CN112329769A - 一种车辆铭牌识别方法、装置、计算机设备及存储介质 - Google Patents
一种车辆铭牌识别方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN112329769A CN112329769A CN202011168963.4A CN202011168963A CN112329769A CN 112329769 A CN112329769 A CN 112329769A CN 202011168963 A CN202011168963 A CN 202011168963A CN 112329769 A CN112329769 A CN 112329769A
- Authority
- CN
- China
- Prior art keywords
- nameplate
- character
- vehicle
- identification
- image
- 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 36
- 238000003860 storage Methods 0.000 title claims abstract description 13
- 238000012216 screening Methods 0.000 claims abstract description 17
- 238000004590 computer program Methods 0.000 claims description 20
- 238000005516 engineering process Methods 0.000 claims description 3
- 238000005286 illumination Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 5
- 238000010276 construction Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 9
- 238000012015 optical character recognition Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 238000007726 management method Methods 0.000 description 4
- 238000003908 quality control method Methods 0.000 description 4
- 238000013500 data storage Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 230000003313 weakening effect Effects 0.000 description 1
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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- 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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Multimedia (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种车辆铭牌识别方法、装置、计算机设备及存储介质，其中方法包括：实时获取多组待处理铭牌图像信息；基于图像倾斜度与显示分辨率对多组所述待处理铭牌图像信息进行筛选，得到待识别铭牌图像数据；根据铭牌原始字符的像素坐标点对铭牌图像进行建模，构建字符识别模型；将所述待识别铭牌图像数据代入所述字符识别模型中，识别得到对应的字符信息。本发明实施例提供的车辆铭牌识别方法、装置、计算机设备及存储介质，能够提高铭牌字符信息的识别准确率，避免出现诸如相似字符识别错误等的误识别现象，使得车辆铭牌识别的流程更为准确化和智能化，推动了车辆的安全与管理建设。
Description
技术领域
本发明涉及铭牌识别技术领域，尤其是涉及一种车辆铭牌识别方法、装置、计算机设备及存储介质。
背景技术
车辆铭牌是标明车辆基本特征的标牌，其主要内容包括车辆型号、发动机型号、发动机排量、发动机额定功率、车辆识别代号、总质量、载重量或载客人数、出厂编号、制造年月、制造国及厂名等。作为“汽车身份证”，车辆铭牌对于每台车辆具有唯一识别性，对于交通管理单位对车辆进行登记、检测防伪和车辆年审等具有重要的意义。
现如今对于车辆铭牌的识别方法，是通过对车辆铭牌图像进行透视变换，来直接获取铭牌信息。但是，发明人发现，由于车辆铭牌字符的复杂性，透视后的车辆铭牌图像与实际偏差较大，导致识别准确率降低，为车辆铭牌信息的获取带来了较大困难。
发明内容
本发明提供一种车辆铭牌识别方法、装置、计算机设备及存储介质，以解决现有的车辆铭牌识别方法准确率较低的技术问题，通过构建特定的字符识别模型，提高了铭牌识别的准确率。
为了解决上述技术问题，本发明实施例提供了一种车辆铭牌识别方法，包括：
实时获取多组待处理铭牌图像信息；
