CN109784322A - 一种基于图像处理的vin码识别方法、设备及介质 - Google Patents
一种基于图像处理的vin码识别方法、设备及介质 Download PDFInfo
- Publication number
- CN109784322A CN109784322A CN201910013905.5A CN201910013905A CN109784322A CN 109784322 A CN109784322 A CN 109784322A CN 201910013905 A CN201910013905 A CN 201910013905A CN 109784322 A CN109784322 A CN 109784322A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- acquisition parameters
- target
- image
- vin code
- 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
- 238000000034 method Methods 0.000 title claims abstract description 46
- 230000007613 environmental effect Effects 0.000 claims abstract description 96
- 238000012545 processing Methods 0.000 claims abstract description 53
- 238000003708 edge detection Methods 0.000 claims abstract description 44
- 238000004590 computer program Methods 0.000 claims description 12
- 230000008859 change Effects 0.000 claims description 3
- 230000000694 effects Effects 0.000 description 13
- 230000009466 transformation Effects 0.000 description 13
- 238000010586 diagram Methods 0.000 description 8
- 238000004422 calculation algorithm Methods 0.000 description 6
- 238000001514 detection method Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 239000000284 extract Substances 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 241000208340 Araliaceae Species 0.000 description 3
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 3
- 235000003140 Panax quinquefolius Nutrition 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 235000008434 ginseng Nutrition 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000001629 suppression Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000005530 etching Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G06V10/10—Image acquisition
-
- 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
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本申请公开了一种基于图像处理的vin码识别方法、设备及介质,应用于图像处理技术领域。其中,该方法包括:获取目标车辆的车辆环境信息;根据车辆环境信息确定目标拍摄参数,使用拍摄装置并按照目标拍摄参数采集目标车辆的vin码图像;对vin码图像进行边缘检测,以得到边缘检测后的边缘图像;对边缘图像进行形态学闭运算,以得到闭运算图像;对闭运算图像进行形态学开运算,以得到开运算图像;确定开运算图像中vin码区域的最小外接矩形,并将最小外接矩形确定的区域确定为目标车辆的vin码区域;对目标车辆的vin码区域进行识别,以识别出vin码。采用本申请,有助于提升对车辆图像的vin码的识别效率。
Description
技术领域
本申请涉及图像处理技术领域,尤其涉及一种基于图像处理的vin码识别方法、设备及介质。
背景技术
目前经常会遇到获取车辆识别号码(Vehicle Identification Number,vin)信息的场景,比如办理车辆业务时。而在保险业务员办理车险业务的过程中,常常需要手动拍摄车辆vin码的图片进行存档,并由人工录入这些vin码信息,效率较低。为了提高效率,可以使用图像识别的方式自动识别出业务员拍摄的图片中的vin码,而识别的第一步,就是要提取出图像中vin码标牌所处的区域。因此,如何识别vin码区域以进一步识别出vin码,从而提升图像识别效率成为关键。
发明内容
本申请实施例提供了一种基于图像处理的vin码识别方法、设备及介质,有助于提升对车辆图像的vin码的识别效率。
第一方面,本申请实施例提供了一种基于图像处理的vin码识别方法,包括:
获取拍摄装置拍摄范围内的目标车辆的车辆环境信息,所述车辆环境信息包括所述目标车辆的车型、所述目标车辆所处的环境光强度、所述目标车辆与所述拍摄装置之间的距离和系统时间中的任一项或多项;
根据所述车辆环境信息确定用于拍摄所述目标车辆的目标拍摄参数,使用所述拍摄装置并按照所述目标拍摄参数采集所述目标车辆的vin码图像,所述vin码图像包括所述目标车辆的vin码区域;
对所述vin码图像进行边缘检测,以得到边缘检测后的边缘图像;
对所述边缘图像进行形态学闭运算,以得到闭运算图像;
对所述闭运算图像进行形态学开运算,以得到开运算图像;
确定所述开运算图像中vin码区域的最小外接矩形,并将所述最小外接矩形确定的区域确定为所述目标车辆的vin码区域;
对所述目标车辆的vin码区域进行识别,以识别出所述目标车辆的vin码。
可选的,所述根据所述车辆环境信息确定用于拍摄所述目标车辆的目标拍摄参数,包括:
根据预设的车辆环境信息和拍摄参数的对应关系,确定出与所述目标车辆的车辆环境信息对应的拍摄参数,并将确定出的所述拍摄参数确定为用于拍摄所述目标车辆的目标拍摄参数。
可选的,所述目标车辆的车辆环境信息包括所述目标车辆的车型;
所述根据预设的车辆环境信息和拍摄参数的对应关系,确定出与所述目标车辆的车辆环境信息对应的拍摄参数,并将确定出的所述拍摄参数确定为用于拍摄所述目标车辆的目标拍摄参数,包括:
根据预设的车辆车型和拍摄参数的对应关系,从数据库中查找出与所述目标车辆的车型相同的车辆车型所对应的拍摄参数,并将查找出的所述拍摄参数确定为用于拍摄所述目标车辆的目标拍摄参数;
其中,所述数据库中存储有多种车辆车型以及每种车辆车型对应的拍摄参数。
可选的,所述目标车辆的车辆环境信息包括所述目标车辆的车型和所述目标车辆所处的环境光强度;
所述根据预设的车辆环境信息和拍摄参数的对应关系,确定出与所述目标车辆的车辆环境信息对应的拍摄参数,并将确定出的所述拍摄参数确定为用于拍摄所述目标车辆的目标拍摄参数,包括:
根据预设的多个环境光强度区间,确定所述目标车辆所处的环境光强度在所述多个环境光强度区间中所在的目标环境光强度区间;
根据预设的车辆车型、环境光强度区间和拍摄参数三者之间的对应关系,从数据库中查找出与所述目标车辆的车型和所述目标环境光强度区间所对应的拍摄参数,并将查找出的所述拍摄参数确定为用于拍摄所述目标车辆的目标拍摄参数;
其中,所述数据库中存储有多种车辆车型、所述多个环境光强度区间以及与每种车辆车型和每个环境光强度区间对应的拍摄参数。
可选的,所述目标车辆的车辆环境信息包括所述目标车辆的车型和所述目标车辆与所述拍摄装置之间的距离;
所述根据预设的车辆环境信息和拍摄参数的对应关系,确定出与所述目标车辆的车辆环境信息对应的拍摄参数,并将确定出的所述拍摄参数确定为用于拍摄所述目标车辆的目标拍摄参数,包括:
根据预设的多个距离区间,确定所述目标车辆与所述拍摄装置之间的距离在所述多个距离区间中所在的目标距离区间;
根据预设的车辆车型、距离区间和拍摄参数三者之间的对应关系,从数据库中查找出与所述目标车辆的车型和所述目标距离区间所对应的拍摄参数,并将查找出的所述拍摄参数确定为用于拍摄所述目标车辆的目标拍摄参数;
其中,所述数据库中存储有多种车辆车型、所述多个距离区间以及与每种车辆车型和每个距离区间对应的拍摄参数。
可选的,所述目标车辆的车辆环境信息包括所述目标车辆的车型和系统时间;
所述根据预设的车辆环境信息和拍摄参数的对应关系,确定出与所述目标车辆的车辆环境信息对应的拍摄参数,并将确定出的所述拍摄参数确定为用于拍摄所述目标车辆的目标拍摄参数,包括:
根据预设的多个时间段,确定所述系统时间在所述多个时间段中所属的目标时间段;
根据预设的车辆车型、时间段和拍摄参数三者之间的对应关系,从数据库中查找出与所述目标车辆的车型和所述目标时间段所对应的拍摄参数,并将查找出的所述拍摄参数确定为用于拍摄所述目标车辆的目标拍摄参数;
其中,所述数据库中存储有多种车辆车型、所述多个时间段以及与每种车辆车型和每个时间段对应的拍摄参数。
可选的,在所述对所述vin码图像进行边缘检测之前,所述方法还包括:
检测所述vin码图像的亮度是否处于预设的亮度区间范围内;
如果所述vin码图像的亮度不处于所述亮度区间范围内,对所述vin码图像进行顶帽变换,以得到顶帽变换后的vin码图像;
所述对所述vin码图像进行边缘检测,以得到边缘检测后的边缘图像,包括:
对所述顶帽变换后的vin码图像进行边缘检测,以得到边缘检测后的边缘图像。
第二方面,本申请实施例提供了一种图像处理设备,该图像处理设备包括用于执行上述第一方面的方法的单元。
第三方面,本申请实施例提供了另一种图像处理设备,包括处理器和存储器,所述处理器和存储器相互连接,其中,所述存储器用于存储支持图像处理设备执行上述方法的计算机程序,所述计算机程序包括程序指令,所述处理器被配置用于调用所述程序指令,执行上述第一方面的方法。可选的,该图像处理设备还可包括用户接口和/或通信接口。
第四方面,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存储有计算机程序,所述计算机程序包括程序指令,所述程序指令当被处理器执行时使所述处理器执行上述第一方面的方法。
本申请实施例能够通过获取车辆的车辆环境信息,根据该车辆环境信息确定出拍摄参数,并按照该拍摄参数采集该车辆的vin码图像,进而能够通过对该vin码图像进行边缘检测得到边缘图像,对该边缘图像进行形态学闭运算和开运算,再根据图像中的最小外接矩形提取得到车辆的vin码区域,以通过对该vin码区域进行识别得到车辆的vin码,从而提升了vin码图像的拍摄效果,提升了获取的vin码图像的可靠性,有助于提升对车辆图像的vin码的识别效率。
附图说明
为了更清楚地说明本申请实施例技术方案,下面将对实施例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1是本申请实施例提供的一种基于图像处理的vin码识别方法的流程示意图;
图2是本申请实施例提供的另一种基于图像处理的vin码识别方法的流程示意图;
图3是本申请实施例提供的一种图像处理设备的结构示意图;
图4是本申请实施例提供的另一种图像处理设备的结构示意图。
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描述,显然,所描述的实施例是本申请一部分实施例,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。
本申请的技术方案可应用于图像处理设备中,该图像处理设备可包括各种终端、服务器或其他设备,用于对图像进行处理,比如提取图像中的vin码区域、识别图像中的vin码等等。本申请涉及的终端可以是手机、电脑、平板、个人计算机、智能手表等,本申请不做限定。
本申请能够通过获取车辆的车辆环境信息如车辆车型、车辆所处的环境光强度、车辆与拍摄装置之间的距离和/或系统时间等等,以根据该车辆环境信息确定出拍摄参数,并按照该拍摄参数采集该车辆的vin码图像,这就提升了vin码图像的拍摄效果,提升了获取的vin码图像的可靠性;进而能够通过对该vin码图像进行边缘检测得到边缘图像,对该边缘图像进行形态学闭运算和开运算,再根据图像中的最小外接矩形提取得到车辆的vin码区域,以通过对该vin码区域进行识别得到车辆的vin码,从而有助于提升对车辆图像的vin码的识别效率。
以下分别详细说明。
请参见图1,图1是本申请实施例提供的一种基于图像处理的vin码识别方法的流程示意图。具体的,本实施例的方法可具体应用于上述的图像处理设备中。如图1所示,该基于图像处理的vin码识别方法可以包括以下步骤:
101、获取拍摄装置拍摄范围内的目标车辆的车辆环境信息。
其中,该拍摄装置可以是相机、摄像机、摄像头或其他可用于拍摄的装置或设备,该拍摄装置可设置于该图像处理设备中,或者可以与该图像处理设备连接。该拍摄范围可以为该拍摄装置可以采集到图像的范围,或者可以为该拍摄装置的采集图像的质量大于预设质量阈值的范围,或者可以为预设的距离范围,等等,本申请不做限定。
可选的,该目标车辆可以是指该拍摄范围内的任一车辆,或者可以为该拍摄范围内特定车型的车辆,或者可以为该拍摄范围内特定位置区域的车辆,或者可以为该拍摄范围内发出指示信号(如开启双闪或开启雨刷等等)的车辆,等等,具体可预先设置得到该目标车辆的选取规则,从而提升了目标车辆的选取的灵活性。
进一步可选的,该车辆环境信息可包括该目标车辆的车型、该目标车辆所处的环境光强度、该目标车辆与该拍摄装置之间的距离(或该目标车辆与该图像处理设备之间的距离)和系统时间等信息项中的任一项或多项。进一步可选的,该车辆环境信息可以是用户输入的;或者可以是由图像处理设备自动识别的,比如通过预览该目标车辆的采集图像确定其车型,通过预置的距离传感器确定出该距离,通过预置的光线传感器确定出该环境光强度,通过预置的时间模块确定系统时间等等;或者可以是其他设备(如该目标车辆)识别出该车辆环境信息后发送给该图像处理设备的,图像处理设备可接收来自其他设备发送的该目标车辆的车辆环境信息,等等,此处不一一列举。
102、根据该车辆环境信息确定用于拍摄该目标车辆的目标拍摄参数,使用该拍摄装置并按照该目标拍摄参数采集该目标车辆的vin码图像,该vin码图像包括该目标车辆的vin码区域。
其中,vin(Vehicle Identification Number)可以叫做车辆识别号码,还可以叫做车架号等等。vin码是一组由十七个数组成的,用于标识车辆的一组独一无二的号码,也就是说,每一车辆都有唯一的vin码。通过vin码可以识别车辆的生产商、引擎、底盘序号及其他性能等资料。
