CN111914833B - 一种运动车辆车牌识别系统及方法 - Google Patents
一种运动车辆车牌识别系统及方法 Download PDFInfo
- Publication number
- CN111914833B CN111914833B CN202010506938.6A CN202010506938A CN111914833B CN 111914833 B CN111914833 B CN 111914833B CN 202010506938 A CN202010506938 A CN 202010506938A CN 111914833 B CN111914833 B CN 111914833B
- Authority
- CN
- China
- Prior art keywords
- license plate
- vehicle
- image
- module
- 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.)
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- 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
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- 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
Abstract
本发明公开了一种运动车辆车牌识别系统及方法,其中系统包括:检测区模块用于采集第一图像信息,根据第一图像信息检测是否有车辆进入检测区,以及在检测到车辆进入检测区后,发送触发信息至识别区模块;识别区模块用于接收到触发信息后,获取车辆进入识别区的时间参数;图像采集子系统用于根据时间参数获取车辆的第二图像信息;车牌识别子系统用于根据第二图像信息对车辆的车牌进行识别。本发明通过设立检测区模块和识别区模块,通过检测区模块来检测是否有车辆经过,当检测到有车辆时,触发并计算时间参数,以使图像采集子系统能够有效地采集到车辆车牌的第二图像信息,进而提高车牌的识别精准度,可广泛应用于智能交通领域。
Description
技术领域
本发明涉及智能交通领域,尤其涉及一种运动车辆车牌识别系统及方法。
背景技术
一个完整的车牌识别系统应包括车辆检测、图像采集、车牌识别等几部分。当车辆检测部分检测到车辆到达时触发图像采集单元,采集当前的视频图像。车牌识别单元对图像进行处理,定位出牌照位置,再将牌照中的字符分割出来进行识别,然后组成牌照号码输出。
目前,对车辆的检测一般有两种方式:一种是外设触发,另一种是视频触发。
外设触发:通过在地面铺设感应线圈,或者通过红外探测器,微波雷达检测器等来对车辆进行检测。优点是触发率高、性能稳定。缺点则是需要切割地面铺设线圈,施工量大,而红外和雷达检测的成本比较高。
视频触发:通过摄像头捕捉运动车辆图像,采用图像处理和计算机视觉技术对车辆进行检测。优点是避免破坏路面,节省成本,缺点是由于天气等原因存在触发率地且性能不稳定的风险。
目前车牌识别系统的精确度和准确度主要的难点表现在图像采集上,虽然图像识别已经达到极高的准确率,但在车辆检测,图像采集还有准确度低的问题。
发明内容
为了解决上述技术问题之一,本发明的目的是提供一种运动车辆车牌识别系统及方法。
本发明所采用的技术方案是:
一种运动车辆车牌识别系统,包括车辆检测子系统、图像采集子系统和车牌识别子系统,所述车辆检测子系统包括检测区模块和识别区模块;
所述检测区模块用于采集第一图像信息,根据所述第一图像信息检测是否有车辆进入检测区,以及在检测到所述车辆进入检测区后,发送触发信息至所述识别区模块;
所述识别区模块用于接收到所述触发信息后,获取所述车辆进入识别区的时间参数;
所述图像采集子系统用于根据所述时间参数获取所述车辆的第二图像信息;
所述车牌识别子系统用于根据所述第二图像信息对所述车辆的车牌进行识别。
进一步,所述检测区模块通过以下方式检测是否有车辆进入检测区:
采用帧间差分法计算所述第一图像信息中相邻两帧图像的像素值差,若所述像素值差大于预设阈值,判定有车辆进入检测区。
进一步,所述车牌识别子系统包括图片预处理模块、车牌定位模块、字符分割模块、字符识别模块以及输出与保存模块;
所述图片预处理模块用于对所述第二图像信息依次进行灰度化处理、去噪处理和二值化处理,获得二值化图像;
所述车牌定位模块用于对所述二值化图像进行边缘检测,并根据预设的车牌特征获得车牌图像;
所述字符分割模块用于根据所述车牌图像对车牌上的字符进行分割;
所述字符识别模块用于对分割处理的所述字符进行识别,获得车牌信息;
所述输出与保存模块用于输出并保存所述车牌信息。
进一步,所述图像采集子系统中采用线阵CCD摄像装置采集所述第二图像信息。
进一步,所述图像采集子系统包括成像模块、补光模块和数据传输模块;
所述成像模块用于基于所述线阵CCD摄像装置,根据时间参数对所述车辆进行图像采集并成像,获得所述第二图像信息;
所述补光模块用于对所述线阵CCD摄像装置进行补光;
所述数据传输模块用于存储并发送所述第二图像信息至所述车牌识别子系统。
本发明所采用的另一技术方案是:
一种运动车辆车牌识别方法,包括以下步骤:
获取第一图像信息,根据所述第一图像信息检测是否有车辆进入检测区;
确定检测到所述车辆进入检测区,获取所述车辆进入识别区的时间参数;
根据所述时间参数获取所述车辆的第二图像信息;
根据所述第二图像信息对所述车辆的车牌进行识别。
进一步,所述根据第一图像信息检测是否有车辆进入检测区,包括:
采用帧间差分法计算所述第一图像信息中相邻两帧图像的像素值差,若所述像素值差大于预设阈值,判定有车辆进入检测区。
进一步,所述根据所述第二图像信息对所述车辆的车牌进行识别,包括:
对所述第二图像信息依次进行灰度化处理、去噪处理和二值化处理,获得二值化图像;
对所述二值化图像进行边缘检测,并根据预设的车牌特征获得车牌图像;
根据所述车牌图像对车牌上的字符进行分割;
对分割处理的字符进行识别,获得车牌信息,输出并保存所述车牌信息。
进一步,所述对所述第二图像信息进行去噪处理,包括:
采用高斯滤波对所述第二图像信息进行去噪处理;
所述高斯滤波对应的高斯模板为:
进一步,所述根据所述时间参数获取所述车辆的第二图像信息,包括:
基于线阵CCD摄像装置,根据时间参数对所述车辆进行图像采集并成像,获得所述第二图像信息;
存储所述第二图像信息。
本发明的有益效果是:本发明通过设立检测区模块和识别区模块,通过检测区模块来检测是否有车辆经过,当检测到有车辆时,触发并计算时间参数,以使图像采集子系统能够有效地采集到车辆车牌的第二图像信息,进而提高车牌的识别精准度。
附图说明
图1是实施例中车辆检测子系统的结构示意图;
图2是实施例中运动车辆车牌识别系统工作的流程示意图;
图3是实施例中图片预处理模块工作的流程示意图;
图4是实施例中一种运动车辆车牌识别系统的步骤流程图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本发明,而不能理解为对本发明的限制。
在本发明的描述中,需要理解的是,涉及到方位描述,例如上、下、前、后、左、右等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
在本发明的描述中,若干的含义是一个或者多个,多个的含义是两个以上,大于、小于、超过等理解为不包括本数,以上、以下、以内等理解为包括本数。如果有描述到第一、第二只是用于区分技术特征为目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量或者隐含指明所指示的技术特征的先后关系。
本发明的描述中,除非另有明确的限定,设置、安装、连接等词语应做广义理解,所属技术领域技术人员可以结合技术方案的具体内容合理确定上述词语在本发明中的具体含义。
如图2所示,本实施例提供了一种运动车辆车牌识别系统,该系统包含3个子系统,分别为:车辆检测子系统,图像采集子系统和车牌识别子系统。如图1所示,车辆检测子系统分为检测区模块和识别区模块;图像采集子系统分为成像模块、补光模块和数据传输模块;车牌识别子系统分为车牌定位模块,图片预处理模块,字符分割模块,字符识别模块,输出与保存模块。
(1)车辆检测子系统
检测区模块:沿着车道行驶的车辆首先进入检测区,检测区内部设有图像采集模块及检测算法,可以判断是否有干扰项进入。该干扰项包括车辆、人或其它物体。
在本实施例中,检测区的算法为帧间差分法,即将前后两帧图像的像素值做相减得到像素值差,当像素值差大于设定阈值时,即确定为车辆通过,即将其激活,发送指令控制摄像机对车牌进行抓拍。
识别区模块:根据车速、车距等因素可计算出车辆进入识别区的时间参数,根据该时间参数可控制相机对车辆进行抓拍,以保障抓拍到车辆处于识别区的画面。其中,该速度可通过多种方式获得,其中,第一种方式为:设定一个固定速度值,由于车辆按照标准要求经过检测区时,车速都是比较低的,故可通过一个固定值作为车速值;第二种方式为:通过传感器实时采集车辆的速度值。该车距为检测区与识别区之间的距离。
若没有干扰项或者干扰项引起的变化没达到既定阈值,即表示进入的干扰项不是车辆,这样即使有计人行人或者自行车进入识别区,也不会激活抓拍。
(2)图像采集子系统
图像采集过程中,普遍存在照片分辨率不高,而且可能由于车速过快而导致照片模糊,本实施例提出将线阵CCD摄像系统运用在图像采集中。线阵CCD摄像系统具有以下优点:
1)由于被拍摄点离摄像机的距离固定,所以图像的调焦永远是清晰的。
2)被拍摄对象没有近大远小现象,不需要做归一化处理。特别适合使用标准字符库进行相关模板匹配来识别车牌。
3)没有运动模糊现象。
4)水平方向上的分辨率高,价格低廉。
本实施例提出的图像采集子系统包含三个系统模块,成像模块,补光模块,数据传输模块。
成像模块:光线通过镜头进入成像模块,在成像模块中采用了2个高分辨力快速CCD摄像机,线阵CCD成像具有如下优点:1)线阵图像序列构成的图像中仅包含运动目标,因此避免了复杂背景的干扰;2)线阵CCD成像的空间分辨率、像素灰度级和采样速度较高,可实现较高的检测精度;3)线阵图像数据量相对较小,便于实现复杂的图像处理。
补光模块:线阵CCD摄像系统是光感应控制,可在夜晚或大雾条件下进行补光抓拍,进而成像清晰。
数据预处理模块:包括硬件处理电路、DSP处理器和外围电路,将信号以数字方式表示并暂存,传输至计算机图像处理。
(3)车牌识别子系统
车牌识别子系统一共分为图片预处理模块,车牌定位模块,字符分割模块,字符识别模块,输出与保存模块。
图片预处理模块:车牌预处理过程的好坏直接影响到车牌图像进行后期处理过程,比如车牌字符分割等。车牌预处理也是尽可能的消除噪声,减少后期处理带来的不必要的麻烦。输入的车牌是彩色图像,车牌照有黄底黑字,蓝底白字等颜色,为了将这些车牌图像一并处理,就要先将车牌进行灰度化处理,再进行去噪处理,最后进行二值化处理。如图3所示。
灰度化处理:将彩色图像RGB图像转化为灰度图像的过程称为图像灰度化,灰度图像的每个像素只有一个亮度信息的单色图像。要表示灰度图,就需要把亮度值进行量化。RGB色彩就是常说的三原色,R代表Red(红色),G代表Green(绿色),B代表Blue(蓝色),对于每一个分量,数值范围也是0~255。本文采用加权平均法,根据重要性及其它指标,将三个分量以不同的权值进行加权平均得到图像灰度化的亮度值,常见的算法有:f(i,j)=0.30R(i,j)+0.59G(i,j)+0.11B(i,j)。
去噪处理:本文采用高斯滤波进行去噪处理,高斯滤波就是对整幅图像进行加权平均的过程,每一个像素点的值,都由其本身和邻域内的其他像素值经过加权平均后得到。高斯滤波需要确定高斯模板,本文采用经典3*3模板,为:
二值化处理:就是将图像上的像素点的灰度值设置为0或255,也就是将整个图像呈现出明显的黑白效果的过程。本实施例采用全局二值化法,对每一幅图计算一个单一的阀值。灰度级大于阈值的像素被标记为背景色,即白色,灰度值为225,否则为前景。获得单一的阈值本文采用最大类间方法法(OSTU)。
Ostu方法又名最大类间差方法,通过统计整个图像的直方图特性来实现全局阈值T的自动选取,其算法步骤为:
1)先计算图像的直方图,即将图像所有的像素点按照0~255共256个bin,统计落在每个bin的像素点数量;
2)归一化直方图,也即将每个bin中像素点数量除以总的像素点;
3)i表示分类的阈值,也即一个灰度级,从0开始迭代;
4)通过归一化的直方图,统计0~i灰度级的像素(假设像素值在此范围的像素叫做前景像素)所占整幅图像的比例w0,并统计前景像素的平均灰度u0;统计i~255灰度级的像素(假设像素值在此范围的像素叫做背景像素)所占整幅图像的比例w1,并统计背景像素的平均灰度u1;
5)计算前景像素和背景像素的方差g=w0*w1*(u0-u1)(u0-u1);
6)i++;转到4),直到i为256时结束迭代;
7)将最大g相应的i值作为图像的全局阈值。
车牌定位模块:车牌定位的主要工作是从静态图片或视频帧中找到车牌位置,并把车牌从图像中单独分离出来以供后续处理模块处理。车牌定位是影响系统性能的重要因素之一。车牌定位模块我们先对预处理得到的灰度图像进行边缘检测,再进行车牌定位得到车牌位置。
边缘检测:边缘检测可以突出图像边缘,削弱边缘以外图像区域,由于拍摄下的车辆图像中车牌部分含有相当丰富的边缘信息,而背景部分的边缘则相对少得多,所以针对这种特征我们可以采用边缘检测算法来分离目标与背景区域,仅对车牌部分进行增强。本文中采用Roberts算法对二值化图片进行边缘检测。
车牌定位:经过数学形态学的闭运算和开运算后得到了若干个连通的区域,现在需要根据车牌区域自身的特点来去除干扰区域。本实施例根据车牌区域的宽度、高度、面积(即车牌的特征)等来排除一些干扰,并利用字符边缘的特征对车牌进行准确的定位,确定车牌位置,并使用切割的函数qiege将车牌切出。
字符分割模块:字符分割的任务是把多列或多行字符图像中的每个字符从整个图像中切割出来成为单个字符图像。定位出的车牌图再进行二值化预处理后,对图像从左到右逐列扫描,并将每列中像素点的值进行求和,若和不为零(即这一列是组成某字符的一列),则向右继续扫描下一列,直到某一列求和后值为零(即这一列是两白色字符之间的黑色间隔),图像最左侧到这一列之间即为第一个字符,将其切出,然后将该区域内所有像素点赋值为0(涂黑),重复以上操作直至分离出所有字符。
字符识别模块:字符识别是将包含一个或多个字符的图片中提取字符编码并辨识出数字,字母和汉字。本文采用基于模板匹配的字符识别方法,首先对分离字符进行归一化处理,再建立字符模板,模板的要求是与要识别的字符的字体格式一致。将待识别字符遍历与字符模板比较,处理方法为先和字符模板做差,然后计算做差后的图像的总像素值,如果小于每一个阈值,则表示该待识别字符和该模板是同一个字符,这样就完成了一次识别。
输出与保存模块:将字符识别结果输出与保存。
如图4所示,本实施例还提供了一种运动车辆车牌识别方法,包括以下步骤:
S1、获取第一图像信息,根据第一图像信息检测是否有车辆进入检测区;
S2、确定检测到车辆进入检测区,获取车辆进入识别区的时间参数;
S3、根据时间参数获取车辆的第二图像信息;
S4、根据第二图像信息对车辆的车牌进行识别。
进一步作为可选的实施方式,根据第一图像信息检测是否有车辆进入检测区,包括:
采用帧间差分法计算第一图像信息中相邻两帧图像的像素值差,若像素值差大于预设阈值,判定有车辆进入检测区。
进一步作为可选的实施方式,根据第二图像信息对车辆的车牌进行识别,包括:
对第二图像信息依次进行灰度化处理、去噪处理和二值化处理,获得二值化图像;
对二值化图像进行边缘检测,并根据预设的车牌特征获得车牌图像;
根据车牌图像对车牌上的字符进行分割;
对分割处理的字符进行识别,获得车牌信息,输出并保存车牌信息。
进一步作为可选的实施方式,对第二图像信息进行去噪处理,包括:
采用高斯滤波对第二图像信息进行去噪处理;
高斯滤波对应的高斯模板为:
进一步作为可选的实施方式,根据时间参数获取车辆的第二图像信息,包括:
基于线阵CCD摄像装置,根据时间参数对车辆进行图像采集并成像,获得第二图像信息;
存储第二图像信息。
本实施例的一种运动车辆车牌识别方法,与上述一种运动车辆车牌识别系统具有一一对应关系,具备该系统相应的功能和有益效果。
可以理解的是,上文中所公开方法中的全部或某些步骤、系统可以被实施为软件、固件、硬件及其适当的组合。某些物理组件或所有物理组件可以被实施为由处理器,如中央处理器、数字信号处理器或微处理器执行的软件,或者被实施为硬件,或者被实施为集成电路,如专用集成电路。这样的软件可以分布在计算机可读介质上,计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的,术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外,本领域普通技术人员公知的是,通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据,并且可包括任何信息递送介质。
上面结合附图对本发明实施例作了详细说明,但是本发明不限于上述实施例,在所述技术领域普通技术人员所具备的知识范围内,还可以在不脱离本发明宗旨的前提下作出各种变化。
Claims (5)
1.一种运动车辆车牌识别系统,其特征在于,包括车辆检测子系统、图像采集子系统和车牌识别子系统,所述车辆检测子系统包括检测区模块和识别区模块;
所述检测区模块用于采集第一图像信息,根据所述第一图像信息检测是否有车辆进入检测区,以及在检测到所述车辆进入检测区后,发送触发信息至所述识别区模块;
所述识别区模块用于接收到所述触发信息后,获取所述车辆进入识别区的时间参数;
