CN110598550A - 一种基于多层信息智能分析的车辆联网识别系统 - Google Patents
一种基于多层信息智能分析的车辆联网识别系统 Download PDFInfo
- Publication number
- CN110598550A CN110598550A CN201910731675.6A CN201910731675A CN110598550A CN 110598550 A CN110598550 A CN 110598550A CN 201910731675 A CN201910731675 A CN 201910731675A CN 110598550 A CN110598550 A CN 110598550A
- Authority
- CN
- China
- Prior art keywords
- information
- image
- vehicle
- license plate
- image information
- 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
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
- G06V10/40—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
- G06V20/50—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
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
- G08G1/0175—Detecting movement of traffic to be counted or controlled identifying vehicles by photographing vehicles, e.g. when violating traffic rules
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/08—Detecting or categorising vehicles
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- General Health & Medical Sciences (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Medical Informatics (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Traffic Control Systems (AREA)
- Image Analysis (AREA)
Abstract
本申请实施例提供的一种基于多层信息智能分析的车辆联网识别系统,包括:第一图像采集模块,用于获取驶入所述停车场的多辆车辆的第一图像信息;第二图像采集模块用于获取驶出所述停车场的车辆的第二图像信息;后台服务器,用于接收所述第一图像信息,对每个所述第一图像信息进行分层次的信息提取,生成与每个层次对应的层次信息,建立所述第一图像信息和所述层次信息的对应关系,对所述层次信息进行存储,生成层次信息集;并当接收到所述第二图像信息时,对所述第二图像信息进行逐层次的信息提取,将当前层次信息与所述层次信息集中的层次信息进行匹配,并根据匹配结果对车辆的身份信息进行识别,从根本上实现了无人化服务。
Description
技术领域
本申请涉及无人化智能停车场技术领域,尤其涉及一种基于多层信息智能分析的车辆联网识别系统。
背景技术
随着我国汽车产业的飞速发展,城市“泊车难”的问题相当严重,改善泊车状况和泊车设施,提高效率已迫在眉睫,而目前我国部分大型停车场仍不具备无人化的智能车位管理系统,大都是由停车场工作人员执行包括收取停车费在内的停车场的运作管理。
为了节约人力资源,加快通行速度,也有部分停车场已经安装了基于车牌视觉辨识的收费系统,车辆入场时入口的视频摄像头采集车辆画面,利用文字提取技术提取车牌号,进而在后台的服务器中登记该车牌号以及入场时间;当车辆出场时出口的视频摄像头再次提取车牌号,利用车牌号查询以上登记,进而确定停车时间长度并计费。
但是,大部份车牌辨识收费系统,仅作到对于悬挂车牌号且车牌号正常的车辆的辩识。当未悬挂车牌的车辆进出时,以上系统无法工作;当车牌污损导致一位或者多位车牌号遮挡的车辆进出时,由于很大概率无法利用车牌辨识系统取得正确车牌号,也会导致系统报错;另外即便是正常车牌,在光照不足、遇较强逆光时,也有可能存在无法辨识车牌号或者辨识错误的情况。遇到以上情况,系统仅能依靠现场人工进行目视比对,对于人工依赖度较高,无法从根本上实现无人化服务。
发明内容
有鉴于此,本申请的目的在于提出一种基于多层信息智能分析的车辆联网识别系统,从进、出停车场的车辆图像信息当中提取多个层级的、代表特定车辆的身份的信息,并且综合应用至少一个层级的信息来实现对每辆特定车辆的识别,来解决现有技术中的车牌辨识收费系统不能对未悬挂车牌的车辆和车牌污损车辆进行辨识,并且在光照不足、遇较强逆光时无法辨识车牌号或者辨识错误进而无法辨识车辆,于人工依赖度较高,无法从根本上实现无人化服务的技术问题。
基于上述目的,本申请提出了一种基于多层信息智能分析的车辆联网识别系统,包括:
第一图像采集模块,设置在停车场的入口,用于获取驶入所述停车场的每辆车辆的第一图像信息,并将所述第一图像信息发送至后台服务器;
第二图像采集模块,设置在停车场的出口,用于获取驶出所述停车场的每辆车辆的第二图像信息,并将所述第二图像信息发送至后台服务器;
后台服务器,用于接收所述第一图像信息,对每个所述第一图像信息进行分层次的信息提取,生成与每个层次对应的层次信息,建立所述第一图像信息和所述层次信息的对应关系,对所述层次信息进行存储,生成层次信息集;并当接收到所述第二图像信息时,对所述第二图像信息进行逐层次的信息提取,对于当前层次信息,将该当前层次信息与所述层次信息集中的层次信息进行匹配,并根据匹配结果对车辆的身份信息进行识别。
在一些实施例中,所述后台服务器包括:
第一层次信息提取模块、第二层次信息提取模块和第三层次信息提取模块;
