CN110427944A - 车牌检测数据的获取方法、装置、设备及存储介质 - Google Patents
车牌检测数据的获取方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN110427944A CN110427944A CN201910845481.9A CN201910845481A CN110427944A CN 110427944 A CN110427944 A CN 110427944A CN 201910845481 A CN201910845481 A CN 201910845481A CN 110427944 A CN110427944 A CN 110427944A
- Authority
- CN
- China
- Prior art keywords
- picture
- license plate
- car
- car plate
- pixel
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 132
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000006243 chemical reaction Methods 0.000 claims description 28
- 238000012545 processing Methods 0.000 claims description 25
- 238000004891 communication Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 238000004590 computer program Methods 0.000 claims description 2
- 239000002699 waste material Substances 0.000 abstract description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000012549 training Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- PCTMTFRHKVHKIS-BMFZQQSSSA-N (1s,3r,4e,6e,8e,10e,12e,14e,16e,18s,19r,20r,21s,25r,27r,30r,31r,33s,35r,37s,38r)-3-[(2r,3s,4s,5s,6r)-4-amino-3,5-dihydroxy-6-methyloxan-2-yl]oxy-19,25,27,30,31,33,35,37-octahydroxy-18,20,21-trimethyl-23-oxo-22,39-dioxabicyclo[33.3.1]nonatriaconta-4,6,8,10 Chemical compound C1C=C2C[C@@H](OS(O)(=O)=O)CC[C@]2(C)[C@@H]2[C@@H]1[C@@H]1CC[C@H]([C@H](C)CCCC(C)C)[C@@]1(C)CC2.O[C@H]1[C@@H](N)[C@H](O)[C@@H](C)O[C@H]1O[C@H]1/C=C/C=C/C=C/C=C/C=C/C=C/C=C/[C@H](C)[C@@H](O)[C@@H](C)[C@H](C)OC(=O)C[C@H](O)C[C@H](O)CC[C@@H](O)[C@H](O)C[C@H](O)C[C@](O)(C[C@H](O)[C@H]2C(O)=O)O[C@H]2C1 PCTMTFRHKVHKIS-BMFZQQSSSA-N 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000003321 amplification Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/04—Context-preserving transformations, e.g. by using an importance map
-
- 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
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- 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
