CN109657664B - 一种车牌类型的识别方法、装置及电子设备 - Google Patents
一种车牌类型的识别方法、装置及电子设备 Download PDFInfo
- Publication number
- CN109657664B CN109657664B CN201710946300.2A CN201710946300A CN109657664B CN 109657664 B CN109657664 B CN 109657664B CN 201710946300 A CN201710946300 A CN 201710946300A CN 109657664 B CN109657664 B CN 109657664B
- Authority
- CN
- China
- Prior art keywords
- character
- license plate
- determining
- target
- distribution structure
- 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
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
- G06V10/23—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition based on positionally close patterns or neighbourhood relationships
-
- 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
- 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
Abstract
本申请实施例提供了一种车牌类型的识别方法、装置及电子设备。所述方法包括:获得待识别车牌图像,定位所述待识别车牌图像中的车牌区域;对所述车牌区域进行字符识别,获得字符识别结果;根据所述字符识别结果,确定所述车牌区域对应的目标字符特征;从预设的车牌类型库中确定所述目标字符特征对应的目标车牌类型,所述车牌类型库,用于存储字符特征与车牌类型的对应关系;根据所述目标车牌类型,确定所述待识别车牌图像对应的车牌类型。应用本申请实施例提供的方案,能够在不同车牌类型的车牌颜色信息相同的情况下,提高识别车牌类型时的准确率。
Description
技术领域
本申请涉及智能交通技术领域,特别是涉及一种车牌类型的识别方法、装置及电子设备。
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。车牌可以分为多种类型。在同一个国家或地区内,车牌可以分为普通车牌、教练用牌、临时挂牌、武警车牌、军用车牌等类型。在多个国家的车辆可以通行的地区,可以根据车牌归属的国家将车牌区分为不同的类型。识别车牌的类型在获得车辆的信息方面具有重要的应用。
相关技术中,在对待识别车牌图像的车牌类型进行识别时,可以根据待识别车牌图像中车牌区域的颜色特征,从预设的车牌类型与颜色空间的对应关系中确定待识别车牌图像对应的车牌类型。具体的,可以从待识别车牌图像中定位出车牌区域,统计该车牌区域中不同颜色的像素点数量,确定该车牌区域中落在预设的车牌类型对应的颜色空间的像素点数量占该车牌区域总像素点数量的比例,将该比例大于预设比例阈值的颜色空间对应的车牌类型,确定为待识别车牌图像的车牌类型。
通常,当每个车牌类型对应不同的颜色空间时,采用上述车牌类型的识别方法能够识别出待识别车牌图像的车牌类型。但是,由于实际中存在大量的车牌类型,各个车牌类型对应的车牌颜色信息并不是彼此不同的,因此针对不同车牌类型的车牌颜色信息相同的情况,采用上述方法所识别的车牌类型的准确率较低。例如,如图1a所示,我国的军用车牌1和警用车牌2都是白底黑字的车牌,克罗地亚3和斯洛伐克4的车牌都是白底黑字的车牌,采用上述方法无法准确区分待识别车牌图像为军用车牌类型还是警用车牌类型,也无法准确区分待识别车牌图像为克罗地亚车牌类型还是斯洛伐克车牌类型。
发明内容
本申请实施例的目的在于提供了一种车牌类型的识别方法、装置及电子设备,以在不同车牌类型的车牌颜色信息相同的情况下,提高识别车牌类型时的准确率。
为了达到上述目的,本申请实施例提供了一种车牌类型的识别方法,所述方法包括:
获得待识别车牌图像,定位所述待识别车牌图像中的车牌区域;
对所述车牌区域进行字符识别,获得字符识别结果;
根据所述字符识别结果,确定所述车牌区域对应的目标字符特征;
从预设的车牌类型库中确定所述目标字符特征对应的目标车牌类型,所述车牌类型库,用于存储字符特征与车牌类型的对应关系;
根据所述目标车牌类型,确定所述待识别车牌图像对应的车牌类型。
可选的,所述车牌类型库,用于存储按照树形排列的各层字符特征以及最后一层字符特征对应的车牌类型,各个目标字符特征与所述车牌类型库中的各层一一对应;
所述从预设的车牌类型库中确定所述目标字符特征对应的目标车牌类型的步骤,包括:
将第一层目标字符特征确定为当前层的目标字符特征,将所述车牌类型库中第一层的所有字符特征确定为待选的字符特征;
从所述待选的字符特征中确定与当前层的目标字符特征匹配的匹配字符特征;
判断所述匹配字符特征是否为最后一层字符特征;
如果是,则将所述匹配字符特征对应的车牌类型确定为目标车牌类型;
如果否,则将下一层目标字符特征更新为当前层的目标字符特征,将所述车牌类型库中下一层的所有字符特征更新为待选的字符特征,返回执行所述从所述待选的字符特征中确定与当前层的目标字符特征匹配的匹配字符特征的步骤。
可选的,所述目标字符特征包括以下特征中的至少一种:单双层车牌信息、字符总数量、各类型字符的数量、字符分布结构。
可选的,所述目标字符特征包括所述字符分布结构;
所述根据所述字符识别结果,确定所述车牌区域对应的目标字符特征的步骤,包括:
根据所述字符识别结果,确定所述车牌区域中的空当位置;
根据所述空当位置和所述字符识别结果中各个字符,确定所述车牌区域对应的字符分布结构。
可选的,所述根据所述字符识别结果,确定所述车牌区域中的空当位置的步骤,包括:
确定所述字符识别结果中相邻字符区域之间的中心距;
确定所述中心距中数值最大的预设数量个中心距,作为目标中心距;
计算所述中心距中除了所述目标中心距之外的中心距的平均值,作为平均中心距;
判断所述目标中心距与所述平均中心距是否满足预设大小关系;
如果满足,则将所述目标中心距对应的相邻字符区域之间的位置确定为空当位置;
其中,所述预设大小关系包括以下情况中的至少一种:
所述目标中心距与所述平均中心距的比值大于预设比值阈值;
所述目标中心距与所述平均中心距的差值大于预设差值阈值。
可选的,在确定所述车牌区域对应的字符分布结构之后,所述方法还包括:
判断所述字符分布结构是否符合预设字符分布结构;
如果符合,则判断所述字符识别结果中的字符类型是否为预设字符类型,所述预设字符类型为与所述预设字符分布结构对应的字符类型;
如果不为预设字符类型,则将所述字符识别结果中的字符转换为与该字符对应的预设字符类型的字符,获得更新后的字符识别结果。
可选的,所述根据所述空当位置和所述字符识别结果中各个字符,确定所述车牌区域对应的字符分布结构的步骤,包括:
根据所述空当位置和所述字符识别结果中各个字符,确定初始字符分布结构;
判断预设的结构库中是否存在与所述初始字符分布结构相同的分布结构,其中,所述结构库用于存储各个字符分布结构;
如果存在,则将所述初始字符分布结构确定为所述车牌区域对应的字符分布结构;
如果不存在,则从所述结构库中确定与所述初始字符分布结构相似度最高的字符分布结构,作为参考字符分布结构;
确定所述初始字符分布结构与参考字符分布结构的区别字符段;
根据所述区别字符段,修正所述字符识别结果中与所述区别字符段对应的字符,获得修正后的字符识别结果;
根据所述空当位置和修正后的字符识别结果,确定所述车牌区域对应的字符分布结构。
