CN111160080A - 一种基于图像识别的汽车外观一致性检测智能系统 - Google Patents

一种基于图像识别的汽车外观一致性检测智能系统 Download PDF

Info

Publication number
CN111160080A
CN111160080A CN201910587148.2A CN201910587148A CN111160080A CN 111160080 A CN111160080 A CN 111160080A CN 201910587148 A CN201910587148 A CN 201910587148A CN 111160080 A CN111160080 A CN 111160080A
Authority
CN
China
Prior art keywords
module
automobile
image
license plate
appearance
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
Application number
CN201910587148.2A
Other languages
English (en)
Inventor
申光耀
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.)
Shanghai Mingzhu Information Technology Co Ltd
Original Assignee
Shanghai Mingzhu Information Technology 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 Shanghai Mingzhu Information Technology Co Ltd filed Critical Shanghai Mingzhu Information Technology Co Ltd
Priority to CN201910587148.2A priority Critical patent/CN111160080A/zh
Publication of CN111160080A publication Critical patent/CN111160080A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G06V30/40—Document-oriented image-based pattern recognition
    • G06V30/41—Analysis of document content
    • G06V30/413—Classification of content, e.g. text, photographs or tables
    • 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
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/48—Extraction of image or video features by mapping characteristic values of the pattern into a parameter space, e.g. Hough transformation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • 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
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/18—Status alarms
    • G08B21/24—Reminder alarms, e.g. anti-loss alarms
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/80—Camera processing pipelines; Components thereof
    • 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)
  • Multimedia (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • Artificial Intelligence (AREA)
  • Business, Economics & Management (AREA)
  • Emergency Management (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种基于图像识别的汽车外观一致性检测智能系统，包括车辆感应系统、图像捕获系统、图像识别系统、数据库服务模块和汽车外观检测模块。本发明一种基于图像识别的汽车外观一致性检测智能系统首先对汽车的车架号进行检测，从而判断待检测汽车的车型以及汽车的数据信息，进而通过汽车外观检测模块对汽车的长度、高度、缺陷以及颜色与汽车的数据信息进行比较，并通过报警模块提醒工作人员，进而有效的提高了本发明的使用精度。