所述第一层次信息提取模块用于根据所述第一图像信息和/或所述第二图像信息提取车辆的车牌号信息,所述第二层次信息提取模块用于根据所述第一图像信息和/或所述第二图像信息提取车辆的车标信息、车型信息和车色信息,所述第三层次信息提取模块用于根据所述第一图像信息和/或所述第二图像信息提取车辆的非规则区域信息。
在一些实施例中,所述第一层次信息提取模块提取的车牌号信息,具体包括:
对于未挂车牌的车辆和未完整识别车牌的可识别字符位数低于第一预设阈值的车辆,第一层次信息为空;
对于未完整识别车牌的可识别字符位数高于第一预设阈值且低于正常车牌的字符数的车辆,第一层次信息为未完整识别车牌的可识别字符;
对于完整识别车牌的车辆,第一层次信息为完成整识别车牌的字符。
在一些实施例中,所述第二层次信息提取模块,具体用于:
提取所述第一图像信息和/或所述第二图像信息中车前脸的中央区域的图像,采用canny边缘检测算子对该图像进行边缘检测,提取由封闭边缘包围的图像区域,将该图像区域与预先存储的车标图形进行匹配,确定车标信息;
提取所述第一图像信息和/或所述第二图像信息中车前脸的图像,采用canny边缘检测算子对该图像进行边缘检测,提取由封闭边缘包围的图像区域,将该图像区域与预先存储的车辆前脸模板的各区域进行匹配,确定车型信息;
提取所述第一图像信息和/或所述第二图像信息中发动机前盖板部位的图像,从该图像中提取亮度值在预设阈值范围内且颜色均一的子区域,并将该子区域的颜色确定为车色信息。
在一些实施例中,所述第三层次信息提取模块,具体用于:
提取所述第一图像信息和/或所述第二图像信息中车前脸的图像,采用canny边缘检测算子对该图像进行边缘检测,提取由封闭边缘包围的图像区域,对该图像区域进行规则性判断,将规则性值低于预设阈值的图像区域确定为非规则区域,将所述非规则区域的特征信息确定为非规则区域信息。
在一些实施例中,所述后台服务器还包括层次信息对比模块,所述层次信息对比模块用于:
当所述第一层次信息提取模块提取到所述第二图像信息中的车牌号信息时,将该车牌号信息与所述层次信息集中各第一图像信息中的车牌号信息进行匹配,若匹配结果仅有一个车牌号信息,则根据匹配结果的车牌号信息对车辆的身份信息进行识别;
若匹配结果包括两个及以上的车牌号信息,则所述第二层次信息提取模块进一步提取所述第二图像信息中的车标信息、车型信息和车色信息,所述层次信息对比模块将提取到的车标信息、车型信息和车色信息与所述层次信息集中各第一图像信息中的车标信息、车型信息和车色信息进行匹配,若匹配结果仅有一个车标信息、车型信息和车色信息,则根据匹配结果的车标信息、车型信息和车色信息对车辆的身份信息进行识别;
若匹配结果包括两个及以上的车标信息、车型信息和车色信息,则所述第三层次信息提取模块进一步提取所述第二图像信息中的非规则区域信息,所述层次信息对比模块将提取到的非规则区域信息与所述层次信息集中各第一图像信息中的非规则区域信息进行匹配,若匹配结果仅有一个非规则区域信息,则根据匹配结果的非规则区域信息对车辆的身份信息进行识别;
若匹配结果包括两个及以上的非规则区域信息,则将所述第二图像信息发送至人工对比模块,由人工对车辆的身份信息进行识别。
在一些实施例中,所述后台服务器还包括:
存储模块,用于对所述第一层次信息提取模块、所述第二层次信息提取模块和所述第三层次信息提取模块根据所述第一图像信息提取到的车牌号信息,所述车标信息、车型信息和车色信息,以及非规则区域信息进行存储。
在一些实施例中,所述后台服务器还包括:
第一通信模块,用于接收所述第一图像采集模块发送的第一图像信息和所述第二图像采集模块发送的第二图像信息;以及,当所述层次信息对比模块不能对车辆的身份信息进行识别时,将所述第二图像信息发送至人工对比模块。
在一些实施例中,还包括:
人工对比模块,用于显示所述第二图像信息,并接收人工输入的对比结果。
在一些实施例中,还包括:
第二通信模块,用于将人工输入的对比结果发送至所述层次信息对比模块,以令所述层次信息对比模块根据人工输入的对比结果对车辆的身份信息进行识别。
本申请实施例提供的一种基于多层信息智能分析的车辆联网识别系统,包括:第一图像采集模块,设置在停车场的入口,用于获取驶入所述停车场的多辆车辆的第一图像信息,并将所述第一图像信息发送至后台服务器;第二图像采集模块,设置在停车场的出口,用于获取驶出所述停车场的车辆的第二图像信息,并将所述第二图像信息发送至后台服务器;后台服务器,用于接收所述第一图像信息,对每个所述第一图像信息进行分层次的信息提取,生成与每个层次对应的层次信息,建立所述第一图像信息和所述层次信息的对应关系,对所述层次信息进行存储,生成层次信息集;并当接收到所述第二图像信息时,对所述第二图像信息进行逐层次的信息提取,对于当前层次信息,将该当前层次信息与所述层次信息集中的层次信息进行匹配,并根据匹配结果对车辆的身份信息进行识别。本申请实施例的基于多层信息智能分析的车辆联网识别系统,通过分层次的信息提取,能够有效对未悬挂车牌的车辆和车牌污损车辆进行辨识,并且在光照不足、遇较强逆光时也能够辨识车辆,从而极大扩展了停车场车辆识别的适用性与准确性,从而从根本上实现了无人化服务。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本申请的其它特征、目的和优点将会变得更明显:
图1是本申请实施例一的基于多层信息智能分析的车辆联网识别系统的结构示意图;
图2是本申请实施例二的基于多层信息智能分析的车辆联网识别系统的结构示意图;
图3是本申请实施例二中的车辆前脸图像示意图;
图4是本申请实施例二中的不规则区域示意图;
图5是本申请实施例二中的不规则区域的Y坐标的遍历示意图;
图6是本申请实施例二中的规则区域示意图;
图7是本申请实施例二中的规则区域的Y坐标的遍历示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
本申请实施例的基于多层信息智能分析的车辆联网识别系统,通过设置在停车场入口处的第一图像采集模块采集进入停车场车辆的图像,并将采集到的图像和采集图像的时间发送至后台服务器,后台服务器对所述图像进行分层次的提取,生成多层次的层次信息,并将生成的层次信息、采集的图像、以及采集图像的时间进行关联记录和存储。当有车辆驶出停车场时,由设置在停车场出口处的第二图像采集模块采集驶出停车场车辆的图像,并将该车辆的图像发送至后台服务器,后台服务器对所述图像进行逐层次的提取,生成对应层次的层次信息,并边提取边将逐层提取到的层次信息与预先存储的层次信息进行匹配,以对该车辆的身份信息进行确认,目的在于对该车辆在停车场内的停留时间进行确认,对于逐层提取出口处车辆图像的层级信息的过程,如果提取的当前层次信息无法对该车辆的身份信息进行确认,则继续提取下一层次的层次信息,并将提取到的下一层次的层次信息与预先存储的对应的层次信息进行匹配,以对该车辆的身份信息进行确认……重复上述过程,直到确认该车辆的身份信息。根据该车辆的身份信息,提取该车辆进入停车场时所述第一图像采集模块采集该车辆的图像时间,进而根据该车辆驶出停车场的时间确定该车辆在停车场内的停留时间,根据停留时间计算应该收取的费用。