可选的,在确定用于拍摄该目标车辆的目标拍摄参数时,图像处理设备可以是通过预置的各车辆环境信息与拍摄参数的对应关系,基于该对应关系快速确定出该车辆环境信息对应的拍摄参数作为该目标拍摄参数,以提升拍摄参数的确定效率;或者,图像处理设备还可以是根据该车辆环境信息如车型,基于拍摄的该目标车辆的vin码图像与数据库中存储的该车型下的各vin码图像样本的相似度,将数据库中该车型下与该目标车辆的vin码图像相似度最高的vin码图像样本对应的拍摄参数作为该目标车辆的该目标拍摄参数,该数据库中可存储有多个vin码图像样本、多种车型以及与每个vin码图像样本和每种车型对应的(较佳)拍摄参数;或者,图像处理设备还可以是根据该车辆环境信息将上一次手动调节的与该车辆环境信息相同的车辆的拍摄参数作为该目标拍摄参数,等等,此处不一一列举。
进一步的,在确定出拍摄该目标车辆的vin码的拍摄参数,即目标拍摄参数之后,即可使用该拍摄装置以该目标拍摄参数采集(拍摄)该目标车辆的vin码图像,即对该目标车辆的vin码区域进行拍摄,以得到包括该vin码区域的vin码图像。
可选的,本申请涉及的拍摄参数如目标拍摄参数可包括拍摄角度(控制拍摄装置以该拍摄角度拍摄)、焦距、光圈、ISO和/或EV值等等,本申请不做限定。
103、对该vin码图像进行边缘检测,以得到边缘检测后的边缘图像。
在采集得到包括该vin码区域的vin码图像之后,即可对该vin码图像进行处理,以提取出该vin码区域。对该vin码图像进行处理时,可以对该vin码图像进行边缘检测,如可采用Canny算子进行边缘检测。该Canny算法的特点是试图将独立边的候选像素拼装成轮廓。Canny算子求边缘点具体算法步骤如下:
1)用高斯滤波器与图像(如该vin码图像)进行卷积,以平滑图像,滤除噪声;
2)用一阶偏导有限差分计算图像中每个像素点的梯度幅值(梯度强度)和方向;图像中的边缘可以指向各个方向,Canny算法可以使用算子(如Roberts,Prewitt,Sobel等)来检测图像中的水平、垂直和对角边缘,获取水平和垂直方向的一阶导数值,由此确定出像素点的梯度幅值和方向,其中,梯度方向的计算和梯度算子的选取保持一致;
3)对梯度幅值进行非极大值抑制,以消除边缘检测带来的杂散响应;具体的,对梯度图像中每个像素进行非极大值抑制时,可以将当前像素的梯度强度与沿正负梯度方向上的两个像素进行比较,如果当前像素的梯度强度与另外两个像素相比最大,则该像素点保留为边缘点,否则该像素点将被抑制,从而将局部最大值之外的所有梯度值抑制为0,以实现“瘦”边;
4)用双阈值(Double-Threshold)算法检测和连接边缘;具体的,进行3)之后,此时还是存在由于噪声和颜色变化引起的一些边缘像素,由此可以通过设置高低阈值,如果边缘像素的梯度值高于高阈值,则可将其标记为强边缘像素;如果边缘像素的梯度值小于高阈值并且大于低阈值,则可将其标记为弱边缘像素;如果边缘像素的梯度值小于低阈值,则被抑制。从而能够通过边缘检测能够实现从不同视觉对象中提取有用的结构信息,并减少了要处理的数据量。
104、对该边缘图像进行形态学闭运算,以得到闭运算图像。
在对vin码图像进行边缘检测得到边缘检测结果图像即边缘图像之后,还可对该边缘图形进行形态学闭运算,先膨胀后腐蚀。从而得到形态学闭运算结果,以排除小型黑洞(黑色区域)。在进行形态学闭运算时,使用的结构元素可以为一个尺寸为1*N的行向量结构元素,以将水平方向上不连续的边缘连接起来。其中,N可以为列数,可用于指示结构元素的宽度,N大于0。
可选的,该N可以是根据该vin码图像的分辨率设置得到的;和/或,该N可以是根据该vin码图像中vin码区域的尺寸设置得到的,该尺寸可包括长度或宽度;和/或,该N可以是根据该vin码区域中字符间距与该vin码图像的尺寸的比值设置得到的;和/或,该N可以是根据该vin码图像的宽度设置得到的。例如,该N可根据图像的分辨率和/或图像中vin码区域的大小(尺寸)设置得到,分辨率越大和/或vin码区域越大,N的取值越大,具体可预先设置N与图像的分辨率(和/或图像中vin码区域的大小)的对应关系。又如,该N可根据拍摄图像中vin码区域的字符间距大小与vin码图像大小的统计关系得到,比如字符间距大小与vin码图像大小的比值越大,N的取值越大,具体可预先设置N与字符间距大小与图像大小的比值的对应关系。又如,该N可以根据图像宽度设置得到,比如该N的值可以取图像宽度的5%。从而得到形态学闭运算结果,以排除小型黑洞(黑色区域)。也就是说,进行闭运算的结构元素N可以是根据图像的分辨率和/或图像中vin码区域的大小、图像中vin码区域的字符间距大小与图像大小的比值、图像宽度等参数设置得到,灵活性较高,提升了图像处理效果。
105、对该闭运算图像进行形态学开运算,以得到开运算图像。
在进行形态学闭运算后,再进行形态学开运算处理,先腐蚀后膨胀,以将图像中的小尺寸噪声去除。形态学开运算使用的结构元素可与上述的闭运算使用的结构元素保持一致。从而得到形态学开运算结果,以实现消除小物体、在纤细点处分离物体、平滑较大物体的边界的同时并不明显改变其面积等效果。
106、确定该开运算图像中vin码区域的最小外接矩形,并将该最小外接矩形确定的区域确定为该目标车辆的vin码区域。
在步骤105得到的结果图像中,显示为白色的部分为前景,黑色部分为背景,通过对该结果图像即开运算图像进行扫描,即可计算得到前景部分的最小外接矩形,则该最小外接矩形所确定(包围)的区域即为vin码标牌所在区域也即vin码区域。
也就是说,在提取图像中的vin码区域时,本申请可采用边缘检测,形态学闭运算,形态学开运算,计算最小外接矩形的一套简单快速的算法来确定vin码区域,进而识别出vin码。可见,本申请提出的方法能够较好地从原始图像中提取出vin码区域。
107、对该目标车辆的vin码区域进行识别,以识别出该目标车辆的vin码。
在提取出该vin码区域之后,即可存储该vin码区域的图像,和/或进一步识别出该vin码区域包括的字符(标牌)或条码等等。可选的,对该vin码区域进行识别的方式包括OCR字符识别或其他识别方式,本方案不做限定。
可选的,为了确保识别出的vin码的可靠性,在识别出该vin码之后,还可对该vin进行校验,以确定其是否正确/合法,比如可以对该识别出的vin码的第9位进行校验。因vin码的第9位始终为校验位,通过对vin码中的其他位进行一系列计算后即可获得正确的校验位(其中,vin码的第9位为1-9任意一位数字或“X”。计算方法可以为将vin中其余每一位字母或数字的对应数值乘以该位的加权系数,然后除以11,余数即为校验位,若余数为10,校验位为“X”,该加权系数可参见《世界汽车识别代号(VIN)资料手册》P21~23。例如,首先将其它16位中的字母按下列关系转换成数字:A=1 B=2 C=3 D=4 E=5 F=6 G=7 H=8J=1 K=2 L=3 M=4 N=5 P=7 R=9 S=2 T=3 U=4 V=5 W=6 X=7 Y=8 Z=9,每个位置及其对应的加权系数为:位置:1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17,加权系数:8 7 6 5 4 3 2 10*9 8 7 6 5 4 3 2),进而可通过将该计算出的校验位和该第9位进行比较,判断两者是否相同,确定识别出的vin码是否存在错误,也即,两者不同时,表明该vin码存在错误。或者,可以检测识别出的vin码中是否存在非法字符,具体可以通过预置合法字符白名单进行匹配比对,如果存在非法字符,比如该白名单以外的字符,如I、O、Q等等,可以确定该识别出的vin码存在错误。或者,可以通过检测识别出的vin码的位数,因为正常vin码是固定的17位,如果长于或短于17位,则可以确定该识别出的vin码存在错误。如果确定识别出的vin码存在错误,还可以触发重新识别(如果错误次数达到预设次数阈值如3次,还可重新进行vin码区域的提取并重新识别),或者发出告警信息以提示进行人工识别或检测等等。
在获取到正确的vin码之后,即可存储该vin码,或者可基于该vin码办理车辆业务如车险投保等等,从而提升业务办理的智能化和效率。
本申请的vin码区域提取方式,在对图像中的vin码区域进行提取时,提升了检测效率,可以很好地克服车体反射景物的干扰,准确性较高,且能够适用于在性能有限的嵌入式系统中应用,应用范围广。