基于图像倾斜度与显示分辨率对多组所述待处理铭牌图像信息进行筛选，得到待识别铭牌图像数据；
根据铭牌原始字符的像素坐标点对铭牌图像进行建模，构建字符识别模型；
将所述待识别铭牌图像数据代入所述字符识别模型中，识别得到对应的字符信息。
作为其中一种优选方案，所述根据铭牌原始字符的像素坐标点对铭牌图像进行建模，构建字符识别模型的步骤，包括：
获取车辆铭牌的原始字符集合；
根据所述原始字符集合中的每一字符的像素坐标点，生成多组对应的字符库；
以多组所述字符库构建所述字符识别模型。
作为其中一种优选方案，所述将所述待识别铭牌图像数据代入所述字符识别模型中，识别得到对应的字符信息的步骤，包括：
根据OCR识别技术，获取所述待识别铭牌图像数据中的待识别字符信息；
计算所述待识别字符信息与每一所述字符库之间的相似度；
基于所述相似度筛选并确定对应的字符库，并输出对应的字符信息。
作为其中一种优选方案，所述实时获取多组待处理铭牌图像信息的步骤，包括：
根据预设的图像识别模板框，在预设的时间间隔内连续抓拍多组所述待处理铭牌图像信息。
本发明另一实施例提供了一种车辆铭牌识别装置，所述车辆铭牌识别装置包括：
获取模块，实时获取多组待处理铭牌图像信息；
筛选模块，基于图像倾斜度与显示分辨率对多组所述待处理铭牌图像信息进行筛选，得到待识别铭牌图像数据；
建模模块，根据铭牌原始字符的像素坐标点对铭牌图像进行建模，构建字符识别模型；
识别模块，将所述待识别铭牌图像数据代入所述字符识别模型中，识别得到对应的字符信息。
作为其中一种优选方案，所述车辆铭牌识别装置还包括：
非直射光源模块，用于向车辆铭牌提供光照。
本发明又一实施例提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时用于实现如上所述的车辆铭牌识别方法。
本发明又一实施例提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时用于实现如上所述的车辆铭牌识别方法。
相比于现有技术，本发明实施例的有益效果在于，通过实时获取多组待处理铭牌图像信息，并对其进行筛选，能够得到清晰度较高的图像，更利于现场的品质管控，从而方便后续的处理；此外，根据铭牌原始字符的像素坐标点构建字符识别模型，并以此识别对应的铭牌字符信息，能够提高铭牌字符信息的识别准确率，避免出现诸如相似字符识别错误等的误识别现象，使得车辆铭牌识别的流程更为准确化和智能化，推动了车辆的安全与管理建设。
附图说明
图1是本发明其中一种实施例中的车辆铭牌识别方法的流程示意图；
图2是本发明其中一种实施例中的车辆铭牌识别方法的控制逻辑图；
图3是本发明其中一种实施例中的车辆铭牌识别装置的结构框图；
图4是本发明其中一种实施例中的车辆铭牌识别装置的结构示意图；
图5是本发明其中一种实施例中的计算机设备的结构框图；
其中，1、PC；2、视觉摄像头；3、LED光源；4、电控系统；10、车辆铭牌识别装置；11、获取模块；12、筛选模块；13、建模模块；14、识别模块；20、计算机设备；21、处理器；22、存储器。
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实施例，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，都属于本发明保护的范围。
在本申请描述中，术语“第一”、“第二”、“第三”等仅用于描述目的，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。由此，限定有“第一”、“第二”、“第三”等的特征可以明示或者隐含地包括一个或者更多个该特征。在本申请的描述中，除非另有说明，“多个”的含义是两个或两个以上。
在本申请的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本申请中的具体含义。
在本申请的描述中，需要说明的是，除非另有定义，本发明所使用的所有的技术和科学术语与属于本的技术领域的技术人员通常理解的含义相同。本发明中说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明，对于本领域的普通技术人员而言，可以具体情况理解上述术语在本申请中的具体含义。
本发明一实施例提供了一种车辆铭牌识别方法，具体的，请参见图1，图1示出为本发明其中一种实施例中的车辆铭牌识别方法的流程示意图，其中包括
S1、实时获取多组待处理铭牌图像信息；
S2、基于图像倾斜度与显示分辨率对多组所述待处理铭牌图像信息进行筛选，得到待识别铭牌图像数据；优选地，可以将图像中角度超限的铭牌进行筛选，第一时间报警反馈给现场管理人员，进行品质的确认，从而更利于现场的品质管控；
S3、根据铭牌原始字符的像素坐标点对铭牌图像进行建模，构建字符识别模型；
S4、将所述待识别铭牌图像数据代入所述字符识别模型中，识别得到对应的字符信息。
应当说明的是，传统的针对扫描文档的OCR方法很难做到复杂场景中的文字识别，虽然现有的场景文字识别方法对于场景单一并且对于没有畸变的图像有不错的识别效果，但对于像车辆铭牌这样的自然目标，尤其是铭牌中含有中文，字符间距小的情况，上述识别方法会导致透视后的图像较实际偏差较大，影响识别的准确率。本发明通过首先获取多组待处理铭牌图像信息，并对其进行筛选，能够得到清晰度较高的图像，更利于现场的品质管控，从而方便后续的处理；然后通过构建字符识别模型，在OCR识别的基础上，进行多字符库多重运算累计取和的计算，避免相似字符的识别错误，从而提高了识别的准确率。
