CN110458171A - 一种车牌识别的方法以及相关装置 - Google Patents

一种车牌识别的方法以及相关装置 Download PDF

Info

Publication number
CN110458171A
CN110458171A CN201910741350.6A CN201910741350A CN110458171A CN 110458171 A CN110458171 A CN 110458171A CN 201910741350 A CN201910741350 A CN 201910741350A CN 110458171 A CN110458171 A CN 110458171A
Authority
CN
China
Prior art keywords
license
board information
ballot
frame
license board
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.)
Granted
Application number
CN201910741350.6A
Other languages
English (en)
Other versions
CN110458171B (zh
Inventor
唐健
罗杰
王浩
李锐
张彦彬
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Jieshun Science and Technology Industry Co Ltd
Original Assignee
Shenzhen Jieshun Science and Technology Industry Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Jieshun Science and Technology Industry Co Ltd filed Critical Shenzhen Jieshun Science and Technology Industry Co Ltd
Priority to CN201910741350.6A priority Critical patent/CN110458171B/zh
Publication of CN110458171A publication Critical patent/CN110458171A/zh
Application granted granted Critical
Publication of CN110458171B publication Critical patent/CN110458171B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/29—Graphical models, e.g. Bayesian networks
    • 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
    • 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
    • G06V20/63—Scene text, e.g. street names
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Traffic Control Systems (AREA)
  • Character Discrimination (AREA)

Abstract

本申请实施例公开了一种车牌识别的方法以及相关装置，用于设备可以识别出检测到的车牌信息是实体的车牌信息还是使用电子设备所拍摄的车牌信息。本申请实施例方法包括：获取停车场出入口的投票帧车牌信息；使用车牌识别网络判断所述投票帧车牌信息是否符合识别要求；若符合识别要求，则认定所述投票帧车牌信息代表真车牌；若不符合识别要求，则认定所述投票帧车牌信息代表假车牌。因此，本申请通过车牌识别网络识别出当前车牌信息是实体的车牌信息还是使用电子设备所拍摄的车牌信息，提升了车牌识别的实用性。