Description

一种基于图像识别的汽车外观一致性检测智能系统
技术领域
本发明涉及农业种植图像识别相关技术领域，具体为一种基于图像识别的汽车外观一致性检测智能系统。
背景技术
在汽车的生产成品出厂的过程中常常需要对汽车的外观进行检测，而在汽车外观的检测过程中，汽车生厂时对汽车的唯一的检测标准就是汽车的车架号，车架号：中文名叫车辆识别代码，是制造厂为了识别而给一辆车指定的一组字码。VIN码是由17位字母、数字组成的编码，又称17位识别代码、车架号或17位号。车辆识别代码经过排列组合，可以使同一车型的车在30年之内不会发生重号现象，具有对车辆的唯一识别性，因此可称为“汽车身份证”。进而便于通过汽车的车架号，便于快速的获取汽车的车型和汽车的组成信息，因此便于快速的对同一汽车的外观进行检测。
本发明的申请人发现，现有技术中的汽车外观一致性检测系统结构简答且使用方式单一，进而无法快速的对汽车外观进行检测。
发明内容
本发明的目的在于提供一种基于图像识别的汽车外观一致性检测智能系统，旨在改善现有技术中的汽车外观一致性检测系统结构简答且使用方式单一，进而无法快速的对汽车外观进行检测的问题。
为实现以上目的，本发明通过以下技术方案予以实现：一种基于图像识别的汽车外观一致性检测智能系统，包括车辆感应系统、图像捕获系统、图像识别系统、数据库服务模块和汽车外观检测模块；
车辆感应系统用于识别进入到检测区域的待检测汽车；车辆感应系统通过使用红外感应线圈传感器对进入到检测区域的待检测汽车进行感应，且车辆感应系统的识别区域设置为至少1米，有效的保证了对待检测汽车的车架号进行图像捕获的质量；
图像捕获系统用于对待检测汽车车架号进行采集；图像捕获系统由摄像机、光照传感器和照明设备构成，摄像机的信号输入端与红外感应线圈的信号输出端电性连接，既当车辆到达检测区域时，红外感应线圈传感器的线圈发生变化使摄像机启动的触发信号，从而便于通过摄像机对待检测汽车的车架号进行拍摄；照明设备呈周向设置在摄像机外周，照明设备设置为若干个LED灯组，且构成LED灯组的灯珠相互串联，照明设备的信号输入端与光照传感器的信号输出端电性连接，光照传感器光敏电阻，进而便于通过光敏电阻达到对照明设备的开关控制，光敏电阻是将自然中的信号转变为可分析利用的电信号，且主要利用光敏电阻将光线的变换转变成其阻值的变化，以达到外界光源对电路的自动控制，光敏电阻在没有光照的时候，其内阻变得很大，输出端即输出为高电平，LED灯组的继电器工作，相当于照明设备的开关闭合，照明设备也就亮了，反之，当有光的时候，光敏电阻处于低阻状态，输出端为低电平，继电器触点断开，照明设备也就关闭，进而便于照明设备达到对摄像机提供摄像光源，进而有效的保证了摄像机对汽车的机架号进行拍摄的质量，从而有效的保证了本发明的使用精度；
图像识别系统由图像采集模块和图像预处理模块，图像采集模块的信号输入端与摄像机的信号输出端电性连接，既当摄像机拍摄到待检测汽车的车架号时，通过电信号存储在图像采集模块内，图像预处理模块用于对图像采模块内图像信息进行处理，将图形信息转换为电子信号，摄像机拍摄的图像通常是以BMP格式存入计算机的，为了便于车架号的字符分割和车架号字符识别，原始图像应具有适当的亮度和对比度，便于与数据库服务模块比较；
图像预处理模块由车架号定位模块、字符分割模块和字符识别模块构成；车架号定位模块、字符分割模块和字符识别模块之间是串行处理的；
图像预处理模块的实现步骤如下首先将图像变成灰度图，适当的增强图像，然后采用闽值自适应的方法来确定图像的明暗度，再以车牌区域中字符竖向边界的灰度分布的特征为基础，寻找灰度梯度变化较大的点，搜索牌照所在区的上下边界和左右边界从而确定牌照的位置车牌定位是根据牌照图像的特征并结合车牌尺寸的先验知识在汽车图像中找到牌照所在的位置，然后分割出车牌的边框，得到精确的车牌图像；
图像预处理模块原理是：从摄像机拍摄得到的是24位真彩色图像，其中的每个像素都包含了R(红)、G(绿)、B(蓝)三个色值。处理前将24位真彩色图像转换为8位的256色灰度图像。在表示颜色的方法中，除了RGB外，还有一种称为YUV的表示方法，其中Y的物理含义是亮度，U和V分量代表了色差信号。因为Y代表了亮度，所以，Y分量包含了灰度图像的所有信息，只用Y分量就完全表示一-幅灰度图。当同时考虑U，V分量时，就能表示彩色信息。转换后的灰度Y与R、G、B的关系是
车架号定位模块是基于字符竖向纹理特征的定位方法；
字符分割模块是根据车牌字符大小、字体以及排列间隔的规律，在精确的车牌图像中分离出单个字符的过程；
字符分割模块的实现是基于边缘检测与Hough变换的车牌字符分割算法，采用全局动态阈值化方法来对牌照图像进行二值化处理，对带有倾斜的牌照采用边缘检测和Hough变换相结合的方法有效的区分了不同种类的车辆牌照，根据水平和垂直投影确定牌照字符的边界，以便于字符的准确分割。