优选地，在上述实施例中，步骤S3：根据铭牌原始字符的像素坐标点对铭牌图像进行建模，构建字符识别模型，其具体包括：
S31、获取车辆铭牌的原始字符集合；
S32、根据所述原始字符集合中的每一字符的像素坐标点，生成多组对应的字符库；
S33、以多组所述字符库构建所述字符识别模型。
进一步地，在上述实施例中，步骤S4：将所述待识别铭牌图像数据代入所述字符识别模型中，识别得到对应的字符信息，其具体包括：
S41、根据OCR识别技术，获取所述待识别铭牌图像数据中的待识别字符信息；
S42、计算所述待识别字符信息与每一所述字符库之间的相似度；
S43、基于所述相似度筛选并确定对应的字符库，并输出对应的字符信息。
本发明实施例提供的字符识别模型，是基于OCR的基础上进行优化的一种算法，传统OCR字符通过建立一个完整的字符库，通过像素坐标运算相似度最高输出识别的字符，存在一定的误识别情况，尤其字符远近以及倾斜的情况。本发明通过建立字符识别模型进行比对(比对内容优选为铭牌上固定的某个字，或角位的单个文字)，将图像中的像素坐标与原始字符的像素坐标点进行对比，计算像素比，其他字符进行相同的处理。其中每个字符建立多个不同的字符库(优选为3个)，优选地，当识别某个字符时，会进行像素运算，计算相似度，取多个字符库累加的和最高的相似度对应的字符输出，从而提高了识别的准确率。
优选地，在上述实施例中，步骤S1：实时获取多组待处理铭牌图像信息，其具体包括：
S11、根据预设的图像识别模板框，在预设的时间间隔内连续抓拍多组所述待处理铭牌图像信息。
通过设定图像识别模板框，将待识别图像的部分固定边框内容作为待处理图像，摄像头在线摄像中，一旦特征内容进入摄像范围，则连续抓拍多张照片，并进行内部处理运算选取最优照片，从而进行下一步处理。
优选地，本发明实施例在自动拍照识别上进行了较大的改进，能够在0.1s的时间内实现瞬间连续抓拍清晰图像，并通过图像比对，筛选最优照片以进行下一步识别，满足0.2m/s的高速移动抓拍。
具体的，请参见图2，图2所示为本发明其中一种实施例中的车辆铭牌识别方法的控制逻辑图，优选地，图中设置了相应的拍照计时功能，由PMS系统进行控制，通过与后台中的GMES系统，实现车辆信息一致性的判断。优选地，本实施例还设有数据存储功能。用于存储相应的识别信息与报警信息(如图中OK照片文件夹与NG照片文件夹)。
本发明另一实施例提供了一种车辆铭牌识别装置，具体的，请参见图3，图3所示为本发明其中一种实施例中的车辆铭牌识别装置的结构框图，其中，所述车辆铭牌识别装置10包括：
获取模块11，实时获取多组待处理铭牌图像信息；
筛选模块12，基于图像倾斜度与显示分辨率对多组所述待处理铭牌图像信息进行筛选，得到待识别铭牌图像数据；
建模模块13根据铭牌原始字符的像素坐标点对铭牌图像进行建模，构建字符识别模型；
识别模块14，将所述待识别铭牌图像数据代入所述字符识别模型中，识别得到对应的字符信息。
具体的，请参见图4，图4所示为本发明其中一种实施例中的车辆铭牌识别装置的结构示意图，其中，通过视觉摄像头2来实时获取多组待处理铭牌图像信息，通过对应的PC1与电控系统4实现车辆铭牌识别方法实施例中的步骤，例如图1所示的步骤S1～S4。
优选地，在上述实施例中，所述车辆铭牌识别装置10还包括非直射光源模块，用于向车辆铭牌提供光照。
传统的光源方案为直射进入待识别区域，光源损坏衰弱直接影响像素和识别结果，且由于车身反光情况，不同颜色的车身反光情况不同，造成照片的噪点过多，识别效果一般，因此直射光源的兼容性十分局限。本发明实施例中的非直射光源模块优选为LED的条形光源3，通过地面的反射形成一种温和的漫反射补充光源，能够保证照片图像灰度的相对稳定性。此外，现有设备为避免干扰，设备的安装落点可选择范围十分有限。本发明实施例优选在安装车门后进行识别，以此解决安装位置局限的问题。
本发明又一实施例提供了一种计算机设备，具体的，请参见图5，图5所示为本发明其中一种实施例中的计算机设备的结构框图，其中所述计算机设备20包括处理器21、存储器22以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器21执行所述计算机程序时实现上述车辆铭牌识别方法实施例中的步骤，例如图1所示的步骤S1～S4。或者，所述处理器执行所述计算机程序时实现上述各装置实施例中各模块的功能，例如获取模块11。
示例性的，所述计算机程序可以被分割成一个或多个模块，所述一个或者多个模块被存储在所述存储器22中，并由所述处理器21执行，以完成本发明。所述一个或多个模块可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序在所述计算机设备20中的执行过程。例如，所述计算机程序可以被分割成获取模块11、筛选模块12、建模模块13、识别模块14。具体的各个模块的工作过程可参考上述实施例所述的车辆铭牌识别装置10的工作过程，在此不再赘述。
所述计算机设备20可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述计算机设备20可包括，但不仅限于，处理器21、存储器22。本领域技术人员可以理解，所述示意图仅仅是优选地的示例，并不构成对计算机设备20的限定，其可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述计算机设备20还可以包括输入输出设备、网络接入设备、总线等。