- G06V10/32—Normalisation of the pattern dimensions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- 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)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Vehicle Waterproofing, Decoration, And Sanitation Devices (AREA)
Abstract
本申请提供一种车牌检测数据的获取方法、装置、设备及存储介质,涉及车牌识别技术领域。该方法包括:对待处理的车牌图片进行变换,得到变换后的所述车牌图片;将变换后的所述车牌图片放入预设图片中,并对所述预设图片中所述车牌图片的边缘位置进行处理,得到车牌检测图片;获取所述车牌检测图片中所述车牌图片的端点坐标;生成车牌检测数据,其中,所述车牌检测数据包括:所述车牌检测图片及所述车牌图片的端点坐标。相对于现有技术,避免了人工手动标记数据造成的人力浪费。
Description
技术领域
本申请涉及车牌识别领域,具体而言,涉及一种车牌检测数据的获取方法、装置、设备及存储介质。
背景技术
随着社会的发展和人民生活水平的提高,机动车辆的数量越来越对。为了提高车辆的管理效率等问题,车牌检测和识别系统的作用就尤为重要。
在车牌检测中,只有根据大量的高质量的标记数据,才能实现车牌检测模型的训练,随后才能通过训练好的车牌检测模型对车辆进行车牌识别。
但是目前标记数据均为人工标记,一般需要大量的人力来手动标记数据,从而造成了人力的浪费。
发明内容
本申请的目的在于,针对上述现有技术中的不足,提供一种车牌检测数据的获取方法、装置、设备和存储介质,以解决现有技术中通过人工手动标记训练数据,从而造成的人力浪费的问题。
为实现上述目的,本申请实施例采用的技术方案如下:
第一方面,本申请一实施例提供了一种车牌检测数据的获取方法,包括:
对待处理的车牌图片进行变换,得到变换后的所述车牌图片;
将变换后的所述车牌图片放入预设图片中,并对所述预设图片中所述车牌图片的边缘位置进行处理,得到车牌检测图片;
获取所述车牌检测图片中所述车牌图片的端点坐标;
生成车牌检测数据,其中,所述车牌检测数据包括:所述车牌检测图片及所述车牌图片的端点坐标。
进一步地,所述对待处理的车牌图片进行变换,得到变换后的所述车牌图片,包括:
根据预设长宽比例,对所述车牌图片进行透视变换,得到透视变换后的所述车牌图片,透视变换后的所述车牌图片中车牌显示区域的长宽比例为所述预设的长宽比例,且透视变换后的所述车牌图片中,所述车牌显示区域的面积与所述车牌图片的面积的比例为预设面积比例;
对透视变换后的所述车牌图片进行大小变换,得到变换后的所述车牌图片。
进一步地,所述对透视变换后的所述车牌图片进行大小变换,得到变换后的所述车牌图片包括:
根据预设大小比例,对透视变换后的所述车牌图片进行大小变换,使得变换后的所述车牌图片与所述预设图片的大小比例为所述预设大小比例。
进一步地,所述大小变换比例为:所述车牌图片的边长与所述预设图片中对应边长的大小比例。
进一步地,所述将变换后的所述车牌图片放入预设图片中,并对该图片中所述车牌图片的边缘位置进行处理,得到车牌检测图片,包括:
对所述车牌检测图片中,所述车牌图片的边缘位置进行处理,得到边缘处理后的所述车牌检测图片;其中,边缘处理后的所述车牌检测图片中,所述边缘位置的各像素点的像素值为所述预设图片中对应像素点的像素值。
进一步地,所述对该图片中所述车牌图片的边缘位置进行处理之前,所述方法还包括:
判断所述车牌检测图片中所述车牌图片的像素点是否在所述车牌显示区域内:
若所述车牌图片的某个像素点不在所述车牌显示区域内,则确定该像素点在所述边缘位置。
进一步地,所述判断所述车牌检测图片中所述车牌图片的每个像素点是否在所述车牌显示区域的范围内,包括:
确定所述车牌图片中各像素点分别与所述车牌显示区域的四个端点构成的各三角形面积之和;
判断所述面积之和是否等于所述车牌显示区域的面积;
若是,则确定该像素点在所述车牌显示区域的范围内;
若否,则确定该像素点不在所述车牌显示区域的范围内。
第二方面,本申请另一实施例提供了一种车牌检测数据的获取装置,包括:变换模块、处理模块、获取模块和生成模块,其中:
所述变换模块,用于对待处理的车牌图片进行变换,得到变换后的所述车牌图片;
所述处理模块,用于将变换后的所述车牌图片放入预设图片中,并对该图片中所述车牌图片的边缘位置进行处理,得到车牌检测图片;
所述获取模块,用于获取所述车牌检测图片中所述车牌图片的端点坐标;
所述生成模块,用于生成车牌检测数据,其中,所述车牌检测数据包括:所述车牌检测图片及所述车牌图片的端点坐标。
