CN110197139A - 一种车辆牌照的检测识别方法 - Google Patents
一种车辆牌照的检测识别方法 Download PDFInfo
- Publication number
- CN110197139A CN110197139A CN201910405729.XA CN201910405729A CN110197139A CN 110197139 A CN110197139 A CN 110197139A CN 201910405729 A CN201910405729 A CN 201910405729A CN 110197139 A CN110197139 A CN 110197139A
- Authority
- CN
- China
- Prior art keywords
- license plate
- module
- picture
- vehicle
- license
- 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
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
-
- 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
- G06V10/267—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 by performing operations on regions, e.g. growing, shrinking or watersheds
-
- 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
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
- G06V20/54—Surveillance or monitoring of activities, e.g. for recognising suspicious objects of traffic, e.g. cars on the road, trains or boats
-
- 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
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Character Discrimination (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明是一种车辆牌照的检测识别方法,包括车辆图像采集模块、图像暗化处理模块、车牌定位裁剪模块、字符分割对比模块和识别车牌输出模块,各模块之间采用线性分析结构,由车辆图像采集模块至车牌定位裁剪模块均采用顺序结构,节约了流程判断时间,提升了识别速度,字符分割对比模块大大提高车牌对比的准确性、降低比对时间,识别车牌输出模块将核心识别结果输出给应用层软件,然后根据需求输出用户所需的车牌识别结果。本发明采用的图片格式在传输过程中不易丢失,不会出现漏车现象,车牌识别的准确率高、速度快,整套系统的工作效率高,易于和第三方平台对接传输,维护调试方便。
Description
技术领域
本发明属于交通设备技术领域,具体涉及一种车辆牌照的检测识别方法。
背景技术
随着科技的不断发展,交通领域在进入蒸汽时代以后也得到了突飞猛进的发展,自1886年1月29日第一辆汽车问世开始经过两百多年的发展,目前世界上机动车总量已接近十几亿辆,其中中国汽车总量保持在1.97亿辆左右。为了方便对车辆的管理和控制,早在1912年我国就开始实施对车辆进行悬挂车牌的制度,并通过每辆车悬挂不同的车牌来区分车辆。截止目前为止我国在用的车牌主要包括蓝牌、黄牌、黑牌、军警牌、新能源车牌、领事馆车牌等等数十种车牌,为了更加快捷方便的管理和识别这些车牌,相关的车牌识别技术也应运而生。
至20世纪90年代初期,电子技术的不断发展,车牌识别技术也被众多科学家所青睐。目前比较常见的车牌识别技术还是以图像采集、图像处理为主,即通过抓取一张车辆的照片或截取一段过车视频来分析图片或视频内的车牌等。主要包括以下几种技术:a.通过图像采集设备采集过车视频,然后传输至后端处理设备进行分析确定视频内的车牌;b.通过前端抓拍车辆图片,然后进行图像处理而识别车辆图片内的车牌。