关于车辆在停车场内的停留时间的计算本申请实施例不做具体说明,本申请后续实施例主要对如何确定车辆的身份信息进行说明。本申请实施例所涉及的确定车辆的身份信息是指通过所提取的车辆本身的特征信息来辨识出进、出停车场的每一台特定车辆,我们都知道每台车辆的车牌信息是独一无二的,利用车牌信息可以辨识每一台特定车辆;但是在无车牌信息或者车牌信息未能完整识别的情况下,利用车标信息、车型信息或者车色信息,也可以在一定程度上在一个停车场的应用范围内达到辨识特定车辆的目标,例如某停车场入口处采集到一台白色保时捷牌卡宴型号汽车的入场信息,如果在该停车场的范围内只有这一台白色保时捷卡宴汽车的入场记录,那么即便没有车牌号,在出口处也可以根据上述车标、车型和车色辨识该车辆的身份。另外若车辆外观上存在一些不规则的污损、划痕,则更加易于基于这些印迹而达到辨识特定车辆的目标。下面结合具体实施例对如何确定车辆的身份信息进行说明。
具体地,如图1所示,是本申请实施例一的基于多层信息智能分析的车辆联网识别系统的结构示意图。从图1中可以看出,本实施例的基于多层信息智能分析的车辆联网识别系统,包括:
第一图像采集模块101,设置在停车场的入口,用于获取驶入所述停车场的每辆车辆的第一图像信息,并将所述第一图像信息发送至后台服务器。
在本实施例中,所述第一图像采集模块101可以是具有图像采集功能的设备,例如摄像头,或者其他具有类似功能的电子设备。所述第一图像采集模块101设置在停车场的入口,用于获取驶入所述停车场的每辆车辆的第一图像信息,所述第一图像信息中可以包括车辆的前脸的图像信息,或者根据实际需要,也可以从其他角度获取车辆的图像信息,这里不再一一列举。在获取到的每辆车辆的第一图像信息后,所述第一图像采集模块101将所述第一图像信息发送至后台服务器,以供后台服务器对所述第一图像信息进行分层次的信息提取,即分别从多个层次提取对应的层次信息,例如可以从三个层次分别提取对应的层次信息,第一层次信息为车牌号信息,第二层次信息为车标信息、车型信息和车色信息,第三层次信息为车辆的非规则区域信息,其对应车辆的污损、碰撞划痕、前挡风玻璃后面摆放的摆件、挂绳等。
第二图像采集模块102,设置在停车场的出口,用于获取驶出所述停车场的每辆车辆的第二图像信息,并将所述第二图像信息发送至后台服务器。
在本实施例中,所述第二图像采集模块102可以是与所述第一图像采集模块101具有相同或相似功能的图像采集设备。所述第二图像采集模块102设置在停车场的出口,用于获取驶出所述停车场的每辆车辆的第二图像信息,所述第二图像信息中可以包括车辆的前脸的图像信息,或者根据实际需要,也可以从其他角度获取车辆的图像信息,这里不再一一列举。在获取到的每辆车辆的第二图像信息后,所述第二图像采集模块102将所述第二图像信息发送至后台服务器,以供后台服务器对所述第二图像信息按照层次的先后顺序进行逐层次的信息提取。
后台服务器103,用于接收所述第一图像信息,对每个所述第一图像信息进行分层次的信息提取,生成与每个层次对应的层次信息,建立所述第一图像信息和所述层次信息的对应关系,对所述层次信息进行存储,生成层次信息集;并当接收到所述第二图像信息时,对所述第二图像信息进行逐层次的信息提取,对于当前层次信息,将该当前层次信息与所述层次信息集中的层次信息进行匹配,并根据匹配结果对车辆的身份信息进行识别。
具体地,当所述后台服务器103接收到所述第一图像采集模块101发送的第一图像信息后,对每辆车辆的第一图像信息进行分层次的信息提取,生成与每个层次对应的层次信息,建立所述第一图像信息和所述层次信息的对应关系,即从每辆车辆的第一图像信息中提取与该车辆对应的多个层次的层次信息,并对所述层次信息进行存储,生成层次信息集。当接收到的所述第二图像采集模块102发送的第二图像信息后,对所述第二图像信息进行逐层次的信息提取,在本实施例中,该第二图像信息是指当前驶出停车场的车辆的图像信息,在对所述第二图像信息进行逐层次的信息提取的过程中,对于提取到的当前层次信息,将该当前层次信息与所述层次信息集中的层次信息进行匹配,并根据匹配结果对车辆的身份信息进行识别,若根据该当前层次信息不能对车辆的身份信息进行识别,则继续提取下以层次的层次信息,并根据提取到的下一层次的层次信息对车辆的身份信息进行识别,直到识别出车辆的身份信息,停止对所述第二图像信息进行逐层次的信息提取。
本申请实施例的基于多层信息智能分析的车辆联网识别系统,通过分层次的信息提取,将车辆身份的识别从单纯依赖提取车牌号改变为通过多层次的层级信息进行逐层次的识别,能够有效对未悬挂车牌的车辆和车牌污损车辆进行辨识,并且在光照不足、遇较强逆光等容易发生车牌提取错误时也能够辨识车辆,从而从根本上实现了无人化服务。
如图2所示,是本申请实施例二的基于多层信息智能分析的车辆联网识别系统的结构示意图。从图2中可以看出,本实施例的基于多层信息智能分析的车辆联网识别系统,包括:
第一图像采集模块201、第二图像采集模块202、后台服务器203、层次信息对比模块204、存储模块205、第一通信模块206、人工对比模块207和第二通信模块208。
其中,第一图像采集模块201,设置在停车场的入口,用于获取驶入所述停车场的多辆车辆的第一图像信息,并将所述第一图像信息发送至后台服务器。
第二图像采集模块202,设置在停车场的出口,用于获取驶出所述停车场的车辆的第二图像信息,并将所述第二图像信息发送至后台服务器。
后台服务器203,用于接收所述第一图像信息,对每个所述第一图像信息进行分层次的信息提取,生成与每个层次对应的层次信息,建立所述第一图像信息和所述层次信息的对应关系,对所述层次信息进行存储,生成层次信息集;并当接收到所述第二图像信息时,对所述第二图像信息进行逐层次的信息提取,对于当前层次信息,将该当前层次信息与所述层次信息集中的层次信息进行匹配,并根据匹配结果对车辆的身份信息进行识别。
