CN112434700A - 车牌识别方法、装置、设备及存储介质 - Google Patents
车牌识别方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN112434700A CN112434700A CN202011342303.3A CN202011342303A CN112434700A CN 112434700 A CN112434700 A CN 112434700A CN 202011342303 A CN202011342303 A CN 202011342303A CN 112434700 A CN112434700 A CN 112434700A
- Authority
- CN
- China
- Prior art keywords
- license plate
- image
- target
- character
- characters
- 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 34
- 230000011218 segmentation Effects 0.000 claims abstract description 68
- 238000012545 processing Methods 0.000 claims abstract description 51
- 238000004422 calculation algorithm Methods 0.000 claims description 23
- 230000007797 corrosion Effects 0.000 claims description 16
- 238000005260 corrosion Methods 0.000 claims description 16
- 230000009466 transformation Effects 0.000 claims description 14
- 238000012937 correction Methods 0.000 claims description 10
- 238000001514 detection method Methods 0.000 claims description 9
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 claims description 7
- 230000007246 mechanism Effects 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 5
- 238000007781 pre-processing Methods 0.000 claims description 3
- 238000012549 training Methods 0.000 abstract description 13
- 238000002372 labelling Methods 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
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
- G06V30/10—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
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- 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
- G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
-
- 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
- G06V10/20—Image preprocessing
- G06V10/30—Noise filtering
-
- 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
- G06T2207/10004—Still image; Photographic image
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Character Input (AREA)
- Character Discrimination (AREA)
Abstract
本申请提供一种车牌识别方法、装置、设备及存储介质,其中,车牌识别方法包括:获取目标图像;检测所述目标图像中的车牌,并得到目标车牌图像;根据字符分割模型对所述目标车牌图像进行去噪和字符分割处理,以得到所述车牌中每个车牌字符的图像;根据所述车牌中的每个所述车牌字符的图像确定所述车牌的字符。本申请具有训练标注数据依赖性低、车牌识别精确度高的优点。
Description
技术领域
本申请涉及计算机技术领域,具体而言,涉及一种车牌识别方法、装置、设备及存储介质。
背景技术
目前,车牌识别方法对车牌的识别需要大量的用于训练的标注数据,其具有计算量大的缺点。
发明内容
本申请实施例的目的在于提供一种车牌识别方法、装置、设备及存储介质,用以在较少的训练标注数据的前提下,对车牌进行识别。