Description

一种车牌识别的方法以及相关装置
技术领域
本申请涉及图像处理领域，具体涉及一种车牌识别的方法及相关装置。
背景技术
目前，智能高清车牌设备识别已广泛应用于各种场所，如小区、CBD、机场、停车场等。
但是虽然当前的设备能够准确的识别车牌号码，但是无法判别该车牌是否是真车牌。近年来，移动电子产品的普及程度越来越高，用电子设备，IPAD拍摄一个车牌就能够轻易的“骗”过停车场设备，从而导致了逃费等现象的阐述，这种情况一方面影响了原车主的正常用户体验，也给停车场带来了一定的经济损失，于是如何判断出当前车牌信息是真正的实体车牌还是移动设备所拍摄出来的图像，就是一个亟待解决的问题。
申请内容
本申请实施例公开了一种车牌识别的方法以及相关装置，用于设备可以识别出检测到的车牌信息是实体的车牌信息还是使用电子设备所拍摄的车牌信息。
为达到上述目的，本申请第一方面提供一种车牌识别的方法，该方法可以包括：
获取停车场出入口的投票帧车牌信息；
使用车牌识别网络判断所述投票帧车牌信息是否符合识别要求；
若符合识别要求，则认定所述投票帧车牌信息代表真车牌；
若不符合识别要求，则认定所述投票帧车牌信息代表假车牌。
可选地，结合上述第一方面，在第一种可能的实现方式中，获取停车场出入口的投票帧车牌信息包括：
实时获取停车场出入口的视频流，所述视频流内含有车牌信息；
从所述车牌信息内获取投票帧车牌信息，所述投票帧车牌信息为易于识别的车牌信息。
可选地，结合上述第一方面，在第二种可能的实现方式中，获取停车场出入口的投票帧车牌信息之前，所述方法还包括：
生成车牌识别网络所需样本；
所述样本用于训练所述车牌识别网络。
可选地，生成车牌识别网络所需样本包括生成车牌识别网络所需的正样本与负样本。
可选地，所述生成车牌识别网络所需的正样本包括：
使用车牌识别算法识别停车场出入口录制的视频；
获取所述视频内的车牌信息；
保存所述车牌信息内的投票帧。
将所述投票帧内车牌区域进行外扩，获取车辆的车头信息，所述车头信息用于作为训练网络的正样本。
可选地，所述生成车牌识别网络所需的负样本包括：
录制电子设备拍摄车牌的视频；
使用车牌识别算法识别所述电子设备拍摄车牌的视频内的车牌信息；
保存所述车牌信息内的投票帧；
标记出手持电子设备拍摄车牌部分，并生成一张黑色背景手持电子设备拍摄车牌图片；
基于真实车牌位置随机外扩，得到一张带有车牌的小图；
利用透射变换映射到电子设备屏幕位置，并将黑色背景替换为真实停车场场景。
本申请第二方面提供了一种车牌识别的系统，包括：
获取单元，用于获取停车场出入口的投票帧车牌信息；
识别单元，用于使用车牌识别网络判断所述投票帧车牌信息是否符合识别要求；
认定单元，用于若符合识别要求，则认定所述投票帧车牌信息代表真车牌；
所述认定单元，还用于若不符合识别要求，则认定所述投票帧车牌信息代表假车牌。
可选地，所述获取单元具体用于：
实时获取停车场出入口的视频流，所述视频流内含有车牌信息；
从所述车牌信息内获取投票帧车牌信息，所述投票帧车牌信息为易于识别的车牌信息。
本申请实施例第三方面提供了一种计算机装置，包括：
处理器、存储器、输入输出设备以及总线；
所述处理器、存储器、输入输出设备分别与所述总线相连；
所述处理器用于执行如前述实施例任一项所述的方法。
本申请实施例第四方面提供了一种计算机可读存储介质，其上存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现如前述实施例所述方法的步骤。
从以上技术方案可以看出，本申请实施例具有以下优点：获取停车场出入口的投票帧车牌信息；使用车牌识别网络判断所述投票帧车牌信息是否符合识别要求；若符合识别要求，则认定所述投票帧车牌信息代表真车牌；若不符合识别要求，则认定所述投票帧车牌信息代表假车牌。因此，本申请通过车牌识别网络识别出当前车牌信息是实体的车牌信息还是使用电子设备所拍摄的车牌信息，提升了车牌识别的实用性。
附图说明
图1为本申请实施例中车牌识别的方法的一种实施例；
图2为本申请实施例中车牌识别的方法的另一实施例；
图3为本申请实施例中车牌识别的方法的另一实施例；
图4为本申请实施例中车牌识别的方法的另一实施例；
图5为本申请实施例中一种车牌识别的系统实施例的一个实施例；
图6为本申请实施例中一种计算机装置的一个实施例。
具体实施方式
本申请实施例提供了一种车牌识别的方法以及相关装置，用于设备可以识别出检测到的车牌信息是实体的车牌信息还是使用电子设备所拍摄的车牌信息。
为了使本技术领域的人员更好地理解本申请方案，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，所描述的实施例仅仅是本申请一部分的实施例，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，都应当属于本申请保护的范围。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
为了便于理解，下面对本申请实施例中的具体流程进行描述，请参阅图1，本申请实施例中一种车牌识别的方法实施例包括：
101、获取停车场出入口的投票帧车牌信息；
具体地，在对具体地车牌识别之前，需要获取车牌信息从而用于进行车牌识别，一般该识别过程是针对投票帧的车牌信息的，投票帧车牌信息即为通过停车场设备所获取到的视频内，所包括的效果最好的一帧车牌信息的图片，对其进行识别过程。
102、使用车牌识别网络判断所述投票帧车牌信息是否符合识别要求；
具体地，使用车牌识别网络判断投票帧车牌信息是否符合识别要求，该车牌识别网络为经过正样本以及负样本训练出的一个识别网络，或者可以称之为识别模型，将车牌信息输入进去，网络会给其进行打分，一般在具体的过程中，可以设定不同的阈值即合格分数，若合格，则认定为真车牌，若不合格，则认定为电子设备拍摄的假车牌。
103、若符合识别要求，则认定所述投票帧车牌信息代表真车牌；
具体地，车牌识别网络会给车牌信息进行打分，若分数超过了预先设下的合格分数，则认定为真车牌。
104、若不符合识别要求，则认定所述投票帧车牌信息代表假车牌。
具体地，车牌识别网络会给车牌信息进行打分，若分数没有超过预先设下的合格分数，则认定为假车牌。
