征在于,所述第二确定模块,还用于
若所述第一识别比例大于预定第一比例阈值时,将所述第一识别结果确定为第三识别结果;
判断第二识别结果和第三识别结果是否一致;
若一致,确定待识别图像中的车牌信息为所述第二识别结果或所述第三识别结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811094179.6A CN109325445B (zh) | 2018-09-19 | 2018-09-19 | 一种车牌识别分类的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811094179.6A CN109325445B (zh) | 2018-09-19 | 2018-09-19 | 一种车牌识别分类的方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109325445A CN109325445A (zh) | 2019-02-12 |
CN109325445B true CN109325445B (zh) | 2020-11-06 |
Family
ID=65266294
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811094179.6A Active CN109325445B (zh) | 2018-09-19 | 2018-09-19 | 一种车牌识别分类的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109325445B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112348044A (zh) * | 2019-08-09 | 2021-02-09 | 上海高德威智能交通系统有限公司 | 车牌检测方法、装置及设备 |
CN111539421A (zh) * | 2020-04-03 | 2020-08-14 | 哈尔滨市科佳通用机电股份有限公司 | 基于深度学习的铁路机车车号的识别方法 |
CN114359802B (zh) * | 2021-12-30 | 2024-07-05 | 南京景瑞康分子医药科技有限公司 | 处理图像序列的方法及装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106650741A (zh) * | 2016-12-30 | 2017-05-10 | 深圳市捷顺科技实业股份有限公司 | 一种车牌字符识别方法及装置 |
CN106897770A (zh) * | 2017-01-19 | 2017-06-27 | 博康智能信息技术有限公司北京海淀分公司 | 一种建立车牌识别模型的方法及装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9684967B2 (en) * | 2015-10-23 | 2017-06-20 | International Business Machines Corporation | Imaging segmentation using multi-scale machine learning approach |
-
2018
- 2018-09-19 CN CN201811094179.6A patent/CN109325445B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106650741A (zh) * | 2016-12-30 | 2017-05-10 | 深圳市捷顺科技实业股份有限公司 | 一种车牌字符识别方法及装置 |
CN106897770A (zh) * | 2017-01-19 | 2017-06-27 | 博康智能信息技术有限公司北京海淀分公司 | 一种建立车牌识别模型的方法及装置 |
Non-Patent Citations (2)
Title |
---|
Automatic License Plate Recognition (ALPR): A State-of-the-Art Review;Shan Du et al.;《IEEE Transactions on Circuits and Systems for Video Technology》;20120608;第23卷(第2期);第311-325页 * |
复杂场景下车牌识别方法研究;李松柏;《中国优秀硕士学位论文全文数据库 信息科技辑》;20170315;第2017年卷(第3期);第I138-5671页 * |
Also Published As
Publication number | Publication date |
---|---|
CN109325445A (zh) | 2019-02-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109325445B (zh) | 一种车牌识别分类的方法及装置 | |
CN111339994B (zh) | 一种判断临时违章停车的方法及装置 | |
CN110163176B (zh) | 车道线变化位置识别方法、装置、设备和介质 | |
CN110688902B (zh) | 一种检测停车位内车辆区域的方法及装置 | |
CN110909598B (zh) | 一种基于深度学习的非机动车道交通违法行驶识别方法 | |
CN111582256A (zh) | 一种基于雷达和视觉信息的停车管理方法及装置 | |
CN112668640B (zh) | 一种文本图像质量评估方法、装置、设备及介质 | |
CN111739338A (zh) | 一种基于多类型传感器的停车管理方法及系统 | |
CN111951601B (zh) | 一种识别配送车辆停放位置的方法及装置 | |
CN112200193B (zh) | 基于多属性融合的分布式车牌识别方法、系统、装置 | |
CN111611886B (zh) | 一种基于车辆行为分析的停车信息校验方法及装置 | |
CN112861567B (zh) | 一种车型分类方法及装置 | |
CN111368134A (zh) | 一种交通数据处理的方法、装置、电子设备及存储介质 | |
CN113055823A (zh) | 一种基于路侧停车管理共享单车的方法及装置 | |
CN111369801A (zh) | 车辆识别方法、装置、设备和存储介质 | |
CN111914845A (zh) | 一种车牌中字符分层方法、装置及电子设备 | |
CN111444911A (zh) | 车牌识别模型的训练方法及装置、车牌识别方法及装置 | |
CN103679209A (zh) | 基于稀疏理论的字符识别方法 | |
CN113052141A (zh) | 一种检测车辆停放位置的方法及装置 | |
CN112329886A (zh) | 双车牌识别方法、模型训练方法、装置、设备及存储介质 | |
CN113449624B (zh) | 一种基于行人重识别确定车辆行为的方法及装置 | |
CN113962989A (zh) | 一种车辆外观装配部件识别方法及系统及装置及介质 | |
CN111914820B (zh) | 资质审核方法及装置 | |
CN114005186A (zh) | 一种车牌识别方法、装置及停车管理系统 | |
CN113283303A (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 | ||
CP01 | Change in the name or title of a patent holder | ||
CP01 | Change in the name or title of a patent holder |
Address after: 075000 ten building, phase 1, airport economic and Technological Development Zone, Zhangjiakou, Hebei Patentee after: Smart intercommunication Technology Co.,Ltd. Address before: 075000 ten building, phase 1, airport economic and Technological Development Zone, Zhangjiakou, Hebei Patentee before: INTELLIGENT INTERCONNECTION TECHNOLOGIES Co.,Ltd. |