在本实施例中,所述后台服务器203又进一步包括:第一层次信息提取模块2031、第二层次信息提取模块2032和第三层次信息提取模块2033。
其中,所述第一层次信息提取模块2031用于根据所述第一图像信息和/或所述第二图像信息提取车辆的车牌号信息,作为所述层次信息中的第一层次信息;在提取车牌号信息的过程中,对于未挂车牌的车辆和未完整识别车牌的可识别字符位数低于第一预设阈值的车辆,第一层次信息为空。本实施例中,未完整识别车牌是指不能根据所述第一图像信息和/或所述第二图像信息完全识别车辆的车牌号中的可识别字符,并且,对于识别出来的可识别字符的位数低于第一预设阈值(例如两位)的车牌号信息,对于识别车辆的身份信息没有帮助,因此将提取到的车牌号信息记为空。而对于未完整识别车牌的可识别字符位数高于第一预设阈值且低于正常车牌的字符数的车辆,第一层次信息为未完整识别车牌的可识别字符。即识别出车牌中的大部分可识别字符,对于识别车辆的身份信息有一定的帮助,则将提取到的车牌号信息即为识别出来的可识别字符。而对于完整识别车牌的车辆,第一层次信息为完整识别车牌号的字符。
所述第二层次信息提取模块2032用于根据所述第一图像信息和/或所述第二图像信息提取车辆的车标信息、车型信息和车色信息。具体地,提取所述第一图像信息和/或所述第二图像信息中车前脸的中央区域的图像,采用canny边缘检测算子对该图像进行边缘检测,提取由封闭边缘包围的图像区域,将该图像区域与预先存储的车标图形进行匹配,确定车标信息;提取所述第一图像信息和/或所述第二图像信息中车前脸的图像,采用canny边缘检测算子对该图像进行边缘检测,提取由封闭边缘包围的图像区域,将该图像区域与预先存储的车辆前脸模板的各区域进行匹配,确定车型信息;提取所述第一图像信息和/或所述第二图像信息中发动机前盖板部位的图像,从该图像中提取亮度值预设阈值范围内且颜色均一的子区域,并将该子区域的颜色确定为车色信息。
例如,图3是典型的车辆前脸的示意图像,可由第一图像采集模块201或者第二图像采集模块202采集该图像,该图像包括前风挡区域301、发动机前盖板区域302、车灯区域303、前进气口区域304、前保险杠区域305、车牌区域306、车标区域307,并且可以看到在车辆左前方有一块非规则的污损或者划痕区域308,这些不同的区域由于存在部件之间的接缝和交界线、颜色差异、反光度差异等因素,故而每个区域外周都具有相对明显的封闭边缘。所述第二层次信息提取模块2032可以先提取所述第一图像信息中的车辆前脸的图像,由于车标位于车辆前脸正中区域,且与周围的车体相比具有明显可识别的封闭边缘,可以先划定车前脸正中区域范围,可以规定针对每幅车辆前脸图像,位于其图像竖直中心线以左、以右一定比例范围(如竖直中心线左、右各5%图像横向宽度以内)内和水平中心线以上、以下一定比例范围内(如水平中心线以上5%,以下10%的图像纵向宽度以内)的区域划为车辆前脸正中区域范围,如图3中的虚线框C,然后在该范围内利用边缘检测算法提取具有闭合边缘的区域,如果该正中区域范围内提取出若干闭合边缘区域,则可以根据预设的车标图形的面积大小范围筛选条件、横纵比范围筛选条件,从这些区域中筛选出面积大小和横纵比范围符合条件的封闭边缘区域,将该区域作为车标图形,进而可以提取该车标图形中的字符、色块、线条等特征要素,与后台服务器车标数据库中的车标图形特征进行相近度比对,识别出车标信息(例如福特、宝马、丰田、大众等)。
对于车型,可针对图3所示车前脸图像利用边缘检测算法提取车前脸图像的上述前风挡区域301、发动机前盖板区域302、车灯区域303、前进气口区域304、前保险杠区域305等若干个整块封闭区域,然后与后台服务器车型数据库中的前脸模板进行相近度比对,由于已经识别了该车的车标信息,则可以调取数据库中该车标品牌对应的各种车型的前脸模板,每种车型的前脸模板是该车型前脸的上述前风挡、发动机前盖板、车灯、前进气口、前保险杠等区域的面积、颜色、外接矩横纵比等特征要素;如果针对从当前车前脸图像所提取的每个封闭区域计算这些特征要素,再与每种车型前脸模板的对应区域的特征要素进行匹配,如果每个封闭区域的特征要素均与前脸模板对应区域匹配,则识别出车型。
对于车色,主要从车前脸图像的发动机前盖板部位302提取。由于发动机前盖板部位经常有反光倒影,而且不同亮度下车色也有色差,所以先提取整块颜色均一且亮度在预定范围内的区域,即从前盖板区域302提取一块面积不小于最小阈值的图像块,如图3的图像块M,判断该图像块内像素的颜色值是否均一(即图像块中任意像素的R-G-B颜色值在R-G-B颜色空间中表示为一个点,则任意两个像素的R-G-B颜色值在颜色空间中的点的距离偏差不大于颜色偏差阈值),且图像块内任意两个像素的亮度值的偏差不大于亮度偏差阈值,则该图像块符合要求,然后从该图像块计算像素的平均R-G-B颜色值,作为提取出来的车色信息。如果该图像块不符合要求,则横向和/或纵向平移该图像块一定的像素,然后重新评估是否符合要求。
所述第三层次信息提取模块2033用于根据所述第一图像信息和/或所述第二图像信息提取车辆的非规则区域信息。具体地,提取所述第一图像信息和/或所述第二图像信息中车前脸的图像,采用canny边缘检测算子对该图像进行边缘检测,提取由封闭边缘包围的图像区域,对该图像区域进行规则性判断,将规则性值低于预设阈值的图像区域确定为非规则区域,将所述非规则区域的特征信息确定为非规则区域信息。
在本实施例中,所述非规则区域是指图像区域的边界是不规则的,存在较多的扭曲和折返,没有确定的形状。这些非规则区域一般对应车辆的污损、碰撞划痕,前挡风玻璃后面摆放的摆件、挂绳等部位也会形成非规则区域。如图4所示,是本申请实施例二中的不规则区域示意图。相对的,如图6所示,是本申请实施例二中的作为对比说明的一个规则区域示意图。从图4和图6中可以看出,当面积相近的时候,不规则图形的边缘周长会比规则图形的边缘周长长很多,因为不规则图形边缘扭曲、折返的情况都更多,所以,可以定义一个边缘周长与面积的比值的阈值,如果图形的边缘周长与面积的比值大于该阈值,则认为其为不规则图形,而如果图形的边缘周长与面积的比值小于该阈值,则认为其为规则图形。根据上述判断方法,可以确定第三层次信息提取模块2033利用边缘检测从第一图像信息和/或所述第二图像信息提取出来的图像区域是否为规则区域,进而提取出非规则区域信息。