本申请实施例具有以下优点：获取停车场出入口的投票帧车牌信息；使用车牌识别网络判断所述投票帧车牌信息是否符合识别要求；若符合识别要求，则认定所述投票帧车牌信息代表真车牌；若不符合识别要求，则认定所述投票帧车牌信息代表假车牌。因此，本申请通过车牌识别网络识别出当前车牌信息是实体的车牌信息还是使用电子设备所拍摄的车牌信息，提升了车牌识别的实用性。
基于上述实施例，本申请对于获取投票帧进行进一步介绍，具体请参见图2，本申请汽车识别的另一方法实施例包括：
201、实时获取停车场出入口的视频流，所述视频流内含有车牌信息；
具体地，利用停车场设备的录制功能，不间断的录制出入口的视频信息，当有车牌信息出现在视频范围内时，设备中的车牌识别算法可以从视频信息内获取到车牌信息。
202、从所述车牌信息内获取投票帧车牌信息，所述投票帧车牌信息为易于识别的车牌信息。
具体地，车牌识别算法得到车牌信息之后，因为计算的过程中只需要一张图片就够了，会对获取到的车牌信息进行筛选，该步骤是为了保证后续过程不因车牌信息的模糊，不全等问题而导致出错，投票帧即为在对某同一车牌号单次经过停车场出口或者入口这段时间内，录像设备所得到的效果最好的一张车牌信息。
基于上述实施例，下面对于车牌识别网络的正样本以及负样本的生成进行介绍，先介绍正样本，请参见图3，本申请中车牌识别的另一方法实施例包括：
301、使用车牌识别算法识别停车场出入口录制的视频；
具体地，该录制视频出入样本获取的阶段，具体的获取阶段为了保证后续的准确性会获取大量的车牌样本，即获取大量的停车场出入口所录制的视频信息。
302、获取所述视频内的车牌信息；
具体地，使用车牌算法获取上述301实施例内所录制的视频信息中所包含的车牌信息，并进行记录，包含各种类型车牌，蓝牌、新能源、单层黄牌、双层黄牌、军牌、领事馆和大使馆等类型。
303、保存所述车牌信息内的投票帧。
与实施例201、202的方法一致，此处不再进行赘述。
下面介绍负样本的生成方法，具体请参见图4，本申请中车牌识别的另一种方法包括：
401、录制电子设备拍摄车牌的视频；
具体地，由于一般使用电子设备所拍摄的车牌信息，在经过停车场出入设备的时候，都为手持的方法，所以本申请生成负样本时，所采取的方法为录制使用电子设备拍摄车牌的图片的视频。
402、使用车牌识别算法识别所述电子设备拍摄车牌的视频内的车牌信息；
与实施例301、302的方法一致，此处不再进行赘述。
403、保存所述车牌信息内的投票帧；
与实施例101、102的方法一致，此处不再进行赘述。
404、标记出手持电子设备拍摄车牌部分，并生成一张黑色背景手持电子设备拍摄车牌图片；
具体地，因为所录制的负样本为用于计算，为了计算时避免不必要的干扰，将其余部分去掉，只剩下手持电子设备的部分，并将背景改为黑色。
405、基于真实车牌位置随机外扩，得到一张带有车牌的小图；
具体地，将车牌位置外扩是为了更大范围的获取到车牌信息，外扩的只是车牌位置的部分，随机是为了得到更多样本，以确保网络最后的效果达到最好，外扩后可以得到一张较小的车牌图片。
406、利用透射变换映射到电子设备屏幕位置，并将黑色背景替换为真实停车场场景。
具体地，因为所需的样本量较大，每次都是人工录制较为繁琐，透射变换是将上述所得到的图片放至手持电子设备图片的电子设备的屏幕处，将黑色背景替换为真实场景替换为真实停车场场景是为了还原负样本的使用场景，保证了样本的数量以及准确性。
下面从虚拟装置的角度上介绍本申请，具体请参阅图5，本申请实施例中一种车牌识别的系统的一个实施例包括：
获取单元501，用于获取停车场出入口的投票帧车牌信息；
识别单元502，用于使用车牌识别网络判断所述投票帧车牌信息是否符合识别要求；
认定单元503，用于若符合识别要求，则认定所述投票帧车牌信息代表真车牌；
所述认定单元503，还用于若不符合识别要求，则认定所述投票帧车牌信息代表假车牌。
下面从实体装置的角度对本申请实施例中的计算机装置进行描述，请参阅图6，本申请实施例中计算机装置的一个实施例包括：
该计算机装置600可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上中央处理器(central processing units，CPU)601(例如，一个或一个以上处理器)和存储器605，该存储器605中存储有一个或一个以上的应用程序或数据。
其中，存储器605可以是易失性存储或持久存储。存储在存储器605的程序可以包括一个或一个以上模块，每个模块可以包括对服务器中的一系列指令操作。更进一步地，中央处理器601可以设置为与存储器605通信，在智能终端600上执行存储器605中的一系列指令操作。
该计算机装置600还可以包括一个或一个以上电源602，一个或一个以上有线或无线网络接口603，一个或一个以上输入输出接口604，和/或，一个或一个以上操作系统，例如Windows ServerTM，Mac OS XTM，UnixTM,LinuxTM，FreeBSDTM等等。
可以理解的是，在本申请的各种实施例中，上述各步骤的序号的大小并不意味着执行顺序的先后，各步骤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。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统，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，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以记录在一个计算机可读取记录介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品记录在一个记录介质中，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)执行本申请各个实施例所述方法的全部或部分步骤。而前述的记录介质包括：U盘、移动硬盘、只读记录器(ROM，Read-OnlyMemory)、随机存取记录器(RAM，Random Access Memory)、磁碟或者光盘等各种可以记录程序代码的介质。
以上所述，以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。