在本实施例中,图像处理设备能够通过获取车辆的车辆环境信息,根据该车辆环境信息确定出拍摄参数,并按照该拍摄参数采集该车辆的vin码图像,进而能够通过对该vin码图像进行边缘检测得到边缘图像,对该边缘图像进行形态学闭运算和开运算,再根据图像中的最小外接矩形提取得到车辆的vin码区域,以通过对该vin码区域进行识别得到车辆的vin码,从而提升了vin码图像的拍摄效果,提升了获取的vin码图像的可靠性,有助于提升对车辆图像的vin码的识别效率。
请参见图2,图2是本申请实施例提供的另一种基于图像处理的vin码识别方法的流程示意图。具体的,如图2所示,该基于图像处理的vin码识别方法可以包括以下步骤:
201、获取拍摄装置拍摄范围内的目标车辆的车辆环境信息。
其中,该车辆环境信息可包括该目标车辆的车型、该目标车辆所处的环境光强度、该目标车辆与该拍摄装置之间的距离和系统时间等信息中的任一项或多项。该步骤201的描述可参见上述图1所示实施例中步骤101的相关描述,此处不赘述。
202、根据预设的车辆环境信息和拍摄参数的对应关系,确定出与该目标车辆的车辆环境信息对应的拍摄参数,并将确定出的该拍摄参数确定为用于拍摄该目标车辆的目标拍摄参数。
可选的,在一种可能的实施方式中,该目标车辆的车辆环境信息可包括该目标车辆的车型。图像处理设备在确定该目标拍摄参数,可以是根据预设的车辆车型和拍摄参数的对应关系,从数据库中查找出与该目标车辆的车型相同的车辆车型所对应的拍摄参数,并将查找出的该拍摄参数确定为用于拍摄该目标车辆的目标拍摄参数。其中,该数据库中可预先存储有多种车辆车型以及每种车辆车型对应的拍摄参数。该每种车型对应的拍摄参数可以是选择出的该车型下拍摄效果较好比如拍摄质量大于预设的质量阈值和/或vin码区域占图像比例大于预设的比例阈值等等的vin码图像样本的拍摄参数。
可选的,在一种可能的实施方式中,该目标车辆的车辆环境信息可包括该目标车辆的车型和该目标车辆所处的环境光强度。图像处理设备在确定该目标拍摄参数时,可以是根据预设的多个环境光强度区间,确定该目标车辆所处的环境光强度在该多个环境光强度区间中所在的目标环境光强度区间;根据预设的车辆车型、环境光强度区间和拍摄参数三者之间的对应关系,从数据库中查找出与该目标车辆的车型和该目标环境光强度区间所对应的拍摄参数,并将查找出的该拍摄参数确定为用于拍摄该目标车辆的目标拍摄参数。其中,该数据库中可预先存储有多种车辆车型、该多个环境光强度区间以及与每种车辆车型和每个环境光强度区间对应的拍摄参数。
可选的,在一种可能的实施方式中,该目标车辆的车辆环境信息包括该目标车辆的车型和该目标车辆与该拍摄装置之间的距离。图像处理设备在确定该目标拍摄参数,可以是根据预设的多个距离区间,确定该目标车辆与该拍摄装置之间的距离在该多个距离区间中所在的目标距离区间;根据预设的车辆车型、距离区间和拍摄参数三者之间的对应关系,从数据库中查找出与该目标车辆的车型和该目标距离区间所对应的拍摄参数,并将查找出的该拍摄参数确定为用于拍摄该目标车辆的目标拍摄参数。其中,该数据库中可预先存储有多种车辆车型、该多个距离区间以及与每种车辆车型和每个距离区间对应的拍摄参数。
可选的,在一种可能的实施方式中,该目标车辆的车辆环境信息包括该目标车辆的车型和系统时间。图像处理设备在确定该目标拍摄参数,可以是根据预设的多个时间段,确定该系统时间在该多个时间段中所属的目标时间段;根据预设的车辆车型、时间段和拍摄参数三者之间的对应关系,从数据库中查找出与该目标车辆的车型和该目标时间段所对应的拍摄参数,并将查找出的该拍摄参数确定为用于拍摄该目标车辆的目标拍摄参数。其中,该数据库中可预先存储有多种车辆车型、该多个时间段以及与每种车辆车型和每个时间段对应的拍摄参数。
可选的,在一种可能的实施方式中,该目标车辆的车辆环境信息包括系统时间,图像处理设备在确定该目标拍摄参数,可根据预设的时间段和拍摄参数的对应关系,确定出该系统时间对应的拍摄参数作为该目标拍摄参数;或者,该目标车辆的车辆环境信息包括该目标车辆所处的环境光强度,图像处理设备在确定该目标拍摄参数,可根据预设的环境光强度区间和拍摄参数的对应关系,确定出该环境光强度对应的拍摄参数作为该目标拍摄参数;该目标车辆的车辆环境信息包括该目标车辆与该拍摄装置之间的距离,图像处理设备在确定该目标拍摄参数时,可根据预设的距离区间和拍摄参数的对应关系,确定出该距离对应的拍摄参数作为该目标拍摄参数;或者,该车辆环境信息还可包括该目标车辆的车型、该目标车辆所处的环境光强度、该目标车辆与该拍摄装置之间的距离和系统时间,或者包括该目标车辆所处的环境光强度和该目标车辆与该拍摄装置之间的距离,或者包括该目标车辆所处的环境光强度和系统时间,以基于对应的车辆环境信息和拍摄参数的对应关系确定目标拍摄参数,等等,此处不一一列举。
例如,需要对某一车辆的信息如vin码进行识别时,可以调用拍摄装置对vin码区域进行拍摄,得到包括vin码的拍摄图像,简称vin码图像。或者,在一种可选的实施方式中,该拍摄装置可装载于一固定位置处,且该拍摄装置可旋转,即该拍摄装置的拍摄角度可调节。由此可通过对该拍摄装置采集的历史数据中的vin码图像进行分析,得到不同车型的vin码图像数据,并从中选择出拍摄效果较好的(比如涵盖全部vin码区域,且干扰较少的)vin码图像,获取该vin码图像的拍摄参数,预置得到各车型和拍摄参数的对应关系,以便于拍摄装置在识别到车辆的车型之后,能够根据车辆的车型快速调用拍摄参数,包括拍摄装置拍摄角度(控制拍摄装置以该拍摄角度拍摄)、焦距、光圈、ISO、EV值等等。
又如,还可结合时间和/或环境光强度,获取历史数据中拍摄效果较好的vin码图像的拍摄时间和拍摄参数,进而可通过获取当前车辆的车型和当前时间(和/或环境光强度)来快速调用更加匹配的拍摄参数,以提升拍摄可靠性。因不同时间或者不同环境光强度均会对拍摄效果产生影响,比如白天和晚上采用相同的拍摄参数拍摄得到的图像效果完全不同。由此,可预先设置得到不同时间段和车辆车型,与拍摄装置的拍摄参数之间的对应关系;或者,预先设置得到环境光强度和车辆车型,与拍摄装置的拍摄参数之间的对应关系,或者,预先设置得到不同时间段、环境光强度和车辆车型,与拍摄装置的拍摄参数之间的对应关系,等等。举例来说,可通过对该拍摄装置采集的历史数据中的vin码图像进行分析(每个vin码图像关联记录了其拍摄图像时的拍摄时间),得到不同时间段的vin码图像数据,并根据每个时间段内相同车型的vin码图像数据选择出拍摄效果较好的vin码图像,获取该vin码图像的拍摄参数,从而确定出不同时间段和车辆车型,与拍摄装置的拍摄参数之间的对应关系;以便于拍摄装置在识别到当前时间处于的时间段以及车辆的车型之后,能够根据识别出的时间段和车型快速调用对应的拍摄参数进行拍摄。又如,可通过对该拍摄装置采集的历史数据中的vin码图像进行分析(每个vin码图像关联记录了其拍摄图像时的环境光强度),得到不同环境光强度下的vin码图像数据,并根据每个环境光强度区间下相同车型的vin码图像数据选择出拍摄效果较好的vin码图像,获取该vin码图像的拍摄参数,从而确定出不同环境光强度区间和车辆车型,与拍摄装置的拍摄参数之间的对应关系;以便于拍摄装置在识别到当前环境光强度处于的环境光强度区间以及车辆的车型之后,能够根据识别出的环境光强度区间和车型快速调用对应的拍摄参数进行拍摄。
203、使用该拍摄装置并按照该目标拍摄参数采集该目标车辆的vin码图像,该vin码图像包括该目标车辆的vin码区域。
204、对该vin码图像进行顶帽tophat变换,以得到tophat变换后的vin码图像。
其中,该顶帽(tophat)变换可用于检测暗处明亮的细节,提取图像中灰度较高的区域。通过对拍摄的vin码图像进行tophat变换,能够减少该vin码图像区域受到的干扰。由于tophat在图像分割中对检测暗处明亮的细节效果较好,特别是有均匀宽度或大小的目标,由此,可通过对拍摄的vin码图像进行tophat变换以进一步区分出vin码区域。可选的,在vin码图像中存在一些车辆车体反射干扰,为了减少这些干扰,可以将原拍摄得到的vin码图像即原始图像转换为灰度图像,得到转换后的灰度图像之后,再对灰度图像进行tophat变换,得到的tophat变换结果。原vin码图像经过tophat滤波后,就具有简单、均匀的背景和前景,以便于更好地区分出vin码区域。