第三方面,本申请另一实施例提供了一种车牌检测数据的获取设备,包括:处理器、存储介质和总线,所述存储介质存储有所述处理器可执行的机器可读指令,当车牌检测数据的获取设备运行时,所述处理器与所述存储介质之间通过总线通信,所述处理器执行所述机器可读指令,以执行如上述第一方面任一所述方法的步骤。
第四方面,本申请另一实施例提供了一种存储介质,所述存储介质上存储有计算机程序,所述计算机程序被处理器运行时执行如上述第一方面任一所述方法的步骤。
本申请的有益效果是:采用本申请提供的车牌检测数据的获取方法,可以逐一对大量的待处理的车牌图片进行变换,并将变换后的车牌图片放入预设图片中,经过边缘位置处理后得到车牌检测图片,并获取该车牌检测图片中该车牌图片的端点坐标,继而生成包括车牌检测图片及该车牌图片的端点坐标的车牌检测数据。该方法中,通过对车牌图片经过一系列变换处理后得到车辆检测图片以及车辆检测图片中该车牌图片的端点坐标,继而生成车辆检测数据,车牌检测图片中的车牌图片以及该车牌图片的端点坐标,与真实车牌数据的相近似较高,那么由大量的车牌检测图片以及其中车牌图片的端点数据所构成的车牌检测数据,可以有效地扩充车牌检测数据,降低训练数据标记带来的人力的浪费,还可使得车牌检测数据更准确,从而使得基于车牌检测数据进行车牌检测的准确度更高。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1为本申请一实施例提供的车牌检测数据的获取方法的流程示意图;
图2为本申请一实施例提供的车牌检测数据的获取装置的结构示意图;
图3为本申请一实施例提供的车牌检测数据的获取设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,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、完整地描述,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。
本申请下述各实施例提供的车牌检测数据的获取方法可由终端设备执行,其中,终端设备可以为平板电脑、台式电脑或任意具有图片处理能力的服务器。
图1为本申请一实施例提供的一种车牌检测数据的获取方法的流程示意图,如图1所示,该方法可包括:
S101:对待处理的车牌图片进行变换,得到变换后的车牌图片。
可选地,待处理的车牌图片可以为从其他图片上截取的满足预设像素需求的车牌图片,其中,预设要求可以为:像素值大于或等于预设像素值的车牌图片,也可以为拍照获取的车牌图片。待处理的车牌图片可以为包含一个车牌的图片,也可以为包含多个车牌的图片,具体获取车牌图片的方式在此不做任何限制,仅需在待处理的车牌图片中,车牌显示区域所占的面积大于其他区域的面积即可。
S102:将变换后的车牌图片放入预设图片中,并对预设图片中车牌图片的边缘位置进行处理,得到车牌检测图片。
其中,预设图片为自然图片,即任一具有自然风景的图片,在本申请中,为了保证后续车牌检测训练时的质量,避免预设图片中车牌信息的干扰,预设图片中可不包含带有车牌的图片。
对车牌图片的边缘位置进行处理,可使得车牌图片中的车牌显示区域更好地融入预设图片中,有效防止车牌图片的边缘位置的像素对车牌检测的干扰。例如:如果车牌检测图片中的车牌图片带有其边缘位置,会认为正常情况下,车牌显示区域外应该也存在类似的边缘区域,但是实际中的车牌显示区域外并不存在类似的边缘区域。因此若采用带有边缘位置的车牌图片作为车牌检测数据,会影响车牌的检测识别效果,所以在生成车牌检测数据之前,需要对车牌图片的边缘位置进行处理。
可选地,将变换后的车牌图片放入预设图片中时,放入方式可以为:以车牌图片的一个端点作为标准点,只需将该标准点放入预设图片中的预设点,再按照顺序逐一将每个像素点放入预设图片中即可。其中,放入标准点之前,需要计算标准点放置的可行区域,可行区域为:标准点放置在该区域中时,预设图片中可以完整放入车牌图片的区域。可选的,标准点可以为车牌图片的四个端点中的任一端点,也可以为车牌图片的中心点,或车牌图片的其他位置的任一点,车牌图片的具体放入方式可以根据用户需要设计,本申请在此不做任何限制。
S103:获取车牌检测图片中车牌图片的端点坐标。
其中,车牌图片的端点坐标即为车牌显示区域的端点坐标,即车牌显示区域的四边形的四个端点的坐标。
S104:生成车牌检测数据。
其中,车牌检测数据包括:车牌检测图片及车牌图片的端点坐标,生成的车牌检测数据用于后续的车牌检测训练。
本实施例中,可以逐一对大量的待处理的车牌图片进行变换,并将变换后的车牌图片放入预设图片中,经过边缘位置处理后得到车牌检测图片,并获取该车牌检测图片中该车牌图片的端点坐标,继而生成包括车牌检测图片及该车牌图片的端点坐标的车牌检测数据。该方法中,通过对车牌图片经过一系列变换处理后得到车辆检测图片以及车辆检测图片中该车牌图片的端点坐标,继而生成车辆检测数据,车牌检测图片中的车牌图片以及该车牌图片的端点坐标,与真实车牌数据的相近似较高,那么由大量的车牌检测图片以及其中车牌图片的端点数据所构成的车牌检测数据,可以有效地扩充车牌检测数据,降低训练数据标记带来的人力的浪费,还可使得车牌检测数据更准确,从而使得基于车牌检测数据进行车牌检测的准确度更高。