所述图像采集子系统用于根据所述时间参数获取所述车辆的第二图像信息;
所述车牌识别子系统用于根据所述第二图像信息对所述车辆的车牌进行识别;
所述检测区模块通过以下方式检测是否有车辆进入检测区:
采用帧间差分法计算所述第一图像信息中相邻两帧图像的像素值差,若所述像素值差大于预设阈值,判定有车辆进入检测区;
所述获取所述车辆进入识别区的时间参数,包括:
根据车速、车距计算出车辆进入识别区的时间参数,根据所述时间参数控制相机对车辆进行抓拍,以保障抓拍到车辆处于识别区的画面,所述车速通过传感器采集获得;
所述图像采集子系统中采用线阵CCD摄像装置采集所述第二图像信息;
所述图像采集子系统包括成像模块、补光模块和数据传输模块;
所述成像模块用于基于所述线阵CCD摄像装置,根据时间参数对所述车辆进行图像采集并成像,获得所述第二图像信息;
所述补光模块用于对所述线阵CCD摄像装置进行补光;
所述数据传输模块用于存储并发送所述第二图像信息至所述车牌识别子系统;
所述车牌识别子系统包括图片预处理模块、车牌定位模块、字符分割模块、字符识别模块以及输出与保存模块;
所述图片预处理模块用于对所述第二图像信息依次进行灰度化处理、去噪处理和二值化处理,获得二值化图像;
所述车牌定位模块用于对所述二值化图像进行边缘检测,并根据预设的车牌特征获得车牌图像;即采用Roberts算法对二值化图片进行边缘检测,根据车牌的特征来排除一些干扰,并利用字符边缘的特征对车牌进行准确的定位,确定车牌位置,并使用切割的函数qiege将车牌切出;
所述字符分割模块用于根据所述车牌图像对车牌上的字符进行分割;字符分割的任务是把多列或多行字符图像中的每个字符从整个图像中切割出来成为单个字符图像;具体为:定位出的车牌图在进行二值化预处理后,对图像从左到右逐列扫描,并将每列中像素点的值进行求和,若和不为零,则向右继续扫描下一列,直到某一列求和后值为零,即这一列是两白色字符之间的黑色间隔,图像最左侧到这一列之间即为第一个字符,将其切出,然后将该区域内所有像素点赋值为0,即涂黑,重复以上操作直至分离出所有字符;
所述字符识别模块用于对分割处理的所述字符进行识别,获得车牌信息;采用基于模板匹配的字符识别方法,首先对分离字符进行归一化处理,再建立字符模板,模板的要求是与要识别的字符的字体格式一致,将待识别字符遍历与字符模板比较,处理方法为先和字符模板做差,然后计算做差后的图像的总像素值,如果小于每一个阈值,则表示该待识别字符和该模板是同一个字符,这样就完成了一次识别;
所述输出与保存模块用于输出并保存所述车牌信息。
2.一种运动车辆车牌识别方法,应用于如权利要求1所述的一种运动车辆车牌识别系统,其特征在于,包括以下步骤:
获取第一图像信息,根据所述第一图像信息检测是否有车辆进入检测区;
确定检测到所述车辆进入检测区,获取所述车辆进入识别区的时间参数;
根据所述时间参数获取所述车辆的第二图像信息;
根据所述第二图像信息对所述车辆的车牌进行识别;
所述根据第一图像信息检测是否有车辆进入检测区,包括:
采用帧间差分法计算所述第一图像信息中相邻两帧图像的像素值差,若所述像素值差大于预设阈值,判定有车辆进入检测区;
所述获取所述车辆进入识别区的时间参数,包括:
根据车速、车距计算出车辆进入识别区的时间参数,根据所述时间参数控制相机对车辆进行抓拍,以保障抓拍到车辆处于识别区的画面,所述车速通过传感器采集获得。
3.根据权利要求2所述的一种运动车辆车牌识别方法,其特征在于,所述根据所述第二图像信息对所述车辆的车牌进行识别,包括:
对所述第二图像信息依次进行灰度化处理、去噪处理和二值化处理,获得二值化图像;
对所述二值化图像进行边缘检测,并根据预设的车牌特征获得车牌图像;
根据所述车牌图像对车牌上的字符进行分割;
对分割处理的字符进行识别,获得车牌信息,输出并保存所述车牌信息。
5.根据权利要求2所述的一种运动车辆车牌识别方法,其特征在于,所述根据所述时间参数获取所述车辆的第二图像信息,包括:
基于线阵CCD摄像装置,根据时间参数对所述车辆进行图像采集并成像,获得所述第二图像信息;
存储所述第二图像信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010506938.6A CN111914833B (zh) | 2020-06-05 | 2020-06-05 | 一种运动车辆车牌识别系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010506938.6A CN111914833B (zh) | 2020-06-05 | 2020-06-05 | 一种运动车辆车牌识别系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111914833A CN111914833A (zh) | 2020-11-10 |