但是,由图形的边缘周长与面积的比值确定图形是否为规则图形是较为粗略的确定方法,有时候不完全排除误识别。为了更精确的确定提取出来的图像区域是否为规则区域,进而提取出非规则区域信息,在本实施例中,还可以采用游标遍历图形边缘的方法来确定提取出来的图像区域是否为规则区域。具体地,如图5所示,是本申请实施例二中的不规则区域的Y坐标(当然也可以是X坐标)的遍历示意图;图7是本申请实施例二中的规则区域的Y坐标(当然也可以是X坐标)的遍历示意图。本实施例中,在确定提取出来的图像区域是否为规则区域时,可以假定一个虚拟的“游标”,由该“游标”沿所述图像区域的边缘遍历一周(可以将“游标”沿着图像区域的边缘走过的像素总数定义为遍历进度值),再回到起点,游标本身的Y值(或X值)大小变化的拐点数(也就是统计游标每走过一个像素,其Y值的变化方向,如果变化方向改变,例如由增大变成减小,或者由减小变成增大,或者由增大/减小变为持平,则认为Y值的变化方向改变了一次,可以设立一个计数器,Y值的变化方向每改变一次计数器加1,也就是拐点数增加了1)的多少可以体现出图像区域是否为规则区域,拐点数低于拐点数量阈值的图像区域为规则区域,拐点数高于拐点数量阈值的图像区域为非规则区域,该拐点数量阈值可以由经验值确定。
对于从车辆前脸图像当中提取的非规则区域,可以提取这些非规则区域的Y值和/或X值的拐点的拐点坐标,组成一个特征数组,作为该非规则区域的特征信息。
本申请实施例中的采用canny边缘检测算子对图像进行边缘检测,可以具体包括:先对图像与高斯mask作卷积,对所述图像进行平滑处理;再利用Sobel算子计算平滑处理后的所述图像的每个像素点的梯度;保留所述图像的每个像素点上梯度强度的极大值,删除其他值;设定所述图像的每个像素点上梯度强度的极大值的阈值上界和阈值下界,将梯度强度的极大值大于所述阈值上界的像素点确认为边界,将梯度强度的极大值大于所述阈值下界小于所述阈值上界的像素点确认为弱边界,将梯度强度的极大值小于所述阈值下界的像素点确认为非边界;将与所述边界相连的弱边界确认边界,将其他的弱边界确认为非边界。由边界围成的区域为提取出来的图像区域。
所述层次信息对比模块204用于:
当有车辆驶出停车场时,即当所述第一层次信息提取模块2031提取到所述第二图像信息中的车牌号信息时,将该车牌号信息与所述层次信息集中各第一图像信息中的车牌号信息进行匹配,若匹配结果仅有一个车牌号信息,则根据匹配结果的车牌号信息对车辆的身份信息进行识别。具体地,当匹配结果仅有一个车牌号信息,则匹配结果的车牌号信息即为该车辆的车牌号信息,即该车辆与匹配结果的车牌号信息对应的车辆为同一辆车,从而实现了车辆身份信息的确定。这里的车牌号信息主要是指识别的完整或非完整车牌号的字符。而对于第一层次信息提取模块2031针对所述第二图像信息提取的第一层次信息为空,或者从第二图像信息提取的车牌号信息没有与所述层次信息集中任何一个第一图像信息中的车牌号信息匹配成功,或者与第一图像信息中的车牌号信息存在多个匹配的情况,则认为匹配不成功,进行下一层次的信息提取。
若匹配不成功,则所述第二层次信息提取模块2032进一步提取所述第二图像信息中的车标信息、车型信息和车色信息,所述层次信息对比模块204将提取到的车标信息、车型信息和车色信息与所述层次信息集中各第一图像信息中的车标信息、车型信息和车色信息进行匹配,若匹配结果为所述层次信息集中仅有一个第一图像信息的第二层次信息,即匹配结果中仅有一辆车的车标信息、车型信息和车色信息与提取到的所述第二图像信息中的车标信息、车型信息和车色信息匹配,则根据匹配结果的车标信息、车型信息和车色信息对车辆的身份信息进行识别。即该车辆与匹配结果的车标信息、车型信息和车色信息对应的车辆为同一辆车,从而实现了车辆身份信息的确定。其中,如果通过第一层次信息的匹配,已经获得了多个匹配结果,则在本节点只针对这些匹配结果在层次信息集中保存的车标信息、车型信息和车色信息,与第二图像信息当中提取的车标信息、车型信息和车色信息匹配。如果通过第一层次信息的匹配未获得匹配结果,或者是由于第二图像信息中提取的第一层次信息为空从而无法进行第一层次信息的匹配,则针对全部车辆在层次信息集中保存的车标信息、车型信息和车色信息进行匹配。
若第二层次信息的匹配中,匹配结果包括两个及以上的车标信息、车型信息和车色信息,则所述第三层次信息提取模块2033进一步提取所述第二图像信息中的非规则区域信息,在本实施例中,所述非规则区域信息可以包括多个非规则区域,所述层次信息对比模块204将提取到的非规则区域信息与所述层次信息集中各第一图像信息中的非规则区域信息进行匹配,若匹配结果为所述层次信息集中仅有一个第一图像信息的第三层次信息,即匹配结果中仅有一辆车的非规则区域与提取到的所述第二图像信息中的非规则区域信息匹配,即所述层次信息集中仅存在一辆车的污损、碰撞划痕、前挡风玻璃后面摆放的摆件、挂绳等与该车辆的污损、碰撞划痕、前挡风玻璃后面摆放的摆件、挂绳等相匹配,则根据匹配结果的非规则区域信息对车辆的身份信息进行识别。即该车辆与匹配结果的非规则区域信息对应的车辆为同一辆车,从而实现了车辆身份信息的确定。
若以上多个层次的匹配之后,始终无与第二图像信息匹配的匹配结果,或者始终包括两个及以上的与第二图像信息匹配的匹配结果,则不能判断该车辆的身份信息,因此,要将当前采集到的所述第二图像信息发送至人工对比模块,由人工对车辆的身份信息进行识别。
所述存储模块205用于对所述第一层次信息提取模块2031、所述第二层次信息提取模块2032和所述第三层次信息提取模块2033根据所述第一图像信息提取到的车牌号信息,所述车标信息、车型信息和车色信息,以及非规则区域信息进行存储。
所述第一通信模块206,用于接收所述第一图像采集模块201发送的第一图像信息和所述第二图像采集模块202发送的第二图像信息;以及,当所述层次信息对比模块204不能对车辆的身份信息进行识别时,将所述第二图像信息发送至所述人工对比模块207。
所述人工对比模块207,用于显示所述第二图像信息,并接收人工输入的对比结果,由人工来对车辆的身份信息进行识别,并当人工对车辆的身份信息完成识别后,有由所述第二通信模块209将人工输入的对比结果发送至所述层次信息对比模块204,以令所述层次信息对比模块204根据人工输入的对比结果对车辆的身份信息进行识别。
本申请实施例的基于多层信息智能分析的车辆联网识别系统,通过分层次的信息提取,能够有效对未悬挂车牌的车辆和车牌污损车辆进行辨识,并且在光照不足、遇较强逆光时也能够辨识车辆,从而从根本上实现了无人化服务。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本申请中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (10)