可选地,如上方法中所示的S101可包括:
根据预设长宽比例,得到透视变换后的车牌图片,透视变换后的所述车牌图片中所述车牌显示区域的长宽比例为所述预设的长宽比例,且透视变换后的所述车牌图片中,所述车牌显示区域的面积与所述车牌图片的面积的比例为预设面积比例。
在本申请的一个实施例中,预设长宽比例可以为2-4,即车牌显示区域的长宽比为2-4之间的任一数值,但具体实施中并不以此为限,经过预设长宽比变换后的车牌图片,可以使得车牌图片的长宽比更加合理,看起来更像真实角度看到的车牌的长宽比。
在本申请的一个实施例中,面积比例可以为0.8-1,即车牌显示区域的面积与车牌图片面积的比例为0.8-1之间的任一随机数,但具体实施方式中并不以此为限,将车牌西安市区域的面积与车牌图片的面积比例设置在该区间内,可以使得车牌图片中百分之八十以上的面积均为车牌显示区域。随后,对透视变换后的车牌图片进行大小变换,得到变换后的车牌图片。
需要说明的是,对透视变换后的车牌图片进行大小变换包括:根据预设大小比例,对透视变换后的车牌图片进行大小变换,使得变换后的车牌图片与预设图片的大小比例为预设大小比例。
需要说明的是,大小变换为:车牌图片的边长与预设图片中对应边长的大小比例变换,即根据预设大小比例,对变换后的车牌图片进行大小变换,将变换后的车牌图片进行等比例放大或等比例缩小,得到新的大小变换后的车牌图片,使得大小变换后的车牌图片与预设图片的大小比例为预设大小比例。
在本申请的一个实施例中,预设大小比例可以为0.1-0.5中任一值,即变换后的车牌图片与预设图片的大小比例可以为0.1-0.5中的任一值。具体实施中并不以此为限,经过预设大小比例变化后的车牌图片,可以使得放入预设图片中的车牌图片所占比例,是常用车牌检测数据中车牌图片区域占整个图片的大小比例,使得最终得到的车牌检测图片中的车牌图片,更加接近真实图片中车牌的形态。
可选地,上述方法中S102可包括:对车牌检测图片中车牌图片的边缘位置进行处理,得到边缘处理后的车牌检测图片。
其中,边缘处理后的车牌检测图片中,边缘位置的各像素点的像素值为预设图片中对应像素点的像素值。
可选地,在进行边缘处理之前,需要先逐一判断车牌检测图片中车牌图片的各像素点是否在车牌显示区域内,其中,判断方法可以为:确定车牌图片中各像素点分别与车牌显示区域的四个端点构成的各三角形面积之和;判断面积之和是否等于车牌显示区域的面积;若等于,则确定该像素点在车牌显示区域的范围内;若不等于,则确定该像素点不在车牌显示区域的范围内,即该像素点在边缘位置。
可选地,可以在逐像素点将车牌图片放入预设图片时,就判断每个像素点是否在车牌显示区域内;也可以在车牌图片放入预设图片中后,逐像素点判断当前像素点是否在车牌显示区域内,具体对边缘位置的各像素点的处理方式根据用户需要设计,本申请在此不做任何限制。
若判断得到该像素点不在车牌显示区域内,则确定该像素点在边缘位置,将该像素点的像素值更改为预设图片中对应位置像素点的像素值。
举例说明该方法的应用步骤:
首先,对待处理的车牌图片ABCD进行透视变换,例如根据预设的长宽比例,对车牌图片进行透视变换,使得透视变换后的车牌图片中该车牌显示区域的长宽比例为该预设的长宽比例。其中,A(0,0),B(x,0),C(x,y),D(0,y)分别为透视变换之前,车牌图片的四个端点的坐标。
其中,透视变换是将原始的待处理车牌图片转换为另一视角下的车牌图片。经过透视变换后,车牌图片映射为另一个平行四边形A1B1C1D1,其中,A1B1C1D1为透视变换后车牌图片中车牌显示区域,其车牌显示区域的端点坐标分别为A1(x1,y1)、B1(x2,y2)、C1(x3,y3)及D1(x4,y4)。
为使得透视变换后的车牌图片中的车牌显示区域可尽可能地接近真实视角,还可对透视变换后的车牌图片中的车牌显示区域的面积进行进一步地限定,使得透视变换后的该车牌图片中该车牌显示区域的面积与该车牌图片的面积的比例为预设的面积比例。
例如:如上所示的长宽比例可以为[2,4]中任一数值,即
其中,max(x1,x2,x3,x4)为x1,x2,x3,x4中,数值较大的值,min(x1,x2,x3,x4)为x1,x2,x3,x4中,数值较小的值,例如:x1为2,x2为1,x3为4,x4为3时,max(x1,x2,x3,x4)为x3的值,即为4,min(x1,x2,x3,x4)为x2的值,即为1。