字符识别模块：车架号仅使用大写的罗马字母和阿拉伯数字；
第1位：生产国家代码；第2位：汽车制造商代码；第3位：汽车类型代码；第4-8位车辆特征；第9位：校验位；第10位：车型年款；第11位：装配厂；第12-17位：顺序号；
根据车架号的特征：数字+字母识别，采用了分类器串联集成思想，先提取粗网格特征进行粗分类，对于无法正确分类的相似字符提取其结构特征和其它统计特征进行细分类；
数据库服务模块由微处理器和系统管理模块构成，微处理器用于对图像识别系统采集的到的车架号的信息以及汽车外观检测模块的信息进行比较，系统管理模块系统分为手动、自动两种方式，每个管理人员都有各自的数据库管理权；进而便于通过数据库服务模块对车架号的信息与数据库内预存的车型信息进行比较，从而判断待检测汽车的车型，从而便于汽车外观检测模块与数据库内的预存的车型信息进行比较；
微处理器由信息采集模块、信息处理模块和信息存储模块构成，信息采集模块的信号输入端与字符识别模块的信号输出端电性连接，信息采集模块的信号输出端与信息处理模块的信号输入端电性连接，信息处理模块的信号输出端与信息存储模块的信号输入端电性连接，从而便于通过微处理器对图像识别系统的车架号的信息与信息存储模块内的预存的车型信息进行比较，判断待检测汽车的车型；
汽车外观检测模块与数据库服务模块双向电性连接，且数据库服务模块的信号输出端电性连接与报警模块，进而便于通过报警模块对汽车外观检测模块的数据信息进行提醒，从而便于工作人员进行判断；报警模块设置为鸣峰器、
汽车外观检测模块由汽车长度检测模块、汽车颜色检测模块、汽车缺陷检测模块和汽车高度检测模块构成，汽车长度检测模块和汽车高度检测模块均采用超声波测量装置，进而便于利用超声波测距的原理读取汽车外观的长度和高度值，也就是超声波传感器通过声波的波长和发射声波以及接收到返回声波的时间差确定汽车的长度和高度，在传感器发送脉冲的同时，接收器的计时器启动并计数，直到传感器接收反射回波后计数停止，从而测算出汽车的长度和高度；汽车颜色检测模块采用颜色传感器或者色标传感器其中的一种，颜色传感器是通过将物体颜色同前面已经示教过的参考颜色进行比较来检测颜色，汽车缺陷检测模块设置为磁感应传感器或者霍尔传感器其中的一种，将被测铁磁材料磁化后，若材料内部材质连续、均匀，材料中的磁感应线会被约束在材料中，磁通平行于材料表面，被检材料表面几乎没有磁场；如果被磁化材料有缺陷，其磁导率很小、磁阻很大，使磁路中的磁通发生畸变，其感应线会发生变化，部分磁通直接通过缺陷或从材料内部绕过缺陷，还有部分磁通会泄露到材料表面的空间中，从而在材料表面缺陷处形成漏磁场。
与现有技术相比，本发明的有益效果是：本发明具有设计合理且操作简单的特点，本发明一种基于图像识别的汽车外观一致性检测智能系统首先对汽车的车架号进行检测，从而判断待检测汽车的车型以及汽车的数据信息，进而通过汽车外观检测模块对汽车的长度、高度、缺陷以及颜色与汽车的数据信息进行比较，并通过报警模块提醒工作人员，进而有效的提高了本发明的使用精度。
附图说明
为了更清楚地说明本发明实施方式的技术方案，下面将对实施方式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发明的某些实施例，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是本发明汽车外观检测系统的整体结构框图；
图2是本发明汽车检测系统的工作原理结构示意图；
图3是本发明中的对汽车的机架号进行识别的工作原理结构示意图；
图4是本发明中的汽车外观检测模块的结构示意图。
图中：1-车辆感应系统、2-图像捕获系统、21-摄像机、22-光照传感器、23-照明设备、3-图像识别系统、31-图像采集模块、32-图像预处理模块、321-车架号定位模块、322-字符分割模块、323-字符识别模块、4-数据库服务模块、41-信息采集模块、42-信息处理模块、43-信息存储模块、5-汽车外观检测模块。
具体实施方式
为使本发明实施方式的目的、技术方案和优点更加清楚，下面将结合本发明实施方式中的附图，对本发明实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式是本发明一部分实施方式，而不是全部的实施方式。基于本发明中的实施方式，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方式，都属于本发明保护的范围。因此，以下对在附图中提供的本发明的实施方式的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施方式。基于本发明中的实施方式，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方式，都属于本发明保护的范围。