所称处理器21可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器21是所述计算机设备20的控制中心，利用各种接口和线路连接整个计算机设备20的各个部分。
所述存储器22可用于存储所述计算机程序和/或模块，所述处理器21通过运行或执行存储在所述存储器22内的计算机程序和/或模块，以及调用存储在存储器22内的数据，实现所述计算机设备20的各种功能。所述存储器22可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序等。此外，存储器22可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(FlashCard)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
其中，所述计算机设备20集成的模块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介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。
本发明实施例提供的车辆铭牌识别方法、装置、计算机设备及存储介质，通过实时获取多组待处理铭牌图像信息，并对其进行筛选，能够得到清晰度较高的图像，更利于现场的品质管控，从而方便后续的处理；此外，根据铭牌原始字符的像素坐标点构建字符识别模型，并以此识别对应的铭牌字符信息，能够提高铭牌字符信息的识别准确率，避免出现诸如相似字符识别错误等的误识别现象，使得车辆铭牌识别的流程更为准确化和智能化，推动了车辆的安全与管理建设。
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。
Claims (8)
1.一种车辆铭牌识别方法，其特征在于，包括：
实时获取多组待处理铭牌图像信息；
基于图像倾斜度与显示分辨率对多组所述待处理铭牌图像信息进行筛选，得到待识别铭牌图像数据；
根据铭牌原始字符的像素坐标点对铭牌图像进行建模，构建字符识别模型；
将所述待识别铭牌图像数据代入所述字符识别模型中，识别得到对应的字符信息。
2.如权利要求1所述的车辆铭牌识别方法，其特征在于，所述根据铭牌原始字符的像素坐标点对铭牌图像进行建模，构建字符识别模型的步骤，包括：
获取车辆铭牌的原始字符集合；
根据所述原始字符集合中的每一字符的像素坐标点，生成多组对应的字符库；
以多组所述字符库构建所述字符识别模型。
3.如权利要求2所述的车辆铭牌识别方法，其特征在于，所述将所述待识别铭牌图像数据代入所述字符识别模型中，识别得到对应的字符信息的步骤，包括：
根据OCR识别技术，获取所述待识别铭牌图像数据中的待识别字符信息；
计算所述待识别字符信息与每一所述字符库之间的相似度；
基于所述相似度筛选并确定对应的字符库，并输出对应的字符信息。
4.如权利要求1所述的车辆铭牌识别方法，其特征在于，所述实时获取多组待处理铭牌图像信息的步骤，包括：
根据预设的图像识别模板框，在预设的时间间隔内连续抓拍多组所述待处理铭牌图像信息。
5.一种车辆铭牌识别装置，其特征在于，所述车辆铭牌识别装置包括：
获取模块，实时获取多组待处理铭牌图像信息；
筛选模块，基于图像倾斜度与显示分辨率对多组所述待处理铭牌图像信息进行筛选，得到待识别铭牌图像数据；
建模模块，根据铭牌原始字符的像素坐标点对铭牌图像进行建模，构建字符识别模型；
识别模块，将所述待识别铭牌图像数据代入所述字符识别模型中，识别得到对应的字符信息。
6.如权利要求1所述的车辆铭牌识别装置，其特征在于，所述车辆铭牌识别装置还包括：
非直射光源模块，用于向车辆铭牌提供光照。
7.一种计算机设备，其特征在于，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时用于实现如权利要求1至4中任一项所述的车辆铭牌识别方法。
8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时用于实现如权利要求1至4中任一项所述的车辆铭牌识别方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011168963.4A CN112329769A (zh) | 2020-10-27 | 2020-10-27 | 一种车辆铭牌识别方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011168963.4A CN112329769A (zh) | 2020-10-27 | 2020-10-27 | 一种车辆铭牌识别方法、装置、计算机设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112329769A true CN112329769A (zh) | 2021-02-05 |
Family
ID=74296332