为使得该透视变换后的车牌图片中,车牌显示区域的面积大于车牌显示区域之外的面积,透视变换后的该车牌图片中该车牌显示区域的面积与该车牌图片的面积的比例为预设的面积比例,则该预设的面积比例例如可以为[0.8,1)中任一数值,即:
其中,S四边形A1B1C1D1为四边形A1B1C1D1的面积。
通过对待处理的车牌图片进行上述透视变换,得到透视变换后的车牌图片。
随后,将变换后的车牌图片放入预设图片中,需要说明的是,放入预设图片之前,还需要对透视变换后的车牌图片根据预设大小比例,进行大小变换,其中,大小变换是将车牌图片ABCD的各坐标点等比例缩小或等比例放大到大小变换之前的车牌图片的K倍。得到大小变换后的车牌图片A2B2C2D2。
需要说明的是,把车牌图片放入预设图片中,要保证车牌图片在预设图片中的比例大小为常用车牌检测数据中,车牌图片区域占整个图片区域的大小比例,在本申请的一个实施例中,预设大小比例可以为[0.1,0.5]区间内的任一随机数,设预设图片的四个端点坐标为A′(0,0)B′(x′,0)C′(x′,y′)D′(0,y′),则大小变换要满足:
大小变换后的车牌图片四个端点的坐标为A2(0,0),B2(Kx,0),C2(Kx,Ky),D2(0,Ky),车牌显示区域四个端点的坐标为A3(Kx1,Ky1),B3(Kx2,Ky2),C3(Kx3,Ky3),D3(Kx4,Ky4),预设图片的四个端点的坐标为A′(0,0)B′(x′,0)C′(x′,y′)D′(0,y′),根据RGB色彩模式图的像素点信息可以得到,预设图片的横、竖方向的像素点个数分别为x′个,y′个,车牌图片的横、竖方向的像素点个数分别为Kx个,Ky个。
随后将大小变换后的车牌图片放入预设图片中,放置过程中,选择车牌图片中的A2点为标准点,由于预设图片中要完整地放入车牌图片,所以此时需要计算标准点放置的可行区域,设标准点放置的可行区域点的坐标为(a,b),那么车牌图片的标准点A2点只能放在如下公式的区域内:
在可行区域内随机选择一个像素点O(a1,b1),将该像素点的像素值更改为标准点A2的像素值。随后按照顺序逐一将每个像素点放入预设图片中,得到放入车牌图片后的新的预设图片,新的预设图片中,每个点P(a′,b′)的像素点值为:
此时的新的预设图片,由于车牌图片做了透视变换,所以在车牌图片放入预设图片中时,车牌图片中,车牌显示区域的边缘外部可能存在部分黑色区域,我们需要其进行处理:对车牌显示区域内的像素点值不做处理,车牌显示区域外的像素点值更改为预设图片中对应像素点的像素点值,即,经过边缘处理的每个点P(a′,b′)的像素点值为:
在本申请的一个实施例中,可以通过面积法逐一判断各像素点P(a′,b′)是否在车牌显示区域的四个端点构成的四边形A3B3C3D3内,具体方法如下:
若P在A3B3C3D3内,则
若P不在A3B3C3D3内,则
此时,经过边缘处理的图片即为车牌检测图片,将此时的车牌检测图片和对应的车牌图片的点位坐标作为车牌检测数据输出。
本实施例中,通过逐一对大量的待处理的车牌图片进行变换,并将变换后的车牌图片放入预设图片中,经过边缘位置处理后得到车牌检测图片,并获取该车牌检测图片中该车牌图片的端点坐标,继而生成包括车牌检测图片及该车牌图片的端点坐标的车牌检测数据。该方法中,通过对车牌图片经过一系列变化后得到车辆检测图片以及车辆检测图片中该车牌图片的端点坐标,继而生成车辆检测数据,车牌检测图片中的车牌图片以及该车牌图片的端点坐标,与真实车牌数据的相近似较高,那么由大量的车牌检测图片以及其中车牌图片的端点数据所构成的车牌检测数据,可以有效地扩充车牌检测数据,降低训练数据标记带来的人力的浪费,还可使得车牌检测数据更准确,从而使得基于车牌检测数据进行车牌检测的准确度更高。
图2为本申请一实施例提供的车牌检测数据的获取装置,包括:变换模块201、处理模块202、获取模块203和生成模块204,其中:
变换模块201,用于对待处理的车牌图片进行变换,得到变换后的车牌图片。
处理模块202,用于将变换后的车牌图片放入预设图片中,并对该图片中车牌图片的边缘位置进行处理,得到车牌检测图片。
获取模块203,用于获取车牌检测图片中车牌图片的端点坐标。
生成模块204,用于生成车牌检测数据,其中,车牌检测数据包括:车牌检测图片及车牌图片的端点坐标。
上述装置用于执行前述实施例提供的方法,其实现原理和技术效果类似,在此不再赘述。
以上这些模块可以是被配置成实施以上方法的一个或多个集成电路,例如:一个或多个特定集成电路(Application Specific Integrated Circuit,简称ASIC),或,一个或多个微处理器(digital singnal processor,简称DSP),或,一个或者多个现场可编程门阵列(Field Programmable Gate Array,简称FPGA)等。再如,当以上某个模块通过处理元件调度程序代码的形式实现时,该处理元件可以是通用处理器,例如中央处理器(CentralProcessing Unit,简称CPU)或其它可以调用程序代码的处理器。再如,这些模块可以集成在一起,以片上系统(system-on-a-chip,简称SOC)的形式实现。