可选的,所述根据所述目标车牌类型,确定所述待识别车牌图像对应的车牌类型的步骤,包括:
判断所述目标车牌类型的数量是否大于一个;
如果否,则将所述目标车牌类型确定为所述待识别车牌图像对应的车牌类型;
如果是,则根据预设的特殊标志位置,从所述车牌区域中确定特殊标志区域;
确定所述特殊标志区域的图像特征,并将所述图像特征输入预设的用于确定车牌类型的分类器;其中,所述分类器,用于依据所述分类器训练完成时所获得的图像特征与车牌类型的对应关系,确定所输入的图像特征对应的车牌类型;所述图像特征为根据所述特殊标志区域的像素值确定的特征;
获取所述分类器发送的车牌类型,将所获取到的车牌类型确定为所述待识别车牌图像对应的车牌类型。
为了达到上述目的,本申请实施例提供了一种车牌类型的识别装置,所述装置包括:
定位模块,用于获得待识别车牌图像,定位所述待识别车牌图像中的车牌区域;
识别模块,用于对所述车牌区域进行字符识别,获得字符识别结果;
第一确定模块,用于根据所述字符识别结果,确定所述车牌区域对应的目标字符特征;
匹配模块,用于从预设的车牌类型库中确定所述目标字符特征对应的目标车牌类型,所述车牌类型库,用于存储字符特征与车牌类型的对应关系;
第二确定模块,用于根据所述目标车牌类型,确定所述待识别车牌图像对应的车牌类型。
可选的,所述车牌类型库,用于存储按照树形排列的各层字符特征以及最后一层字符特征对应的车牌类型,各个目标字符特征与所述车牌类型库中的各层一一对应;
所述匹配模块,包括:
第一确定子模块,用于将第一层目标字符特征确定为当前层的目标字符特征,将所述车牌类型库中第一层的所有字符特征确定为待选的字符特征;
匹配子模块,用于从所述待选的字符特征中确定与当前层的目标字符特征匹配的匹配字符特征;
第一判断子模块,用于判断所述匹配字符特征是否为最后一层字符特征;
第二确定子模块,用于当所述匹配字符特征为最后一层字符特征时,将所述匹配字符特征对应的车牌类型确定为目标车牌类型;
更新子模块,用于当所述匹配字符特征不为最后一层字符特征时,将下一层目标字符特征更新为当前层的目标字符特征,将所述车牌类型库中下一层的所有字符特征更新为待选的字符特征,触发所述匹配子模块。
可选的,所述目标字符特征包括字符分布结构;
所述第一确定模块,包括:
空当确定子模块,用于根据所述字符识别结果,确定所述车牌区域中的空当位置;
结构确定子模块,用于根据所述空当位置和所述字符识别结果中各个字符,确定所述车牌区域对应的字符分布结构。
可选的,所述空当确定子模块,包括:
第一中心距确定单元,用于确定所述字符识别结果中相邻字符区域之间的中心距;
第二中心距确定单元,用于确定所述中心距中数值最大的预设数量个中心距,作为目标中心距;
平均中心距计算单元,用于计算所述中心距中除了所述目标中心距之外的中心距的平均值,作为平均中心距;
第一判断单元,用于判断所述目标中心距与所述平均中心距是否满足预设大小关系;
空当确定单元,用于当所述目标中心距与所述平均中心距满足预设大小关系时,将所述目标中心距对应的相邻字符区域之间的位置确定为空当位置;
其中,所述预设大小关系包括以下情况中的至少一种:
所述目标中心距与所述平均中心距的比值大于预设比值阈值;
所述目标中心距与所述平均中心距的差值大于预设差值阈值。
可选的,所述装置还包括:
更新模块,用于在确定所述车牌区域对应的字符分布结构之后,判断所述字符分布结构是否符合预设字符分布结构;如果符合,则判断所述字符识别结果中的字符类型是否为预设字符类型,所述预设字符类型为与所述预设字符分布结构对应的字符类型;如果不为预设字符类型,则将所述字符识别结果中的字符转换为与该字符对应的预设字符类型的字符,获得更新后的字符识别结果。
可选的,所述结构确定子模块,包括:
初始确定单元,用于根据所述空当位置和所述字符识别结果中各个字符,确定初始字符分布结构;
第二判断单元,用于判断预设的结构库中是否存在与所述初始字符分布结构相同的分布结构,其中,所述结构库用于存储各个字符分布结构;
第一结构确定单元,用于当预设的结构库中存在与所述初始字符分布结构相同的分布结构时,将所述初始字符分布结构确定为所述车牌区域对应的字符分布结构;
第二结构确定单元,用于当预设的结构库中不存在与所述初始字符分布结构相同的分布结构时,则从所述结构库中确定与所述初始字符分布结构相似度最高的字符分布结构,作为参考字符分布结构;确定所述初始字符分布结构与参考字符分布结构的区别字符段;根据所述区别字符段,修正所述字符识别结果中与所述区别字符段对应的字符,获得修正后的字符识别结果;根据所述空当位置和修正后的字符识别结果,确定所述车牌区域对应的字符分布结构。
可选的,所述第二确定模块,包括:
第二判断子模块,用于判断所述目标车牌类型的数量是否大于一个;
第三确定子模块,当所述目标车牌类型的数量不大于一个时,将所述目标车牌类型确定为所述待识别车牌图像对应的车牌类型;
第四确定子模块,用于当所述目标车牌类型的数量大于一个时,根据预设的特殊标志位置,从所述车牌区域中确定特殊标志区域;
输入子模块,用于确定所述特殊标志区域的图像特征,并将所述图像特征输入预设的用于确定车牌类型的分类器;其中,所述分类器,用于依据所述分类器训练完成时所获得的图像特征与车牌类型的对应关系,确定所输入的图像特征对应的车牌类型;所述图像特征为根据所述特殊标志区域的像素值确定的特征;
获取子模块,用于获取所述分类器发送的车牌类型,将所获取到的车牌类型确定为所述待识别车牌图像对应的车牌类型。
本申请实施例提供了一种电子设备,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现本申请实施例提供的车牌类型的识别方法。该方法包括:
获得待识别车牌图像,定位所述待识别车牌图像中的车牌区域;
对所述车牌区域进行字符识别,获得字符识别结果;
根据所述字符识别结果,确定所述车牌区域对应的目标字符特征;
从预设的车牌类型库中确定所述目标字符特征对应的目标车牌类型,所述车牌类型库,用于存储字符特征与车牌类型的对应关系;
根据所述目标车牌类型,确定所述待识别车牌图像对应的车牌类型。
本申请实施例提供了一种计算机可读存储介质,所述计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现本申请实施例提供的车牌类型的识别方法。该方法包括:
获得待识别车牌图像,定位所述待识别车牌图像中的车牌区域;
对所述车牌区域进行字符识别,获得字符识别结果;
根据所述字符识别结果,确定所述车牌区域对应的目标字符特征;
从预设的车牌类型库中确定所述目标字符特征对应的目标车牌类型,所述车牌类型库,用于存储字符特征与车牌类型的对应关系;
根据所述目标车牌类型,确定所述待识别车牌图像对应的车牌类型。
本申请实施例提供的车牌类型的识别方法、装置及电子设备,可以定位待识别车牌图像中的车牌区域,对该车牌区域进行字符识别,获得字符识别结果,根据该字符识别结果,确定车牌区域对应的目标字符特征,从预设的车牌类型库中确定目标字符特征对应的目标车牌类型,并根据该目标车牌类型,确定待识别车牌图像对应的车牌类型。其中,车牌类型库用于存储字符特征与车牌类型的对应关系。
也就是说,本申请实施例可以根据车牌的字符特征来确定车牌类型。在不同车牌类型的车牌颜色信息相同的情况下,车牌的字符特征是比车牌的颜色信息更丰富的特征,根据车牌的字符特征能够更准确地识别车牌类型。同时,对车牌区域进行字符识别,并根据字符识别结果确定车牌的字符特征,能够使确定的字符特征更准确,从而进一步提高本申请实施例提供的车牌类型识别方案的准确率。
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1a为颜色信息相同车牌类型不同的车牌示例图;
图1b为欧盟地区各个国家类型的车牌示例图;
图2为本申请实施例提供的车牌类型的识别方法的一种流程示意图;
图3为图2中步骤S204的一种流程示意图;
图4为根据字符区域确定中心距的一种原理示意图;
图5为图2中步骤S205的一种流程示意图;