例如,灰度级图像f的tophat变换定义为f减去其开运算的结果,即That(f)=f-(fοb),其中,b为均值滤波模板,°为开运算。
可选的,在一些实施例中,如果拍摄条件较好,比如vin码图像的亮度处于预设亮度区间范围内,则可以不进行tophat变换。从而减少了设备开销。由此,可通过检测该vin码图像的亮度是否处于预设的亮度区间范围内;如果该vin码图像的亮度不处于该亮度区间范围内,对该vin码图像进行tophat变换,以得到tophat变换后的vin码图像。进一步可选的,如果该vin码图像的亮度处于该亮度区间范围内,则可不进行tophat变换,而直接对该vin码图像进行边缘检测,此处不赘述。
205、对该tophat变换后的vin码图像进行边缘检测,以得到边缘检测后的边缘图像。
如果无需进行tophat变换,则可直接对采集的vin码图像进行边缘检测,此处不赘述。
206、对该边缘图像进行形态学闭运算,以得到闭运算图像。
207、对该闭运算图像进行形态学开运算,以得到开运算图像。
208、确定该开运算图像中vin码区域的最小外接矩形,并将该最小外接矩形确定的区域确定为该目标车辆的vin码区域。
也就是说,在提取图像中的vin码区域时,本申请可采用tophat变换,边缘检测,形态学闭运算,形态学开运算,计算最小外接矩形的一套简单快速的算法来确定vin码区域,进行识别出vin码。
209、对该目标车辆的vin码区域进行识别,以识别出该目标车辆的vin码。
可选的,该步骤203、205-209的描述请参照图1所示实施例中步骤102-107的相关描述,此处不赘述。
在本实施例中,图像处理设备能够通过获取车辆的车辆环境信息,根据预设的车辆环境信息和拍摄参数的对应关系确定出该车辆的拍摄参数,并按照该拍摄参数采集该车辆的vin码图像,进而能够通过对该vin码图像进行tophat变换,进行tophat变换后进行边缘检测得到边缘图像,对该边缘图像进行形态学闭运算和开运算,再根据图像中的最小外接矩形提取得到车辆的vin码区域,以通过对该vin码区域进行识别得到车辆的vin码,从而提升了vin码图像的拍摄效果,提升了获取的vin码图像的可靠性,且提升了对车辆图像的vin码的识别效率。
上述方法实施例都是对本申请的基于图像处理的vin码识别方法的举例说明,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
请参见图3,图3是本申请实施例提供的一种图像处理设备的结构示意图。本申请实施例的图像处理设备包括用于执行上述基于图像处理的vin码识别方法的单元。具体的,本实施例的图像处理设备300可包括:获取单元301和处理单元302。其中,
获取单元301,用于获取拍摄装置拍摄范围内的目标车辆的车辆环境信息,所述车辆环境信息包括所述目标车辆的车型、所述目标车辆所处的环境光强度、所述目标车辆与所述拍摄装置之间的距离和系统时间中的任一项或多项;
处理单元302,用于根据所述车辆环境信息确定用于拍摄所述目标车辆的目标拍摄参数,
获取单元301,还用于使用所述拍摄装置并按照所述目标拍摄参数采集所述目标车辆的vin码图像,所述vin码图像包括所述目标车辆的vin码区域;
处理单元302,还用于对所述vin码图像进行边缘检测,以得到边缘检测后的边缘图像;对所述边缘图像进行形态学闭运算,以得到闭运算图像;对所述闭运算图像进行形态学开运算,以得到开运算图像;确定所述开运算图像中vin码区域的最小外接矩形,并将所述最小外接矩形确定的区域确定为所述目标车辆的vin码区域;对所述目标车辆的vin码区域进行识别,以识别出所述目标车辆的vin码。
可选的,处理单元302,可具体用于根据预设的车辆环境信息和拍摄参数的对应关系,确定出与所述目标车辆的车辆环境信息对应的拍摄参数,并将确定出的所述拍摄参数确定为用于拍摄所述目标车辆的目标拍摄参数。
进一步可选的,所述目标车辆的车辆环境信息包括所述目标车辆的车型;
处理单元302,可具体用于根据预设的车辆车型和拍摄参数的对应关系,从数据库中查找出与所述目标车辆的车型相同的车辆车型所对应的拍摄参数,并将查找出的所述拍摄参数确定为用于拍摄所述目标车辆的目标拍摄参数;
其中,所述数据库中存储有多种车辆车型以及每种车辆车型对应的拍摄参数。
进一步可选的,所述目标车辆的车辆环境信息包括所述目标车辆的车型和所述目标车辆所处的环境光强度;
处理单元302,可具体用于根据预设的多个环境光强度区间,确定所述目标车辆所处的环境光强度在所述多个环境光强度区间中所在的目标环境光强度区间;根据预设的车辆车型、环境光强度区间和拍摄参数三者之间的对应关系,从数据库中查找出与所述目标车辆的车型和所述目标环境光强度区间所对应的拍摄参数,并将查找出的所述拍摄参数确定为用于拍摄所述目标车辆的目标拍摄参数;
其中,所述数据库中存储有多种车辆车型、所述多个环境光强度区间以及与每种车辆车型和每个环境光强度区间对应的拍摄参数。
进一步可选的,所述目标车辆的车辆环境信息包括所述目标车辆的车型和所述目标车辆与所述拍摄装置之间的距离;
处理单元302,可具体用于根据预设的多个距离区间,确定所述目标车辆与所述拍摄装置之间的距离在所述多个距离区间中所在的目标距离区间;根据预设的车辆车型、距离区间和拍摄参数三者之间的对应关系,从数据库中查找出与所述目标车辆的车型和所述目标距离区间所对应的拍摄参数,并将查找出的所述拍摄参数确定为用于拍摄所述目标车辆的目标拍摄参数;
其中,所述数据库中存储有多种车辆车型、所述多个距离区间以及与每种车辆车型和每个距离区间对应的拍摄参数。
进一步可选的,所述目标车辆的车辆环境信息包括所述目标车辆的车型和系统时间;
处理单元302,可具体用于根据预设的多个时间段,确定所述系统时间在所述多个时间段中所属的目标时间段;根据预设的车辆车型、时间段和拍摄参数三者之间的对应关系,从数据库中查找出与所述目标车辆的车型和所述目标时间段所对应的拍摄参数,并将查找出的所述拍摄参数确定为用于拍摄所述目标车辆的目标拍摄参数;
其中,所述数据库中存储有多种车辆车型、所述多个时间段以及与每种车辆车型和每个时间段对应的拍摄参数。
可选的,处理单元302,还可用于在所述对所述vin码图像进行边缘检测之前,检测所述vin码图像的亮度是否处于预设的亮度区间范围内;如果所述vin码图像的亮度不处于所述亮度区间范围内,对所述vin码图像进行顶帽tophat变换,以得到tophat变换后的vin码图像;
处理单元302,可具体用于对所述tophat变换后的vin码图像进行边缘检测,以得到边缘检测后的边缘图像。
具体的,该图像处理设备可通过上述单元实现上述图1至图2所示实施例中的基于图像处理的vin码识别方法中的部分或全部步骤。应理解,本申请实施例是对应方法实施例的装置实施例,对方法实施例的描述,也适用于本申请实施例。
请参见图4,图4是本申请实施例提供的另一种图像处理设备的结构示意图。该图像处理设备用于执行上述的方法。如图4所示,本实施例中的图像处理设备400可以包括:一个或多个处理器401和存储器402。该图像处理设备还可包括拍摄装置或者与拍摄装置连接。可选的,该图像处理设备还可包括一个或多个用户接口403,和/或,一个或多个通信接口404。上述处理器401、用户接口403、通信接口404和存储器402可通过总线405连接,或者可以通过其他方式连接,图4中以总线方式进行示例说明。其中,存储器402用于存储计算机程序,所述计算机程序包括程序指令,处理器401用于执行存储器402存储的程序指令。