1.一种基于多层信息智能分析的车辆联网识别系统,其特征在于,包括:
第一图像采集模块,设置在停车场的入口,用于获取驶入所述停车场的多辆车辆的第一图像信息,并将所述第一图像信息发送至后台服务器;
第二图像采集模块,设置在停车场的出口,用于获取驶出所述停车场的车辆的第二图像信息,并将所述第二图像信息发送至后台服务器;
后台服务器,用于接收所述第一图像信息,对每个所述第一图像信息进行分层次的信息提取,生成与每个层次对应的层次信息,建立所述第一图像信息和所述层次信息的对应关系,对所述层次信息进行存储,生成层次信息集;并当接收到所述第二图像信息时,对所述第二图像信息进行逐层次的信息提取,对于当前层次信息,将该当前层次信息与所述层次信息集中的层次信息进行匹配,并根据匹配结果对车辆的身份信息进行识别。
2.根据权利要求1所述的系统,其特征在于,所述后台服务器包括:
第一层次信息提取模块、第二层次信息提取模块和第三层次信息提取模块;
所述第一层次信息提取模块用于根据所述第一图像信息和/或所述第二图像信息提取车辆的车牌号信息,所述第二层次信息提取模块用于根据所述第一图像信息和/或所述第二图像信息提取车辆的车标信息、车型信息和车色信息,所述第三层次信息提取模块用于根据所述第一图像信息和/或所述第二图像信息提取车辆的非规则区域信息。
3.根据权利要求2所述的系统,其特征在于,所述第一层次信息提取模块提取的车牌号信息具体包括:
对于未挂车牌的车辆和未完整识别车牌的可识别字符位数低于第一预设阈值的车辆,第一层次信息为空;
对于未完整识别车牌的可识别字符位数高于第一预设阈值且低于正常车牌的字符数的车辆,第一层次信息为未完整识别车牌的可识别字符;
对于完整识别车牌的车辆,第一层次信息为完成整识别车牌的字符。
4.根据权利要求2所述的系统,其特征在于,所述第二层次信息提取模块,具体用于:
提取所述第一图像信息和/或所述第二图像信息中车前脸的中央区域的图像,采用canny边缘检测算子对该图像进行边缘检测,提取由封闭边缘包围的图像区域,将该图像区域与预先存储的车标图形进行匹配,确定车标信息;
提取所述第一图像信息和/或所述第二图像信息中车前脸的图像,采用canny边缘检测算子对该图像进行边缘检测,提取由封闭边缘包围的图像区域,将该图像区域与预先存储的车辆前脸模板的各区域进行匹配,确定车型信息;
提取所述第一图像信息和/或所述第二图像信息中发动机前盖板部位的图像,从该图像中提取亮度值预设阈值范围内且颜色均一的子区域,并将该子区域的颜色确定为车色信息。
5.根据权利要求2所述的系统,其特征在于,所述第三层次信息提取模块,具体用于:
提取所述第一图像信息和/或所述第二图像信息中车前脸的图像,采用canny边缘检测算子对该图像进行边缘检测,提取由封闭边缘包围的图像区域,对该图像区域进行规则性判断,将规则性值低于预设阈值的图像区域确定为非规则区域,将所述非规则区域的特征信息确定为非规则区域信息。
6.根据权利要求3至5任一项所述的系统,其特征在于,所述后台服务器还包括层次信息对比模块,所述层次信息对比模块用于:
当所述第一层次信息提取模块提取到所述第二图像信息中的车牌号信息时,将该车牌号信息与所述层次信息集中各第一图像信息中的车牌号信息进行匹配,若匹配结果仅有一个车牌号信息,则根据匹配结果的车牌号信息对车辆的身份信息进行识别;
若匹配结果包括两个及以上的车牌号信息,则所述第二层次信息提取模块进一步提取所述第二图像信息中的车标信息、车型信息和车色信息,所述层次信息对比模块将提取到的车标信息、车型信息和车色信息与所述层次信息集中各第一图像信息中的车标信息、车型信息和车色信息进行匹配,若匹配结果仅有一个车标信息、车型信息和车色信息,则根据匹配结果的车标信息、车型信息和车色信息对车辆的身份信息进行识别;
若匹配结果包括两个及以上的车标信息、车型信息和车色信息,则所述第三层次信息提取模块进一步提取所述第二图像信息中的非规则区域信息,所述层次信息对比模块将提取到的非规则区域信息与所述层次信息集中各第一图像信息中的非规则区域信息进行匹配,若匹配结果仅有一个非规则区域信息,则根据匹配结果的非规则区域信息对车辆的身份信息进行识别;
若匹配结果包括两个及以上的非规则区域信息,则将所述第二图像信息发送至人工对比模块,由人工对车辆的身份信息进行识别。
7.根据权利要求6所述的系统,其特征在于,所述后台服务器还包括:
存储模块,用于对所述第一层次信息提取模块、所述第二层次信息提取模块和所述第三层次信息提取模块根据所述第一图像信息提取到的车牌号信息,所述车标信息、车型信息和车色信息,以及非规则区域信息进行存储。
8.根据权利要求7所述的系统,其特征在于,所述后台服务器还包括:
第一通信模块,用于接收所述第一图像采集模块发送的第一图像信息和所述第二图像采集模块发送的第二图像信息;以及,当所述层次信息对比模块不能对车辆的身份信息进行识别时,将所述第二图像信息发送至人工对比模块。
9.根据权利要求8所述的系统,其特征在于,还包括:
人工对比模块,用于显示所述第二图像信息,并接收人工输入的对比结果。
10.根据权利要求9所述的系统,其特征在于,还包括:
第二通信模块,用于将人工输入的对比结果发送至所述层次信息对比模块,以令所述层次信息对比模块根据人工输入的对比结果对车辆的身份信息进行识别。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910731675.6A CN110598550B (zh) | 2019-08-08 | 2019-08-08 | 一种基于多层信息智能分析的车辆联网识别系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910731675.6A CN110598550B (zh) | 2019-08-08 | 2019-08-08 | 一种基于多层信息智能分析的车辆联网识别系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110598550A true CN110598550A (zh) | 2019-12-20 |
CN110598550B CN110598550B (zh) | 2021-02-26 |
Family
ID=68853729