图6为本申请实施例提供的车牌类型的识别装置的一种结构示意图;
图7为本申请实施例提供的电子设备的一种结构示意图。
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类型的识别方法、装置及电子设备,能够在不同车牌类型的车牌颜色信息相同的情况下,提高识别车牌类型时的准确率。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类型的识别方法的一种流程示意图。该方法应用于电子设备。该方法具体包括如下步骤S201~步骤S205:
步骤S201:获得待识别车牌图像,定位该待识别车牌图像中的车牌区域。
其中,待识别车牌图像可以理解为待识别车牌类型的包含车牌区域的图像。待识别车牌图像可以是道路上抓拍的车辆图像,也可以是任意的包含车牌区域的图像,本申请实施例对此不做具体限定。车牌区域可以理解为车辆的车牌号码所在的图像区域。
作为一种具体的实施方式,可以根据实际需要将车牌分成多个类型,待识别车牌图像中的车牌可能为各个类型中的一个。例如,在同一个国家或地区内,可以预先将车牌分为普通车牌、教练用牌、临时挂牌、武警车牌、军用车牌等类型;在多个国家的车辆可以通行的地区(例如欧盟地区),可以预先根据车牌归属的国家将车牌区分为不同的国家类型。待识别车牌图像的车牌可能是上述车牌类型中的任意一个。
例如,图1b所示为将欧盟地区的车牌根据车牌归属的国家不同而划分得到的国家类型。图中用7个框区分7个国家的车牌,这些车牌对应的国家类型分别为:克罗地亚K,斯洛伐克S,捷克J,保加利亚B,马其顿M,匈牙利X,瑞士R。
作为执行主体的电子设备,在获得待识别车牌图像之后,定位待识别车牌图像中的车牌区域时,可以根据车牌区域中存在大量像素值跳变点的特征进行定位,也可以根据车牌区域的边缘与其他区域像素点存在跳变的特征进行定位。本申请对具体的定位过程不做限定。
步骤S202:对上述车牌区域进行字符识别,获得字符识别结果。
其中,上述字符识别结果可以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车牌区域中对应的图像区域。
具体的,对车牌区域进行字符识别,获得字符识别结果时,可以先采用垂直投影法和/或连通域法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各个字符分割结果进行识别,获得字符识别结果。
步骤S203:根据上述字符识别结果,确定上述车牌区域对应的目标字符特征。
其中,目标字符特征包括以下特征中的至少一种:单双层车牌信息、字符总数量、各类型字符的数量、字符分布结构。单双层车牌信息可以理解为该车牌为单层车牌还是双层车牌。各类型字符可以包括字母类型的字符和数字类型的字符。字符分布结构可以理解为由字符个数以及字符中间的空当所对应的结构。字符中间的空当,是指车牌区域中能将字符分成各个字符段的部分,例如图1中克罗地亚K类型中第一个车牌区域包含2个空当,这些空当将字符分成3个段。另外,字符分布结构还可以包括各部分字符的字符类型。例如,图1中匈牙利X类型中第一个车牌区域对应的字符分布结构为3-3,中间的符号“-”代表空当,并且该3-3结构对应的字符类型为字母类型-数字类型。
具体的,根据上述字符识别结果,确定上述车牌区域对应的目标字符特征时,可以包括:根据上述字符识别结果中包括的字符及对应的字符类型,确定上述车牌区域对应的字符总数量和各类型字符的数量;根据上述字符识别结果中包括的各字符的字符区域,确定上述车牌区域对应的单双层车牌信息和字符分布结构。
步骤S204:从预设的车牌类型库中确定上述目标字符特征对应的目标车牌类型。
其中,该车牌类型库,用于存储字符特征与车牌类型的对应关系。在本实施例中,可以预先根据划分好的各个车牌类型获取对应的样本车牌图像,从各个样本车牌图像中提取字符特征,建立字符特征与车牌类型的对应关系,并将该对应关系存储至车牌类型库。该字符特征可以包括以下特征中的至少一种:单双层车牌信息、字符总数量、各类型字符的数量、字符分布结构。
具体的,在建立字符特征与车牌类型的对应关系时,可以包括以下两种方式:
第一种,建立每个车牌类型与各个字符特征之间的对应关系。
下面以欧盟地区的各个国家类型的车牌为例进行说明。参见图1b所示的各个国家对应的样本车牌图像,可以建立表1所示的字符特征与车牌类型之间的对应关系。
表1
字符特征 | 国家类型 |
L=0,Ft=6~8,Fe=3~6,Fn=1~4,Fc=2-3-2,2-3-1,2-4-1,2-4-2 | K |
L=0,Ft=7,Fe=4,Fn=3,Fc=2-5 | S |
L=0,Ft=7,Fe=1~2,Fn=5~6,Fc=3-4 | J |
L=0,Ft=7~8,Fe=3~4,Fn=4,Fc=1-4-2,2-4-2,1-6 | B |
L=0,Ft=7~8,Fe=4,Fn=3~4,Fc=2-3-2,2-4-2 | M |
L=-1,Ft=6,Fe=3,Fn=3,Fc=3-3 | X |
L=-1,Ft=6~8,Fe=2~3,Fn=4~6,Fc=2-4,2-5,2-5-1,2-6 | R |
其中,L为单双层信息,L=0表示单层,L=1表示双层,L=-1表示单双层均有,Ft为字符总数量,Fe为字母总数量,Fn为数字总数量,Fc为字符分布结构。
第二种,建立每个字符特征与车牌类型之间的对应关系。
仍以欧盟地区的各个国家类型的车牌为例进行说明。参见图1b所示的各个国家对应的样本车牌图像,可以建立表2所示的字符特征与车牌类型之间的对应关系。
其中,表中各个字母的含义与表1同。
具体的,从预设的车牌类型库中确定上述目标字符特征对应的目标车牌类型时,可以对应包括以下两种实施方式:
方式一:将各个目标字符特征与预设的车牌类型库中的各个字符特征进行匹配,将各个目标字符特征均能匹配上的字符特征对应的车牌类型,确定为目标车牌类型。这种方式对应表1所示的车牌类型库。
方式二:将每个目标字符特征按照预设的排列顺序一一与车牌类型库中的各个字符特征进行匹配,确定每个目标字符特征对应的车牌类型组,该车牌类型组中包括至少一个车牌类型;将各个车牌类型组中包含的相同的车牌类型确定为目标车牌类型。
步骤S205:根据上述目标车牌类型,确定待识别车牌图像对应的车牌类型。
具体的,当上述目标车牌类型的数量为一个时,直接将目标车牌类型确定为待识别车牌图像对应的车牌类型;当上述目标车牌类型的数量大于一个时,可以根据车牌区域中的特殊图案进行进一步的筛选,确定待识别车牌图像对应的车牌类型。
由上述内容可知,本实施例可以根据车牌的字符特征来确定车牌类型。字符特征可以包括单双层车牌信息、字符总数量、各类型字符的数量、字符分布结构等。在不同车牌类型的车牌颜色信息相同的情况下,车牌的字符特征是比车牌的颜色信息更丰富的特征,根据车牌的字符特征能够更准确地识别车牌类型。同时,对车牌区域进行字符识别,并根据字符识别结果确定车牌的字符特征,能够使确定的字符特征更准确,从而进一步提高本实施例提供的车牌类型识别方案的准确率。
为了提高匹配的准确性和效率,在图2所示实施例的另一种实施方式中,所述车牌类型库,可以用于存储按照树形排列的各层字符特征以及最后一层字符特征对应的车牌类型,各个目标字符特征与车牌类型库中的各层一一对应。
以欧盟地区的各个国家类型的车牌为例,说明本实施方式中字符特征与国家类型之间的对应关系。参见图1b所示的各个国家对应的样本车牌图像,可以建立表3所示的字符特征与车牌类型之间的对应关系。
表3
其中,车牌单双层信息为第一层字符特征,字符总数量为第二层字符特征,字符分布结构为第三层字符特征,也是最后一层字符特征,字符分布结构与车牌类型相对应。
在本实施例中,步骤S204,从预设的车牌类型库中确定所述目标字符特征对应的目标车牌类型的步骤,可以按照图3所示流程示意图进行,具体包括以下步骤S204a~S204e:
步骤S204a:将第一层目标字符特征确定为当前层的目标字符特征,将上述车牌类型库中第一层的所有字符特征确定为待选的字符特征。
步骤S204b:从待选的字符特征中确定与当前层的目标字符特征匹配的匹配字符特征。