其中,处理器401可用于调用所述程序指令执行以下步骤:获取拍摄装置拍摄范围内的目标车辆的车辆环境信息,所述车辆环境信息包括所述目标车辆的车型、所述目标车辆所处的环境光强度、所述目标车辆与所述拍摄装置之间的距离和系统时间中的任一项或多项;根据所述车辆环境信息确定用于拍摄所述目标车辆的目标拍摄参数,使用所述拍摄装置并按照所述目标拍摄参数采集所述目标车辆的vin码图像,所述vin码图像包括所述目标车辆的vin码区域;对所述vin码图像进行边缘检测,以得到边缘检测后的边缘图像;对所述边缘图像进行形态学闭运算,以得到闭运算图像;对所述闭运算图像进行形态学开运算,以得到开运算图像;确定所述开运算图像中vin码区域的最小外接矩形,并将所述最小外接矩形确定的区域确定为所述目标车辆的vin码区域;对所述目标车辆的vin码区域进行识别,以识别出所述目标车辆的vin码。
可选的,处理器401在执行所述根据所述车辆环境信息确定用于拍摄所述目标车辆的目标拍摄参数时,可具体执行以下步骤:根据预设的车辆环境信息和拍摄参数的对应关系,确定出与所述目标车辆的车辆环境信息对应的拍摄参数,并将确定出的所述拍摄参数确定为用于拍摄所述目标车辆的目标拍摄参数。
可选的,所述目标车辆的车辆环境信息包括所述目标车辆的车型;
处理器401在执行所述根据预设的车辆环境信息和拍摄参数的对应关系,确定出与所述目标车辆的车辆环境信息对应的拍摄参数,并将确定出的所述拍摄参数确定为用于拍摄所述目标车辆的目标拍摄参数时,可具体执行以下步骤:根据预设的车辆车型和拍摄参数的对应关系,从数据库中查找出与所述目标车辆的车型相同的车辆车型所对应的拍摄参数,并将查找出的所述拍摄参数确定为用于拍摄所述目标车辆的目标拍摄参数;
其中,所述数据库中存储有多种车辆车型以及每种车辆车型对应的拍摄参数。
可选的,所述目标车辆的车辆环境信息包括所述目标车辆的车型和所述目标车辆所处的环境光强度;
处理器401在执行所述根据预设的车辆环境信息和拍摄参数的对应关系,确定出与所述目标车辆的车辆环境信息对应的拍摄参数,并将确定出的所述拍摄参数确定为用于拍摄所述目标车辆的目标拍摄参数时,可具体执行以下步骤:根据预设的多个环境光强度区间,确定所述目标车辆所处的环境光强度在所述多个环境光强度区间中所在的目标环境光强度区间;根据预设的车辆车型、环境光强度区间和拍摄参数三者之间的对应关系,从数据库中查找出与所述目标车辆的车型和所述目标环境光强度区间所对应的拍摄参数,并将查找出的所述拍摄参数确定为用于拍摄所述目标车辆的目标拍摄参数;
其中,所述数据库中存储有多种车辆车型、所述多个环境光强度区间以及与每种车辆车型和每个环境光强度区间对应的拍摄参数。
可选的,所述目标车辆的车辆环境信息包括所述目标车辆的车型和所述目标车辆与所述拍摄装置之间的距离;
处理器401在执行所述根据预设的车辆环境信息和拍摄参数的对应关系,确定出与所述目标车辆的车辆环境信息对应的拍摄参数,并将确定出的所述拍摄参数确定为用于拍摄所述目标车辆的目标拍摄参数时,可具体执行以下步骤:根据预设的多个距离区间,确定所述目标车辆与所述拍摄装置之间的距离在所述多个距离区间中所在的目标距离区间;根据预设的车辆车型、距离区间和拍摄参数三者之间的对应关系,从数据库中查找出与所述目标车辆的车型和所述目标距离区间所对应的拍摄参数,并将查找出的所述拍摄参数确定为用于拍摄所述目标车辆的目标拍摄参数;
其中,所述数据库中存储有多种车辆车型、所述多个距离区间以及与每种车辆车型和每个距离区间对应的拍摄参数。
可选的,所述目标车辆的车辆环境信息包括所述目标车辆的车型和系统时间;
处理器401在执行所述根据预设的车辆环境信息和拍摄参数的对应关系,确定出与所述目标车辆的车辆环境信息对应的拍摄参数,并将确定出的所述拍摄参数确定为用于拍摄所述目标车辆的目标拍摄参数时,可具体执行以下步骤:根据预设的多个时间段,确定所述系统时间在所述多个时间段中所属的目标时间段;根据预设的车辆车型、时间段和拍摄参数三者之间的对应关系,从数据库中查找出与所述目标车辆的车型和所述目标时间段所对应的拍摄参数,并将查找出的所述拍摄参数确定为用于拍摄所述目标车辆的目标拍摄参数;
其中,所述数据库中存储有多种车辆车型、所述多个时间段以及与每种车辆车型和每个时间段对应的拍摄参数。
可选的,处理器401在执行所述对所述vin码图像进行边缘检测之前,还可执行以下步骤:检测所述vin码图像的亮度是否处于预设的亮度区间范围内;如果所述vin码图像的亮度不处于所述亮度区间范围内,对所述vin码图像进行顶帽tophat变换,以得到tophat变换后的vin码图像;
所述对所述vin码图像进行边缘检测,以得到边缘检测后的边缘图像时,可具体执行以下步骤:对所述tophat变换后的vin码图像进行边缘检测,以得到边缘检测后的边缘图像。
其中,所述处理器401可以是中央处理单元(Central Processing Unit,CPU),该处理器还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(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、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
用户接口403可包括输入设备和输出设备,输入设备可以包括触控板、麦克风等,输出设备可以包括显示器(LCD等)、扬声器等。
通信接口404可包括接收器和发射器,用于与其他设备进行通信。
存储器402可以包括只读存储器和随机存取存储器,并向处理器401提供指令和数据。存储器402的一部分还可以包括非易失性随机存取存储器。例如,存储器402还可以存储上述的函数指针和函数的对应关系等等。
具体实现中,本申请实施例中所描述的处理器401等可执行上述图1至图2所示的方法实施例中所描述的实现方式,也可执行本申请实施例图3所描述的各单元的实现方式,此处不赘述。
本申请实施例还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存储有计算机程序,所述计算机程序被处理器执行时可实现图1至图2所对应实施例中描述的基于图像处理的vin码识别方法中的部分或全部步骤,也可实现本申请图3或图4所示实施例的图像处理设备的功能,此处不赘述。
本申请实施例还提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行上述方法中的部分或全部步骤。
所述计算机可读存储介质可以是前述任一实施例所述的图像处理设备的内部存储单元,例如图像处理设备的硬盘或内存。所述计算机可读存储介质也可以是所述图像处理设备的外部存储设备,例如所述图像处理设备上配备的插接式硬盘,智能存储卡(SmartMedia Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。
在本申请中,术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系。
在本申请的各种实施例中,上述各过程的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
以上所述,仅为本申请的部分实施方式,但本申请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申请揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本申请的保护范围之内。
Claims (10)
1.一种基于图像处理的vin码识别方法,其特征在于,包括:
获取拍摄装置拍摄范围内的目标车辆的车辆环境信息,所述车辆环境信息包括所述目标车辆的车型、所述目标车辆所处的环境光强度、所述目标车辆与所述拍摄装置之间的距离和系统时间中的任一项或多项;
根据所述车辆环境信息确定用于拍摄所述目标车辆的目标拍摄参数,使用所述拍摄装置并按照所述目标拍摄参数采集所述目标车辆的vin码图像,所述vin码图像包括所述目标车辆的vin码区域;
对所述vin码图像进行边缘检测,以得到边缘检测后的边缘图像;
对所述边缘图像进行形态学闭运算,以得到闭运算图像;
对所述闭运算图像进行形态学开运算,以得到开运算图像;
确定所述开运算图像中vin码区域的最小外接矩形,并将所述最小外接矩形确定的区域确定为所述目标车辆的vin码区域;