以上两种技术虽然可以识别车牌,协助工作人员判断车辆的车牌号码,但是由于技术路线及整体方案存在的缺陷,导致设备在使用过程中存在以下几点缺陷:a.通过视频后端识别技术,视频在传输过程中容易丢失导致识别时出现漏车现象;b.后端在对视频进行处理的时候,整体处理时间会比较长,往往需要200ms以上才能输出识别结果,会影响整套系统平台的运行;c.现有的前端识别设备,是通过锁定图像范围内的字母或数字进行识别,容易将车辆上方相关型号标志误判为车牌,导致识别率偏低;d.现有系统对设备参数及外界环境要求比较高,不方便现场的调试及维护工作。
发明内容
本发明的目的在于克服现有技术存在的问题,提供一种车辆牌照的检测识别方法。
为实现上述技术目的,达到上述技术效果,本发明通过以下技术方案实现:
一种车辆牌照的检测识别方法,包括线性结构的车辆图像采集模块、图像暗化处理模块、车牌定位裁剪模块、字符分割对比模块和识别车牌输出模块,其中,该方法包括以下步骤:
步骤1)车辆图像采集模块从相应摄像机图像输出端口获取到当前需要识别的图像,并以图片格式发送至图像暗化处理模块中;
步骤2)图像暗化处理模块对图片进行第一次处理,将整张图片亮度拉低,并将处理后的图片发送至车牌定位裁剪模块中;
步骤3)车牌定位裁剪模块根据车牌特有的性质在整个图片识别区域内寻找亮度较为突出的长方形并进行裁剪,同时根据长方形亮度的反光波长值判断出车牌底色,并将裁剪后的图片发送至字符分割对比模块中;
步骤4)字符分割对比模块在获取到已裁剪的车牌图片后首先根据车牌图片上方的标识圆点将前两位与后面分开,然后再将分开后的字符导入识别支付库内进行逐一比对,全部比对完成后进入下一步;
步骤5)识别车牌输出模块将已识别的车牌颜色及字符传输给整套系统的应用层,根据第三方系统的具体要求输出完整的车牌号、车辆大图、车牌小图及二值化图。
进一步的,所述车辆图像采集模块通过数据接口从摄像机内获取需要被识别的图片,根据软件要求将图片转化成JPG格式,以方便后续软件对图片做二次处理。
进一步的,所述图像暗化处理模块通过去除图像增益、提高图像对比度的方式降低整张图片的亮度,同时使车牌图片中位置较亮区域变得更亮,更加方便软件迅速锁定图像范围内的车牌。
进一步的,所述车牌定位裁剪模块在图片中的图像暗化后根据图像各区域反射的亮度波长锁定车牌的位置及车牌底色,并将该区域进行裁剪分析。
进一步的,所述字符分割对比模块将比对后的结果按照车牌顺序进行排列。
进一步的,所述识别车牌输出模块将已识别的车牌颜色及排好顺序的车牌转换成第三方软件指定的格式输出给第三方平台系统。
本发明的有益效果是:
本发明采用的图片格式在传输过程中不易丢失,不会出现漏车现象,采用顺序结构,节约了流程判断时间,提升了识别速度,字符分割对比方式大大提高了车牌对比的准确性、降低比对时间,整套系统的工作效率高,易于和第三方平台对接传输,维护调试方便。
附图说明
图1为本发明的系统结构框图;
图2为本发明实施例中的检测识别过程实例。
具体实施方式
下面将参考附图并结合实施例,来详细说明本发明。
如图1所示,一种车辆牌照的检测识别方法,包括线性结构的车辆图像采集模块、图像暗化处理模块、车牌定位裁剪模块、字符分割对比模块和识别车牌输出模块,其中,该方法包括以下步骤:
步骤1)车辆图像采集模块从相应摄像机图像输出端口获取到当前需要识别的图像,并以图片格式发送至图像暗化处理模块中;
步骤2)图像暗化处理模块对图片进行第一次处理,将整张图片亮度拉低,由于车牌是采用特殊喷涂材料制成,图像亮度整体拉低时会着重突出车牌的亮度,并将处理后的图片发送至车牌定位裁剪模块中;
步骤3)车牌定位裁剪模块根据车牌特有的性质在整个图片识别区域内寻找亮度较为突出的长方形并进行裁剪,同时根据长方形亮度的反光波长值判断出车牌底色,并将裁剪后的图片发送至字符分割对比模块中;
步骤4)字符分割对比模块在获取到已裁剪的车牌图片后首先根据车牌图片上方的标识圆点将前两位与后面分开,然后再将分开后的字符导入识别支付库内进行逐一比对,全部比对完成后进入下一步;
步骤5)识别车牌输出模块将已识别的车牌颜色及字符传输给整套系统的应用层,根据第三方系统的具体要求输出完整的车牌号、车辆大图、车牌小图及二值化图。
所述车辆图像采集模块通过数据接口从摄像机内获取需要被识别的图片,根据软件要求将图片转化成JPG格式,以方便后续软件对图片做二次处理。