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011168963.4A Pending CN112329769A (zh) | 2020-10-27 | 2020-10-27 | 一种车辆铭牌识别方法、装置、计算机设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112329769A (zh) |
Citations (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH02293990A (ja) * | 1989-05-09 | 1990-12-05 | Fuji Electric Co Ltd | 文字認識装置 |
| CN101383003A (zh) * | 2008-10-31 | 2009-03-11 | 江西赣粤高速公路股份有限公司 | 车辆号牌实时精确识别方法 |
| CN101630360A (zh) * | 2008-07-14 | 2010-01-20 | 上海分维智能科技有限公司 | 一种在高清晰图像中识别车牌的方法 |
| CN101697196A (zh) * | 2009-10-29 | 2010-04-21 | 上海索广电子有限公司 | 摄像机铭牌序列号数字识别系统及方法 |
| JP2012043385A (ja) * | 2010-08-23 | 2012-03-01 | Toshiba Corp | 文字認識装置および文字認識方法 |
| CN103295009A (zh) * | 2013-06-20 | 2013-09-11 | 电子科技大学 | 基于笔画分解的车牌字符识别方法 |
| CN106373405A (zh) * | 2016-09-29 | 2017-02-01 | 浙江宇视科技有限公司 | 车位监控系统及方法 |
| CN106407220A (zh) * | 2015-07-31 | 2017-02-15 | 上海亿动信息技术有限公司 | 一种发布信息的控制方法、控制装置及系统 |
| CN106469292A (zh) * | 2015-08-20 | 2017-03-01 | 腾石智能科技（上海）有限公司 | 车牌识别控制系统及其识别控制方法 |
| CN106845478A (zh) * | 2016-12-30 | 2017-06-13 | 同观科技（深圳）有限公司 | 一种字符置信度的二次车牌识别方法及装置 |
| CN107977659A (zh) * | 2016-10-25 | 2018-05-01 | 北京搜狗科技发展有限公司 | 一种文字识别方法、装置及电子设备 |
| CN108364010A (zh) * | 2018-03-08 | 2018-08-03 | 广东工业大学 | 一种车牌识别方法、装置、设备及计算机可读存储介质 |
| CN109410594A (zh) * | 2018-12-18 | 2019-03-01 | 宁波镭基光电技术有限公司 | 一种车牌识别系统及方法 |
| CN110728276A (zh) * | 2018-07-16 | 2020-01-24 | 杭州海康威视数字技术股份有限公司 | 一种车牌识别方法及装置 |
| CN110807453A (zh) * | 2018-08-06 | 2020-02-18 | 研祥智能科技股份有限公司 | 基于ocr的产品字符在线检测方法、装置及系统 |
| CN110956171A (zh) * | 2019-11-06 | 2020-04-03 | 广州供电局有限公司 | 铭牌自动识别方法、装置、计算机设备和存储介质 |
| CN111507350A (zh) * | 2020-04-16 | 2020-08-07 | 腾讯科技（深圳）有限公司 | 一种文本识别方法和装置 |
-
2020
- 2020-10-27 CN CN202011168963.4A patent/CN112329769A/zh active Pending
Patent Citations (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH02293990A (ja) * | 1989-05-09 | 1990-12-05 | Fuji Electric Co Ltd | 文字認識装置 |
| CN101630360A (zh) * | 2008-07-14 | 2010-01-20 | 上海分维智能科技有限公司 | 一种在高清晰图像中识别车牌的方法 |
| CN101383003A (zh) * | 2008-10-31 | 2009-03-11 | 江西赣粤高速公路股份有限公司 | 车辆号牌实时精确识别方法 |
| CN101697196A (zh) * | 2009-10-29 | 2010-04-21 | 上海索广电子有限公司 | 摄像机铭牌序列号数字识别系统及方法 |
| JP2012043385A (ja) * | 2010-08-23 | 2012-03-01 | Toshiba Corp | 文字認識装置および文字認識方法 |
| CN103295009A (zh) * | 2013-06-20 | 2013-09-11 | 电子科技大学 | 基于笔画分解的车牌字符识别方法 |
| CN106407220A (zh) * | 2015-07-31 | 2017-02-15 | 上海亿动信息技术有限公司 | 一种发布信息的控制方法、控制装置及系统 |