图3为本申请一实施例提供的车牌检测数据的获取设备的结构示意图,该车牌检测数据的获取设备可以终端,也可以为服务器,或者具备图像处理功能的计算设备。
该车牌检测数据的获取设备包括:处理器501、存储介质502和总线503。
处理器501用于存储程序,处理器501调用存储介质502存储的程序,以执行上述方法实施例。具体实现方式和技术效果类似,这里不再赘述。
可选地,本申请还提供一种程序产品,例如存储介质,该存储介质上存储有计算机程序,包括程序,该程序在被处理器运行时执行上述方法实施例。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元,可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)或处理器(英文:processor)执行本申请各个实施例所述方法的部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(英文:Read-Only Memory,简称:ROM)、随机存取存储器(英文:Random Access Memory,简称:RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
Claims (10)
1.一种车牌检测数据的获取方法,其特征在于,包括:
对待处理的车牌图片进行变换,得到变换后的所述车牌图片;
将变换后的所述车牌图片放入预设图片中,并对所述预设图片中所述车牌图片的边缘位置进行处理,得到车牌检测图片;
获取所述车牌检测图片中所述车牌图片的端点坐标;
生成车牌检测数据,其中,所述车牌检测数据包括:所述车牌检测图片及所述车牌图片的端点坐标。
2.如权利要求1所述的方法,其特征在于,所述对待处理的车牌图片进行变换,得到变换后的所述车牌图片,包括:
根据预设的长宽比例,对所述车牌图片进行透视变换,得到透视变换后的所述车牌图片,透视变换后的所述车牌图片中车牌显示区域的长宽比例为所述预设的长宽比例,且透视变换后的所述车牌图片中,所述车牌显示区域的面积与所述车牌图片的面积的比例为预设面积比例;
对透视变换后的所述车牌图片进行大小变换,得到变换后的所述车牌图片。
3.如权利要求2所述的方法,其特征在于,所述对透视变换后的所述车牌图片进行大小变换,得到变换后的所述车牌图片包括:
根据预设大小比例,对透视变换后的所述车牌图片进行大小变换,使得变换后的所述车牌图片与所述预设图片的大小比例为所述预设大小比例。
4.如权利要求3所述的方法,其特征在于,所述大小变换比例为:所述车牌图片的边长与所述预设图片中对应边长的大小比例。
5.如权利要求1-4中任一所述的方法,其特征在于,所述将变换后的所述车牌图片放入预设图片中,并对该图片中所述车牌图片的边缘位置进行处理,得到车牌检测图片,包括:
对所述车牌检测图片中,所述车牌图片的边缘位置进行处理,得到边缘处理后的所述车牌检测图片;其中,边缘处理后的所述车牌检测图片中,所述边缘位置的各像素点的像素值为所述预设图片中对应像素点的像素值。
6.如权利要求5所述的方法,其特征在于,所述对该图片中所述车牌图片的边缘位置进行处理之前,所述方法还包括:
判断所述车牌检测图片中所述车牌图片的各像素点是否在所述车牌显示区域内:
若所述车牌图片的某个像素点不在所述车牌显示区域内,则确定该像素点在所述边缘位置。
7.如权利要求6所述的方法,其特征在于,所述判断所述车牌检测图片中所述车牌图片的每个像素点是否在所述车牌显示区域的范围内,包括:
确定所述车牌图片中各像素点分别与所述车牌显示区域的四个端点构成的各三角形面积之和;
判断所述面积之和是否等于所述车牌显示区域的面积;
若是,则确定该像素点在所述车牌显示区域的范围内;
若否,则确定该像素点不在所述车牌显示区域的范围内。
8.一种车牌检测数据的获取装置,其特征在于,包括:变换模块、处理模块、获取模块和生成模块,其中:
所述变换模块,用于对待处理的车牌图片进行变换,得到变换后的所述车牌图片;
所述处理模块,用于将变换后的所述车牌图片放入预设图片中,并对该图片中所述车牌图片的边缘位置进行处理,得到车牌检测图片;
所述获取模块,用于获取所述车牌检测图片中所述车牌图片的端点坐标;
所述生成模块,用于生成车牌检测数据,其中,所述车牌检测数据包括:所述车牌检测图片及所述车牌图片的端点坐标。
9.一种车牌检测数据的获取设备,其特征在于,包括:处理器、存储介质和总线,所述存储介质存储有所述处理器可执行的机器可读指令,当车牌检测数据的获取设备运行时,所述处理器与所述存储介质之间通过总线通信,所述处理器执行所述机器可读指令,以执行时执行如权利要求1-7任一所述的车牌检测数据的获取方法的步骤。
10.一种存储介质,其特征在于,该存储介质上存储有计算机程序,该计算机程序被处理器运行时执行如权利要求1-7任一所述的车牌检测数据的获取方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910845481.9A CN110427944A (zh) | 2019-09-06 | 2019-09-06 | 车牌检测数据的获取方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910845481.9A CN110427944A (zh) | 2019-09-06 | 2019-09-06 | 车牌检测数据的获取方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110427944A true CN110427944A (zh) | 2019-11-08 |
Family
ID=68417895
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910845481.9A Pending CN110427944A (zh) | 2019-09-06 | 2019-09-06 | 车牌检测数据的获取方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110427944A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113723422A (zh) * | 2021-09-08 | 2021-11-30 | 重庆紫光华山智安科技有限公司 | 车牌信息确定方法、系统、设备及介质 |
CN113920736A (zh) * | 2021-10-25 | 2022-01-11 | 桂林长海发展有限责任公司 | 一种机动车占用应急车道检测方法、装置及存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1234570A (zh) * | 1998-02-02 | 1999-11-10 | 松下电器产业株式会社 | 图像合成方法、图像合成装置、以及数据记录媒体 |
CN102982562A (zh) * | 2012-10-19 | 2013-03-20 | 浙江中正智能科技有限公司 | 一种判断目标点是否位于多边形区域内部的方法 |
CN107169973A (zh) * | 2017-05-18 | 2017-09-15 | 深圳市优微视技术有限公司 | 一种图像的背景去除和合成方法及装置 |
CN109034158A (zh) * | 2017-06-09 | 2018-12-18 | 杭州海康威视数字技术股份有限公司 | 一种车牌识别方法、装置及计算机设备 |
CN109377467A (zh) * | 2018-09-28 | 2019-02-22 | 阿里巴巴集团控股有限公司 | 训练样本的生成方法、目标检测方法和装置 |
CN109389558A (zh) * | 2017-08-03 | 2019-02-26 | 广州汽车集团股份有限公司 | 一种消除图像边缘锯齿的方法及装置 |
CN109815956A (zh) * | 2018-12-28 | 2019-05-28 | 安徽清新互联信息科技有限公司 | 一种基于自适应位置分割的车牌字符识别方法 |
CN109840521A (zh) * | 2018-12-28 | 2019-06-04 | 安徽清新互联信息科技有限公司 | 一种基于深度学习的一体化车牌识别方法 |
-
2019
- 2019-09-06 CN CN201910845481.9A patent/CN110427944A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1234570A (zh) * | 1998-02-02 | 1999-11-10 | 松下电器产业株式会社 | 图像合成方法、图像合成装置、以及数据记录媒体 |
CN102982562A (zh) * | 2012-10-19 | 2013-03-20 | 浙江中正智能科技有限公司 | 一种判断目标点是否位于多边形区域内部的方法 |
CN107169973A (zh) * | 2017-05-18 | 2017-09-15 | 深圳市优微视技术有限公司 | 一种图像的背景去除和合成方法及装置 |