Claims (10)

1.一种车牌识别的方法，其特征在于，包括：
获取停车场出入口的投票帧车牌信息；
使用车牌识别网络判断所述投票帧车牌信息是否符合识别要求；
若符合识别要求，则认定所述投票帧车牌信息代表真车牌；
若不符合识别要求，则认定所述投票帧车牌信息代表假车牌。
2.根据权利要求1所述的方法，其特征在于，获取停车场出入口的投票帧车牌信息包括：
实时获取停车场出入口的视频流，所述视频流内含有车牌信息；
从所述车牌信息内获取投票帧车牌信息，所述投票帧车牌信息为易于识别的车牌信息。
3.根据权利要求1所述的方法，其特征在于，获取停车场出入口的投票帧车牌信息之前，所述方法还包括：
生成车牌识别网络所需样本；
所述样本用于训练所述车牌识别网络。
4.根据权利要求3所述的方法，其特征在于，生成车牌识别网络所需样本包括生成车牌识别网络所需的正样本与负样本。
5.根据权利要求4所述的方法，其特征在于，所述生成车牌识别网络所需的正样本包括：
使用车牌识别算法识别停车场出入口录制的视频；
获取所述视频内的车牌信息；
保存所述车牌信息内的投票帧，
将所述投票帧内车牌区域进行外扩，获取车辆的车头信息，所述车头信息用于作为训练网络的正样本。
6.根据权利要求4所述的方法，其特征在于，所述生成车牌识别网络所需的负样本包括：
录制电子设备拍摄车牌的视频；
使用车牌识别算法识别所述电子设备拍摄车牌的视频内的车牌信息；
保存所述车牌信息内的投票帧；
标记出手持电子设备拍摄车牌部分，并生成一张黑色背景手持电子设备拍摄车牌图片；
基于真实车牌位置随机外扩，得到一张带有车牌的小图；
利用透射变换映射到电子设备屏幕位置，并将黑色背景替换为真实停车场场景。
7.一种车牌识别的系统，其特征在于，包括：
获取单元，用于获取停车场出入口的投票帧车牌信息；
识别单元，用于使用车牌识别网络判断所述投票帧车牌信息是否符合识别要求；
认定单元，用于若符合识别要求，则认定所述投票帧车牌信息代表真车牌；
所述认定单元，还用于若不符合识别要求，则认定所述投票帧车牌信息代表假车牌。
8.根据权利要求7所述的系统，其特征在于，所述获取单元具体用于：
实时获取停车场出入口的视频流，所述视频流内含有车牌信息；
从所述车牌信息内获取投票帧车牌信息，所述投票帧车牌信息为易于识别的车牌信息。
9.一种计算机装置，其特征在于，所述计算机装置包括：输入/输出接口、处理器和存储器，所述存储器中存储有程序指令；
所述处理器用于执行存储器中存储的程序指令，执行如权利要求1-6任一所述的方法。
10.一种计算机可读存储介质，包括指令，其特征在于，当所述指令在计算机设备上运行时，使得所述计算机设备执行如权利要求1-6中任一项所述的方法。
CN201910741350.6A 2019-08-12 2019-08-12 一种车牌识别的方法以及相关装置 Active CN110458171B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910741350.6A CN110458171B (zh) 2019-08-12 2019-08-12 一种车牌识别的方法以及相关装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910741350.6A CN110458171B (zh) 2019-08-12 2019-08-12 一种车牌识别的方法以及相关装置

Publications (2)

Publication Number Publication Date
CN110458171A true CN110458171A (zh) 2019-11-15
CN110458171B CN110458171B (zh) 2023-08-29

Family

ID=68486043

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910741350.6A Active CN110458171B (zh) 2019-08-12 2019-08-12 一种车牌识别的方法以及相关装置

Country Status (1)