所述图像暗化处理模块通过去除图像增益、提高图像对比度的方式降低整张图片的亮度,同时使车牌图片中位置较亮区域变得更亮,更加方便软件迅速锁定图像范围内的车牌,有效提高了整套系统的工作效率,大大提高了车牌识别的准确率及识别速度。
所述车牌定位裁剪模块在图片中的图像暗化后根据图像各区域反射的亮度波长锁定车牌的位置及车牌底色,并将该区域进行裁剪分析。
所述字符分割对比模块将比对后的结果按照车牌顺序进行排列。
所述识别车牌输出模块将已识别的车牌颜色及排好顺序的车牌转换成第三方软件指定的格式输出给第三方平台系统。
如图2所示,图中车牌实为蓝色底,车牌号为沪·91K00的车牌,车辆图像采集模块从经过的车辆图片中识别出车牌并生成图片格式,图像暗化处理模块将整张图片亮度拉低(图2中间上部),车牌定位裁剪模块根据车牌特有的性质在整个图片识别区域内寻找亮度较为突出的长方形并进行裁剪(图2中间下部),同时根据长方形亮度的反光波长值判断出车牌底色,字符分割对比模块在获取到已裁剪的车牌图片后首先根据车牌图片上方的标识圆点将前两位与后面分开,然后再将分开后的字符导入识别支付库内进行逐一比对,生成:
车牌颜色:蓝;
车牌号:沪91K00;(图2右侧)
识别车牌输出模块将已识别的上述车牌颜色及字符传输给整套系统的应用层,根据第三方系统的具体要求输出完整的车牌号、车辆大图、车牌小图及二值化图。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.一种车辆牌照的检测识别方法,其特征在于,包括线性结构的车辆图像采集模块、图像暗化处理模块、车牌定位裁剪模块、字符分割对比模块和识别车牌输出模块,其中,该方法包括以下步骤:
步骤1)车辆图像采集模块从相应摄像机图像输出端口获取到当前需要识别的图像,并以图片格式发送至图像暗化处理模块中;
步骤2)图像暗化处理模块对图片进行第一次处理,将整张图片亮度拉低,并将处理后的图片发送至车牌定位裁剪模块中;
步骤3)车牌定位裁剪模块根据车牌特有的性质在整个图片识别区域内寻找亮度较为突出的长方形并进行裁剪,同时根据长方形亮度的反光波长值判断出车牌底色,并将裁剪后的图片发送至字符分割对比模块中;
步骤4)字符分割对比模块在获取到已裁剪的车牌图片后首先根据车牌图片上方的标识圆点将前两位与后面分开,然后再将分开后的字符导入识别支付库内进行逐一比对,全部比对完成后进入下一步;
步骤5)识别车牌输出模块将已识别的车牌颜色及字符传输给整套系统的应用层,根据第三方系统的具体要求输出完整的车牌号、车辆大图、车牌小图及二值化图。
2.根据权利要求1所述的车辆牌照的检测识别方法,其特征在于,所述车辆图像采集模块通过数据接口从摄像机内获取需要被识别的图片,根据软件要求将图片转化成JPG格式,以方便后续软件对图片做二次处理。
3.根据权利要求1所述的车辆牌照的检测识别方法,其特征在于,所述图像暗化处理模块通过去除图像增益、提高图像对比度的方式降低整张图片的亮度,同时使车牌图片中位置较亮区域变得更亮,更加方便软件迅速锁定图像范围内的车牌。
4.根据权利要求1所述的车辆牌照的检测识别方法,其特征在于,所述车牌定位裁剪模块在图片中的图像暗化后根据图像各区域反射的亮度波长锁定车牌的位置及车牌底色,并将该区域进行裁剪分析。
5.根据权利要求1所述的车辆牌照的检测识别方法,其特征在于,所述字符分割对比模块将比对后的结果按照车牌顺序进行排列。
6.根据权利要求1所述的车辆牌照的检测识别方法,其特征在于,所述识别车牌输出模块将已识别的车牌颜色及排好顺序的车牌转换成第三方软件指定的格式输出给第三方平台系统。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910405729.XA CN110197139A (zh) | 2019-05-16 | 2019-05-16 | 一种车辆牌照的检测识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910405729.XA CN110197139A (zh) | 2019-05-16 | 2019-05-16 | 一种车辆牌照的检测识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110197139A true CN110197139A (zh) | 2019-09-03 |
Family
ID=67752759