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910731675.6A Active CN110598550B (zh) | 2019-08-08 | 2019-08-08 | 一种基于多层信息智能分析的车辆联网识别系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110598550B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112129391A (zh) * | 2020-09-14 | 2020-12-25 | 广东科达计量科技有限公司 | 防作弊无人值守称重系统 |
CN112583900A (zh) * | 2020-12-02 | 2021-03-30 | 深圳市互盟科技股份有限公司 | 云计算的数据处理方法及相关产品 |
CN115762172A (zh) * | 2022-11-02 | 2023-03-07 | 济南博观智能科技有限公司 | 一种出入车位车辆识别方法、装置、设备及介质 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6269372B1 (en) * | 1998-11-14 | 2001-07-31 | Gary D. Wertheim | Method for requesting a date with a driver of a vehicle spotted, via the license plate number of the vehicle |
KR100785757B1 (ko) * | 2007-01-17 | 2007-12-18 | 주식회사 진성아이엔티 | 고정된 카메라를 이용한 자동 불법 주정차 단속 시스템 및방법 |
CN101630361A (zh) * | 2008-12-30 | 2010-01-20 | 北京邮电大学 | 一种基于车牌、车身颜色和车标识别的套牌车辆识别设备及方法 |
CN101764946A (zh) * | 2008-11-04 | 2010-06-30 | 新奥特(北京)视频技术有限公司 | 一种将字幕对象的矢量轮廓离散化为直线段的方法 |
CN103077407A (zh) * | 2013-01-21 | 2013-05-01 | 信帧电子技术(北京)有限公司 | 车标定位识别方法及系统 |
CN103310199A (zh) * | 2013-06-17 | 2013-09-18 | 武汉大学 | 基于高分辨率遥感数据的车辆型号识别方法 |
CN105808691A (zh) * | 2016-03-03 | 2016-07-27 | 博康智能网络科技股份有限公司 | 一种卡口车辆检索方法及其系统 |
US20160293003A1 (en) * | 2015-04-01 | 2016-10-06 | Misapplied Sciences, Inc. | Multi-view traffic signage |
CN107633687A (zh) * | 2017-09-08 | 2018-01-26 | 绵阳西真科技有限公司 | 一种用于停车场的车辆识别方法及系统 |
KR20180122094A (ko) * | 2017-05-02 | 2018-11-12 | 파킹클라우드 주식회사 | 스마트 파킹 시스템 및 이를 이용한 맞춤형 서비스 제공 방법, 이를 수행하기 위한 기록 매체 |
CN109377572A (zh) * | 2018-12-12 | 2019-02-22 | 杭州华云科技有限公司 | 一种无人值守云停车的管理控制方法及管理装置 |
CN109872541A (zh) * | 2019-03-07 | 2019-06-11 | 青岛海信网络科技股份有限公司 | 一种车辆信息分析方法及装置 |
-
2019
- 2019-08-08 CN CN201910731675.6A patent/CN110598550B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6269372B1 (en) * | 1998-11-14 | 2001-07-31 | Gary D. Wertheim | Method for requesting a date with a driver of a vehicle spotted, via the license plate number of the vehicle |
KR100785757B1 (ko) * | 2007-01-17 | 2007-12-18 | 주식회사 진성아이엔티 | 고정된 카메라를 이용한 자동 불법 주정차 단속 시스템 및방법 |
CN101764946A (zh) * | 2008-11-04 | 2010-06-30 | 新奥特(北京)视频技术有限公司 | 一种将字幕对象的矢量轮廓离散化为直线段的方法 |
CN101630361A (zh) * | 2008-12-30 | 2010-01-20 | 北京邮电大学 | 一种基于车牌、车身颜色和车标识别的套牌车辆识别设备及方法 |
CN103077407A (zh) * | 2013-01-21 | 2013-05-01 | 信帧电子技术(北京)有限公司 | 车标定位识别方法及系统 |
CN103310199A (zh) * | 2013-06-17 | 2013-09-18 | 武汉大学 | 基于高分辨率遥感数据的车辆型号识别方法 |
US20160293003A1 (en) * | 2015-04-01 | 2016-10-06 | Misapplied Sciences, Inc. | Multi-view traffic signage |
CN105808691A (zh) * | 2016-03-03 | 2016-07-27 | 博康智能网络科技股份有限公司 | 一种卡口车辆检索方法及其系统 |
KR20180122094A (ko) * | 2017-05-02 | 2018-11-12 | 파킹클라우드 주식회사 | 스마트 파킹 시스템 및 이를 이용한 맞춤형 서비스 제공 방법, 이를 수행하기 위한 기록 매체 |
