CN112381088A - 一种油罐车车牌识别方法及系统 - Google Patents
一种油罐车车牌识别方法及系统 Download PDFInfo
- Publication number
- CN112381088A CN112381088A CN202011254094.7A CN202011254094A CN112381088A CN 112381088 A CN112381088 A CN 112381088A CN 202011254094 A CN202011254094 A CN 202011254094A CN 112381088 A CN112381088 A CN 112381088A
- Authority
- CN
- China
- Prior art keywords
- license plate
- character
- characters
- image
- tank truck
- 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 35
- 238000003709 image segmentation Methods 0.000 claims abstract description 20
- 238000007781 pre-processing Methods 0.000 claims abstract description 20
- 125000006850 spacer group Chemical group 0.000 claims description 21
- 238000001914 filtration Methods 0.000 claims description 9
- 230000011218 segmentation Effects 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000003708 edge detection Methods 0.000 claims description 6
- 239000000126 substance Substances 0.000 claims description 6
- 230000009466 transformation Effects 0.000 claims description 6
- 238000010606 normalization Methods 0.000 claims description 5
- 230000003068 static effect Effects 0.000 abstract description 7
- 230000007547 defect Effects 0.000 abstract description 5
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000000295 complement effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 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
- 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
- G06V10/44—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
- G06V10/443—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 by matching or filtering
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Character Discrimination (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供一种油罐车车牌识别方法,包括获取油罐车车牌图像;对油罐车车牌图像进行预处理;在预处理后的油罐车车牌图像中,定位出含有车牌字符的区域图像;以车牌字符之中的单个字符为单位,对含有车牌字符的区域图像进行图像分割,得到多个含有单一字符的图片;对每一个含有单一字符的图片均进行字符识别,并按照车牌字符之中所有字符预定的排列顺序依次输出,组合得到最终的油罐车车牌。实施本发明,能克服现有技术中静态图像识别及动态视频流识别的缺点及不足,通过对车牌图像中各字符分割来准确识别,具有高识别效率及较高的抗干扰能力。
Description
技术领域
本发明涉及图像识别技术领域和加油站卸油作业技术领域,尤其涉及一种油罐车车牌识别方法及系统。
背景技术