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910405729.XA Pending CN110197139A (zh) | 2019-05-16 | 2019-05-16 | 一种车辆牌照的检测识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110197139A (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106530732A (zh) * | 2016-11-08 | 2017-03-22 | 合肥掌韵车聚信息科技有限公司 | 基于orc技术的停车场视频车牌识别系统 |
CN108364010A (zh) * | 2018-03-08 | 2018-08-03 | 广东工业大学 | 一种车牌识别方法、装置、设备及计算机可读存储介质 |
-
2019
- 2019-05-16 CN CN201910405729.XA patent/CN110197139A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106530732A (zh) * | 2016-11-08 | 2017-03-22 | 合肥掌韵车聚信息科技有限公司 | 基于orc技术的停车场视频车牌识别系统 |
CN108364010A (zh) * | 2018-03-08 | 2018-08-03 | 广东工业大学 | 一种车牌识别方法、装置、设备及计算机可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102254152B (zh) | 基于彩色跳变点和颜色密度的车牌定位方法 | |
CN106296750B (zh) | 一种基于改进颜色识别技术的压板状态辨识方法 | |
CN109344701A (zh) | 一种基于Kinect的动态手势识别方法 | |
CN105488479B (zh) | 一种基于加权局部特征比对的车辆套牌识别方法及装置 | |
CN102156862B (zh) | 一种反遮改车牌识别系统及识别方法 | |
CN110837807A (zh) | 一种套牌车辆的识别方法及系统 | |
CN106384117B (zh) | 一种车辆颜色识别方法及装置 | |
CN102915432B (zh) | 一种车载微机图像视频数据提取方法及装置 | |
CN103942539B (zh) | 一种人头部椭圆精确高效提取及遮蔽人脸检测方法 | |
CN103413147A (zh) | 一种车牌识别方法和系统 | |
CN109886222A (zh) | 人脸识别方法、神经网络训练方法、装置及电子设备 | |
CN109583295A (zh) | 一种基于卷积神经网络的转辙机缺口自动检测方法 | |
CN103544480A (zh) | 车辆颜色识别方法 | |
Soomro et al. | Vehicle number recognition system for automatic toll tax collection | |
CN107133563A (zh) | 一种基于公安领域的视频分析系统及方法 | |
CN105930831A (zh) | 一种车牌智能识别方法 | |
CN107437293A (zh) | 一种基于票据全局特征的票据防伪鉴别方法 | |
CN104102909A (zh) | 基于多重视觉信息的车辆特征定位及匹配方法 | |
CN106875529A (zh) | 小区门禁车牌识别系统 | |
CN109615904A (zh) | 停车管理方法、装置、计算机设备和存储介质 | |
CN109657676A (zh) | 基于卷积神经网络的车牌识别方法及系统 | |
CN108830275A (zh) | 点阵字符、点阵数字的识别方法及装置 | |
CN106960424B (zh) | 基于优化分水岭的结核杆菌图像分割识别方法及装置 | |
CN110197139A (zh) | 一种车辆牌照的检测识别方法 | |
Wang et al. | Vehicle license plate location based on improved Roberts operator and mathematical morphology |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190903 |