CN111949714A - 一种基于图像识别的行车轨迹展示方法及系统 - Google Patents
一种基于图像识别的行车轨迹展示方法及系统 Download PDFInfo
- Publication number
- CN111949714A CN111949714A CN202010601419.8A CN202010601419A CN111949714A CN 111949714 A CN111949714 A CN 111949714A CN 202010601419 A CN202010601419 A CN 202010601419A CN 111949714 A CN111949714 A CN 111949714A
- Authority
- CN
- China
- Prior art keywords
- image
- license plate
- vehicle
- plate number
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 20
- 238000012545 processing Methods 0.000 claims description 50
- 230000011218 segmentation Effects 0.000 claims description 36
- 238000013507 mapping Methods 0.000 claims description 24
- 230000007797 corrosion Effects 0.000 claims description 20
- 238000005260 corrosion Methods 0.000 claims description 20
- 238000012216 screening Methods 0.000 claims description 8
- 238000003708 edge detection Methods 0.000 claims description 6
- 230000001629 suppression Effects 0.000 claims description 6
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/248—Presentation of query results
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2477—Temporal data queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- 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
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
-
- 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
Abstract
一种基于图像识别的行车轨迹展示方法及系统,包括:在警务中创建平台数据库,所述平台数据库中存储着所有布控车辆的车牌号信息以及历史轨迹信息;采集经过卡口处的车辆的车辆图像;基于图像识别技术识别所述车辆图像,获取对应车辆的车牌号信息;基于获取的车牌号信息,在平台数据库查询对应车辆是否为布控车辆,如果是,则通过对应车辆的车牌号信息在平台数据库中查询对应车辆某时间段内的历史轨迹信息;将所述车辆轨迹信息在地图上可视化展示。本发明,通过警务通可随时随地查询车辆信息,展示行车轨迹,降低了公安追踪违法车辆的成本,提高了公安追踪违法车辆的效率。
Description
技术领域
本发明涉及公安业务中车辆的识别技术领域,具体涉及一种基于图像识别的行车轨迹展示方法及系统。
背景技术
在突飞猛进发展的信息技术支撑下,利用信息化手段处理车辆信息,已经成为了公安机关研究的重要方向;尤其是警务工作向着移动化快速办公上的转移更是明显,通过一部警务通手机完成车辆轨迹的查询及展示流程,对警员的工作效率有极大的提升。
发明内容
鉴于现有技术中存在的技术缺陷和技术弊端,本发明实施例提供克服上述问题或者至少部分地解决上述问题的一种基于图像识别的行车轨迹展示方法及系统,具体方案如下:
作为本发明的第一方面,提供一种基于图像识别的行车轨迹展示方法,所述方法包括:
步骤1,在警务中创建平台数据库,所述平台数据库中存储着所有布控车辆的车牌号信息以及历史轨迹信息;
步骤2,采集经过卡口处的车辆的车辆图像;
步骤3,基于图像识别技术识别所述车辆图像,获取对应车辆的车牌号信息;