油罐车的车牌是各种卸油作业管理系统对油罐车进行识别的唯一标识,通过对油罐车车牌的识别,可轻易完成系统对油罐车的管理工作。然而,车牌识别效果的好坏直接决定对油罐车监管的效果。
目前,油罐车车牌识别的实现方式主要分两种:一种为静态图像识别,另一种为动态视频流识别。其中,静态图像识别,则受限于图像质量、车牌污损度、车牌倾斜度等因素;动态视频流识别,则需要更快的识别速度,受限于处理器的性能指标,特别是在移动终端实现车牌实时识别需要更多性能优化。
因此,亟需一种油罐车车牌识别方法,能克服现有技术中静态图像识别及动态视频流识别的缺点及不足,通过对车牌图像中各字符分割来准确识别,具有高识别效率及较高的抗干扰能力。
发明内容
本发明实施例所要解决的技术问题在于,提供一种油罐车车牌识别方法及系统,能克服现有技术中静态图像识别及动态视频流识别的缺点及不足,通过对车牌图像中各字符分割来准确识别,具有高识别效率及较高的抗干扰能力。
为了解决上述技术问题,本发明实施例提供了一种油罐车车牌识别方法,所述方法包括以下步骤:
获取油罐车车牌图像;
对所述油罐车车牌图像进行预处理;
在预处理后的油罐车车牌图像中,定位出含有车牌字符的区域图像;
以所述车牌字符之中的单个字符为单位,对所述含有车牌字符的区域图像进行图像分割,得到多个含有单一字符的图片;
对每一个含有单一字符的图片均进行字符识别,并按照所述车牌字符之中所有字符预定的排列顺序依次输出,组合得到最终的油罐车车牌。
其中,所述对所述油罐车车牌图像进行预处理的步骤,具体包括灰度化处理、灰度拉伸、二值化处理和图像滤波处理;其中,
所述灰度化处理通过使用加权平均值法来实现,具体为对每个颜色通道乘以权值进行平均,并让每个像素点每个通道的数值相同;所述灰度化处理的步骤包括:根据公式得到每个像素点的灰度值f(i,j);(i,j)为每个像素点的坐标;
所述二值化处理通过阈值选取算法来实现,具体为当像素值大于阈值时将像素值设为255,当像素值小于阈值时将像素值设为0;
所述图像滤波处理通过均值滤波算法来实现。
其中,所述在预处理后的油罐车车牌图像中,定位出含有车牌字符的区域图像的步骤,具体包括:
在预处理后的油罐车车牌图像中,使用Canny边缘检测算法来实现对车牌的初步定位,得到车牌初始定位区域图像;
根据车牌长宽比,在所述车牌初始定位区域图像中确定车牌位置,并对车牌区域进行修正及去边框操作,得到最终完整含有车牌字符的区域图像。
其中,所述以所述车牌字符之中的单个字符为单位,对所述含有车牌字符的区域图像进行图像分割,得到多个含有单一字符的图片采用相邻字符最大间隔宽度的方法来实现,具体包括:
识别出所述含有车牌字符的区域图像中圆形的间隔符,并以所述间隔符为中心,确定所述含有车牌字符的区域图像中第二个字符右边缘及第三个字符左边缘的位置;
根据所述含有车牌字符的区域图像中第二个字符右边缘及第三个字符左边缘的位置,通过二值图像的垂直投影及单个字符的高宽比,依次确定所述含有车牌字符的区域图像中所述间隔符之后5个及之前2个字符的位置,得出所有字符的位置;
根据所得到的所有字符的位置,对所述含有车牌字符的区域图像进行图像分割来将每个字符独立分割出来,得到多个含有单一字符的图片。
其中,所述对每一个含有单一字符的图片均进行字符识别,并按照所述车牌字符之中所有字符预定的排列顺序依次输出,组合得到最终的油罐车车牌的步骤,具体包括:
将所述每一个含有单一字符的图片均进行归一化操作,即将所述每一个含有单一字符的图片的外边框按比例线性放大或缩小到规定尺寸;
提取所述每一个含有单一字符的图片中的字符图像特征并分别与预设的模板标志数据库中的字符特征进行相似性计算,得到所述预设的模板标志数据库中与每一个含有单一字符的图片中的字符图像特征相似性最大的字符为识别的字符;
按照所述车牌字符之中所有字符预定的排列顺序将识别到的字符组合进行统一输出,得到最终的油罐车车牌。
本发明实施例还提供了一种油罐车车牌识别系统,包括图像获取单元、图像预处理单元、车牌字符位置定位单元、字符分割单元和字符识别输出单元;
其中,
所述图像获取单元,用于获取油罐车车牌图像;
所述图像预处理单元,用于对所述油罐车车牌图像进行预处理;
所述车牌字符位置定位单元,用于在预处理后的油罐车车牌图像中,定位出含有车牌字符的区域图像;
所述字符分割单元,用于以所述车牌字符之中的单个字符为单位,对所述含有车牌字符的区域图像进行图像分割,得到多个含有单一字符的图片;
所述字符识别输出单元,用于对每一个含有单一字符的图片均进行字符识别,并按照所述车牌字符之中所有字符预定的排列顺序依次输出,组合得到最终的油罐车车牌。
其中,所述车牌字符位置定位单元包括:
初始区域定位模块,用于在预处理后的油罐车车牌图像中,使用Canny边缘检测算法来实现对车牌的初步定位,得到车牌初始定位区域图像;
最终区域定位模块,用于根据车牌长宽比,在所述车牌初始定位区域图像中确定车牌位置,并对车牌区域进行修正及去边框操作,得到最终完整含有车牌字符的区域图像。
其中,所述字符分割单元包括:
图像起点位置定位模块,用于识别出所述含有车牌字符的区域图像中圆形的间隔符,并以所述间隔符为中心,确定所述含有车牌字符的区域图像中第二个字符右边缘及第三个字符左边缘的位置;
图像字符位置定位模块,用于根据所述含有车牌字符的区域图像中第二个字符右边缘及第三个字符左边缘的位置,通过二值图像的垂直投影及单个字符的高宽比,依次确定所述含有车牌字符的区域图像中所述间隔符之后5个及之前2个字符的位置,得出所有字符的位置;
图像分割模块,用于根据所得到的所有字符的位置,对所述含有车牌字符的区域图像进行图像分割来将每个字符独立分割出来,得到多个含有单一字符的图片。
其中,所述字符识别输出单元包括:
归一操作模块,用于将所述每一个含有单一字符的图片均进行归一化操作,即将所述每一个含有单一字符的图片的外边框按比例线性放大或缩小到规定尺寸;
相似性识别模块,用于提取所述每一个含有单一字符的图片中的字符图像特征并分别与预设的模板标志数据库中的字符特征进行相似性计算,得到所述预设的模板标志数据库中与每一个含有单一字符的图片中的字符图像特征相似性最大的字符为识别的字符;
车牌输出模块,用于按照所述车牌字符之中所有字符预定的排列顺序将识别到的字符组合进行统一输出,得到最终的油罐车车牌。
实施本发明实施例,具有如下有益效果:
本发明通过对油罐车车牌图像进行预处理、定位后,以车牌字符之中的单个字符为单位进行图像分割及识别,使整个过程相辅相成且高效和较高的抗干扰能力,从而克服了现有技术中静态图像识别及动态视频流识别的缺点及不足。
附图说明
为了更清楚地说明本发明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发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,根据这些附图获得其他的附图仍属于本发明的范畴。
图1为本发明实施例提供的油罐车车牌识别系统的结构示意图;
图2为本发明实施例提供的油罐车车牌识别方法的流程图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作进一步地详细描述。
如图1所示,为本发明实施例中,提供的一种油罐车车牌识别方法,所述方法包括以下步骤:
步骤S1、获取油罐车车牌图像;
具体过程为,通过图像采集设备采集油罐车车牌的静态图像,或采集油罐车动态视频后分解出单个油罐车车牌图像。
步骤S2、对所述油罐车车牌图像进行预处理;
具体过程为,预处理步骤包括灰度化处理、灰度拉伸、二值化处理和图像滤波处理;其中,
灰度化处理通过使用加权平均值法来实现,具体为对每个颜色通道乘以权值进行平均,并让每个像素点每个通道的数值相同;
灰度拉伸通过使用分段线性变换函数来实现,用以提高图像处理时灰度级的动态范围;
二值化处理通过阈值选取算法来实现,获得所需的阈值;该二值化处理的步骤具体为当像素值大于阈值时将像素值设为255,当像素值小于阈值时将像素值设为0。
图像滤波处理通过均值滤波算法来实现,用以减少噪声点,使图形更加平滑。
步骤S3、在预处理后的油罐车车牌图像中,定位出含有车牌字符的区域图像;
具体过程为,在预处理后的油罐车车牌图像中,使用Canny边缘检测算法来实现对车牌的初步定位,得到车牌初始定位区域图像;
根据车牌长宽比,在车牌初始定位区域图像中确定车牌位置,并对车牌区域进行修正及去边框操作,得到最终完整含有车牌字符的区域图像。
步骤S4、以所述车牌字符之中的单个字符为单位,对所述含有车牌字符的区域图像进行图像分割,得到多个含有单一字符的图片;
具体过程为,采用相邻字符最大间隔宽度的方法来实现,具体步骤如下:
识别出含有车牌字符的区域图像中圆形的间隔符,并以间隔符为中心,确定含有车牌字符的区域图像中第二个字符右边缘及第三个字符左边缘的位置;应当说明的是,圆形的间隔符在每个单行车牌中有且仅有一个并存在于第二个字符和第三个字符之间,且该间隔符所在的间隙约是其他相邻字符之间间隙的2.6倍,是整个含有车牌字符的区域图像中相邻字符的最大间隙,因而可以根据这一特征来确定第二个字符右边缘及第三个字符左边缘的位置;
根据含有车牌字符的区域图像中第二个字符右边缘及第三个字符左边缘的位置,通过二值图像的垂直投影及单个字符的高宽比,依次确定含有车牌字符的区域图像中所述间隔符之后5个及之前2个字符的位置,得出所有字符的位置;
根据所得到的所有字符的位置,对含有车牌字符的区域图像进行图像分割来将每个字符独立分割出来,得到多个含有单一字符的图片。
步骤S5、对每一个含有单一字符的图片均进行字符识别,并按照所述车牌字符之中所有字符预定的排列顺序依次输出,组合得到最终的油罐车车牌。
具体过程为,将每一个含有单一字符的图片均进行归一化操作,即将每一个含有单一字符的图片的外边框按比例线性放大或缩小到规定尺寸;
提取每一个含有单一字符的图片中的字符图像特征并分别与预设的模板标志数据库中的字符特征进行相似性计算,得到预设的模板标志数据库中与每一个含有单一字符的图片中的字符图像特征相似性最大的字符为识别的字符;
按照车牌字符之中所有字符预定的排列顺序将识别到的字符组合进行统一输出,得到最终的油罐车车牌。
如图2所示,为本发明实施例中,提供的一种油罐车车牌识别系统,包括图像获取单元10、图像预处理单元20、车牌字符位置定位单元30、字符分割单元40和字符识别输出单元50;其中,
所述图像获取单元10,用于获取油罐车车牌图像;
所述图像预处理单元20,用于对所述油罐车车牌图像进行预处理;
所述车牌字符位置定位单元30,用于在预处理后的油罐车车牌图像中,定位出含有车牌字符的区域图像;
所述字符分割单元40,用于以所述车牌字符之中的单个字符为单位,对所述含有车牌字符的区域图像进行图像分割,得到多个含有单一字符的图片;
所述字符识别输出单元50,用于对每一个含有单一字符的图片均进行字符识别,并按照所述车牌字符之中所有字符预定的排列顺序依次输出,组合得到最终的油罐车车牌。
其中,所述车牌字符位置定位单元30包括:
初始区域定位模块301,用于在预处理后的油罐车车牌图像中,使用Canny边缘检测算法来实现对车牌的初步定位,得到车牌初始定位区域图像;
最终区域定位模块302,用于根据车牌长宽比,在所述车牌初始定位区域图像中确定车牌位置,并对车牌区域进行修正及去边框操作,得到最终完整含有车牌字符的区域图像。
其中,所述字符分割单元40包括:
图像起点位置定位模块401,用于识别出所述含有车牌字符的区域图像中圆形的间隔符,并以所述间隔符为中心,确定所述含有车牌字符的区域图像中第二个字符右边缘及第三个字符左边缘的位置;
图像字符位置定位模块402,用于根据所述含有车牌字符的区域图像中第二个字符右边缘及第三个字符左边缘的位置,通过二值图像的垂直投影及单个字符的高宽比,依次确定所述含有车牌字符的区域图像中所述间隔符之后5个及之前2个字符的位置,得出所有字符的位置;
图像分割模块403,用于根据所得到的所有字符的位置,对所述含有车牌字符的区域图像进行图像分割来将每个字符独立分割出来,得到多个含有单一字符的图片。
其中,所述字符识别输出单元50包括:
归一操作模块501,用于将所述每一个含有单一字符的图片均进行归一化操作,即将所述每一个含有单一字符的图片的外边框按比例线性放大或缩小到规定尺寸;
相似性识别模块502,用于提取所述每一个含有单一字符的图片中的字符图像特征并分别与预设的模板标志数据库中的字符特征进行相似性计算,得到所述预设的模板标志数据库中与每一个含有单一字符的图片中的字符图像特征相似性最大的字符为识别的字符;
车牌输出模块503,用于按照所述车牌字符之中所有字符预定的排列顺序将识别到的字符组合进行统一输出,得到最终的油罐车车牌。
实施本发明实施例,具有如下有益效果:
本发明通过对油罐车车牌图像进行预处理、定位后,以车牌字符之中的单个字符为单位进行图像分割及识别,使整个过程相辅相成且高效和较高的抗干扰能力,从而克服了现有技术中静态图像识别及动态视频流识别的缺点及不足。
值得注意的是,上述系统实施例中,所包括的各个单元只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。
本领域普通技术人员可以理解实现上述实施例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,所述的程序可以存储于一计算机可读取存储介质中,所述的存储介质,如ROM/RAM、磁盘、光盘等。
以上所揭露的仅为本发明较佳实施例而已,当然不能以此来限定本发明之权利范围,因此依本发明权利要求所作的等同变化,仍属本发明所涵盖的范围。
Claims (9)
1.一种油罐车车牌识别方法,其特征在于,所述方法包括以下步骤:
获取油罐车车牌图像;
对所述油罐车车牌图像进行预处理;
在预处理后的油罐车车牌图像中,定位出含有车牌字符的区域图像;
以所述车牌字符之中的单个字符为单位,对所述含有车牌字符的区域图像进行图像分割,得到多个含有单一字符的图片;
对每一个含有单一字符的图片均进行字符识别,并按照所述车牌字符之中所有字符预定的排列顺序依次输出,组合得到最终的油罐车车牌。
2.如权利要求1所述的油罐车车牌识别方法,其特征在于,所述对所述油罐车车牌图像进行预处理的步骤,具体包括灰度化处理、灰度拉伸、二值化处理和图像滤波处理;其中,
所述灰度化处理通过使用加权平均值法来实现,具体为对每个颜色通道乘以权值进行平均,并让每个像素点每个通道的数值相同;所述灰度化处理的步骤包括:根据公式得到每个像素点的灰度值f(i,j);(i,j)为每个像素点的坐标;
所述二值化处理通过阈值选取算法来实现,具体为当像素值大于阈值时将像素值设为255,当像素值小于阈值时将像素值设为0;
所述图像滤波处理通过均值滤波算法来实现。
3.如权利要求1所述的油罐车车牌识别方法,其特征在于,所述在预处理后的油罐车车牌图像中,定位出含有车牌字符的区域图像的步骤,具体包括:
在预处理后的油罐车车牌图像中,使用Canny边缘检测算法来实现对车牌的初步定位,得到车牌初始定位区域图像;
根据车牌长宽比,在所述车牌初始定位区域图像中确定车牌位置,并对车牌区域进行修正及去边框操作,得到最终完整含有车牌字符的区域图像。
4.如权利要求1所述的油罐车车牌识别方法,其特征在于,所述以所述车牌字符之中的单个字符为单位,对所述含有车牌字符的区域图像进行图像分割,得到多个含有单一字符的图片采用相邻字符最大间隔宽度的方法来实现,具体包括:
识别出所述含有车牌字符的区域图像中圆形的间隔符,并以所述间隔符为中心,确定所述含有车牌字符的区域图像中第二个字符右边缘及第三个字符左边缘的位置;
根据所述含有车牌字符的区域图像中第二个字符右边缘及第三个字符左边缘的位置,通过二值图像的垂直投影及单个字符的高宽比,依次确定所述含有车牌字符的区域图像中所述间隔符之后5个及之前2个字符的位置,得出所有字符的位置;
根据所得到的所有字符的位置,对所述含有车牌字符的区域图像进行图像分割来将每个字符独立分割出来,得到多个含有单一字符的图片。
5.如权利要求1所述的油罐车车牌识别方法,其特征在于,所述对每一个含有单一字符的图片均进行字符识别,并按照所述车牌字符之中所有字符预定的排列顺序依次输出,组合得到最终的油罐车车牌的步骤,具体包括:
将所述每一个含有单一字符的图片均进行归一化操作,即将所述每一个含有单一字符的图片的外边框按比例线性放大或缩小到规定尺寸;
提取所述每一个含有单一字符的图片中的字符图像特征并分别与预设的模板标志数据库中的字符特征进行相似性计算,得到所述预设的模板标志数据库中与每一个含有单一字符的图片中的字符图像特征相似性最大的字符为识别的字符;
按照所述车牌字符之中所有字符预定的排列顺序将识别到的字符组合进行统一输出,得到最终的油罐车车牌。
6.一种油罐车车牌识别系统,其特征在于,包括图像获取单元、图像预处理单元、车牌字符位置定位单元、字符分割单元和字符识别输出单元;其中,
所述图像获取单元,用于获取油罐车车牌图像;
所述图像预处理单元,用于对所述油罐车车牌图像进行预处理;
所述车牌字符位置定位单元,用于在预处理后的油罐车车牌图像中,定位出含有车牌字符的区域图像;
所述字符分割单元,用于以所述车牌字符之中的单个字符为单位,对所述含有车牌字符的区域图像进行图像分割,得到多个含有单一字符的图片;
所述字符识别输出单元,用于对每一个含有单一字符的图片均进行字符识别,并按照所述车牌字符之中所有字符预定的排列顺序依次输出,组合得到最终的油罐车车牌。
7.如权利要求6所述的油罐车车牌识别系统,其特征在于,所述车牌字符位置定位单元包括:
初始区域定位模块,用于在预处理后的油罐车车牌图像中,使用Canny边缘检测算法来实现对车牌的初步定位,得到车牌初始定位区域图像;
最终区域定位模块,用于根据车牌长宽比,在所述车牌初始定位区域图像中确定车牌位置,并对车牌区域进行修正及去边框操作,得到最终完整含有车牌字符的区域图像。
8.如权利要求6所述的油罐车车牌识别系统,其特征在于,所述字符分割单元包括:
图像起点位置定位模块,用于识别出所述含有车牌字符的区域图像中圆形的间隔符,并以所述间隔符为中心,确定所述含有车牌字符的区域图像中第二个字符右边缘及第三个字符左边缘的位置;
图像字符位置定位模块,用于根据所述含有车牌字符的区域图像中第二个字符右边缘及第三个字符左边缘的位置,通过二值图像的垂直投影及单个字符的高宽比,依次确定所述含有车牌字符的区域图像中所述间隔符之后5个及之前2个字符的位置,得出所有字符的位置;
图像分割模块,用于根据所得到的所有字符的位置,对所述含有车牌字符的区域图像进行图像分割来将每个字符独立分割出来,得到多个含有单一字符的图片。
9.如权利要求6所述的油罐车车牌识别系统,其特征在于,所述字符识别输出单元包括:
归一操作模块,用于将所述每一个含有单一字符的图片均进行归一化操作,即将所述每一个含有单一字符的图片的外边框按比例线性放大或缩小到规定尺寸;
相似性识别模块,用于提取所述每一个含有单一字符的图片中的字符图像特征并分别与预设的模板标志数据库中的字符特征进行相似性计算,得到所述预设的模板标志数据库中与每一个含有单一字符的图片中的字符图像特征相似性最大的字符为识别的字符;
车牌输出模块,用于按照所述车牌字符之中所有字符预定的排列顺序将识别到的字符组合进行统一输出,得到最终的油罐车车牌。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011254094.7A CN112381088A (zh) | 2020-11-11 | 2020-11-11 | 一种油罐车车牌识别方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011254094.7A CN112381088A (zh) | 2020-11-11 | 2020-11-11 | 一种油罐车车牌识别方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112381088A true CN112381088A (zh) | 2021-02-19 |
Family
ID=74582660
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011254094.7A Pending CN112381088A (zh) | 2020-11-11 | 2020-11-11 | 一种油罐车车牌识别方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112381088A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114549811A (zh) * | 2021-12-31 | 2022-05-27 | 哈尔滨理工大学 | 一种基于车牌间隔符本体特征的车牌识别方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1085456A2 (en) * | 1999-09-15 | 2001-03-21 | Siemens Corporate Research, Inc. | Character segmentation method for vehicle license plate recognition |
CN102722707A (zh) * | 2012-06-11 | 2012-10-10 | 复旦大学 | 基于连通区域和间隙模型的车牌字符分割方法 |
WO2013063820A1 (zh) * | 2011-11-01 | 2013-05-10 | 青岛海信网络科技股份有限公司 | 一种车牌图像定位的方法和装置 |
CN104156704A (zh) * | 2014-08-04 | 2014-11-19 | 胡艳艳 | 一种新的车牌识别方法及系统 |
WO2018028306A1 (zh) * | 2016-08-11 | 2018-02-15 | 杭州海康威视数字技术股份有限公司 | 一种车牌号码识别方法及装置 |
CN109800752A (zh) * | 2018-08-09 | 2019-05-24 | 辽宁工业大学 | 一种基于机器视觉的汽车车牌字符分割识别算法 |
CN109829460A (zh) * | 2019-04-02 | 2019-05-31 | 安徽省安瑞机电科技有限公司 | 一种应用于停车管理系统的车牌字符分割识别方法及其系统 |
WO2020130799A1 (en) * | 2018-12-21 | 2020-06-25 | Mimos Berhad | A system and method for licence plate detection |
-
2020
- 2020-11-11 CN CN202011254094.7A patent/CN112381088A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1085456A2 (en) * | 1999-09-15 | 2001-03-21 | Siemens Corporate Research, Inc. | Character segmentation method for vehicle license plate recognition |
WO2013063820A1 (zh) * | 2011-11-01 | 2013-05-10 | 青岛海信网络科技股份有限公司 | 一种车牌图像定位的方法和装置 |
CN102722707A (zh) * | 2012-06-11 | 2012-10-10 | 复旦大学 | 基于连通区域和间隙模型的车牌字符分割方法 |
CN104156704A (zh) * | 2014-08-04 | 2014-11-19 | 胡艳艳 | 一种新的车牌识别方法及系统 |
WO2018028306A1 (zh) * | 2016-08-11 | 2018-02-15 | 杭州海康威视数字技术股份有限公司 | 一种车牌号码识别方法及装置 |
CN109800752A (zh) * | 2018-08-09 | 2019-05-24 | 辽宁工业大学 | 一种基于机器视觉的汽车车牌字符分割识别算法 |
WO2020130799A1 (en) * | 2018-12-21 | 2020-06-25 | Mimos Berhad | A system and method for licence plate detection |
CN109829460A (zh) * | 2019-04-02 | 2019-05-31 | 安徽省安瑞机电科技有限公司 | 一种应用于停车管理系统的车牌字符分割识别方法及其系统 |
Non-Patent Citations (7)
Title |
---|
MIN, WD,等: "New approach to vehicle license plate location based on new model YOLO-L and plate pre-identification", IET IMAGE PROCESSING, vol. 13, no. 07, pages 1041 - 1049 * |
双锴: "计算机视觉", vol. 1, 31 May 2020, 北京邮电大学出版社, pages: 46 * |
吕文强,等: "一种有效的提高车牌字符分割率的方法", 信息化研究, vol. 43, no. 04, pages 42 - 45 * |
彭真明,等: "光电图像处理及应用", vol. 1, 30 April 2013, 电子科技大学出版社, pages: 178 * |
焦明连,等: "测绘与地理信息技术", vol. 1, 31 December 2018, 中国矿业大学出版社, pages: 104 * |
项璟,等: "结合边缘检测与横纵投影的车牌识别", 湖北农机化, no. 10, pages 110 - 112 * |
高敬鹏,等: "机器学习基于Open CV和Python的智能图像处理", vol. 1, 31 January 2020, 机械工业出版社, pages: 179 - 180 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114549811A (zh) * | 2021-12-31 | 2022-05-27 | 哈尔滨理工大学 | 一种基于车牌间隔符本体特征的车牌识别方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104751142B (zh) | 一种基于笔划特征的自然场景文本检测方法 | |
CN105678213B (zh) | 基于视频特征统计的双模式蒙面人事件自动检测方法 | |
CN112085126B (zh) | 一种侧重于分类任务的单样本目标检测方法 | |
CN110929635A (zh) | 基于信任机制下面部交并比的假脸视频检测方法及系统 | |
CN113537211A (zh) | 一种基于非对称iou的深度学习车牌框定位方法 | |
CN112784835A (zh) | 圆形印章的真实性识别方法、装置、电子设备及存储介质 | |
CN116052105A (zh) | 路面裂缝识别分类及面积计算方法、系统、设备及终端 | |
CN111461076A (zh) | 帧差法与神经网络结合的烟雾检测方法和检测系统 | |
CN111429376A (zh) | 高低精度融合的高效数字图像处理方法 | |
CN111401364A (zh) | 一种基于颜色特征和模板匹配相结合的车牌定位算法 | |
CN111027564A (zh) | 基于深度学习一体化的低照度成像车牌识别方法及装置 | |
CN112381088A (zh) | 一种油罐车车牌识别方法及系统 | |
WO2022121021A1 (zh) | 一种身份证号码检测方法、装置、可读存储介质和终端 | |
CN113052234A (zh) | 一种基于图像特征和深度学习技术的玉石分类方法 | |
CN112396638A (zh) | 一种图像处理方法、终端和计算机可读存储介质 | |
CN113780136B (zh) | 基于时空纹理识别的VOCs气体泄漏检测方法、系统及设备 | |
CN110633705A (zh) | 一种低照度成像车牌识别方法及装置 | |
US20220327862A1 (en) | Method for detecting whether a face is masked, masked-face recognition device, and computer storage medium | |
CN112651936B (zh) | 基于图像局部熵的钢板表面缺陷图像分割方法及系统 | |
CN111985482B (zh) | 一种基于深度学习的多模式多场景的自动车牌识别方法 | |
CN112364835B (zh) | 视频信息取帧方法、装置、设备及存储介质 | |
CN212846888U (zh) | 一种金属元件识别装置 | |
CN111242121B (zh) | 一种基于svm的对联智能分拣方法及存储介质 | |
CN114581901A (zh) | 一种古建墙壁受污题记文字图像边缘提取方法 | |
CN114299020A (zh) | 一种基于机器视觉的滑板车显示屏缺陷检测方法及其系统 |
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 |