具体的,从待选的字符特征中确定与当前层的目标字符特征匹配的匹配字符特征时,可以包括将待选的字符特征中与当前层的目标字符特征相同的字符特征确定为匹配字符特征。
步骤S204c:判断上述匹配字符特征是否为最后一层字符特征,如果是,则执行步骤S204d;如果否,则执行步骤S204e。
步骤S204d:将上述匹配字符特征对应的车牌类型确定为目标车牌类型。
步骤S204e:将下一层目标字符特征更新为当前层的目标字符特征,将车牌类型库中下一层的所有字符特征更新为待选的字符特征,返回执行步骤S204b。
作为一个例子,已知目标字符特征包括:单层车牌,字符总数量为6,字符分布结构为2-4。其中,与车牌类型库中的各层一一对应的目标字符特征的顺序为:第一层为单层车牌,第二层为字符总数量为6,第三层为字符分布结构为2-4。车牌类型库如表3所示,那么按照上述匹配过程将目标字符特征与车牌类型库进行匹配时,可以确定目标车牌类型为R。
可见,本实施例可以按照树形排列顺序将各层字符特征存储在车牌类型库中,在匹配时,按照各层的顺序顺次匹配各个目标字符特征,直至匹配至最后一层字符特征,将最后一层字符特征对应的车牌类型确定为目标车牌类型。这种匹配过程可以提高匹配效率,同时保证匹配的准确性。
在图2所示实施例的一种实施方式中,当目标字符特征包括字符分布结构时,步骤S203,即根据上述字符识别结果,确定上述车牌区域对应的目标字符特征,可以包括以下步骤1和步骤2:
步骤1:根据上述字符识别结果,确定上述车牌区域中的空当位置。
其中,确定车牌区域中的空当位置可以理解为确定车牌区域中空当位于第n个字符和第m个字符之间,也可以理解为确定车牌区域中空当的坐标位置。
具体的,该步骤1可以包括多种实施方式,作为一种具体的实施方式,步骤1可以包括以下步骤1a~步骤1e:
步骤1a:确定上述字符识别结果中相邻字符区域之间的中心距。
具体的,确定中心距时,可以包括:确定上述字符识别结果中各个字符区域的竖直中心线的横坐标,确定相邻竖直中心线之间的距离,获得各个中心距。
作为一个例子,图4提供了根据字符区域确定中心距的一种原理示意图。图中用矩形方框示出了各个字符区域(共6个),竖直虚线为各个字符区域的竖直中心线(共6个),各个竖直中心线之间的距离用横向箭头线画出,该横向箭头线的长度即为中心距(共5个)。
步骤1b:确定上述中心距中数值最大的预设数量个中心距,作为目标中心距。其中,预设数量可以根据实际情况进行设置,例如当实际车牌中最多存在2个空当时,可以将预设数量设置为2。
步骤1c:计算上述中心距中除了目标中心距之外的中心距的平均值,作为平均中心距。
步骤1d:判断上述目标中心距与平均中心距是否满足预设大小关系,如果满足,则执行步骤1e;如果不满足,则可以不予以处理。
其中,上述预设大小关系可以包括以下情况中的至少一种:
目标中心距与平均中心距的比值大于预设比值阈值;
目标中心距与平均中心距的差值大于预设差值阈值。
例如,预设比例阈值可以取为1.1、1.2或其他值。预设差值阈值可以根据对车牌字符中心距的统计平均值得出,例如,当车牌字符中心距的统计平均值为10px时,预设差值阈值可以取为2px、3px或其他值。
可以理解的是,平均中心距能够反映不包含空当的字符之间的中心距,当目标中心距与平均中心距满足上述预设大小关系时,可以确定该目标中心距对应空当位置。
当目标中心距的数量为大于两个时,判断上述目标中心距与平均中心距是否满足预设大小关系时,可以分别判断每个目标中心距与平均中心距是否满足预设大小关系。
步骤1e:将目标中心距对应的相邻字符区域之间的位置确定为空当位置。
需要指出的是,每个目标中心距都是由相邻的两个字符区域计算得到的,因此可以将相邻的两个字符区域之间的位置确定为空当位置。具体的,可以将相邻的两个字符区域中左字符区域的右边界与右字符区域的左边界之间的区域位置,确定为空当位置。也可以是,将相邻的两个字符区域之间的位置对应的是第几个字符与第几个字符之间的信息,确定为空当位置。
当步骤1b中确定的预设数量个目标中心距中有多个目标中心距满足步骤1d中的判断条件,则说明该车牌区域中存在多少个空当。
进一步的,还可以记录每个空当位置对应的目标中心距,并确定所记录的各个目标中心距之间的比例,作为字符特征中字符分布结构包含的信息。
需要说明的是,上述实施方式中的中心距也可以由字符间距代替。字符间距可以理解为左字符区域的右边界与右字符区域的左边界之间的距离。
步骤2:根据上述空当位置和字符识别结果中各个字符,确定车牌区域对应的字符分布结构。
具体的,可以根据上述空当位置和字符识别结果中各个字符的顺序,确定车牌区域对应的字符分布结构;也可以根据上述空当位置和字符识别结果中各个字符对应的字符区域的位置,确定车牌区域对应的字符分布结构。
作为一个例子,当确定空当位置为第3个字符与第4个字符之间,并且字符识别结果中共有6个字符,可以确定字符分布结构为3-3。
又如,当确定空当位置为[20,25],并且字符识别结果中各个字符对应的字符区域分别为[1,5],[7,12],[14,19],[26,31],[33,38],[40,45]时,可以确定字符分布结构为3-3。
作为另一实施方式,步骤2即根据上述空当位置和字符识别结果中各个字符,确定车牌区域对应的字符分布结构的步骤,可以包括以下步骤2a~步骤2g:
步骤2a:根据上述空当位置和字符识别结果中各个字符,确定初始字符分布结构。
步骤2b:判断预设的结构库中是否存在与该初始字符分布结构相同的分布结构,如果存在,则执行步骤2c;如果不存在,则执行步骤2d。
其中,上述结构库用于存储各个字符分布结构。作为一个例子,上述结构库可以为存储表3中各个字符分布结构的结构库。
步骤2c:将该初始字符分布结构确定为车牌区域对应的字符分布结构。
步骤2d:从该结构库中确定与初始字符分布结构相似度最高的字符分布结构,作为参考字符分布结构。
具体的,在确定结构库中的字符分布结构与初始字符分布结构之间的相似度时,可以包括多种实施方式。作为一种具体的实施方式,可以根据初始字符分布结构中的空当数量,从结构库中筛选出具有该空当数量的部分字符分布结构;然后根据初始字符分布结构中各个字符段的字符个数,从部分字符分布结构中筛选出与初始字符分布结构具有相同字符个数的字符段个数最多的子部分字符分布结构;确定初始字符分布结构与子部分字符分布结构字符个数不同的字符段,将字符段的字符个数差距最小的子部分字符分布结构,确定为与初始字符分布结构相似度最高的字符分布结构。
例如,初始字符分布结构为3-4-2,那么根据表3中的各个字符分布结构可知,具有两个空当的部分字符分布结构包括:2-3-1,2-3-2,2-4-1,1-4-2,2-4-2,2-5-1。这些部分字符分布结构中与初始字符分布结构具有相同字符个数的字符段个数分别为:0,1,1,2,2,0。其中,字符段个数最多的子部分字符分布结构包括2-4-2和1-4-2。第一个子部分字符分布结构与初始字符分布结构的差距为(3-2=1)1,第二个子部分字符分布结构与初始字符分布结构的差距为(3-1=2)2。因此,第一个子部分字符分布结构2-4-2确定为参考字符分布结构。
步骤2e:确定上述初始字符分布结构与参考字符分布结构的区别字符段。
沿用上例,可知初始字符分布结构3-4-2与参考字符分布结构2-4-2的区别字符段为第一个字符段(第一个空当左侧的字符段)。
步骤2f:根据该区别字符段,修正上述字符识别结果中与该区别字符段对应的字符,获得修正后的字符识别结果。
沿用上例,由于参考字符分布结构为2-4-2,在修正上述字符识别结果时,可以将初始字符分布结构3-4-2中字符段“3”中左侧第一个字符删去,该字符为多识别的字符。如果参考字符分布结构为3-4-1,在修正上述字符识别结果时,可以将初始字符分布结构3-4-2中字符段“2”中右侧最后一个字符删去,该字符也为多识别的字符。
步骤2g:根据上述空当位置和修正后的字符识别结果,确定车牌区域对应的字符分布结构。
具体的,步骤2g可以采用与步骤2a类似的过程执行。