步骤4,基于获取的车牌号信息,在平台数据库查询对应车辆是否为布控车辆,如果是,则通过对应车辆的车牌号信息在平台数据库中查询对应车辆某时间段内的历史轨迹信息;
步骤5,将所述车辆轨迹信息在地图上可视化展示。
进一步地,步骤3具体为:
步骤3.1,从车辆图像中定位车牌号所在区域,并将车牌号区域从该车辆图像中分离出来,从而获得包括车牌号的小图;
步骤3.2,对所述小图进行字符分割处理,将小图中的每个字符从整个图像中切割出来成为单个字符;
步骤3.3,基于所述字符分割处理,提取出车牌号信息。
进一步地,从车辆图像中定位车牌号所在区域具体为:
对车辆图像进行灰度化,将三通道RGB颜色的图像变成单通道灰度图;
对所述灰度图进行Canny边缘检测,对灰度图进行去噪并用一阶偏导的有限差分来计算梯度的幅值和方向、对梯度幅值进行非极大值抑制;
对Canny边缘检测的图像进行膨胀与腐蚀的处理,通过膨胀连接相近的图像区域,通过腐蚀去除孤立细小的色块,从而将车牌上的字符连通成一个矩形区域;
对膨胀与腐蚀处理的图像进行矩形轮廓查找与筛选,从而定位车牌号所在区域。
进一步地,对所述小图进行字符分割处理具体为:
对所述小图进行二值化处理,去除图像中无用的信息;
对二值化处理的小图使用水平映射和垂直映射进行像素级的字符分割处理,基于字符分割处理,提取出车牌号信息。
进一步地,对二值化处理的小图使用水平映射和垂直映射进行像素级的字符分割处理具体为:
进行列扫描,判断每一列像素值大于0的像素个数是否超过5,如果是,则认为此列存在字符,记录该列;
进行行扫描,判断每一行像素值大于0的像素个数是否超过5,如果是,则认为此行存在字符,记录该行;
通过记录的行和列组成数组,通过所述数组确认字符的位置,分割及截取字符。
作为本发明的第二方面,提供一种基于图像识别的行车轨迹展示系统,所述系统包括平台搭建模块、图像采集模块、图像识别模块、轨迹查询模块和展示模块;
所述平台搭建模块用于在警务中创建平台数据库,所述平台数据库中存储着所有布控车辆的车牌号信息以及历史轨迹信息;
所述图像采集模块用于采集经过卡口处的车辆的车辆图像;
所述图像识别模块用于基于图像识别技术识别所述车辆图像,获取对应车辆的车牌号信息;
所述轨迹查询模块用于基于获取的车牌号信息,在平台数据库查询对应车辆是否为布控车辆,如果是,则通过对应车辆的车牌号信息在平台数据库中查询对应车辆某时间段内的历史轨迹信息;
所述展示模块用于将所述车辆轨迹信息在地图上可视化展示。
进一步地,所述图像识别模块具体用于:
从车辆图像中定位车牌号所在区域,并将车牌号区域从该车辆图像中分离出来,从而获得包括车牌号的小图;
对所述小图进行字符分割处理,将小图中的每个字符从整个图像中切割出来成为单个字符;
基于所述字符分割处理,提取出车牌号信息。
进一步地,从车辆图像中定位车牌号所在区域具体为:
对车辆图像进行灰度化,将三通道RGB颜色的图像变成单通道灰度图;
对所述灰度图进行Canny边缘检测,对灰度图进行去噪并用一阶偏导的有限差分来计算梯度的幅值和方向、对梯度幅值进行非极大值抑制;
对Canny边缘检测的图像进行膨胀与腐蚀的处理,通过膨胀连接相近的图像区域,通过腐蚀去除孤立细小的色块,从而将车牌上的字符连通成一个矩形区域;
对膨胀与腐蚀处理的图像进行矩形轮廓查找与筛选,从而定位车牌号所在区域。
进一步地,对所述小图进行字符分割处理具体为:
对所述小图进行二值化处理,去除图像中无用的信息;
对二值化处理的小图使用水平映射和垂直映射进行像素级的字符分割处理,基于字符分割处理,提取出车牌号信息。
进一步地,对二值化处理的小图使用水平映射和垂直映射进行像素级的字符分割处理具体为:
进行列扫描,判断每一列像素值大于0的像素个数是否超过5,如果是,则认为此列存在字符,记录该列;
进行行扫描,判断每一行像素值大于0的像素个数是否超过5,如果是,则认为此行存在字符,记录该行;
通过记录的行和列组成数组,通过所述数组确认字符的位置,分割及截取字符。
本发明具有以下有益效果:
本发明,通过警务通可随时随地查询车辆信息,展示行车轨迹,降低了公安追踪违法车辆的成本,提高了公安追踪违法车辆的效率。
附图说明
图1为本发明实施例提供的一种基于图像识别的行车轨迹展示方法的流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明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发明一部分,而不是全部的实施例。基于本发明中的实施例,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它实施例,都属于本发明保护的范围。
如图1所示,作为本发明的第一方面,提供一种基于图像识别的行车轨迹展示方法,所述方法包括:
步骤1,在警务中创建平台数据库,所述平台数据库中存储着所有布控车辆的车牌号信息以及历史轨迹信息;
步骤2,采集经过卡口处的车辆的车辆图像;
步骤3,基于图像识别技术识别所述车辆图像,获取对应车辆的车牌号信息;
步骤4,基于获取的车牌号信息,在平台数据库查询对应车辆是否为布控车辆,如果是,则通过对应车辆的车牌号信息在平台数据库中查询对应车辆某时间段内的历史轨迹信息;
步骤5,将所述车辆轨迹信息在地图上可视化展示。
本发明,通过警务通可随时随地查询车辆信息,展示行车轨迹,降低了公安追踪违法车辆的成本,提高了公安追踪违法车辆的效率。
优选地,步骤3具体为:
步骤3.1,从车辆图像中定位车牌号所在区域,并将车牌号区域从该车辆图像中分离出来,从而获得包括车牌号的小图;
步骤3.2,对所述小图进行字符分割处理,将小图中的每个字符从整个图像中切割出来成为单个字符;
步骤3.3,基于所述字符分割处理,提取出车牌号信息。
其中,从车辆图像中定位车牌号所在区域具体为:
对车辆图像进行灰度化,将三通道RGB颜色的图像变成单通道灰度图,为图像处理做准备;
对所述灰度图进行Canny边缘检测,对灰度图进行去噪并用一阶偏导的有限差分来计算梯度的幅值和方向、对梯度幅值进行非极大值抑制,从而能在一定程度上抗噪声又能保持弱边缘;
对Canny边缘检测的图像进行膨胀与腐蚀的处理,通过膨胀连接相近的图像区域,通过腐蚀去除孤立细小的色块,从而将车牌上的字符连通成一个矩形区域,通过这一步,将所有的车牌号字符连通起来,为接下来通过轮廓识别来选取车牌区域做准备;
对膨胀与腐蚀处理的图像进行矩形轮廓查找与筛选:经过膨胀与腐蚀的处理后,理论上来说车牌上的字符连通成了一个矩形区域,通过轮廓查找与筛选,可以定位该区域,进行轮廓处理,提取轮廓。
通过上述实施例,对车牌号进行细定位,进一步去掉车牌冗余的部分,经过适当二值化处理的包含车牌的图像中,车牌区域具有以下几个特征:
1.在不大的区域内密集包含有多个字符;
2.车牌字符与车牌底色形成强烈对比;
3.车牌区域大小相对固定,区域长度和宽度成固定比例。
其中,对所述小图进行字符分割处理具体为:
对所述小图进行二值化处理,去除图像中无用的信息;
对二值化处理的小图使用水平映射和垂直映射进行像素级的字符分割处理,基于字符分割处理,提取出车牌号信息。
其中,对二值化处理的小图使用水平映射和垂直映射进行像素级的字符分割处理具体为:
进行列扫描,判断每一列像素值大于0的像素个数是否超过5,如果是,则认为此列存在字符,记录该列;
进行行扫描,判断每一行像素值大于0的像素个数是否超过5,如果是,则认为此行存在字符,记录该行;
通过记录的行和列组成数组,通过所述数组确认字符的位置,分割及截取字符。
作为本发明的第二方面,提供一种基于图像识别的行车轨迹展示系统,所述系统包括平台搭建模块、图像采集模块、图像识别模块、轨迹查询模块和展示模块;
所述平台搭建模块用于在警务中创建平台数据库,所述平台数据库中存储着所有布控车辆的车牌号信息以及历史轨迹信息;
所述图像采集模块用于采集经过卡口处的车辆的车辆图像;
所述图像识别模块用于基于图像识别技术识别所述车辆图像,获取对应车辆的车牌号信息;
所述轨迹查询模块用于基于获取的车牌号信息,在平台数据库查询对应车辆是否为布控车辆,如果是,则通过对应车辆的车牌号信息在平台数据库中查询对应车辆某时间段内的历史轨迹信息;
所述展示模块用于将所述车辆轨迹信息在地图上可视化展示。
本发明,通过警务通可随时随地查询车辆信息,展示行车轨迹,降低了公安追踪违法车辆的成本,提高了公安追踪违法车辆的效率。
优选地,所述图像识别模块具体用于:
从车辆图像中定位车牌号所在区域,并将车牌号区域从该车辆图像中分离出来,从而获得包括车牌号的小图;
对所述小图进行字符分割处理,将小图中的每个字符从整个图像中切割出来成为单个字符;
基于所述字符分割处理,提取出车牌号信息。
优选地,从车辆图像中定位车牌号所在区域具体为:
对车辆图像进行灰度化,将三通道RGB颜色的图像变成单通道灰度图,为图像处理做准备;
对所述灰度图进行Canny边缘检测,对灰度图进行去噪并用一阶偏导的有限差分来计算梯度的幅值和方向、对梯度幅值进行非极大值抑制,从而能在一定程度上抗噪声又能保持弱边缘;
对Canny边缘检测的图像进行膨胀与腐蚀的处理,通过膨胀连接相近的图像区域,通过腐蚀去除孤立细小的色块,从而将车牌上的字符连通成一个矩形区域,通过这一步,将所有的车牌号字符连通起来,为接下来通过轮廓识别来选取车牌区域做准备;
对膨胀与腐蚀处理的图像进行矩形轮廓查找与筛选,经过膨胀与腐蚀的处理后,理论上来说车牌上的字符连通成了一个矩形区域,通过轮廓查找与筛选,可以定位该区域,进行轮廓处理,提取轮廓。
通过上述实施例,对车牌号进行细定位,进一步去掉车牌冗余的部分,经过适当二值化处理的包含车牌的图像中,车牌区域具有以下几个特征:
1.在不大的区域内密集包含有多个字符;
2.车牌字符与车牌底色形成强烈对比;
3.车牌区域大小相对固定,区域长度和宽度成固定比例。
其中,对所述小图进行字符分割处理具体为:
对所述小图进行二值化处理,去除图像中无用的信息;
对二值化处理的小图使用水平映射和垂直映射进行像素级的字符分割处理,基于字符分割处理,提取出车牌号信息。
其中,对二值化处理的小图使用水平映射和垂直映射进行像素级的字符分割处理具体为:
进行列扫描,判断每一列像素值大于0的像素个数是否超过5,如果是,则认为此列存在字符,记录该列;
进行行扫描,判断每一行像素值大于0的像素个数是否超过5,如果是,则认为此行存在字符,记录该行;
通过记录的行和列组成数组,通过所述数组确认字符的位置,分割及截取字符。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,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 (10)
1.一种基于图像识别的行车轨迹展示方法,其特征在于,所述方法包括:
步骤1,在警务中创建平台数据库,所述平台数据库中存储着所有布控车辆的车牌号信息以及历史轨迹信息;
步骤2,采集经过卡口处的车辆的车辆图像;
步骤3,基于图像识别技术识别所述车辆图像,获取对应车辆的车牌号信息;
步骤4,基于获取的车牌号信息,在平台数据库查询对应车辆是否为布控车辆,如果是,则通过对应车辆的车牌号信息在平台数据库中查询对应车辆某时间段内的历史轨迹信息;
步骤5,将所述车辆轨迹信息在地图上可视化展示。
2.根据权利要求1所述的基于图像识别的行车轨迹展示方法,其特征在于,步骤3具体为:
步骤3.1,从车辆图像中定位车牌号所在区域,并将车牌号区域从该车辆图像中分离出来,从而获得包括车牌号的小图;
步骤3.2,对所述小图进行字符分割处理,将小图中的每个字符从整个图像中切割出来成为单个字符;
步骤3.3,基于所述字符分割处理,提取出车牌号信息。
3.根据权利要求2所述的基于图像识别的行车轨迹展示方法,其特征在于,从车辆图像中定位车牌号所在区域具体为:
对车辆图像进行灰度化,将三通道RGB颜色的图像变成单通道灰度图;
对所述灰度图进行Canny边缘检测,对灰度图进行去噪并用一阶偏导的有限差分来计算梯度的幅值和方向、对梯度幅值进行非极大值抑制;
对Canny边缘检测的图像进行膨胀与腐蚀的处理,通过膨胀连接相近的图像区域,通过腐蚀去除孤立细小的色块,从而将车牌上的字符连通成一个矩形区域;
对膨胀与腐蚀处理的图像进行矩形轮廓查找与筛选,从而定位车牌号所在区域。
4.根据权利要求2所述的基于图像识别的行车轨迹展示方法,其特征在于,对所述小图进行字符分割处理具体为:
对所述小图进行二值化处理,去除图像中无用的信息;
对二值化处理的小图使用水平映射和垂直映射进行像素级的字符分割处理,基于字符分割处理,提取出车牌号信息。
5.根据权利要求4所述的基于图像识别的行车轨迹展示方法,其特征在于,对二值化处理的小图使用水平映射和垂直映射进行像素级的字符分割处理具体为:
进行列扫描,判断每一列像素值大于0的像素个数是否超过5,如果是,则认为此列存在字符,记录该列;
进行行扫描,判断每一行像素值大于0的像素个数是否超过5,如果是,则认为此行存在字符,记录该行;
通过记录的行和列组成数组,通过所述数组确认字符的位置,分割及截取字符。
6.一种基于图像识别的行车轨迹展示系统,其特征在于,所述系统包括平台搭建模块、图像采集模块、图像识别模块、轨迹查询模块和展示模块;
所述平台搭建模块用于在警务中创建平台数据库,所述平台数据库中存储着所有布控车辆的车牌号信息以及历史轨迹信息;
所述图像采集模块用于采集经过卡口处的车辆的车辆图像;
所述图像识别模块用于基于图像识别技术识别所述车辆图像,获取对应车辆的车牌号信息;
所述轨迹查询模块用于基于获取的车牌号信息,在平台数据库查询对应车辆是否为布控车辆,如果是,则通过对应车辆的车牌号信息在平台数据库中查询对应车辆某时间段内的历史轨迹信息;
所述展示模块用于将所述车辆轨迹信息在地图上可视化展示。
7.根据权利要求6所述的基于图像识别的行车轨迹展示系统,其特征在于,所述图像识别模块具体用于:
从车辆图像中定位车牌号所在区域,并将车牌号区域从该车辆图像中分离出来,从而获得包括车牌号的小图;
对所述小图进行字符分割处理,将小图中的每个字符从整个图像中切割出来成为单个字符;
基于所述字符分割处理,提取出车牌号信息。
8.根据权利要求7所述的基于图像识别的行车轨迹展示系统,其特征在于,从车辆图像中定位车牌号所在区域具体为:
对车辆图像进行灰度化,将三通道RGB颜色的图像变成单通道灰度图;
对所述灰度图进行Canny边缘检测,对灰度图进行去噪并用一阶偏导的有限差分来计算梯度的幅值和方向、对梯度幅值进行非极大值抑制;
对Canny边缘检测的图像进行膨胀与腐蚀的处理,通过膨胀连接相近的图像区域,通过腐蚀去除孤立细小的色块,从而将车牌上的字符连通成一个矩形区域;
对膨胀与腐蚀处理的图像进行矩形轮廓查找与筛选,从而定位车牌号所在区域。
9.根据权利要求7所述的基于图像识别的行车轨迹展示系统,其特征在于,对所述小图进行字符分割处理具体为:
对所述小图进行二值化处理,去除图像中无用的信息;
对二值化处理的小图使用水平映射和垂直映射进行像素级的字符分割处理,基于字符分割处理,提取出车牌号信息。
10.根据权利要求9所述的基于图像识别的行车轨迹展示系统,其特征在于,对二值化处理的小图使用水平映射和垂直映射进行像素级的字符分割处理具体为:
进行列扫描,判断每一列像素值大于0的像素个数是否超过5,如果是,则认为此列存在字符,记录该列;
进行行扫描,判断每一行像素值大于0的像素个数是否超过5,如果是,则认为此行存在字符,记录该行;
通过记录的行和列组成数组,通过所述数组确认字符的位置,分割及截取字符。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010601419.8A CN111949714A (zh) | 2020-06-29 | 2020-06-29 | 一种基于图像识别的行车轨迹展示方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010601419.8A CN111949714A (zh) | 2020-06-29 | 2020-06-29 | 一种基于图像识别的行车轨迹展示方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111949714A true CN111949714A (zh) | 2020-11-17 |
Family
ID=73337212
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010601419.8A Pending CN111949714A (zh) | 2020-06-29 | 2020-06-29 | 一种基于图像识别的行车轨迹展示方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111949714A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113516341A (zh) * | 2021-04-02 | 2021-10-19 | 青岛以萨数据技术有限公司 | 特殊车辆的入省路线分析方法、装置及存储介质 |
CN114353922A (zh) * | 2021-12-07 | 2022-04-15 | 陕西地建土地工程技术研究院有限责任公司 | 一种衡器称重计量管控一体化系统及方法 |
CN114582140A (zh) * | 2022-01-17 | 2022-06-03 | 浙江银江智慧交通工程技术研究院有限公司 | 城市道路交叉口交通流量的识别方法、系统、装置和介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101398894A (zh) * | 2008-06-17 | 2009-04-01 | 浙江师范大学 | 机动车车牌自动识别方法及其实现装置 |
CN106297292A (zh) * | 2016-08-29 | 2017-01-04 | 苏州金螳螂怡和科技有限公司 | 基于高速公路卡口及综合监控的轨迹系统 |
CN109214345A (zh) * | 2018-09-17 | 2019-01-15 | 公安部交通管理科学研究所 | 基于相似度比对查找换牌车辆的行驶轨迹的方法 |
CN109726248A (zh) * | 2019-01-07 | 2019-05-07 | 深圳英飞拓科技股份有限公司 | 车辆行车轨迹显示方法、装置、系统和计算机设备 |
-
2020
- 2020-06-29 CN CN202010601419.8A patent/CN111949714A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101398894A (zh) * | 2008-06-17 | 2009-04-01 | 浙江师范大学 | 机动车车牌自动识别方法及其实现装置 |
CN106297292A (zh) * | 2016-08-29 | 2017-01-04 | 苏州金螳螂怡和科技有限公司 | 基于高速公路卡口及综合监控的轨迹系统 |
CN109214345A (zh) * | 2018-09-17 | 2019-01-15 | 公安部交通管理科学研究所 | 基于相似度比对查找换牌车辆的行驶轨迹的方法 |
CN109726248A (zh) * | 2019-01-07 | 2019-05-07 | 深圳英飞拓科技股份有限公司 | 车辆行车轨迹显示方法、装置、系统和计算机设备 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113516341A (zh) * | 2021-04-02 | 2021-10-19 | 青岛以萨数据技术有限公司 | 特殊车辆的入省路线分析方法、装置及存储介质 |
CN114353922A (zh) * | 2021-12-07 | 2022-04-15 | 陕西地建土地工程技术研究院有限责任公司 | 一种衡器称重计量管控一体化系统及方法 |
CN114353922B (zh) * | 2021-12-07 | 2024-03-19 | 陕西地建土地工程技术研究院有限责任公司 | 一种衡器称重计量管控一体化系统及方法 |
CN114582140A (zh) * | 2022-01-17 | 2022-06-03 | 浙江银江智慧交通工程技术研究院有限公司 | 城市道路交叉口交通流量的识别方法、系统、装置和介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111949714A (zh) | 一种基于图像识别的行车轨迹展示方法及系统 | |
CN102375982B (zh) | 一种融合多字符特征的车牌定位方法 | |
KR101403876B1 (ko) | 차량 번호판 인식 방법과 그 장치 | |
WO2018018788A1 (zh) | 一种基于图像识别的计量表抄表装置及其方法 | |
CN107844683B (zh) | 一种数字pcr液滴浓度的计算方法 | |
Kasaei et al. | New morphology-based method for robustiranian car plate detection and recognition | |
US20100278389A1 (en) | Method for image recombination of a plurality of images and image identification and system for image acquiring and identification | |
CN112200172B (zh) | 一种可行驶区域的检测方法及装置 | |
CN108921813B (zh) | 一种基于机器视觉的无人机检测桥梁结构裂缝识别方法 | |
CN112686858A (zh) | 一种手机充电器视觉缺陷检测方法、装置、介质及设备 | |
CN110346699B (zh) | 基于紫外图像处理技术的绝缘子放电信息提取方法及装置 | |
CN111489337B (zh) | 一种自动光学检测伪缺陷去除方法及系统 | |
Paunwala et al. | A novel multiple license plate extraction technique for complex background in Indian traffic conditions | |
CN110648330B (zh) | 摄像头玻璃的缺陷检测方法 | |
CN105139011B (zh) | 一种基于标识物图像的车辆识别方法及装置 | |
Chandra et al. | Recognition of vehicle number plate using Matlab | |
CN111242888A (zh) | 一种基于机器视觉的图像处理方法及系统 | |
CN112257715A (zh) | 一种粘连字符识别方法及系统 | |
CN112115800A (zh) | 一种基于深度学习目标检测的车辆组合识别系统及方法 | |
Chowdhury et al. | An adaptive technique for computer vision based vehicles license plate detection system | |
CN108205670B (zh) | 一种车牌识别方法及装置 | |
JP3416058B2 (ja) | 濃淡画像の文字抽出方法及びそのプログラムを記録した記録媒体 | |
CN114140752A (zh) | 一种基于图像识别的车辆预警方法和系统 | |
WO2020001630A1 (zh) | 一种三值图像获取方法、装置及车辆 | |
CN108573253B (zh) | 车牌字符二值图的生成方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20201117 |