CN111914833B true CN111914833B (zh) | 2022-01-11 |
Family
ID=73238121
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010506938.6A Active CN111914833B (zh) | 2020-06-05 | 2020-06-05 | 一种运动车辆车牌识别系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111914833B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1725266A (zh) * | 2004-07-21 | 2006-01-25 | 上海高德威智能交通系统有限公司 | 基于视频触发和测速的车辆智能监测记录系统和方法 |
CN101833859A (zh) * | 2010-05-14 | 2010-09-15 | 山东大学 | 基于虚拟线圈的自触发车牌识别方法 |
CN104318769A (zh) * | 2014-10-29 | 2015-01-28 | 合肥指南针电子科技有限责任公司 | 一种违章车辆监测报警系统及方法 |
CN104408931A (zh) * | 2014-10-29 | 2015-03-11 | 合肥指南针电子科技有限责任公司 | 一种残缺符号车牌识别系统及方法 |
CN108921151A (zh) * | 2018-05-31 | 2018-11-30 | 四川物联亿达科技有限公司 | 一种基于深度学习的普通摄像头全车牌识别系统 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105787524A (zh) * | 2014-12-26 | 2016-07-20 | 中国科学院沈阳自动化研究所 | 基于OpenCV的车牌识别方法及系统 |
CN106650553A (zh) * | 2015-10-30 | 2017-05-10 | 比亚迪股份有限公司 | 车牌识别方法及系统 |
MY185612A (en) * | 2015-12-30 | 2021-05-25 | Mimos Berhad | System and method to identify identification plate characters using background estimation binarization |
KR101873576B1 (ko) * | 2016-10-31 | 2018-07-03 | 한국전자통신연구원 | 자동차 번호판 정보 인식 시스템 및 방법 |
CN107273896A (zh) * | 2017-06-15 | 2017-10-20 | 浙江南自智能科技股份有限公司 | 一种基于图像识别的车牌检测识别方法 |
-
2020
- 2020-06-05 CN CN202010506938.6A patent/CN111914833B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1725266A (zh) * | 2004-07-21 | 2006-01-25 | 上海高德威智能交通系统有限公司 | 基于视频触发和测速的车辆智能监测记录系统和方法 |
CN101833859A (zh) * | 2010-05-14 | 2010-09-15 | 山东大学 | 基于虚拟线圈的自触发车牌识别方法 |
CN104318769A (zh) * | 2014-10-29 | 2015-01-28 | 合肥指南针电子科技有限责任公司 | 一种违章车辆监测报警系统及方法 |
CN104408931A (zh) * | 2014-10-29 | 2015-03-11 | 合肥指南针电子科技有限责任公司 | 一种残缺符号车牌识别系统及方法 |
CN108921151A (zh) * | 2018-05-31 | 2018-11-30 | 四川物联亿达科技有限公司 | 一种基于深度学习的普通摄像头全车牌识别系统 |
Non-Patent Citations (2)
Title |
---|
复杂环境下的车辆目标检测方法研究;赵伟 等;《森林工程》;20140531;第30卷(第3期);第2节,第4节 * |
车牌识别系统的研究;牛慧娟;《中国优秀硕士学位论文全文数据库 信息科技辑》;20111215;正文第1.6节,第2.3节 * |
Also Published As
Publication number | Publication date |
---|---|
CN111914833A (zh) | 2020-11-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109146929B (zh) | 一种基于事件触发相机与三维激光雷达融合系统下的物体识别与配准方法 | |
US6754369B1 (en) | License plate reading apparatus and method | |
US10127448B2 (en) | Method and system for dismount detection in low-resolution UAV imagery | |
TWI409718B (zh) | 移動中車輛之車牌定位方法 | |
US7639878B2 (en) | Shadow detection in images | |
US8457360B2 (en) | Detection of vehicles in an image | |
CN108256521B (zh) | 用于车身颜色识别的有效区域定位方法 | |
CN107844761B (zh) | 交通标志的检测方法及装置 | |
US20160286114A1 (en) | Image capture by scene classification | |
KR102617223B1 (ko) | 객체에 대한 객체 분류를 출력하는 방법 및 장치 | |
Babbar et al. | A new approach for vehicle number plate detection | |
KR101026778B1 (ko) | 차량 영상 검지 장치 | |
Arulmozhi et al. | Image refinement using skew angle detection and correction for Indian license plates | |
CN111046741A (zh) | 车道线识别的方法和装置 | |
Aung et al. | Automatic license plate detection system for myanmar vehicle license plates | |
CN111914833B (zh) | 一种运动车辆车牌识别系统及方法 | |
JP2007280041A (ja) | 車体色判別装置 | |
Barua et al. | An Efficient Method of Lane Detection and Tracking for Highway Safety | |
CN111583315A (zh) | 一种新的可见光图像和红外图像配准方法及装置 | |
CN110688876A (zh) | 一种基于视觉的车道线检测方法及装置 | |
Marinas et al. | Detection and tracking of traffic signs using a recursive Bayesian decision framework | |
KR102188162B1 (ko) | 안개 상황에서 차량 검출 방법 및 시스템 | |
CN112183158B (zh) | 一种谷物烹饪设备的谷物种类识别方法和谷物烹饪设备 | |
CN112949423A (zh) | 物体识别方法、物体识别装置及机器人 | |
WO2008023886A1 (en) | Method for optimizing image for vehicle's identification plate |
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 |