请参照图1、图2、图3和图4，本发明提供一种技术方案：一种基于图像识别的汽车外观一致性检测智能系统，包括车辆感应系统1、图像捕获系统2、图像识别系统3、数据库服务模块4和汽车外观检测模块5；
车辆感应系统1用于识别进入到检测区域的待检测汽车；车辆感应系统1通过使用红外感应线圈传感器对进入到检测区域的待检测汽车进行感应，且车辆感应系统1的识别区域设置为至少1米，有效的保证了对待检测汽车的车架号进行图像捕获的质量；
图像捕获系统2用于对待检测汽车车架号进行采集；图像捕获系统2由摄像机21、光照传感器22和照明设备23构成，摄像机21的信号输入端与红外感应线圈的信号输出端电性连接，既当车辆到达检测区域时，红外感应线圈传感器的线圈发生变化使摄像机21启动的触发信号，从而便于通过摄像机21对待检测汽车的车架号进行拍摄；照明设备23呈周向设置在摄像机21外周，照明设备23设置为若干个LED灯组，且构成LED灯组的灯珠相互串联，照明设备23的信号输入端与光照传感器22的信号输出端电性连接，光照传感器22光敏电阻，进而便于通过光敏电阻达到对照明设备23的开关控制，光敏电阻是将自然中的信号转变为可分析利用的电信号，且主要利用光敏电阻将光线的变换转变成其阻值的变化，以达到外界光源对电路的自动控制，光敏电阻在没有光照的时候，其内阻变得很大，输出端即输出为高电平，LED灯组的继电器工作，相当于照明设备23的开关闭合，照明设备23也就亮了，反之，当有光的时候，光敏电阻处于低阻状态，输出端为低电平，继电器触点断开，照明设备23也就关闭，进而便于照明设备23达到对摄像机21提供摄像光源，进而有效的保证了摄像机21对汽车的机架号进行拍摄的质量，从而有效的保证了本发明的使用精度；
图像识别系统3由图像采集模块31和图像预处理模块32，图像采集模块31的信号输入端与摄像机21的信号输出端电性连接，既当摄像机21拍摄到待检测汽车的车架号时，通过电信号存储在图像采集模块31内，图像预处理模块32用于对图像采模块内图像信息进行处理，将图形信息转换为电子信号，摄像机21拍摄的图像通常是以BMP格式存入计算机的，为了便于车架号的字符分割和车架号字符识别，原始图像应具有适当的亮度和对比度，便于与数据库服务模块4比较；
图像预处理模块32由车架号定位模块321、字符分割模块322和字符识别模块323构成；定位模块、字符分割模块322和字符识别模块323之间是串行处理的；
图像预处理模块32的实现步骤如下首先将图像变成灰度图，适当的增强图像，然后采用闽值自适应的方法来确定图像的明暗度，再以车牌区域中字符竖向边界的灰度分布的特征为基础，寻找灰度梯度变化较大的点，搜索牌照所在区的上下边界和左右边界从而确定牌照的位置车牌定位是根据牌照图像的特征并结合车牌尺寸的先验知识在汽车图像中找到牌照所在的位置，然后分割出车牌的边框，得到精确的车牌图像；
图像预处理模块32原理是：从摄像机21拍摄得到的是24位真彩色图像，其中的每个像素都包含了R(红)、G(绿)、B(蓝)三个色值。处理前将24位真彩色图像转换为8位的256色灰度图像。在表示颜色的方法中，除了RGB外，还有一种称为YUV的表示方法，其中Y的物理含义是亮度，U和V分量代表了色差信号。因为Y代表了亮度，所以，Y分量包含了灰度图像的所有信息，只用Y分量就完全表示一-幅灰度图。当同时考虑U，V分量时，就能表示彩色信息。转换后的灰度Y与R、G、B的关
Figure BSA0000185351900000111
系是Y＝0.299×R+0.587×G+0.114×B
车架号定位模块321是基于字符竖向纹理特征的定位方法；
步骤是：
假没原始的牌照灰度圈像力F＝{f(i，j)}，i＝O-，M，j＝0，1，...，N；其算法步骤如下(这里假设M＝575；N＝703)：
Setp1：从底边开始，将每行图像沿水平方向投影，同时开始从下向上搜索投影值，之所以从下向上，是因为车牌一般悬挂在车身较低的位置，其下方没有明显的边缘密集区域，图像中牌照以下的部分(如路面车头下部)灰度比上面低，二值化后大部分变为0，所以在搜索车牌的时候可以从下往上搜索；并且这部分灰度分布相对均匀，高通滤波后，基本已经变为0，而牌照上方一般比较复杂，如车的品牌文字区域，灰度分布特性与牌照类似，作为干扰是难以消除的，所以采用自下向上搜索，目的是尽可能排除车体本身可能带来的干扰，在上方千扰作用之前先找到牌照，为了减少搜索时间，搜索是跳跃前进的，步进.值设为5；
Step2：当搜索到投影值大于某一定值门限值(这里定为13)，即认为可能找到牌照下沿了，记下该行坐标Pd，定值为13是根据牌照中有7个字，左右边缘至少应该有7*2＝14个，高通滤波后每行应该有14个白像素点，此时步进值改为1，以便实现精确搜索；
Step3：计算以上各行投影，检查是否也满足投影值大于13，直到找到不满足条件的行，这可能是牌照的上缘，记下该行坐标Pu；
Step4：计算可能的牌照区域的高度，H＝Pd-Pu
：若45＜H＜55，可能是牌照，计算该可能牌照的宽度(可根据纵向投影获得)，若其宽度小于220或大于240，则不是牌照区域(或者当前阀值不合适)，继续搜索；否则应该是牌照区域，就可以进入分割模块对字符进行分割；
：否则，不满足牌照高度条件，继续向上搜索；
Step5：如果搜索到最上面一行，仍未搜索到牌照，则说明进行预处理二值化时，阈值过高，结束本次搜索，令Thred＝Thred-10，重新二值化原图，水平方向上--阶差分二值化图像，转到步骤Step1。
根据的算法，选用大小为640x480像素的含有车牌的彩色图片进行了定位实验，取得了较良好的效果，适合在不同车牌底色和不同光照条件下使用。本车牌定位方法所用时间在0.6S左右，最快达到了0.3S。
字符分割模块322是根据车牌字符大小，字体以及排列间隔的规律，在精确的车牌图像中分离出单个字符的过程；
字符分割模块322的实现是基于边缘检测与Hough变换的车牌字符分割算法，采用全局动态阈值化方法来对牌照图像进行二值化处理，对带有倾斜的牌照采用边缘检测和Hough变换相结合的方法有效的区分了不同种类的车辆牌照，根据水平和垂直投影确定牌照字符的边界，以便于字符的准确分割。
字符识别模块323：车架号仅使用大写的罗马字母和阿拉伯数字；
第1位：生产国家代码；第2位：汽车制造商代码；第3位：汽车类型代码；第4-8位车辆特征；第9位：校验位；第10位：车型年款；第11位：装配厂；第12-17位：顺序号；
根据车架号的特征：数字+字母识别，采用了分类器串联集成思想，先提取粗网格特征进行粗分类，对于无法正确分类的相似字符提取其结构特征和其它统计特征进行细分类；
数据库服务模块4由微处理器和系统管理模块构成，微处理器用于对图像识别系统3采集的到的车架号的信息以及汽车外观检测模块5的信息进行比较，系统管理模块系统分为手动、自动两种方式，每个管理人员都有各自的数据库管理权；进而便于通过数据库服务模块4对车架号的信息与数据库内预存的车型信息进行比较，从而判断待检测汽车的车型，从而便于汽车外观检测模块5与数据库内的预存的车型信息进行比较；
微处理器由信息采集模块41、信息处理模块42和信息存储模块43构成，信息采集模块41的信号输入端与字符识别模块323的信号输出端电性连接，信息采集模块41的信号输出端与信息处理模块42的信号输入端电性连接，信息处理模块42的信号输出端与信息存储模块43的信号输入端电性连接，从而便于通过微处理器对图像识别系统3的车架号的信息与信息存储模块43内的预存的车型信息进行比较，判断待检测汽车的车型；
汽车外观检测模块5与数据库服务模块双向电性连接，且数据库服务模块的信号输出端电性连接与报警模块，进而便于通过报警模块对汽车外观检测模块5的数据信息进行提醒，从而便于工作人员进行判断；报警模块设置为鸣峰器、
汽车外观检测模块5由汽车长度检测模块、汽车颜色检测模块、汽车缺陷检测模块和汽车高度检测模块构成，汽车长度检测模块和汽车高度检测模块均采用超声波测量装置，进而便于利用超声波测距的原理读取汽车外观的长度和高度值，也就是超声波传感器通过声波的波长和发射声波以及接收到返回声波的时间差确定汽车的长度和高度，在传感器发送脉冲的同时，接收器的计时器启动并计数，直到传感器接收反射回波后计数停止，从而测算出汽车的长度和高度；汽车颜色检测模块采用颜色传感器或者色标传感器其中的一种，颜色传感器是通过将物体颜色同前面已经示教过的参考颜色进行比较来检测颜色，汽车缺陷检测模块设置为磁感应传感器或者霍尔传感器其中的一种，将被测铁磁材料磁化后，若材料内部材质连续、均匀，材料中的磁感应线会被约束在材料中，磁通平行于材料表面，被检材料表面几乎没有磁场；如果被磁化材料有缺陷，其磁导率很小、磁阻很大，使磁路中的磁通发生畸变，其感应线会发生变化，部分磁通直接通过缺陷或从材料内部绕过缺陷，还有部分磁通会泄露到材料表面的空间中，从而在材料表面缺陷处形成漏磁场。
通过上述设计得到的装置已基本能满足改善现有技术中的汽车外观一致性检测系统结构简答且使用方式单一，进而无法快速的对汽车外观进行检测的使用，但本着进一步完善其功能的宗旨，设计者对该装置进行了进一步的改良。
以上所述仅为本发明的优选实施方式而已，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 (7)

1.一种基于图像识别的汽车外观一致性检测智能系统，其特征在于：包括车辆感应系统(1)、图像捕获系统(2)、图像识别系统(3)、数据库服务模块(4)和汽车外观检测模块(5)
所述车辆感应系统(1)用于识别进入到检测区域的待检测汽车；
所述图像捕获系统(2)用于对待检测汽车车架号进行采集；所述图像捕获系统(2)由摄像机(21)、光照传感器(22)和照明设备(23)构成，所述摄像机(21)的信号输入端与红外感应线圈的信号输出端电性连接，所述照明设备(23)呈周向设置在摄像机(21)外周；
所述图像识别系统(3)由图像采集模块(31)和图像预处理模块(32)，所述图像采集模块(31)的信号输入端与摄像机(21)的信号输出端电性连接，所述图像预处理模块(32)由车架号定位模块(321)、字符分割模块(322)和字符识别模块(323)构成；车架号定位模块(321)、字符分割模块(322)和字符识别模块(323)之间是串行处理的；
所述车架号定位模块(321)是基于字符竖向纹理特征的定位方法；
所述字符分割模块(322)是根据车牌字符大小、字体以及排列间隔的规律，在精确的车牌图像中分离出单个字符的过程；
所述字符识别模块(323)：车架号仅使用大写的罗马字母和阿拉伯数字；
所述数据库服务模块(4)由微处理器和系统管理模块构成，所述微处理器用于对图像识别系统(3)采集的到的车架号的信息以及汽车外观检测模块(5)的信息进行比较，所述系统管理模块系统分为手动、自动两种方式，每个管理人员都有各自的数据库管理权；
所述汽车外观检测模块(5)与数据库服务模块(4)双向电性连接，且数据库服务模块(4)的信号输出端电性连接与报警模块，所述汽车外观检测模块(5)由汽车长度检测模块、汽车颜色检测模块、汽车缺陷检测模块和汽车高度检测模块构成。
2.根据权利要求1所述的一种基于图像识别的汽车外观一致性检测智能系统，其特征在于，所述车辆感应系统(1)通过使用红外感应线圈传感器对进入到检测区域的待检测汽车进行感应，且车辆感应系统(1)的识别区域设置为至少1米。
3.根据权利要求2所述的一种基于图像识别的汽车外观一致性检测智能系统，其特征在于，所述车辆感应系统(1)通过使用红外感应线圈传感器对进入到检测区域的待检测汽车进行感应，且车辆感应系统(1)的识别区域设置为至少1米。
4.根据权利要求3所述的一种基于图像识别的汽车外观一致性检测智能系统，其特征在于，所述图像预处理模块(32)的实现步骤如下首先将图像变成灰度图，适当的增强图像，然后采用闽值自适应的方法来确定图像的明暗度，再以车牌区域中字符竖向边界的灰度分布的特征为基础，寻找灰度梯度变化较大的点，搜索牌照所在区的上下边界和左右边界从而确定牌照的位置车牌定位是根据牌照图像的特征并结合车牌尺寸的先验知识在汽车图像中找到牌照所在的位置，然后分割出车牌的边框，得到精确的车牌图像。
5.根据权利要求4所述的一种基于图像识别的汽车外观一致性检测智能系统，其特征在于，所述字符分割模块(322)的实现是基于边缘检测与Hough变换的车牌字符分割算法，采用全局动态阈值化方法来对牌照图像进行二值化处理，对带有倾斜的牌照采用边缘检测和Hough变换相结合的方法有效的区分了不同种类的车辆牌照，根据水平和垂直投影确定牌照字符的边界，以便于字符的准确分割。
6.根据权利要求5所述的一种基于图像识别的汽车外观一致性检测智能系统，其特征在于，所述微处理器由信息采集模块(41)、信息处理模块(42)和信息存储模块(43)构成，所述信息采集模块(41)的信号输入端与字符识别模块(323)的信号输出端电性连接，所述信息采集模块(41)的信号输出端与信息处理模块(42)的信号输入端电性连接，所述信息处理模块(42)的信号输出端与信息存储模块(43)的信号输入端电性连接。
7.根据权利要求6所述的一种基于图像识别的汽车外观一致性检测智能系统，其特征在于，所述汽车长度检测模块和汽车高度检测模块均采用超声波测量装置，所述汽车缺陷检测模块设置为磁感应传感器或者霍尔传感器其中的一种。
CN201910587148.2A 2019-06-24 2019-06-24 一种基于图像识别的汽车外观一致性检测智能系统 Pending CN111160080A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910587148.2A CN111160080A (zh) 2019-06-24 2019-06-24 一种基于图像识别的汽车外观一致性检测智能系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910587148.2A CN111160080A (zh) 2019-06-24 2019-06-24 一种基于图像识别的汽车外观一致性检测智能系统