对所述目标车辆的vin码区域进行识别,以识别出所述目标车辆的vin码。
2.根据权利要求1所述的方法,其特征在于,所述根据所述车辆环境信息确定用于拍摄所述目标车辆的目标拍摄参数,包括:
根据预设的车辆环境信息和拍摄参数的对应关系,确定出与所述目标车辆的车辆环境信息对应的拍摄参数,并将确定出的所述拍摄参数确定为用于拍摄所述目标车辆的目标拍摄参数。
3.根据权利要求2所述的方法,其特征在于,所述目标车辆的车辆环境信息包括所述目标车辆的车型;
所述根据预设的车辆环境信息和拍摄参数的对应关系,确定出与所述目标车辆的车辆环境信息对应的拍摄参数,并将确定出的所述拍摄参数确定为用于拍摄所述目标车辆的目标拍摄参数,包括:
根据预设的车辆车型和拍摄参数的对应关系,从数据库中查找出与所述目标车辆的车型相同的车辆车型所对应的拍摄参数,并将查找出的所述拍摄参数确定为用于拍摄所述目标车辆的目标拍摄参数;
其中,所述数据库中存储有多种车辆车型以及每种车辆车型对应的拍摄参数。
4.根据权利要求2所述的方法,其特征在于,所述目标车辆的车辆环境信息包括所述目标车辆的车型和所述目标车辆所处的环境光强度;
所述根据预设的车辆环境信息和拍摄参数的对应关系,确定出与所述目标车辆的车辆环境信息对应的拍摄参数,并将确定出的所述拍摄参数确定为用于拍摄所述目标车辆的目标拍摄参数,包括:
根据预设的多个环境光强度区间,确定所述目标车辆所处的环境光强度在所述多个环境光强度区间中所在的目标环境光强度区间;
根据预设的车辆车型、环境光强度区间和拍摄参数三者之间的对应关系,从数据库中查找出与所述目标车辆的车型和所述目标环境光强度区间所对应的拍摄参数,并将查找出的所述拍摄参数确定为用于拍摄所述目标车辆的目标拍摄参数;
其中,所述数据库中存储有多种车辆车型、所述多个环境光强度区间以及与每种车辆车型和每个环境光强度区间对应的拍摄参数。
5.根据权利要求2所述的方法,其特征在于,所述目标车辆的车辆环境信息包括所述目标车辆的车型和所述目标车辆与所述拍摄装置之间的距离;
所述根据预设的车辆环境信息和拍摄参数的对应关系,确定出与所述目标车辆的车辆环境信息对应的拍摄参数,并将确定出的所述拍摄参数确定为用于拍摄所述目标车辆的目标拍摄参数,包括:
根据预设的多个距离区间,确定所述目标车辆与所述拍摄装置之间的距离在所述多个距离区间中所在的目标距离区间;
根据预设的车辆车型、距离区间和拍摄参数三者之间的对应关系,从数据库中查找出与所述目标车辆的车型和所述目标距离区间所对应的拍摄参数,并将查找出的所述拍摄参数确定为用于拍摄所述目标车辆的目标拍摄参数;
其中,所述数据库中存储有多种车辆车型、所述多个距离区间以及与每种车辆车型和每个距离区间对应的拍摄参数。
6.根据权利要求2所述的方法,其特征在于,所述目标车辆的车辆环境信息包括所述目标车辆的车型和系统时间;
所述根据预设的车辆环境信息和拍摄参数的对应关系,确定出与所述目标车辆的车辆环境信息对应的拍摄参数,并将确定出的所述拍摄参数确定为用于拍摄所述目标车辆的目标拍摄参数,包括:
根据预设的多个时间段,确定所述系统时间在所述多个时间段中所属的目标时间段;
根据预设的车辆车型、时间段和拍摄参数三者之间的对应关系,从数据库中查找出与所述目标车辆的车型和所述目标时间段所对应的拍摄参数,并将查找出的所述拍摄参数确定为用于拍摄所述目标车辆的目标拍摄参数;
其中,所述数据库中存储有多种车辆车型、所述多个时间段以及与每种车辆车型和每个时间段对应的拍摄参数。
7.根据权利要求1-6任一项所述的方法,其特征在于,在所述对所述vin码图像进行边缘检测之前,所述方法还包括:
检测所述vin码图像的亮度是否处于预设的亮度区间范围内;
如果所述vin码图像的亮度不处于所述亮度区间范围内,对所述vin码图像进行顶帽变换,以得到顶帽变换后的vin码图像;
所述对所述vin码图像进行边缘检测,以得到边缘检测后的边缘图像,包括:
对所述顶帽变换后的vin码图像进行边缘检测,以得到边缘检测后的边缘图像。
8.一种图像处理设备,其特征在于,包括用于执行如权利要求1-7任一项权利要求所述的方法的单元。
9.一种图像处理设备,其特征在于,包括处理器和存储器,所述处理器和存储器相互连接,其中,所述存储器用于存储计算机程序,所述计算机程序包括程序指令,所述处理器被配置用于调用所述程序指令,执行如权利要求1-7任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序包括程序指令,所述程序指令当被处理器执行时使所述处理器执行如权利要求1-7任一项所述的方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910013905.5A CN109784322A (zh) | 2019-01-04 | 2019-01-04 | 一种基于图像处理的vin码识别方法、设备及介质 |
PCT/CN2019/117069 WO2020140611A1 (zh) | 2019-01-04 | 2019-11-11 | 一种基于图像处理的vin码识别方法、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910013905.5A CN109784322A (zh) | 2019-01-04 | 2019-01-04 | 一种基于图像处理的vin码识别方法、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109784322A true CN109784322A (zh) | 2019-05-21 |
Family
ID=66500102
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910013905.5A Pending CN109784322A (zh) | 2019-01-04 | 2019-01-04 | 一种基于图像处理的vin码识别方法、设备及介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN109784322A (zh) |
WO (1) | WO2020140611A1 (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110503102A (zh) * | 2019-08-27 | 2019-11-26 | 上海眼控科技股份有限公司 | 车辆识别码检测方法、装置、计算机设备和存储介质 |
CN110796709A (zh) * | 2019-10-29 | 2020-02-14 | 上海眼控科技股份有限公司 | 车架号尺寸获取方法、装置、计算机设备和存储介质 |
WO2020140611A1 (zh) * | 2019-01-04 | 2020-07-09 | 平安科技(深圳)有限公司 | 一种基于图像处理的vin码识别方法、设备及介质 |
CN112818746A (zh) * | 2020-12-30 | 2021-05-18 | 北京立禾物联科技有限公司 | 一种合格证的识别方法、装置及系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101246551A (zh) * | 2008-03-07 | 2008-08-20 | 北京航空航天大学 | 一种快速的车牌定位方法 |
CN101789080A (zh) * | 2010-01-21 | 2010-07-28 | 上海交通大学 | 车辆车牌实时定位字符分割的检测方法 |
CN102646195A (zh) * | 2012-02-21 | 2012-08-22 | 北京工业大学 | 基于jpeg压缩图像的车牌定位方法 |
CN103148837A (zh) * | 2012-11-16 | 2013-06-12 | Tcl集团股份有限公司 | 一种车距测量方法、装置及汽车 |