CN109034158A (zh) * | 2017-06-09 | 2018-12-18 | 杭州海康威视数字技术股份有限公司 | 一种车牌识别方法、装置及计算机设备 |
CN109389558A (zh) * | 2017-08-03 | 2019-02-26 | 广州汽车集团股份有限公司 | 一种消除图像边缘锯齿的方法及装置 |
CN109377467A (zh) * | 2018-09-28 | 2019-02-22 | 阿里巴巴集团控股有限公司 | 训练样本的生成方法、目标检测方法和装置 |
CN109815956A (zh) * | 2018-12-28 | 2019-05-28 | 安徽清新互联信息科技有限公司 | 一种基于自适应位置分割的车牌字符识别方法 |
CN109840521A (zh) * | 2018-12-28 | 2019-06-04 | 安徽清新互联信息科技有限公司 | 一种基于深度学习的一体化车牌识别方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113723422A (zh) * | 2021-09-08 | 2021-11-30 | 重庆紫光华山智安科技有限公司 | 车牌信息确定方法、系统、设备及介质 |
CN113723422B (zh) * | 2021-09-08 | 2023-10-17 | 重庆紫光华山智安科技有限公司 | 车牌信息确定方法、系统、设备及介质 |
CN113920736A (zh) * | 2021-10-25 | 2022-01-11 | 桂林长海发展有限责任公司 | 一种机动车占用应急车道检测方法、装置及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108198141B (zh) | 实现瘦脸特效的图像处理方法、装置及计算设备 | |
CN110751620B (zh) | 估算体积和重量的方法、电子设备及计算机可读存储介质 | |
CN111681162B (zh) | 一种缺陷样本生成方法、装置、电子设备及存储介质 | |
CN107610131A (zh) | 一种图像裁剪方法和图像裁剪装置 | |
US20100053158A1 (en) | Unified tessellation circuit and method therefor | |
CN107688824A (zh) | 图片匹配方法及终端设备 | |
CN109348731A (zh) | 一种图像匹配的方法及装置 | |
CN105389541B (zh) | 指纹图像的识别方法及装置 | |
CN107392078A (zh) | 多角度扫描的方法、终端设备及计算机可读存储介质 | |
CN110427944A (zh) | 车牌检测数据的获取方法、装置、设备及存储介质 | |
CN108257166A (zh) | 版图的仿真图像和硅片sem图像自动匹配的方法 | |
CN110580691A (zh) | 图像的动态处理方法、装置、设备及计算机可读存储介质 | |
CN112419334A (zh) | 基于深度学习的微表面材质重建方法及系统 | |
CN110503704A (zh) | 三分图的构造方法、装置和电子设备 | |
CN112651953A (zh) | 图片相似度计算方法、装置、计算机设备及存储介质 | |
CN112132812A (zh) | 证件校验方法、装置、电子设备及介质 | |
CN111951333A (zh) | 六维姿态数据集自动生成方法、系统、终端以及存储介质 | |
CN111695615A (zh) | 基于人工智能的车辆定损方法、装置、电子设备及介质 | |
CN108305224A (zh) | 一种图像的畸变校正方法、装置及电视机 | |
CN105957028A (zh) | 基于OpenCL的GPU加速分片双边滤波方法 | |
CN109035380B (zh) | 基于三维重建的人脸修饰方法、装置、设备及存储介质 | |
CN113506305B (zh) | 三维点云数据的图像增强方法、语义分割方法及装置 | |
CN112070854B (zh) | 一种图像生成方法、装置、设备及存储介质 | |
CN111553969A (zh) | 一种基于梯度域的纹理映射方法、介质、终端和装置 | |
CN114170367B (zh) | 无限视距椎状热图渲染的方法、装置、存储介质和设备 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191108 |
|
RJ01 | Rejection of invention patent application after publication |