可以理解的是,将字符识别结果进行修正之后,根据修正后的字符识别结果确定车牌区域对应的字符分布结构,能够提高所确定的字符分布结构的准确性。
可见,本实施例可以根据字符识别结果确定车牌区域中的空当位置,由于字符识别结果能够更准确地表征车牌区域中字符的信息,因此本实施例能够更准确地确定字符分布结构。
另外,在对车牌图像进行字符识别时,其难点之一是,不同字符类型的形状相似字符无法准确区分。例如数字1和字母I,数字0和字母O,数字8和字母B之间,由于字符本身的形状很相近,易导致误识别。并且,当车牌图像的成像质量较差时,字符笔画特征会更加模糊,在这种情况下更难以区分上述字符。
为了提高字符识别的准确性,在确定车牌区域对应的字符分布结构之后,本实施例的方法还可以包括以下步骤1~步骤3更正字符识别结果的过程:
步骤1:判断上述字符分布结构是否符合预设字符分布结构,如果符合,则执行步骤2;如果不符合,则不予以处理,即不对字符识别结果进行更正。
其中,预设字符分布结构为:字符类型与该字符分布结构之间存在固定不变的对应关系的字符分布结构。例如,在欧盟地区中,存在2-3-2结构的各个国家中,2-3-2结构对应的字符类型分别为2个字母—3个数字—2个字母或数字,参见图1b中具有2-3-2结构的各个车牌图像。也就是说,符合2-3-2结构的车牌中前2个字符必然是字母,中间3个字符必然是数字。
步骤2:判断上述字符识别结果中的字符类型是否为预设字符类型,如果不为预设字符类型,则执行步骤3;如果为,则不予以处理,认为字符识别结果正确,无需修正。
其中,预设字符类型为与预设字符分布结构对应的字符类型。
延续上例说明,已知预设字符分布结构为2-3-2,与该预设字符分布结构对应的预设字符类型为2个字母—3个数字—2个字母或数字。如果字符识别结果中前2个字符不全是字母,和/或,中间3个字符不全是数字,则认为上述字符识别结果中的字符类型不为预设字符类型。
步骤3:将上述字符识别结果中的字符转换为与该字符对应的预设字符类型的字符,获得更新后的字符识别结果。
例如,将上述字符识别结果中的字符按照数字1和字母I,数字0和字母O,数字8和字母B之间的对应关系进行转换,从而可以获得更新后的字符识别结果。
可见,本实施例可以根据确定的字符分布结构对字符识别结果中的字符进行转换,将字符类型不同但是形状相同的误识别字符进行更正,从而提高字符识别结果的准确性。
另外,从表3中可以看出,个别字符分布结构对应多个车牌类型。也就是说,采用上述实施例的方法确定的目标车牌类型可能不止一个。在这种情况下,为了更准确地确定最终的车牌类型,可以采用以下实施方式。
在图2所示实施例的一种具体实施方式中,步骤S205,即根据所述目标车牌类型,确定所述待识别车牌图像对应的车牌类型的步骤,可以按照图5所示流程示意图进行,具体包括以下步骤S205a~步骤S205e:
步骤S205a:判断目标车牌类型的数量是否大于一个,如果否,则执行步骤S205b;如果是,则执行步骤S205c。
步骤S205b:将目标车牌类型确定为待识别车牌图像对应的车牌类型。
步骤S205c:根据预设的特殊标志位置,从上述车牌区域中确定特殊标志区域。
例如,在图1b所示的欧盟地区的车牌区域示例中,预设的特殊标志位置可以为车牌区域中左侧的部分位置,也可以为车牌区域中第2个字符与第3个字符之间的区域。由于在欧盟地区的车牌中第2个字符与第3个字符之间的区域对应的图像更具有区分性,因此为了提高准确性,可以首选第2个字符与第3个字符之间的区域作为预设的特殊标志位置。
步骤S205d:确定该特殊标志区域的图像特征,并将该图像特征输入预设的用于确定车牌类型的分类器。该图像特征为根据上述特殊标志区域的像素值确定的特征。
其中,上述分类器,用于依据该分类器训练完成时所获得的图像特征与车牌类型的对应关系,确定上述所输入的图像特征对应的车牌类型。在训练时,可以采用支持向量机(Support Vector Machine,SVM)训练分类器。
具体的,确定该特殊标志区域的图像特征时,可以采用方向梯度直方图(Histogram of Oriented Gradient,HOG)算法提取该特殊标志区域的图像特征。其中,HOG算法是一种在图像处理中用来进行物体检测的特征描述算法,其通过计算和统计图像局部区域的像素值梯度方向直方图来构成特征。
步骤S205e:获取该分类器发送的车牌类型,将所获取到的车牌类型确定为待识别车牌图像对应的车牌类型。
可见,本实施例可以在目标车牌类型的数量大于一个时,根据车牌区域中的特殊标志,采用预先训练好的分类器进行分类确定,从而可以更准确地确定待识别车牌图像的车牌类型。
需要说明的是,本申请实施例提供的车牌类型的识别方法运算量比较低,适合在计算资源相对较少的嵌入式平台上应用。
图6为本申请实施例提供的车牌类型的识别装置的一种结构示意图。该装置应用于电子设备,并与图2所示方法实施例相对应。该装置包括:
定位模块601,用于获得待识别车牌图像,定位所述待识别车牌图像中的车牌区域;
识别模块602,用于对所述车牌区域进行字符识别,获得字符识别结果;
第一确定模块603,用于根据所述字符识别结果,确定所述车牌区域对应的目标字符特征;
匹配模块604,用于从预设的车牌类型库中确定所述目标字符特征对应的目标车牌类型,所述车牌类型库,用于存储字符特征与车牌类型的对应关系;
第二确定模块605,用于根据所述目标车牌类型,确定所述待识别车牌图像对应的车牌类型。
在图6所示实施例的一种实施方式中,所述车牌类型库,用于存储按照树形排列的各层字符特征以及最后一层字符特征对应的车牌类型,各个目标字符特征与所述车牌类型库中的各层一一对应;
所述匹配模块604可以包括:
第一确定子模块(图中未示出),用于将第一层目标字符特征确定为当前层的目标字符特征,将车牌类型库中第一层的所有字符特征确定为待选的字符特征;
匹配子模块(图中未示出),用于从所述待选的字符特征中确定与当前层的目标字符特征匹配的匹配字符特征;
第一判断子模块(图中未示出),用于判断所述匹配字符特征是否为最后一层字符特征;
第二确定子模块(图中未示出),用于当所述匹配字符特征为最后一层字符特征时,将所述匹配字符特征对应的车牌类型确定为目标车牌类型;
更新子模块(图中未示出),用于当所述匹配字符特征不为最后一层字符特征时,将下一层目标字符特征更新为当前层的目标字符特征,将所述车牌类型库中下一层的所有字符特征更新为待选的字符特征,触发所述匹配子模块。
在图6所示实施例的一种实施方式中,所述目标字符特征包括字符分布结构;
所述第一确定模块603可以包括:
空当确定子模块(图中未示出),用于根据所述字符识别结果,确定所述车牌区域中的空当位置;
结构确定子模块(图中未示出),用于根据所述空当位置和所述字符识别结果中各个字符,确定所述车牌区域对应的字符分布结构。
在图6所示实施例的一种实施方式中,所述空当确定子模块可以包括:
第一中心距确定单元(图中未示出),用于确定所述字符识别结果中相邻字符区域之间的中心距;
第二中心距确定单元(图中未示出),用于确定所述中心距中数值最大的预设数量个中心距,作为目标中心距;
平均中心距计算单元,用于计算所述中心距中除了所述目标中心距之外的中心距的平均值,作为平均中心距;
第一判断单元(图中未示出),用于判断所述目标中心距与所述平均中心距是否满足预设大小关系;
空当确定单元(图中未示出),用于当所述目标中心距与所述平均中心距满足预设大小关系时,将所述目标中心距对应的相邻字符区域之间的位置确定为空当位置;
其中,所述预设大小关系包括以下情况中的至少一种:
所述目标中心距与所述平均中心距的比值大于预设比值阈值;
所述目标中心距与所述平均中心距的差值大于预设差值阈值。
在图6所示实施例的一种实施方式中,所述装置还可以包括:
更新模块(图中未示出),用于在确定所述车牌区域对应的字符分布结构之后,判断所述字符分布结构是否符合预设字符分布结构;如果符合,则判断所述字符识别结果中的字符类型是否为预设字符类型,所述预设字符类型为与所述预设字符分布结构对应的字符类型;如果不为预设字符类型,则将所述字符识别结果中的字符转换为与该字符对应的预设字符类型的字符,获得更新后的字符识别结果。
在图6所示实施例的一种实施方式中,所述结构确定子模块可以包括:
初始确定单元(图中未示出),用于根据所述空当位置和所述字符识别结果中各个字符,确定初始字符分布结构;
第二判断单元(图中未示出),用于判断预设的结构库中是否存在与所述初始字符分布结构相同的分布结构,其中,所述结构库用于存储各个字符分布结构;
第一结构确定单元(图中未示出),用于当预设的结构库中存在与所述初始字符分布结构相同的分布结构时,将所述初始字符分布结构确定为所述车牌区域对应的字符分布结构;
第二结构确定单元(图中未示出),用于当预设的结构库中不存在与所述初始字符分布结构相同的分布结构时,则从所述结构库中确定与所述初始字符分布结构相似度最高的字符分布结构,作为参考字符分布结构;确定所述初始字符分布结构与参考字符分布结构的区别字符段;根据所述区别字符段,修正所述字符识别结果中与所述区别字符段对应的字符,获得修正后的字符识别结果;根据所述空当位置和修正后的字符识别结果,确定所述车牌区域对应的字符分布结构。
在图6所示实施例的一种实施方式中,所述第二确定模块605可以包括:
第二判断子模块(图中未示出),用于判断所述目标车牌类型的数量是否大于一个;
第三确定子模块(图中未示出),当所述目标车牌类型的数量不大于一个时,将所述目标车牌类型确定为所述待识别车牌图像对应的车牌类型;
第四确定子模块(图中未示出),用于当所述目标车牌类型的数量大于一个时,根据预设的特殊标志位置,从所述车牌区域中确定特殊标志区域;
输入子模块(图中未示出),用于确定所述特殊标志区域的图像特征,并将所述图像特征输入预设的用于确定车牌类型的分类器;其中,所述分类器,用于依据所述分类器训练完成时所获得的图像特征与车牌类型的对应关系,确定所输入的图像特征对应的车牌类型;所述图像特征为根据所述特殊标志区域的像素值确定的特征;
获取子模块(图中未示出),用于获取所述分类器发送的车牌类型,将所获取到的车牌类型确定为所述待识别车牌图像对应的车牌类型。
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。
图7为本申请实施例提供的电子设备的一种结构示意图。该电子设备包括处理器701、通信接口702、存储器703和通信总线704。其中,处理器701,通信接口702,存储器703通过通信总线704完成相互间的通信;
存储器703,用于存放计算机程序;
处理器701,用于执行存储器上所存放的程序时,实现本申请实施例提供的车牌类型的识别方法。其中,该车牌类型的识别方法包括:
获得待识别车牌图像,定位所述待识别车牌图像中的车牌区域;
对所述车牌区域进行字符识别,获得字符识别结果;
根据所述字符识别结果,确定所述车牌区域对应的目标字符特征;
从预设的车牌类型库中确定所述目标字符特征对应的目标车牌类型,所述车牌类型库,用于存储字符特征与车牌类型的对应关系;
根据所述目标车牌类型,确定所述待识别车牌图像对应的车牌类型。
其中,上述电子设备提到的通信总线可以是外设部件互连标准(PeripheralComponent Interconnect,PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture,EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示,图中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
通信接口用于上述电子设备与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory,RAM),也可以包括非易失性存储器(Non-Volatile Memory,NVM),例如至少一个磁盘存储器。可选的,存储器还可以是至少一个位于远离前述处理器的存储装置。
上述处理器可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(Network Processor,NP)等;还可以是数字信号处理器(Digital SignalProcessing,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
可见,本实施例可以根据车牌的字符特征来确定车牌类型。在不同车牌类型的车牌颜色信息相同的情况下,车牌的字符特征是比车牌的颜色信息更丰富的特征,根据车牌的字符特征能够更准确地识别车牌类型。同时,对车牌区域进行字符识别,并根据字符识别结果确定车牌的字符特征,能够使确定的字符特征更准确,从而进一步提高本实施例提供的车牌类型识别方案的准确率。
本申请实施例还提供了一种计算机可读存储介质,该计算机可读存储介质内存储有计算机程序,计算机程序被处理器执行时实现本申请实施例提供的车牌类型的识别方法。其中,该车牌类型的识别方法包括:
获得待识别车牌图像,定位所述待识别车牌图像中的车牌区域;
对所述车牌区域进行字符识别,获得字符识别结果;
根据所述字符识别结果,确定所述车牌区域对应的目标字符特征;
从预设的车牌类型库中确定所述目标字符特征对应的目标车牌类型,所述车牌类型库,用于存储字符特征与车牌类型的对应关系;
根据所述目标车牌类型,确定所述待识别车牌图像对应的车牌类型。
可见,本实施例可以根据车牌的字符特征来确定车牌类型。在不同车牌类型的车牌颜色信息相同的情况下,车牌的字符特征是比车牌的颜色信息更丰富的特征,根据车牌的字符特征能够更准确地识别车牌类型。同时,对车牌区域进行字符识别,并根据字符识别结果确定车牌的字符特征,能够使确定的字符特征更准确,从而进一步提高本实施例提供的车牌类型识别方案的准确率。
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。
本说明书中的各个实施例均采用相关的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。
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 (14)
1.一种车牌类型的识别方法,其特征在于,所述方法包括:
获得待识别车牌图像,定位所述待识别车牌图像中的车牌区域;
对所述车牌区域进行字符识别,获得字符识别结果;
根据所述字符识别结果,确定所述车牌区域对应的目标字符特征;
从预设的车牌类型库中确定所述目标字符特征对应的目标车牌类型,所述车牌类型库,用于存储字符特征与车牌类型的对应关系;
根据所述目标车牌类型,确定所述待识别车牌图像对应的车牌类型;
其中,所述目标字符特征至少包括字符分布结构,在确定所述车牌区域对应的字符分布结构之后,所述方法还包括:
判断所述字符分布结构是否符合预设字符分布结构;
如果符合,则判断所述字符识别结果中的字符类型是否为预设字符类型,所述预设字符类型为与所述预设字符分布结构对应的字符类型;
如果不为预设字符类型,则将所述字符识别结果中的字符转换为与该字符对应的预设字符类型的字符,获得更新后的字符识别结果。
2.根据权利要求1所述的方法,其特征在于,所述车牌类型库,用于存储按照树形排列的各层字符特征以及最后一层字符特征对应的车牌类型,各个目标字符特征与所述车牌类型库中的各层一一对应;
所述从预设的车牌类型库中确定所述目标字符特征对应的目标车牌类型的步骤,包括:
将第一层目标字符特征确定为当前层的目标字符特征,将所述车牌类型库中第一层的所有字符特征确定为待选的字符特征;
从所述待选的字符特征中确定与当前层的目标字符特征匹配的匹配字符特征;
判断所述匹配字符特征是否为最后一层字符特征;
如果是,则将所述匹配字符特征对应的车牌类型确定为目标车牌类型;
如果否,则将下一层目标字符特征更新为当前层的目标字符特征,将所述车牌类型库中下一层的所有字符特征更新为待选的字符特征,返回执行所述从所述待选的字符特征中确定与当前层的目标字符特征匹配的匹配字符特征的步骤。
3.根据权利要求1~2任一项所述的方法,其特征在于,所述目标字符特征还包括以下特征中的至少一种:单双层车牌信息、字符总数量、各类型字符的数量。
4.根据权利要求3所述的方法,其特征在于,所述根据所述字符识别结果,确定所述车牌区域对应的目标字符特征的步骤,包括:
根据所述字符识别结果,确定所述车牌区域中的空当位置;
根据所述空当位置和所述字符识别结果中各个字符,确定所述车牌区域对应的字符分布结构。
5.根据权利要求4所述的方法,其特征在于,所述根据所述字符识别结果,确定所述车牌区域中的空当位置的步骤,包括:
确定所述字符识别结果中相邻字符区域之间的中心距;
确定所述中心距中数值最大的预设数量个中心距,作为目标中心距;
计算所述中心距中除了所述目标中心距之外的中心距的平均值,作为平均中心距;
判断所述目标中心距与所述平均中心距是否满足预设大小关系;
如果满足,则将所述目标中心距对应的相邻字符区域之间的位置确定为空当位置;
其中,所述预设大小关系包括以下情况中的至少一种:
所述目标中心距与所述平均中心距的比值大于预设比值阈值;
所述目标中心距与所述平均中心距的差值大于预设差值阈值。
6.根据权利要求4所述的方法,其特征在于,所述根据所述空当位置和所述字符识别结果中各个字符,确定所述车牌区域对应的字符分布结构的步骤,包括:
根据所述空当位置和所述字符识别结果中各个字符,确定初始字符分布结构;
判断预设的结构库中是否存在与所述初始字符分布结构相同的分布结构,其中,所述结构库用于存储各个字符分布结构;
如果存在,则将所述初始字符分布结构确定为所述车牌区域对应的字符分布结构;
如果不存在,则从所述结构库中确定与所述初始字符分布结构相似度最高的字符分布结构,作为参考字符分布结构;
确定所述初始字符分布结构与参考字符分布结构的区别字符段;
根据所述区别字符段,修正所述字符识别结果中与所述区别字符段对应的字符,获得修正后的字符识别结果;
根据所述空当位置和修正后的字符识别结果,确定所述车牌区域对应的字符分布结构。
7.根据权利要求1所述的方法,其特征在于,所述根据所述目标车牌类型,确定所述待识别车牌图像对应的车牌类型的步骤,包括:
判断所述目标车牌类型的数量是否大于一个;
如果否,则将所述目标车牌类型确定为所述待识别车牌图像对应的车牌类型;
如果是,则根据预设的特殊标志位置,从所述车牌区域中确定特殊标志区域;
确定所述特殊标志区域的图像特征,并将所述图像特征输入预设的用于确定车牌类型的分类器;其中,所述分类器,用于依据所述分类器训练完成时所获得的图像特征与车牌类型的对应关系,确定所输入的图像特征对应的车牌类型;所述图像特征为根据所述特殊标志区域的像素值确定的特征;
获取所述分类器发送的车牌类型,将所获取到的车牌类型确定为所述待识别车牌图像对应的车牌类型。
8.一种车牌类型的识别装置,其特征在于,所述装置包括:
定位模块,用于获得待识别车牌图像,定位所述待识别车牌图像中的车牌区域;
识别模块,用于对所述车牌区域进行字符识别,获得字符识别结果;
第一确定模块,用于根据所述字符识别结果,确定所述车牌区域对应的目标字符特征;
匹配模块,用于从预设的车牌类型库中确定所述目标字符特征对应的目标车牌类型,所述车牌类型库,用于存储字符特征与车牌类型的对应关系;
第二确定模块,用于根据所述目标车牌类型,确定所述待识别车牌图像对应的车牌类型;
其中,所述目标字符特征至少包括字符分布结构,所述装置还包括:
更新模块,用于在确定所述车牌区域对应的字符分布结构之后,判断所述字符分布结构是否符合预设字符分布结构;如果符合,则判断所述字符识别结果中的字符类型是否为预设字符类型,所述预设字符类型为与所述预设字符分布结构对应的字符类型;如果不为预设字符类型,则将所述字符识别结果中的字符转换为与该字符对应的预设字符类型的字符,获得更新后的字符识别结果。
9.根据权利要求8所述的装置,其特征在于,所述车牌类型库,用于存储按照树形排列的各层字符特征以及最后一层字符特征对应的车牌类型,各个目标字符特征与所述车牌类型库中的各层一一对应;
所述匹配模块,包括:
第一确定子模块,用于将第一层目标字符特征确定为当前层的目标字符特征,将所述车牌类型库中第一层的所有字符特征确定为待选的字符特征;
匹配子模块,用于从所述待选的字符特征中确定与当前层的目标字符特征匹配的匹配字符特征;
第一判断子模块,用于判断所述匹配字符特征是否为最后一层字符特征;
第二确定子模块,用于当所述匹配字符特征为最后一层字符特征时,将所述匹配字符特征对应的车牌类型确定为目标车牌类型;
更新子模块,用于当所述匹配字符特征不为最后一层字符特征时,将下一层目标字符特征更新为当前层的目标字符特征,将所述车牌类型库中下一层的所有字符特征更新为待选的字符特征,触发所述匹配子模块。
10.根据权利要求8~9任一项所述的装置,其特征在于,所述第一确定模块,包括:
空当确定子模块,用于根据所述字符识别结果,确定所述车牌区域中的空当位置;
结构确定子模块,用于根据所述空当位置和所述字符识别结果中各个字符,确定所述车牌区域对应的字符分布结构。
11.根据权利要求10所述的装置,其特征在于,所述空当确定子模块,包括:
第一中心距确定单元,用于确定所述字符识别结果中相邻字符区域之间的中心距;
第二中心距确定单元,用于确定所述中心距中数值最大的预设数量个中心距,作为目标中心距;
平均中心距计算单元,用于计算所述中心距中除了所述目标中心距之外的中心距的平均值,作为平均中心距;
第一判断单元,用于判断所述目标中心距与所述平均中心距是否满足预设大小关系;
空当确定单元,用于当所述目标中心距与所述平均中心距满足预设大小关系时,将所述目标中心距对应的相邻字符区域之间的位置确定为空当位置;
其中,所述预设大小关系包括以下情况中的至少一种:
所述目标中心距与所述平均中心距的比值大于预设比值阈值;
所述目标中心距与所述平均中心距的差值大于预设差值阈值。
12.根据权利要求10所述的装置,其特征在于,所述结构确定子模块,包括:
初始确定单元,用于根据所述空当位置和所述字符识别结果中各个字符,确定初始字符分布结构;
第二判断单元,用于判断预设的结构库中是否存在与所述初始字符分布结构相同的分布结构,其中,所述结构库用于存储各个字符分布结构;
第一结构确定单元,用于当预设的结构库中存在与所述初始字符分布结构相同的分布结构时,将所述初始字符分布结构确定为所述车牌区域对应的字符分布结构;
第二结构确定单元,用于当预设的结构库中不存在与所述初始字符分布结构相同的分布结构时,则从所述结构库中确定与所述初始字符分布结构相似度最高的字符分布结构,作为参考字符分布结构;确定所述初始字符分布结构与参考字符分布结构的区别字符段;根据所述区别字符段,修正所述字符识别结果中与所述区别字符段对应的字符,获得修正后的字符识别结果;根据所述空当位置和修正后的字符识别结果,确定所述车牌区域对应的字符分布结构。
13.根据权利要求8所述的装置,其特征在于,所述第二确定模块,包括:
第二判断子模块,用于判断所述目标车牌类型的数量是否大于一个;
第三确定子模块,当所述目标车牌类型的数量不大于一个时,将所述目标车牌类型确定为所述待识别车牌图像对应的车牌类型;
第四确定子模块,用于当所述目标车牌类型的数量大于一个时,根据预设的特殊标志位置,从所述车牌区域中确定特殊标志区域;
输入子模块,用于确定所述特殊标志区域的图像特征,并将所述图像特征输入预设的用于确定车牌类型的分类器;其中,所述分类器,用于依据所述分类器训练完成时所获得的图像特征与车牌类型的对应关系,确定所输入的图像特征对应的车牌类型;所述图像特征为根据所述特殊标志区域的像素值确定的特征;
获取子模块,用于获取所述分类器发送的车牌类型,将所获取到的车牌类型确定为所述待识别车牌图像对应的车牌类型。