CN103927526A (zh) * | 2014-04-30 | 2014-07-16 | 长安大学 | 一种基于高斯差分多尺度边缘融合的车辆检测方法 |
CN104751097A (zh) * | 2015-03-30 | 2015-07-01 | 深圳市道通科技股份有限公司 | 一种车辆识别码的检测处理方法及装置 |
CN106558121A (zh) * | 2015-09-30 | 2017-04-05 | 中兴通讯股份有限公司 | 摄像的方法及装置 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105426899B (zh) * | 2014-09-19 | 2019-11-08 | 腾讯科技(北京)有限公司 | 车辆识别方法、装置和客户端 |
CN105913059B (zh) * | 2016-04-11 | 2021-04-27 | 吉林大学 | 一种车辆vin码的自动识别系统及其控制方法 |
CN109784322A (zh) * | 2019-01-04 | 2019-05-21 | 平安科技(深圳)有限公司 | 一种基于图像处理的vin码识别方法、设备及介质 |
-
2019
- 2019-01-04 CN CN201910013905.5A patent/CN109784322A/zh active Pending
- 2019-11-11 WO PCT/CN2019/117069 patent/WO2020140611A1/zh active Application Filing
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101246551A (zh) * | 2008-03-07 | 2008-08-20 | 北京航空航天大学 | 一种快速的车牌定位方法 |
CN101789080A (zh) * | 2010-01-21 | 2010-07-28 | 上海交通大学 | 车辆车牌实时定位字符分割的检测方法 |
CN102646195A (zh) * | 2012-02-21 | 2012-08-22 | 北京工业大学 | 基于jpeg压缩图像的车牌定位方法 |
CN103148837A (zh) * | 2012-11-16 | 2013-06-12 | Tcl集团股份有限公司 | 一种车距测量方法、装置及汽车 |
CN103927526A (zh) * | 2014-04-30 | 2014-07-16 | 长安大学 | 一种基于高斯差分多尺度边缘融合的车辆检测方法 |
CN104751097A (zh) * | 2015-03-30 | 2015-07-01 | 深圳市道通科技股份有限公司 | 一种车辆识别码的检测处理方法及装置 |
CN106558121A (zh) * | 2015-09-30 | 2017-04-05 | 中兴通讯股份有限公司 | 摄像的方法及装置 |
Non-Patent Citations (2)
Title |
---|
贾玉珍 等: "基于形态学边缘检测的超速车辆牌照定位方法", 计算技术与自动化, vol. 30, no. 01, pages 94 - 96 * |
贾玉珍;肖飞;靳冰;: "基于形态学边缘检测的超速车辆牌照定位方法", 计算技术与自动化, vol. 30, no. 01, 15 March 2011 (2011-03-15), pages 94 - 96 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020140611A1 (zh) * | 2019-01-04 | 2020-07-09 | 平安科技(深圳)有限公司 | 一种基于图像处理的vin码识别方法、设备及介质 |
CN110503102A (zh) * | 2019-08-27 | 2019-11-26 | 上海眼控科技股份有限公司 | 车辆识别码检测方法、装置、计算机设备和存储介质 |
CN110796709A (zh) * | 2019-10-29 | 2020-02-14 | 上海眼控科技股份有限公司 | 车架号尺寸获取方法、装置、计算机设备和存储介质 |
CN112818746A (zh) * | 2020-12-30 | 2021-05-18 | 北京立禾物联科技有限公司 | 一种合格证的识别方法、装置及系统 |
Also Published As
Publication number | Publication date |
---|---|
WO2020140611A1 (zh) | 2020-07-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109740547A (zh) | 一种图像处理方法、设备及计算机可读存储介质 | |
CN109003390B (zh) | 一种商品识别方法、无人售货机及计算机可读存储介质 | |
CN109784322A (zh) | 一种基于图像处理的vin码识别方法、设备及介质 | |
Verdoliva et al. | A feature-based approach for image tampering detection and localization | |
CN108009466B (zh) | 行人检测方法和装置 | |
US9245198B2 (en) | Object recognition by comparison of patterns against map of image | |
CN109413411B (zh) | 一种监控线路的黑屏识别方法、装置及服务器 | |
CN105184291B (zh) | 一种多类型车牌检测方法及系统 | |
CN111210399A (zh) | 一种成像质量评价方法、装置及设备 | |
CN111860448A (zh) | 洗手动作识别方法及系统 | |
CN106920266B (zh) | 验证码的背景生成方法和装置 | |
CN114220087A (zh) | 一种车牌检测方法、车牌检测器及相关设备 | |
CN116311212B (zh) | 基于高速摄像机实现运动状态下的船号识别方法及装置 | |
JP2006344154A (ja) | 車両判別装置及び方法 | |
CN111476056B (zh) | 目标物体的识别方法、装置、终端设备及计算机存储介质 | |
CN110751163B (zh) | 目标定位方法及其装置、计算机可读存储介质和电子设备 | |
CN111402185B (zh) | 一种图像检测方法及装置 | |
CN104463135B (zh) | 一种车标识别方法和系统 | |
CN111738043A (zh) | 一种行人重识别方法及装置 | |
Jadhav et al. | FPGA based object tracking system | |
CN113454649B (zh) | 目标检测方法、装置、电子设备和计算机可读存储介质 | |
CN110765940B (zh) | 目标对象统计方法和装置 | |
Dandu et al. | Vehicular number plate recognition using edge detection and characteristic analysis of national number plates | |
WO2022263904A1 (en) | Target detection methods, apparatuses, electronic devices and computer-readable storage media | |
Garcia et al. | Automatic detection of heads in colored images |
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 |