Country Link
CN (1) CN110458171B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114677774A (zh) * 2022-03-30 2022-06-28 深圳市捷顺科技实业股份有限公司 道闸控制方法及相关设备

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101520841A (zh) * 2009-03-10 2009-09-02 北京航空航天大学 一种高清视频中的实时抗干扰车牌定位方法
CN105184291A (zh) * 2015-08-26 2015-12-23 深圳市捷顺科技实业股份有限公司 一种多类型车牌检测方法及系统
CN106448184A (zh) * 2016-12-15 2017-02-22 深圳市捷顺科技实业股份有限公司 车辆识别方法及车辆出场识别方法
CN106874902A (zh) * 2017-01-19 2017-06-20 博康智能信息技术有限公司北京海淀分公司 一种车牌信息识别方法及装置
CN106934396A (zh) * 2017-03-09 2017-07-07 深圳市捷顺科技实业股份有限公司 一种车牌检索方法及系统
CN109684925A (zh) * 2018-11-21 2019-04-26 深圳奥比中光科技有限公司 一种基于深度图像的人脸活体检测方法及设备

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101520841A (zh) * 2009-03-10 2009-09-02 北京航空航天大学 一种高清视频中的实时抗干扰车牌定位方法
CN105184291A (zh) * 2015-08-26 2015-12-23 深圳市捷顺科技实业股份有限公司 一种多类型车牌检测方法及系统
CN106448184A (zh) * 2016-12-15 2017-02-22 深圳市捷顺科技实业股份有限公司 车辆识别方法及车辆出场识别方法
CN106874902A (zh) * 2017-01-19 2017-06-20 博康智能信息技术有限公司北京海淀分公司 一种车牌信息识别方法及装置
CN106934396A (zh) * 2017-03-09 2017-07-07 深圳市捷顺科技实业股份有限公司 一种车牌检索方法及系统
CN109684925A (zh) * 2018-11-21 2019-04-26 深圳奥比中光科技有限公司 一种基于深度图像的人脸活体检测方法及设备

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114677774A (zh) * 2022-03-30 2022-06-28 深圳市捷顺科技实业股份有限公司 道闸控制方法及相关设备
CN114677774B (zh) * 2022-03-30 2023-10-17 深圳市捷顺科技实业股份有限公司 道闸控制方法及相关设备

Also Published As

Publication number Publication date
CN110458171B (zh) 2023-08-29

Similar Documents

Publication Publication Date Title
CN108596277B (zh) 一种车辆身份识别方法、装置和存储介质
CN106778583B (zh) 基于卷积神经网络的车辆属性识别方法与装置
JP7402239B2 (ja) 顔認識方法、ニューラルネットワークのトレーニング方法、顔認識装置、電子機器及びコンピュータ可読記憶媒体
CN107423613B (zh) 依据相似度确定设备指纹的方法、装置及服务器
CN109815868A (zh) 一种图像目标检测方法、装置及存储介质
CN111291812B (zh) 属性类别的获取方法及装置、存储介质、电子装置
CN108021806B (zh) 一种恶意安装包的识别方法和装置
CN112183153A (zh) 一种基于视频分析的对象行为检测方法及装置
CN111382808A (zh) 一种车辆检测处理方法及装置
CN109800682B (zh) 驾驶员属性识别方法及相关产品
CN109002820A (zh) 一种车牌识别方法、装置及相关设备
CN108491827A (zh) 一种车辆检测方法、装置及存储介质
CN112418360B (zh) 卷积神经网络的训练方法、行人属性识别方法及相关设备
CN111738403B (zh) 一种神经网络的优化方法及相关设备
CN112651398B (zh) 车辆的抓拍控制方法、装置及计算机可读存储介质
CN109711407A (zh) 一种车牌识别的方法及相关装置
WO2019144416A1 (zh) 信息处理方法、系统、云处理设备以及计算机程序产品
CN110991506A (zh) 一种车辆品牌识别方法、装置、设备及存储介质
CN109885597A (zh) 基于机器学习的用户分群处理方法、装置及电子终端
CN110427814A (zh) 一种骑行者重识别方法、装置及设备
Shi et al. Individual automatic detection and identification of big cats with the combination of different body parts
CN112434566A (zh) 客流统计方法、装置、电子设备及存储介质
CN107704797A (zh) 基于安防视频中行人和车辆的实时检测方法和系统及设备
CN117036843A (zh) 目标检测模型训练方法、目标检测方法和装置
CN111709377A (zh) 特征提取方法、目标重识别方法、装置及电子设备

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
GR01 Patent grant
GR01 Patent grant
TG01 Patent term adjustment