CN107633687A (zh) * | 2017-09-08 | 2018-01-26 | 绵阳西真科技有限公司 | 一种用于停车场的车辆识别方法及系统 |
CN109377572A (zh) * | 2018-12-12 | 2019-02-22 | 杭州华云科技有限公司 | 一种无人值守云停车的管理控制方法及管理装置 |
CN109872541A (zh) * | 2019-03-07 | 2019-06-11 | 青岛海信网络科技股份有限公司 | 一种车辆信息分析方法及装置 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112129391A (zh) * | 2020-09-14 | 2020-12-25 | 广东科达计量科技有限公司 | 防作弊无人值守称重系统 |
CN112583900A (zh) * | 2020-12-02 | 2021-03-30 | 深圳市互盟科技股份有限公司 | 云计算的数据处理方法及相关产品 |
CN112583900B (zh) * | 2020-12-02 | 2023-04-07 | 深圳市互盟科技股份有限公司 | 云计算的数据处理方法及相关产品 |
CN115762172A (zh) * | 2022-11-02 | 2023-03-07 | 济南博观智能科技有限公司 | 一种出入车位车辆识别方法、装置、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110598550B (zh) | 2021-02-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110598550B (zh) | 一种基于多层信息智能分析的车辆联网识别系统 | |
CN106373426B (zh) | 基于计算机视觉的停车位及违规占道停车监控方法 | |
CA2885019C (en) | Robust windshield detection via landmark localization | |
CA2858919C (en) | License plate recognition | |
CN107194393B (zh) | 一种检测临时车牌的方法及装置 | |
CN104036262B (zh) | 一种lpr车牌筛选识别的方法和系统 | |
CN108197523B (zh) | 基于图像转换及轮廓邻域差异的夜间车辆检测方法及系统 | |
CN107180230B (zh) | 通用车牌识别方法 | |
CN110491133B (zh) | 一种基于置信度的车辆信息校正系统和方法 | |
US10803340B2 (en) | Method and apparatus for license plate recognition using multiple fields of view | |
CN109815856A (zh) | 目标车辆的状态标记方法、系统和计算机可读存储介质 | |
KR101224027B1 (ko) | 영상의 장면 정보를 이용한 전방 차량 검출 방법 | |
CN106203267A (zh) | 基于机器视觉的车辆防碰撞方法 | |
WO2021190269A1 (zh) | 车辆定损方法、车辆定损装置及应用其的电子设备 | |
CN110705553B (zh) | 一种适用于车辆远景图像的划痕检测方法 | |
CN103927512B (zh) | 车辆识别方法 | |
Ryu et al. | Feature-based pothole detection in two-dimensional images | |
CN112863194B (zh) | 一种图像处理方法、装置、终端及介质 | |
JP2002197588A (ja) | 走行車両のタイヤ種別判別方法,車種判別方法及び車種判別装置 | |
CN110969135B (zh) | 自然场景中的车标识别方法 | |
Amusan et al. | Nigerian vehicle license plate recognition system using artificial neural network | |
Amin et al. | An automatic number plate recognition of Bangladeshi vehicles | |
Amirgaliyev et al. | License plate verification method for automatic license plate recognition systems | |
Mohammad et al. | An Efficient Method for Vehicle theft and Parking rule Violators Detection using Automatic Number Plate Recognition | |
CN114882451A (zh) | 一种图像处理方法、装置、设备及介质 |
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 | ||
CB02 | Change of applicant information |
Address after: 519031 room 105-34702, No. 6, Baohua Road, Hengqin New District, Zhuhai City, Guangdong Province (centralized office area) Applicant after: Shanpo Technology (Zhuhai) Co., Ltd Address before: 519031 room 105-34702, No. 6, Baohua Road, Hengqin New District, Zhuhai City, Guangdong Province (central office) Applicant before: Hengqin Shanbo Investment Management Co., Ltd |
|
CB02 | Change of applicant information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |