CN110689004B - 车辆图像识别方法及相关装置 - Google Patents
车辆图像识别方法及相关装置 Download PDFInfo
- Publication number
- CN110689004B CN110689004B CN201910810543.2A CN201910810543A CN110689004B CN 110689004 B CN110689004 B CN 110689004B CN 201910810543 A CN201910810543 A CN 201910810543A CN 110689004 B CN110689004 B CN 110689004B
- Authority
- CN
- China
- Prior art keywords
- pixel
- determining
- image
- license plate
- target
- 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.)
- Active
Links
Images
Classifications
-
- 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
- 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)
- Traffic Control Systems (AREA)
- Image Analysis (AREA)
Abstract
本申请实施例公开了一种车辆图像识别方法及相关装置,应用于电子设备,包括:确定待处理的单张原始图像中的目标车牌图像;根据所述目标车牌图像确定所述原始图像中的目标图像区域,所述目标图像区域包括所述目标车牌图像;获取所述目标图像区域中每个像素的RGB值;根据所述每个像素的RGB值和预设的检测机制确定出所述目标图像区域中的F个特征点,F为≥4的整数;根据所述F个特征点确定出所述目标车牌图像对应的车辆图像。实时本申请实施例有利于提升从原始图像中扣取车辆图像的准确度。
Description
技术领域
本申请涉及图像处理技术领域,具体涉及一种车辆图像识别方法及相关装置。
背景技术
当前在交通领域,通常需要根据监控设备拍摄的照片获取车辆的基本信息,如汽车走向,车辆颜色,车牌号等;当在车流量较大时,监控设备拍摄的照片中往往会有许多车辆的照片,需要从众多车辆中获取照片中目标车辆的信息,因此,需要确定目标车辆的车辆图像,目前常用的方式是:电子设备以车牌图像为中心,框取预设大小的区域为该车牌图像的对应的车辆图像。
发明内容
本申请实施例提供了一种车辆图像识别方法及相关装置,有利于提升从原始图像中扣取车辆图像的准确度。
第一方面,本申请实施例提供一种车辆图像识别方法,应用于电子设备,所述方法包括:
确定待处理的单张原始图像中的目标车牌图像;
根据所述目标车牌图像确定所述原始图像中的目标图像区域,所述目标图像区域包括所述目标车牌图像;
获取所述目标图像区域中每个像素的RGB值;
根据所述每个像素的RGB值和预设的检测机制确定出所述目标图像区域中的F个特征点,F为≥4的整数;
根据所述F个特征点确定出所述目标车牌图像对应的车辆图像。
第二方面,本申请实施例提供一种车辆图像识别装置,应用于电子设备,所述车辆图像识别装置包括处理单元和通信单元,其中,
所述处理单元,用于确定待处理的单张原始图像中的目标车牌图像,以及用于根据所述目标车牌图像确定所述原始图像中的目标图像区域,所述目标图像区域包括所述目标车牌图像;以及用于通过所述通信单元获取所述目标图像区域中每个像素的RGB值;以及用于根据所述每个像素的RGB值和预设的检测机制确定出所述目标图像区域中的F个特征点,F为≥4的整数;根据所述F个特征点确定出所述目标车牌图像对应的车辆图像。
第三方面,本申请实施例提供一种电子设备,包括控制器、存储器、通信接口以及一个或多个程序,其中,上述一个或多个程序被存储在上述存储器中,并且被配置由上述控制器执行,上述程序包括用于执行本申请实施例第一方面任一方法中的步骤的指令。
第四方面,本申请实施例提供了一种计算机可读存储介质,其中,上述计算机可读存储介质存储用于电子数据交换的计算机程序,其中,上述计算机程序使得计算机执行如本申请实施例第一方面任一方法中所描述的部分或全部步骤。
第五方面,本申请实施例提供了一种计算机程序产品,其中,上述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质,上述计算机程序可操作来使计算机执行如本申请实施例第一方面任一方法中所描述的部分或全部步骤。该计算机程序产品可以为一个软件安装包。
可以看出,本申请实施例中,电子设备首先确定待处理的单张原始图像中的目标车牌图像;其次,根据所述目标车牌图像确定所述原始图像中的目标图像区域,所述目标图像区域包括所述目标车牌图像;获取所述目标图像区域中每个像素的RGB值;根据所述每个像素的RGB值和预设的检测机制确定出所述目标图像区域中的F个特征点,F为≥4的整数;根据所述F个特征点确定出所述目标车牌图像对应的车辆图像。可见,本申请实施例中电子设备可根据RGB值确定出车牌图像关联的特征点,进而根据特征点准确的扣取整车的图像,提升了从原始图像中扣取车辆图像准确度。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅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电子设备的结构示意图;
图2A是本申请实施例提供的一种车辆图像识别方法的流程示意图;
图2B为本申请实施例提供的一种像素组的示意图;
图2C为本申请实施例提供的一种像素和特征点的示意图;
图3是本申请实施例提供的另一种车辆图像识别方法的流程示意图;
图4是本申请实施例提供的另一种车辆图像识别方法的流程示意图;
图5是本申请实施例提供的一种电子设备的结构示意图;
图6是本申请实施例提供的一种车辆图像识别装置的功能单元组成框图。
具体实施方式
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作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。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象,而不是用于描述特定顺序。此外,术语“包括”和“具有”以及它们任何变形,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、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
下面对本申请实施例进行详细介绍。
请参阅图1,图1是本申请实施例提供的一种电子设备的结构示意图,该电子设备包括处理器、存储器、信号处理器、通信接口、触控显示屏、WiFi模块、扬声器、麦克风、随机存取存储器(Random Access Memory,RAM)和摄像头等等。
其中,存储器、信号处理器、WiFi模块、触控显示屏、扬声器、麦克风、RAM和摄像头与处理器连接,通信接口与信号处理器连接。
其中,存储其中存储有待处理的原始图像。
其中,电子设备可以包括各种具有无线通信功能的手持设备、车载设备、可穿戴设备(例如智能手表、智能手环、计步器等)、计算设备或连接到无线调制解调器的其他处理设备,以及各种形式的用户设备(User Equipment,UE),移动台(Mobile Station,MS),终端设备(terminal device)等等。为方便描述,上面提到的设备统称为电子设备。
请参阅图2A,图2A是本申请实施例提供了一种车辆图像识别方法的流程示意图,应用于电子设备。如图所示,本车辆图像识别方法包括:
步骤201,电子设备确定待处理的单张原始图像中的目标车牌图像。
步骤202,电子设备根据所述目标车牌图像确定所述原始图像中的目标图像区域。
其中,所述目标图像区域包括所述目标车牌图像。
步骤203,电子设备获取所述目标图像区域中每个像素的RGB值。
其中,RGB指的是RGB色彩模式,RGB色彩模式是工业界的一种颜色标准,通过对红(R)、绿(G)、蓝(B)三个颜色通道的变化以及它们相互之间的叠加来得到各式各样的颜色的,RGB即是代表红、绿、蓝三个通道的颜色,这个标准几乎包括了人类视力所能感知的所有颜色。
步骤204,电子设备根据所述每个像素的RGB值和预设的检测机制确定出所述目标图像区域中的F个特征点。
其中,F为≥4的整数。
其中,F个特征点可以是车辆图像中四个边缘的像素点。
步骤205,电子设备根据所述F个特征点确定出所述目标车牌图像对应的车辆图像。
其中,根据F个特征点确定出目标车牌图像对应的车辆图像的方法可以是:根据F个特征点所在的位置确定出F个特征点分别所属的边缘,进而确定出车辆图像的四个边缘的边缘线,根据四个边缘的边缘线确定出车辆图像。
可以看出,本申请实施例中,电子设备首先确定待处理的单张原始图像中的目标车牌图像;其次,根据所述目标车牌图像确定所述原始图像中的目标图像区域,所述目标图像区域包括所述目标车牌图像;获取所述目标图像区域中每个像素的RGB值;根据所述每个像素的RGB值和预设的检测机制确定出所述目标图像区域中的F个特征点,F为≥4的整数;根据所述F个特征点确定出所述目标车牌图像对应的车辆图像。可见,本申请实施例中电子设备可根据RGB值确定出车牌图像关联的特征点,进而根据特征点准确的扣取整车的图像,提升了从原始图像中扣取车辆图像准确度。
在一个可能的示例中,所述确定待处理的单张原始图像中的目标车牌图像,包括:获取所述原始图像中每个像素的RGB值;根据所述每个像素的RGB值确定所述原始图像中处于预设的RGB值范围内的K个像素,K为正整数;确定所述K个像素构成的M个区域,M为小于等于K的正整数;检测所述M个区域的形状;确定所述M个区域中所述形状为预设形状的N个区域为N个车牌图像,N为小于等于M的正整数;确定所述N个车牌图像中的所述目标车牌图像。
其中,工作人员可提前录入不同的车牌类型的RGB值,并根据录入的RGB值加和/或减预设的数值,得到预设的RGB值范围。例如当前录入的车牌的RGB值为(128,128,128),预设的数值为10,则预设的RGB值范围为(128±10,128±10,128±10)及R、G和B对应的取值范围均为118到138。再例如当前录入的车牌的RGB值为(0,0,255),预设的数值为10,则预设的RGB值范围为(0+10,0+10,255-10),及R对应的取值范围为0到10,G对应的取值范围为0到10,B对应的取值范围为245到255。
其中,预设的RGB值范围可根据不同的时间段和不同的环境进行动态的调整,例如,电子设备获取与之通信连接的监控设备在不同时间段,不同天气下(不同时间段和不同的天气(阴天,晴天)对应的光线强度不同,导致监控设备拍摄的同一车牌的多张照片显示的RGB值不同)拍摄的照片,工作人员可预先查看电子设备不同时间段和不同天气下的照片,确定照片中车牌对应的像素,电子设备读取像素的RGB值,确定对应的第一RGB值范围,并根据工作人员的设置操作将第一RGB值范围设置为对应时间段预设的RGB值范围,例如,获取参考车牌在上午8点,中午12点,下午5点和晚上12点的RGB值,确定早8点对应的第一RGB值范围,中午12点对应的第二RGB值范围,下午6点对应的第三RGB值范围和晚上9点对应的第四RGB值范围。并确定上午6点至10点的预设的RGB值范围为第一RGB值范围,上午10点至下午2点的预设的RGB值范围为第二RGB值范围,下午2点至晚上8点的预设的RGB值范围为第三RGB值范围,晚上8点至第二天凌晨6点的预设的RGB值范围为第四RGB值范围。
其中,预设的形状为车牌的形状,由于车牌中包括车牌号,车牌号与整个车牌的背景的颜色不同;因此,RGB值也不同,电子设备可预设车牌号对应的RGB值为第二RGB值,电子设备可检测出M个区域中的第二RGB值,在确定出区域的形状为预设形状且区域中第二RGB值构成的形状为满足车牌号特征(字母和数字)的条件下,则可确定出对应的车牌号,确定当前区域为N个车牌图像中的一个车牌图像。
可见,本示例中,电子设备可首先通过RGB值确定出M个可能为车牌的区域,再根据M个区域的形状进一步的进行筛选,确定出N个车牌图像,提升了最终确定的车牌图像的准确度。
在一个可能的示例中,所述检测所述M个区域的形状,包括:确定所述M个区域中每个区域的边缘像素,所述边缘像素与至少一个不处于所述预设的RGB值范围内的像素相邻;连接相邻的所述边缘像素,得到所述M个区域的形状。
可见,本示例中,可通过RGB值的变化确定出M个区域的边缘像素,进而确定出M个区域的形状,提升了形状确定的准确度。
在一个可能的示例中,所述根据所述每个像素的RGB值和预设的检测机制确定出所述目标图像区域中的F个特征点,包括:确定所述目标车牌图像的中心像素所在的行像素列;确定所述行像素列中每两个以所述中心像素对称的像素为一组像素,得到X组像素,X为正整数;获取所述X组像素中每组像素中任意一个像素与所述中心像素的距离;根据所述距离由小到大的顺序针对所述X组像素进行排序,得到所述X组像素的第一顺序;按照所述第一顺序依次检测所述每组像素中的两个像素的RGB值的差值,直至检测到第Y组像素时停止检测,所述第Y组像素的所述RGB值的差值大于等于第一预设阈值;确定所述第Y组图像中的两个像素为所述F个特征点中的特征点。
其中,由于车辆的外形是对称的,因此,在确定出目标车牌图像的中心像素后,确定与中心像素距离最近且不在目标车牌图像内的一组像素为第一组像素;具体的,请参阅图2B,图2B为本申请实施例提供的一种像素组的示意图,电子设备首先确定出第一组像素,在第一组像素中两个像素的差值小于第一预设阈值时,检测第二组像素,直至检测到像素差值大于第一预设阈值时,及第Y组像素,停止检测,确定第Y组像素中包括的两个像素为F个特征点中的特征点。
可见,本示例中,电子设备可根据RGB值的差值准确的确定出车辆图像中左右两个边缘上的特征点,进而提升了车辆图像识别准确性。
在一个可能的示例中,所述根据所述每个像素的RGB值和预设的检测机制确定出所述目标图像区域中的F个特征点,包括:确定所述目标车牌图像的第一边缘的中心像素所在的纵像素列;以所述第一边缘的中心像素为第一像素,按照所述第一边缘对应的方向针对所述纵像素列中的像素进行排序,得到第二顺序;检测当前处理的像素是否为所述纵像素列中的最后一个像素;若否,则计算所述当前处理的像素与所述第二顺序中上一顺位的像素的RGB值的差值,判断所述差值是否小于等于第二预设阈值;若是,则更新所述当前处理的像素为所述第二顺序中下一顺位的像素;若否,则确定所述当前处理的像素为所述F个特征点中的特征点;若是,则计算所述当前处理的像素与所述第二顺序中上一顺位的像素的RGB值的差值,判断所述差值是否小于等于所述第二预设阈值;若否,则确定所述当前处理的像素为所述F个特征点中的特征点;
其中,第一边缘可以是汽车车牌的上边缘或者下边缘,上边缘指的是车牌在安装到汽车时,相较于水平面平行且与地面距离较高的边缘;下边缘指的是车牌在安装到汽车时,相较于水平面平行且地面距离较低的边缘;当第一边缘为上边缘时,第一边缘对应的方向为与水平面垂直向上的方向;当第一边缘为下边缘时,第一边缘对应的方向为与水平面垂直向下的方向;请参阅图2C,图2C为当第一边缘为下边缘时,第一边缘的中心像素和特征点的示意图,图中第一边缘的中心像素为第一边缘的中心正下方的第一个像素,特征点为车身外的第一个像素;需要说明的是,本申请实施例中的附图将像素进行了放大,以便于用户通过图示更直观,更容易的理解本方案。
可见,本示例中,电子设备根据每个像素与前一个像素的RGB值的差值判断当前像素是否属于车身,进而准确的确定出汽车上下边缘的特征点,便于后续根据特征点获取车辆图像,提升了获取图像的准确性。
在一个可能的示例中,所述根据所述目标车牌图像确定所述原始图像中的目标图像区域,包括:确定所述目标车牌图像的面积与所述原始图像的面积的比值;根据所述比值和预设的放大系数确定所述目标图像区域。
其中,放大系数是根据现有车辆的大小计算得到,可针对不同道路的监控设备获取的图像设定不同的放大系数,例如当前道路禁止货车通行,则确定放大系数为最大的客车的图像面积和车牌面积比值。及目标图像区域的面积大于车辆图像所占的面积。
可见,本示例中,电子设备可根据当前车牌图像占整个原始图像的面积预估一个大于车辆图像的图像区域,并根据图像区域内每个像素的RGB值确定出特征点,无需根据整张原始图像中每个像素进行计算,减少了计算量,提高了数据处理的效率。
在一个可能的示例中,所述根据所述目标车牌图像确定所述原始图像中的目标图像区域,包括:识别所述目标车牌图像的车牌类型;以所述车牌类型为查询标识,查询预设的匹配关系,获取所述查询标识对应的放大比例;根据所述目标车牌图像的面积和所述放大比例确定所述图像区域。
其中,预设的匹配关系包括车牌类型和放大比例之间的匹配关系。
其中,车牌类型可分为轿车、大型客车、大型货车等,不同的车牌可对应不同的颜色等,其中车牌类型可根据监控设备安装的具体环境进行调整;电子设备可识别监控设备拍摄的照片中的车牌类型,并根据车牌类型查询对应的放大比例。
可见,本示例中,电子设备可根据不同的车牌类型确定不同的放大系数,进而确定出不同大小的图像区域,使得获取到的图像区域适配不同类型的汽车,提升了处理效率。
与所述图2A所示的实施例一致的,请参阅图3,图3是本申请实施例提供的一种车辆图像识别方法的流程示意图,应用于电子设备。如图所示,本车辆图像识别方法包括:
步骤301,电子设备获取原始图像中每个像素的RGB值。
步骤302,电子设备根据所述每个像素的RGB值确定所述原始图像中处于预设的RGB值范围内的K个像素。
步骤303,电子设备确定所述K个像素构成的M个区域。
步骤304,电子设备检测所述M个区域的形状。
步骤305,电子设备确定所述M个区域中所述形状为预设形状的N个区域为N个车牌图像。
步骤306,电子设备确定所述N个车牌图像中的目标车牌图像;
步骤307,电子设备根据所述目标车牌图像确定所述原始图像中的目标图像区域,所述目标图像区域包括所述目标车牌图像。
步骤308,电子设备获取所述目标图像区域中每个像素的RGB值。
步骤309,电子设备确定所述目标车牌图像的中心像素所在的行像素列。
步骤310,电子设备确定所述行像素列中每两个以所述中心像素对称的像素为一组像素,得到X组像素,X为正整数。
步骤311,电子设备获取所述X组像素中每组像素中任意一个像素与所述中心像素的距离。
步骤312,电子设备根据所述距离由小到大的顺序针对所述X组像素进行排序,得到所述X组像素的第一顺序。
步骤313,电子设备按照所述第一顺序依次检测所述每组像素中的两个像素的RGB值的差值,直至检测到第Y组像素时停止检测,所述第Y组像素的所述RGB值的差值大于等于第一预设阈值。
步骤314,电子设备确定所述第Y组图像中的两个像素为所述F个特征点中的特征点。
步骤315,电子设备根据所述F个特征点确定出所述目标车牌图像对应的车辆图像。
可以看出,本申请实施例中,电子设备首先确定待处理的单张原始图像中的目标车牌图像;其次,根据所述目标车牌图像确定所述原始图像中的目标图像区域,所述目标图像区域包括所述目标车牌图像;获取所述目标图像区域中每个像素的RGB值;根据所述每个像素的RGB值和预设的检测机制确定出所述目标图像区域中的F个特征点,F为≥4的整数;根据所述F个特征点确定出所述目标车牌图像对应的车辆图像。可见,本申请实施例中电子设备可根据RGB值确定出车牌图像关联的特征点,进而根据特征点准确的扣取整车的图像,提升了从原始图像中扣取车辆图像准确度。
与所述图2A、图3所示的实施例一致的,请参阅图4,图4是本申请实施例提供的一种车辆图像识别方法的流程示意图,应用于电子设备。如图所示,本车辆图像识别方法包括:
步骤401,电子设备确定待处理的单张原始图像中的目标车牌图像。
步骤402,电子设备识别所述目标车牌图像的车牌类型。
步骤403,电子设备以所述车牌类型为查询标识,查询预设的匹配关系,获取所述查询标识对应的放大比例。
步骤404,电子设备据所述目标车牌图像的面积和所述放大比例确定所述目标图像区域。
步骤405,电子设备获取所述目标图像区域中每个像素的RGB值。
步骤406,电子设备确定所述目标车牌图像的第一边缘的中心像素所在的纵像素列。
步骤407,电子设备以所述第一边缘的中心像素为第一像素,按照所述第一边缘对应的方向针对所述纵像素列中的像素进行排序,得到第二顺序。
步骤408,电子设备检测当前处理的像素是否为所述纵像素列中的最后一个像素。
步骤409,若否,则电子设备计算所述当前处理的像素与所述第二顺序中上一顺位的像素的RGB值的差值,判断所述差值是否小于等于第二预设阈值;若是,则更新所述当前处理的像素为所述第二顺序中下一顺位的像素;若否,则确定所述当前处理的像素为所述F个特征点中的特征点。
步骤410,若是,则电子设备计算所述当前处理的像素与所述第二顺序中上一顺位的像素的RGB值的差值,判断所述差值是否小于等于所述第二预设阈值;若否,则确定所述当前处理的像素为所述F个特征点中的特征点。
可以看出,本申请实施例中,电子设备首先确定待处理的单张原始图像中的目标车牌图像;其次,根据所述目标车牌图像确定所述原始图像中的目标图像区域,所述目标图像区域包括所述目标车牌图像;获取所述目标图像区域中每个像素的RGB值;根据所述每个像素的RGB值和预设的检测机制确定出所述目标图像区域中的F个特征点,F为≥4的整数;根据所述F个特征点确定出所述目标车牌图像对应的车辆图像。可见,本申请实施例中电子设备可根据RGB值确定出车牌图像关联的特征点,进而根据特征点准确的扣取整车的图像,提升了从原始图像中扣取车辆图像准确度。
与所述图2A、图3、图4所示的实施例一致的,请参阅图5,图5是本申请实施例提供的一种电子设备500的结构示意图,如图所示,所述电子设备500包括应用处理器510、存储器520、通信接口530以及一个或多个程序521,其中,所述一个或多个程序521被存储在上述存储器520中,并且被配置由上述应用处理器510执行,所述一个或多个程序521包括用于执行以下步骤的指令;
确定待处理的单张原始图像中的目标车牌图像,
根据所述目标车牌图像确定所述原始图像中的目标图像区域,所述目标图像区域包括所述目标车牌图像;
获取所述目标图像区域中每个像素的RGB值;
根据所述每个像素的RGB值和预设的检测机制确定出所述目标图像区域中的F个特征点,F为≥4的整数;
根据所述F个特征点确定出所述目标车牌图像对应的车辆图像。
可以看出,本申请实施例中,电子设备首先确定待处理的单张原始图像中的目标车牌图像;其次,根据所述目标车牌图像确定所述原始图像中的目标图像区域,所述目标图像区域包括所述目标车牌图像;获取所述目标图像区域中每个像素的RGB值;根据所述每个像素的RGB值和预设的检测机制确定出所述目标图像区域中的F个特征点,F为≥4的整数;根据所述F个特征点确定出所述目标车牌图像对应的车辆图像。可见,本申请实施例中电子设备可根据RGB值确定出车牌图像关联的特征点,进而根据特征点准确的扣取整车的图像,提升了从原始图像中扣取车辆图像准确度。
在一个可能的示例中,在所述确定待处理的单张原始图像中的目标车牌图像方面,所述程序中的指令具体用于执行以下操作:获取所述原始图像中每个像素的RGB值;根据所述每个像素的RGB值确定所述原始图像中处于预设的RGB值范围内的K个像素,K为正整数;确定所述K个像素构成的M个区域,M为小于等于K的正整数;检测所述M个区域的形状;确定所述M个区域中所述形状为预设形状的N个区域为N个车牌图像,N为小于等于M的正整数;确定所述N个车牌图像中的所述目标车牌图像。
在一个可能的示例中,在所述检测所述M个区域的形状方面,所述程序中的指令具体用于执行以下操作:确定所述M个区域中每个区域的边缘像素,所述边缘像素与至少一个不处于所述预设的RGB值范围内的像素相邻;连接相邻的所述边缘像素,得到所述M个区域的形状。
在一个可能的示例中,在所述根据所述每个像素的RGB值和预设的检测机制确定出所述目标图像区域中的F个特征点方面,所述程序中的指令具体用于执行以下操作:确定所述目标车牌图像的中心像素所在的行像素列;确定所述行像素列中每两个以所述中心像素对称的像素为一组像素,得到X组像素,X为正整数;获取所述X组像素中每组像素中任意一个像素与所述中心像素的距离;根据所述距离由小到大的顺序针对所述X组像素进行排序,得到所述X组像素的第一顺序;按照所述第一顺序依次检测所述每组像素中的两个像素的RGB值的差值,直至检测到第Y组像素时停止检测,所述第Y组像素的所述RGB值的差值大于等于第一预设阈值;确定所述第Y组图像中的两个像素为所述F个特征点中的特征点。
在一个可能的示例中,在所述根据所述每个像素的RGB值和预设的检测机制确定出所述目标图像区域中的F个特征点方面,所述程序中的指令具体用于执行以下操作:确定所述目标车牌图像的第一边缘的中心像素所在的纵像素列;以所述第一边缘的中心像素为第一像素,按照所述第一边缘对应的方向针对所述纵像素列中的像素进行排序,得到第二顺序;检测当前处理的像素是否为所述纵像素列中的最后一个像素;若否,则计算所述当前处理的像素与所述第二顺序中上一顺位的像素的RGB值的差值,判断所述差值是否小于等于第二预设阈值;若是,则更新所述当前处理的像素为所述第二顺序中下一顺位的像素;若否,则确定所述当前处理的像素为所述F个特征点中的特征点;若是,则计算所述当前处理的像素与所述第二顺序中上一顺位的像素的RGB值的差值,判断所述差值是否小于等于所述第二预设阈值;若否,则确定所述当前处理的像素为所述F个特征点中的特征点;
在一个可能的示例中,在所述根据所述目标车牌图像确定所述原始图像中的目标图像区域方面,所述程序中的指令具体用于执行以下操作:确定所述目标车牌图像的面积与所述原始图像的面积的比值;根据所述比值和预设的放大系数确定所述图像区域。
在一个可能的示例中,在所述根据所述目标车牌图像确定所述原始图像中的目标图像区域方面,所述程序中的指令具体用于执行以下操作:识别所述目标车牌图像的车牌类型;以所述车牌类型为查询标识,查询预设的匹配关系,获取所述查询标识对应的放大比例;根据所述目标车牌图像的面积和所述放大比例确定所述图像区域。
上述主要从方法侧执行过程的角度对本申请实施例的方案进行了介绍。可以理解的是,电子设备为了实现上述功能,其包含了执行各个功能相应的硬件结构和/或软件模块。本领域技术人员应该很容易意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,本申请能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
本申请实施例可以根据上述方法示例对电子设备进行功能单元的划分,例如,可以对应各个功能划分各个功能单元,也可以将两个或两个以上的功能集成在一个控制单元中。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。需要说明的是,本申请实施例中对单元的划分是示意性的,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。
图6是本申请实施例中所涉及的装置600的功能单元组成框图。该车辆图像识别装置600应用于电子设备,车辆图像识别装置600包括处理单元601和通信单元602,其中:
所述处理单元601,用于确定待处理的原始图像中的目标车牌图像;以及用于根据所述目标车牌图像确定所述原始图像中的目标图像区域,所述目标图像区域包括所述目标车牌图像;以及用于通过所述通信单元602获取所述目标图像区域中每个像素的RGB值;以及用于根据所述每个像素的RGB值和预设的检测机制确定出所述目标图像区域中的F个特征点,F为≥4的整数;根据所述F个特征点确定出所述目标车牌图像对应的车辆图像。
其中,所述车辆图像识别装置600还可以包括存储单元603,所述存储单元603用于存储电子设备的程序代码和数据。所述处理单元601可以是处理器,所述通信单元602可以是触控显示屏或者收发器,所述存储单元603可以是存储器。
可以看出,本申请实施例中,电子设备首先确定待处理的单张原始图像中的目标车牌图像;其次,根据所述目标车牌图像确定所述原始图像中的目标图像区域,所述目标图像区域包括所述目标车牌图像;获取所述目标图像区域中每个像素的RGB值;根据所述每个像素的RGB值和预设的检测机制确定出所述目标图像区域中的F个特征点,F为≥4的整数;根据所述F个特征点确定出所述目标车牌图像对应的车辆图像。可见,本申请实施例中电子设备可根据RGB值确定出车牌图像关联的特征点,进而根据特征点准确的扣取整车的图像,提升了从原始图像中扣取车辆图像准确度。
在一个可能的示例中,在所述确定待处理的单张原始图像中的目标车牌图像方面,所述处理单元601具体用于:获取所述原始图像中每个像素的RGB值;根据所述每个像素的RGB值确定所述原始图像中处于预设的RGB值范围内的K个像素,K为正整数;确定所述K个像素构成的M个区域,M为小于等于K的正整数;检测所述M个区域的形状;确定所述M个区域中所述形状为预设形状的区域为所述N个车牌图像,N为小于等于M的正整数;确定所述N个车牌图像中的所述目标车牌图像。
在一个可能的示例中,在所述检测所述M个区域的形状方面,所述处理单元601具体用于:确定所述M个区域中每个区域的边缘像素,所述边缘像素与至少一个不处于所述预设的RGB值范围内的像素相邻;连接相邻的所述边缘像素,得到所述M个区域的形状。
在一个可能的示例中,在所述根据所述每个像素的RGB值和预设的检测机制确定出所述目标图像区域中的F个特征点方面,所述处理单元601具体用于:确定所述目标车牌图像的中心像素所在的行像素列;确定所述行像素列中每两个以所述中心像素对称的像素为一组像素,得到X组像素,X为正整数;获取所述X组像素中每组像素中任意一个像素与所述中心像素的距离;根据所述距离由小到大的顺序针对所述X组像素进行排序,得到所述X组像素的第一顺序;按照所述第一顺序依次检测所述每组像素中的两个像素的RGB值的差值,直至检测到第Y组像素时停止检测,所述第Y组像素的所述RGB值的差值大于等于第一预设阈值;确定所述第Y组图像中的两个像素为所述F个特征点中的特征点。
在一个可能的示例中,在所述根据所述每个像素的RGB值和预设的检测机制确定出所述目标图像区域中的F个特征点方面,所述处理单元601具体用于:确定所述目标车牌图像的第一边缘的中心像素所在的纵像素列;以所述第一边缘的中心像素为第一像素,按照所述第一边缘对应的方向针对所述纵像素列中的像素进行排序,得到第二顺序;检测当前处理的像素是否为所述纵像素列中的最后一个像素;若否,则计算所述当前处理的像素与所述第二顺序中上一顺位的像素的RGB值的差值,判断所述差值是否小于等于第二预设阈值;若是,则更新所述当前处理的像素为所述第二顺序中下一顺位的像素;若否,则确定所述当前处理的像素为所述F个特征点中的特征点;若是,则计算所述当前处理的像素与所述第二顺序中上一顺位的像素的RGB值的差值,判断所述差值是否小于等于所述第二预设阈值;若否,则确定所述当前处理的像素为所述F个特征点中的特征点;
在一个可能的示例中,在所述根据所述目标车牌图像确定所述原始图像中的目标图像区域方面,所述处理单元601具体用于:确定所述目标车牌图像的面积与所述原始图像的面积的比值;根据所述比值和预设的放大系数确定所述图像区域。
在一个可能的示例中,在所述根据所述目标车牌图像确定所述原始图像中的目标图像区域方面,所述处理单元601具体用于:识别所述目标车牌图像的车牌类型;以所述车牌类型为查询标识,通过所述通信单元602查询预设的匹配关系,获取所述查询标识对应的放大比例;根据所述目标车牌图像的面积和所述放大比例确定所述图像区域。
本申请实施例还提供一种计算机存储介质,其中,该计算机存储介质存储用于电子数据交换的计算机程序,该计算机程序使得计算机执行如上述方法实施例中记载的任一方法的部分或全部步骤,上述计算机包括移动终端。
本申请实施例还提供一种计算机程序产品,上述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质,上述计算机程序可操作来使计算机执行如上述方法实施例中记载的任一方法的部分或全部步骤。该计算机程序产品可以为一个软件安装包,上述计算机包括移动终端。
需要说明的是,对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本申请并不受所描述的动作顺序的限制,因为依据本申请,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是本申请所必须的。
在上述实施例中,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。
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,可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,例如上述单元的划分,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,可以是电性或其它的形式。
上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控制单元中,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。
上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,可以存储在一个计算机可读取存储器中。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,该计算机软件产品存储在一个存储器中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例上述方法的全部或部分步骤。而前述的存储器包括:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序可以存储于一计算机可读存储器中,存储器可以包括:闪存盘、只读存储器(英文:Read-Only Memory,简称:ROM)、随机存取器(英文:Random Access Memory,简称:RAM)、磁盘或光盘等。
以上对本申请实施例进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的一般技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。
Claims (12)
1.一种车辆图像识别方法,其特征在于,应用于电子设备,所述方法包括:
确定待处理的单张原始图像中的目标车牌图像;
根据所述目标车牌图像确定所述原始图像中的目标图像区域,所述目标图像区域包括所述目标车牌图像;
获取所述目标图像区域中每个像素的RGB值;
根据所述每个像素的RGB值和预设的检测机制确定出所述目标图像区域中的F个特征点,F为≥4的整数;
根据所述F个特征点确定出所述目标车牌图像对应的车辆图像;
其中,所述根据所述每个像素的RGB值和预设的检测机制确定出所述目标图像区域中的F个特征点,包括:
确定所述目标车牌图像的中心像素所在的行像素列;
确定所述行像素列中每两个以所述中心像素对称的像素为一组像素,得到X组像素,X为正整数;
获取所述X组像素中每组像素中任意一个像素与所述中心像素的距离;
根据所述距离由小到大的顺序针对所述X组像素进行排序,得到所述X组像素的第一顺序;
按照所述第一顺序依次检测所述每组像素中的两个像素的RGB值的差值,直至检测到第Y组像素时停止检测,所述第Y组像素的所述RGB值的差值大于等于第一预设阈值;
确定所述第Y组图像中的两个像素为所述F个特征点中的特征点。
2.根据权利要求1所述的方法,其特征在于,所述确定待处理的单张原始图像中的目标车牌图像,包括:
获取所述原始图像中每个像素的RGB值;
根据所述每个像素的RGB值确定所述原始图像中处于预设的RGB值范围内的K个像素,K为正整数;
确定所述K个像素构成的M个区域,M为小于等于K的正整数;
检测所述M个区域的形状;
确定所述M个区域中所述形状为预设形状的N个区域为N个车牌图像,N为小于等于M的正整数;
确定所述N个车牌图像中的所述目标车牌图像。
3.根据权利要求2所述的方法,其特征在于,所述检测所述M个区域的形状,包括:
确定所述M个区域中每个区域的边缘像素,所述边缘像素与至少一个不处于所述预设的RGB值范围内的像素相邻;
连接相邻的所述边缘像素,得到所述M个区域的形状。
4.根据权利要求1-3任一项所述的方法,其特征在于,所述根据所述目标车牌图像确定所述原始图像中的目标图像区域,包括:
确定所述目标车牌图像的面积与所述原始图像的面积的比值;
根据所述比值和预设的放大系数确定所述目标图像区域。
5.根据权利要求1-3任一项所述的方法,其特征在于,所述根据所述目标车牌图像确定所述原始图像中的目标图像区域,包括:
识别所述目标车牌图像的车牌类型;
以所述车牌类型为查询标识,查询预设的匹配关系,获取所述查询标识对应的放大比例;
根据所述目标车牌图像的面积和所述放大比例确定所述目标图像区域。
6.一种车辆图像识别方法,其特征在于,应用于电子设备,所述方法包括:
确定待处理的单张原始图像中的目标车牌图像;
根据所述目标车牌图像确定所述原始图像中的目标图像区域,所述目标图像区域包括所述目标车牌图像;
获取所述目标图像区域中每个像素的RGB值;
根据所述每个像素的RGB值和预设的检测机制确定出所述目标图像区域中的F个特征点,F为≥4的整数;
根据所述F个特征点确定出所述目标车牌图像对应的车辆图像;
其中,所述根据所述每个像素的RGB值和预设的检测机制确定出所述目标图像区域中的F个特征点,包括:
确定所述目标车牌图像的第一边缘的中心像素所在的纵像素列;
以所述第一边缘的中心像素为第一像素,按照所述第一边缘对应的方向针对所述纵像素列中的像素进行排序,得到第二顺序;
检测当前处理的像素是否为所述纵像素列中的最后一个像素;
若否,则计算所述当前处理的像素与所述第二顺序中上一顺位的像素的RGB值的差值,判断所述差值是否小于等于第二预设阈值;若是,则更新所述当前处理的像素为所述第二顺序中下一顺位的像素;若否,则确定所述当前处理的像素为所述F个特征点中的特征点;
若是,则计算所述当前处理的像素与所述第二顺序中上一顺位的像素的RGB值的差值,判断所述差值是否小于等于所述第二预设阈值;若否,则确定所述当前处理的像素为所述F个特征点中的特征点。
7.根据权利要求6所述的方法,其特征在于,所述根据所述目标车牌图像确定所述原始图像中的目标图像区域,包括:
确定所述目标车牌图像的面积与所述原始图像的面积的比值;
根据所述比值和预设的放大系数确定所述目标图像区域。
8.根据权利要求6所述的方法,其特征在于,所述根据所述目标车牌图像确定所述原始图像中的目标图像区域,包括:
识别所述目标车牌图像的车牌类型;
以所述车牌类型为查询标识,查询预设的匹配关系,获取所述查询标识对应的放大比例;根据所述目标车牌图像的面积和所述放大比例确定所述目标图像区域。
9.一种车辆图像识别装置,其特征在于,应用于电子设备,所述车辆图像识别装置包括处理单元和通信单元,其中,
所述处理单元,用于确定待处理的单张原始图像中的目标车牌图像,以及用于根据所述目标车牌图像确定所述原始图像中的目标图像区域,所述目标图像区域包括所述目标车牌图像;以及用于通过所述通信单元获取所述目标图像区域中每个像素的RGB值;以及用于根据所述每个像素的RGB值和预设的检测机制确定出所述目标图像区域中的F个特征点,F为≥4的整数;根据所述F个特征点确定出所述目标车牌图像对应的车辆图像;
其中,所述根据所述每个像素的RGB值和预设的检测机制确定出所述目标图像区域中的F个特征点,包括:
确定所述目标车牌图像的中心像素所在的行像素列;
确定所述行像素列中每两个以所述中心像素对称的像素为一组像素,得到X组像素,X为正整数;
获取所述X组像素中每组像素中任意一个像素与所述中心像素的距离;
根据所述距离由小到大的顺序针对所述X组像素进行排序,得到所述X组像素的第一顺序;
按照所述第一顺序依次检测所述每组像素中的两个像素的RGB值的差值,直至检测到第Y组像素时停止检测,所述第Y组像素的所述RGB值的差值大于等于第一预设阈值;
确定所述第Y组图像中的两个像素为所述F个特征点中的特征点。
10.一种车辆图像识别装置,其特征在于,应用于电子设备,所述车辆图像识别装置包括处理单元和通信单元,其中,
所述处理单元,用于确定待处理的单张原始图像中的目标车牌图像,以及用于根据所述目标车牌图像确定所述原始图像中的目标图像区域,所述目标图像区域包括所述目标车牌图像;以及用于通过所述通信单元获取所述目标图像区域中每个像素的RGB值;以及用于根据所述每个像素的RGB值和预设的检测机制确定出所述目标图像区域中的F个特征点,F为≥4的整数;根据所述F个特征点确定出所述目标车牌图像对应的车辆图像;
其中,所述根据所述每个像素的RGB值和预设的检测机制确定出所述目标图像区域中的F个特征点,包括:
确定所述目标车牌图像的第一边缘的中心像素所在的纵像素列;
以所述第一边缘的中心像素为第一像素,按照所述第一边缘对应的方向针对所述纵像素列中的像素进行排序,得到第二顺序;
检测当前处理的像素是否为所述纵像素列中的最后一个像素;
若否,则计算所述当前处理的像素与所述第二顺序中上一顺位的像素的RGB值的差值,判断所述差值是否小于等于第二预设阈值;若是,则更新所述当前处理的像素为所述第二顺序中下一顺位的像素;若否,则确定所述当前处理的像素为所述F个特征点中的特征点;
若是,则计算所述当前处理的像素与所述第二顺序中上一顺位的像素的RGB值的差值,判断所述差值是否小于等于所述第二预设阈值;若否,则确定所述当前处理的像素为所述F个特征点中的特征点。
11.一种电子设备,其特征在于,包括处理器、存储器、通信接口,以及一个或多个程序,所述一个或多个程序被存储在所述存储器中,并且被配置由所述处理器执行,所述程序包括用于执行如权利要求1-8任一项所述的方法中的步骤的指令。
12.一种计算机可读存储介质,其特征在于,存储用于电子数据交换的计算机程序,其中,所述计算机程序使得计算机执行如权利要求1-8任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910810543.2A CN110689004B (zh) | 2019-08-29 | 2019-08-29 | 车辆图像识别方法及相关装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910810543.2A CN110689004B (zh) | 2019-08-29 | 2019-08-29 | 车辆图像识别方法及相关装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110689004A CN110689004A (zh) | 2020-01-14 |
CN110689004B true CN110689004B (zh) | 2022-04-15 |
Family
ID=69108677
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910810543.2A Active CN110689004B (zh) | 2019-08-29 | 2019-08-29 | 车辆图像识别方法及相关装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110689004B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN107609555A (zh) * | 2017-09-15 | 2018-01-19 | 北京文安智能技术股份有限公司 | 车牌检测方法、应用其的车型识别方法及相关装置 |
-
2019
- 2019-08-29 CN CN201910810543.2A patent/CN110689004B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN107609555A (zh) * | 2017-09-15 | 2018-01-19 | 北京文安智能技术股份有限公司 | 车牌检测方法、应用其的车型识别方法及相关装置 |
Non-Patent Citations (3)
Title |
---|
Vehicle detection based on informaationn fusion of vehicle symmetrical contour and license plate position;Lian Jie et al.;《Journal of Southeast University (English Edition)》;20120630;第28卷(第2期);第240-244页 * |
基于深度学习的车辆检测及车型分类方法研究;林盛梅;《中国优秀硕士学位论文全文数据库 工程科技II辑》;20190115;正文第2.3节 * |
视频车辆检测与预警算法的研究与DSP实现;张璐;《中国优秀硕士学位论文全文数据库 工程科技II辑》;20160815;正文第3章 * |
Also Published As
Publication number | Publication date |
---|---|
CN110689004A (zh) | 2020-01-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104616021B (zh) | 交通标志图像处理方法及装置 | |
EP3806064B1 (en) | Method and apparatus for detecting parking space usage condition, electronic device, and storage medium | |
CN109635656A (zh) | 基于神经网络的车辆属性识别方法、装置、设备及介质 | |
CN106971185B (zh) | 一种基于全卷积网络的车牌定位方法及装置 | |
KR20150039367A (ko) | 차량번호 인식 시스템 | |
CN108090459B (zh) | 一种适用于车载视觉系统的交通标志检测识别方法 | |
WO2017149385A1 (en) | Visual vehicle parking occupancy sensor | |
CN107529659B (zh) | 安全带佩戴检测方法、装置及电子设备 | |
CN107748882B (zh) | 一种车道线检测方法及装置 | |
CN111627215A (zh) | 基于人工智能的视频图像识别方法及相关设备 | |
CN107845101A (zh) | 车载环视图像的特征点标定方法、装置和可读存储介质 | |
CN112052782A (zh) | 基于环视的停车位识别方法、装置、设备及存储介质 | |
CN111860219B (zh) | 一种高速占道判断方法、装置及电子设备 | |
CN109886088A (zh) | 拥堵车道的确定方法及相关产品 | |
CN107766847B (zh) | 一种车道线检测方法及装置 | |
CN112446241A (zh) | 用于获得目标对象的特征信息的方法、装置及电子设备 | |
CN110689004B (zh) | 车辆图像识别方法及相关装置 | |
CN113065425B (zh) | 基于环境信息的车内遗落物提醒方法、系统及存储介质 | |
CN116363100A (zh) | 图像质量评价方法、装置、设备及存储介质 | |
CN108961357B (zh) | 一种交通信号灯过爆图像强化方法及装置 | |
CN113052058B (zh) | 一种车载客流统计方法、装置及存储介质 | |
CN112241697B (zh) | 角点颜色判定方法、装置、终端设备及可读存储介质 | |
CN111191603B (zh) | 车内人员识别方法、装置、终端设备及介质 | |
CN114463168A (zh) | 数据脱敏处理的方法、装置和电子设备 | |
CN112966586A (zh) | 车辆状态检测方法、装置、系统、设备、介质及产品 |
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 |