| CN106469292A (zh) * | 2015-08-20 | 2017-03-01 | 腾石智能科技（上海）有限公司 | 车牌识别控制系统及其识别控制方法 |
| CN106373405A (zh) * | 2016-09-29 | 2017-02-01 | 浙江宇视科技有限公司 | 车位监控系统及方法 |
| CN107977659A (zh) * | 2016-10-25 | 2018-05-01 | 北京搜狗科技发展有限公司 | 一种文字识别方法、装置及电子设备 |
| CN106845478A (zh) * | 2016-12-30 | 2017-06-13 | 同观科技（深圳）有限公司 | 一种字符置信度的二次车牌识别方法及装置 |
| CN108364010A (zh) * | 2018-03-08 | 2018-08-03 | 广东工业大学 | 一种车牌识别方法、装置、设备及计算机可读存储介质 |
| CN110728276A (zh) * | 2018-07-16 | 2020-01-24 | 杭州海康威视数字技术股份有限公司 | 一种车牌识别方法及装置 |
| CN110807453A (zh) * | 2018-08-06 | 2020-02-18 | 研祥智能科技股份有限公司 | 基于ocr的产品字符在线检测方法、装置及系统 |
| CN109410594A (zh) * | 2018-12-18 | 2019-03-01 | 宁波镭基光电技术有限公司 | 一种车牌识别系统及方法 |
| CN110956171A (zh) * | 2019-11-06 | 2020-04-03 | 广州供电局有限公司 | 铭牌自动识别方法、装置、计算机设备和存储介质 |
| CN111507350A (zh) * | 2020-04-16 | 2020-08-07 | 腾讯科技（深圳）有限公司 | 一种文本识别方法和装置 |
Non-Patent Citations (1)
| Title |
|---|
| 李万相 等: "一种快速的车牌自动定位方法", 现代计算机, no. 26, 30 September 2015 (2015-09-30), pages 69 - 72 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111539247B (zh) | 一种超光谱人脸识别方法、装置、电子设备及其存储介质 | |
| CN111695609A (zh) | 目标物损伤程度判定方法、装置、电子设备及存储介质 | |
| CN111223065A (zh) | 图像矫正方法、不规则文本识别方法、装置、存储介质和设备 | |
| CN113688817A (zh) | 一种自动巡检的仪表识别方法及识别系统 | |
| CN108960850A (zh) | 防伪方法及装置、防伪溯源系统 | |
| CN114872574A (zh) | 基于充电桩的采集与监控系统及方法 | |
| CN109635679B (zh) | 一种实时的靶纸定位及环线识别方法 | |
| CN113420684A (zh) | 基于特征提取的报表识别方法、装置、电子设备及介质 | |
| CN111652242B (zh) | 图像处理方法、装置、电子设备及存储介质 | |
| CN113159029A (zh) | 一种图片中局部信息精准抓取的方法和系统 | |
| Bala et al. | Image simulation for automatic license plate recognition | |
| CN112329769A (zh) | 一种车辆铭牌识别方法、装置、计算机设备及存储介质 | |
| TW201419168A (zh) | 不均勻光線下的車牌辨識方法及系統 | |
| CN114926829A (zh) | 一种证件检测方法、装置、电子设备及存储介质 | |
| CN116993654A (zh) | 摄像头模组缺陷检测方法、装置、设备、存储介质及产品 | |
| CN111639640B (zh) | 基于人工智能的车牌识别方法、装置及设备 | |
| CN112308061B (zh) | 一种车牌字符识别方法及装置 | |
| CN114299481A (zh) | 车辆识别码的识别方法、装置及计算机设备 | |
| CN113127863B (zh) | 恶意代码的检测方法、装置、计算机设备和存储介质 | |
| CN111160091B (zh) | 供应链智能影像比对系统和方法 | |
| CN111445431B (zh) | 一种图像分割方法、终端设备及计算机可读存储介质 | |
| CN113239931A (zh) | 一种物流站车牌识别的方法 | |
| CN110674817A (zh) | 一种基于双目摄像头的车牌防伪的方法及装置 | |
| CN117037159B (zh) | 基于卷积神经网络的油画真伪鉴别方法、装置及存储介质 | |
| CN113192008B (zh) | 一种证件数字图像的光场防篡改采集装置及防篡改方法 |
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 |