Publications (1)

Publication Number Publication Date
CN111160080A true CN111160080A (zh) 2020-05-15

Family

ID=70555846

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910587148.2A Pending CN111160080A (zh) 2019-06-24 2019-06-24 一种基于图像识别的汽车外观一致性检测智能系统

Country Status (1)

Country Link
CN (1) CN111160080A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112580566A (zh) * 2020-12-25 2021-03-30 广汽乘用车有限公司 一种车型识别方法及其电泳工序车型匹配方法及系统
CN112884479A (zh) * 2021-01-29 2021-06-01 浙江创泰科技有限公司 防盗刷自助停车缴费方法、系统、装置及存储介质

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112580566A (zh) * 2020-12-25 2021-03-30 广汽乘用车有限公司 一种车型识别方法及其电泳工序车型匹配方法及系统
CN112884479A (zh) * 2021-01-29 2021-06-01 浙江创泰科技有限公司 防盗刷自助停车缴费方法、系统、装置及存储介质
CN112884479B (zh) * 2021-01-29 2021-11-12 浙江创泰科技有限公司 防盗刷自助停车缴费方法、系统、装置及存储介质

Similar Documents

Publication Publication Date Title
CN109816644B (zh) 一种基于多角度光源影像的轴承缺陷自动检测系统
De Charette et al. Real time visual traffic lights recognition based on spot light detection and adaptive traffic lights templates
CN107705288B (zh) 伪目标运动强干扰下的危险气体泄漏红外视频检测方法
CN102163284B (zh) 面向中文环境的复杂场景文本定位方法
US9245203B2 (en) Collecting information relating to identity parameters of a vehicle
JP4035910B2 (ja) 車色判別装置
CN102854192B (zh) 一种基于苹果表面缺陷检测系统的苹果表面缺陷检测方法
CN108229458A (zh) 一种基于运动检测和多特征提取的火焰智能识别方法
CN106203415B (zh) 一种基于数字图像处理的银行卡号自动识别装置
CN106650553A (zh) 车牌识别方法及系统
CN103761529A (zh) 一种基于多色彩模型和矩形特征的明火检测方法和系统
CN109741314A (zh) 一种零件的视觉检测方法及系统
CN107358627B (zh) 基于Kinect相机的果实尺寸检测方法
CN107145487A (zh) 图像搜索方法和装置
CN105139011B (zh) 一种基于标识物图像的车辆识别方法及装置
JP2011216051A (ja) 信号灯識別プログラムおよび信号灯識別装置
CN108197523A (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
CN111160080A (zh) 一种基于图像识别的汽车外观一致性检测智能系统
CN105787475A (zh) 一种复杂环境下的交通标志检测与识别方法
CN109284759A (zh) 一种基于支持向量机（svm）的魔方颜色识别方法
CN109635799A (zh) 一种燃气表字轮数字的识别方法
CN108073940A (zh) 一种非结构化环境中的3d目标实例物体检测的方法
CN112036391B (zh) 一种基于页岩气田生产站场的电子巡检方法及系统
CN102024264A (zh) 一种基于直方图统计的触摸笔颜色识别方法
TW201419168A (zh) 不均勻光線下的車牌辨識方法及系統

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