14.一种电子设备,其特征在于,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现权利要求1-7任一所述的方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710946300.2A CN109657664B (zh) | 2017-10-12 | 2017-10-12 | 一种车牌类型的识别方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710946300.2A CN109657664B (zh) | 2017-10-12 | 2017-10-12 | 一种车牌类型的识别方法、装置及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109657664A CN109657664A (zh) | 2019-04-19 |
CN109657664B true CN109657664B (zh) | 2021-02-05 |
Family
ID=66109282
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710946300.2A Active CN109657664B (zh) | 2017-10-12 | 2017-10-12 | 一种车牌类型的识别方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109657664B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN112712626A (zh) * | 2019-10-24 | 2021-04-27 | 上海际链网络科技有限公司 | 基于车牌信息的车辆验证方法、装置、计算机设备及存储介质 |
CN112861567B (zh) * | 2019-11-12 | 2024-01-05 | 上海高德威智能交通系统有限公司 | 一种车型分类方法及装置 |
CN111652222A (zh) * | 2020-07-13 | 2020-09-11 | 深圳市智搜信息技术有限公司 | 车牌定位方法与装置和计算机设备及存储介质 |
CN111950547A (zh) * | 2020-08-06 | 2020-11-17 | 广东飞翔云计算有限公司 | 一种车牌的检测方法、装置、计算机设备和存储介质 |
CN112598005A (zh) * | 2020-12-24 | 2021-04-02 | 深圳市信义科技有限公司 | 一种武警车牌字符分割方法、存储介质及计算机设备 |
CN114067303B (zh) * | 2021-11-01 | 2024-05-07 | 北京智芯原动科技有限公司 | 一种车牌识别方法及装置 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102509458B (zh) * | 2011-10-19 | 2015-01-14 | 杭州华三通信技术有限公司 | 一种套牌车辆识别方法和装置 |
US8644561B2 (en) * | 2012-01-18 | 2014-02-04 | Xerox Corporation | License plate optical character recognition method and system |
CN102693431B (zh) * | 2012-05-31 | 2014-09-24 | 贺江涛 | 一种白色车牌类型的识别方法及装置 |
CN102722733A (zh) * | 2012-05-31 | 2012-10-10 | 信帧电子技术(北京)有限公司 | 一种车牌类型的识别方法及装置 |
US9122928B2 (en) * | 2013-04-11 | 2015-09-01 | International Business Machines Corporation | Determining images having unidentifiable license plates |
CN104123302B (zh) * | 2013-04-27 | 2018-10-19 | 广东商文科技有限公司 | 检索方法、装置及系统 |
CN105589862A (zh) * | 2014-10-21 | 2016-05-18 | 杭州华为企业通信技术有限公司 | 车牌数据的索引结构建立方法、检索方法及装置 |
CN105224956A (zh) * | 2015-10-16 | 2016-01-06 | 深圳市捷顺科技实业股份有限公司 | 一种基于多特征融合的车牌类别识别方法及系统 |
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 |
-
2017
- 2017-10-12 CN CN201710946300.2A patent/CN109657664B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN109657664A (zh) | 2019-04-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109657664B (zh) | 一种车牌类型的识别方法、装置及电子设备 | |
CN110991465B (zh) | 一种物体识别方法、装置、计算设备及存储介质 | |
CN106156766B (zh) | 文本行分类器的生成方法及装置 | |
US11455805B2 (en) | Method and apparatus for detecting parking space usage condition, electronic device, and storage medium | |
CN103810505B (zh) | 基于多层描述子的车辆标识方法与系统 | |
CN105512660B (zh) | 车牌号码识别方法及装置 | |
CN109740606B (zh) | 一种图像识别方法及装置 | |
Wang et al. | An effective method for plate number recognition | |
CN104766042A (zh) | 交通标志板识别方法及装置 | |
CN111126224A (zh) | 车辆检测方法及分类识别模型训练方法 | |
CN107194393B (zh) | 一种检测临时车牌的方法及装置 | |
CN108073926B (zh) | 一种车牌识别方法及装置 | |
CN112613344B (zh) | 车辆占道检测方法、装置、计算机设备和可读存储介质 | |
CN103366181A (zh) | 多特征视觉码本融合的场景识别方法和装置 | |
CN109447080B (zh) | 一种字符识别方法及装置 | |
CN109034158B (zh) | 一种车牌识别方法、装置及计算机设备 | |
CN110826415A (zh) | 一种场景图像中车辆的重识别方法及设备 | |
CN114038004A (zh) | 一种证件信息提取方法、装置、设备及存储介质 | |
CN108537223B (zh) | 一种车牌检测方法、系统及设备和存储介质 | |
Ingole et al. | Characters feature based Indian vehicle license plate detection and recognition | |
CN112257541A (zh) | 车牌识别方法以及电子设备、计算机可读存储介质 | |
Elbamby et al. | Real-time automatic multi-style license plate detection in videos | |
CN110619255B (zh) | 一种目标检测方法及其装置 | |
CN110659631B (zh) | 车牌识别方法和终端设备 | |
CN110728276B (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 |