本申请第一方面公开一种车牌识别方法,所述方法包括:
获取目标图像;
检测所述目标图像中的车牌,并得到目标车牌图像;
根据字符分割模型对所述目标车牌图像进行去噪和字符分割处理,以得到所述车牌中每个车牌字符的图像;
根据所述车牌中的每个所述车牌字符的图像确定所述车牌的字符。
在本申请第一方面中,通过先对目标车牌图像进行去噪和字符分割处理,进而再对去噪和字符分割处理后的车牌图像进行识别,能够实现根据车牌图像识别车牌的同时,使用更少的训练标注数据。而现有技术是先对车牌进行整体识别,然后再对字符分割,最后根据分割结果识别车牌,其中,对车牌进行整体识别需要使用大量的训练标注数据。
在本申请第一方面中,作为一种可选的的实施方式,所述检测所述目标图像中的车牌,并得到目标车牌图像,包括:
检测所述车牌在所述目标图像中的位置;
根据所述车牌在所述目标图像中的位置将所述车牌从所述目标图像中裁剪出,并得到所述目标车牌图像。
在本可选的实施方式中,通过检测所述车牌在所述目标图像中的位置,进而能够根据所述车牌在所述目标图像中的位置将所述车牌从所述目标图像中裁剪出,并得到所述目标车牌图像。
在本申请第一方面中,作为一种可选的的实施方式,在所述检测所述目标图像中的车牌之后,所述根据字符分割模型对所述目标车牌图像进行去噪和字符分割处理之前,所述方法还包括:
对所述目标车牌图像进行位置矫正,其中,所述位置矫正的处理算法为仿射变换算法、透视变换算法中的一种。
在本可选的实施方式中,可仿射变换算法采用透视变换算法对图像进行位置矫正。
在本申请第一方面中,作为一种可选的的实施方式,所述根据字符分割模型对所述目标车牌图像进行去噪和字符分割处理,以得到所述车牌中每个车牌字符的图像,包括:
将位置矫正后的所述目标车牌图像进行二值化处理;
对二值化处理后的所述目标车牌图像进行膨胀腐蚀处理,以去除所述目标车牌图像的噪声;
对膨胀腐蚀处理后的所述目标车牌图像进行字符分割处理,得到所述车牌中每个车牌字符的图像。
在本申请第一方面中,作为一种可选的实施方式,所述对膨胀腐蚀处理后的所述目标车牌图像进行字符分割处理,得到所述车牌中每个车牌字符的图像包括:
对膨胀腐蚀处理后的所述目标车牌图像进行水平方向的投影,并得到第一投影;
确定所述第一投影中连续不间断投影长度的最大值,并将所述连续不间断投影长度的最大值作为所述目标车牌图像的竖直高度;
根据目标车牌图像的竖直高度对所述目标车牌图像的字符做水平方向上的切分,并得到水平切分后的图像;
对所述水平切分后的图像做竖直方向的投影,并得到若干列第二投影;
对所述若干列第二投影中每一列第二投影的投影值与所述目标车牌图像的平均亮度的百分比进行比较;
将投影值小于所述目标车牌图像的平均亮度的百分比的所述第二投影作为字符分割的候选列;
根据车牌的字符组成规则和所述字符分割的候选列、所述目标车牌图像的轮廓对所述目标车牌图像进行分割,以得到所述车牌中每个车牌字符的图像。
在本可选的实施方式,通过对目标车牌图像进行去噪和字符分割处理,能够得到所述车牌中每个车牌字符的图像。
在本申请第一方面中,作为一种可选的实施方式,所述根据所述车牌中的每个所述车牌字符的图像确定所述车牌的字符,包括:
基于注意力机制提取所述车牌字符的图像的图像特征;
根据所述图像特征识别作为wordtree模型的输入,以使得所述wordtree模型输出车牌字符的类型,其中,所述车牌字符的类型为汉字类、字母类和数字类中的一种;
根据所述车牌字符的类型和所述车牌字符的图像的图像特征识别所述车牌的字符。
在本可选的实施方式,通过基于注意力机制和wordtree模型能够先对车牌字符进行分类,进而能够基于分类结、果车牌字符的图像的图像特征识别所述车牌的字符,从而降低车牌中相似字符的识别准确性。
本申请第二方面公开一种车牌识别装置,所述装置包括:
获取模块,用于获取目标图像;
检测模块,用于检测所述目标图像中的车牌,并得到目标车牌图像;
预处理模块,用于根据字符分割模型对所述目标车牌图像进行去噪和字符分割处理,以得到所述车牌中每个车牌字符的图像;
确定模块,用于根据所述车牌中的每个所述车牌字符的图像确定所述车牌的字符。
本申请第二方面的装置通过对目标车牌图像进行去噪和字符分割处理,进而对去噪和字符分割处理后的车牌图像进行识别,能够实现根据车牌图像识别车牌的同时,使用更少的训练标注数据。
在本申请第二方面中,作为一种可选的实施方式,检测模块包括:
检测子模块,用于检测所述车牌在所述目标图像中的位置;
裁剪子模块,用于根据所述车牌在所述目标图像中的位置将所述车牌从所述目标图像中裁剪出,并得到所述目标车牌图像。
本申请第三方面公开一种车牌识别设备,包括:
处理器;以及
存储器,配置用于存储机器可读指令,所述指令在由所述处理器执行时,执行本申请第一方面的车牌识别方法。
本申请第四方面公开一种存储介质,所述存储介质存储有计算机程序,所述计算机程序被处理器执行本申请第一方面的车牌识别方法。
本申请第三方面的设备通过对目标车牌图像进行去噪和字符分割处理,进而对去噪和字符分割处理后的车牌图像进行识别,能够实现根据车牌图像识别车牌的同时,使用更少的训练标注数据。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例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申请的某些实施例,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是本申请实施例公开的一种车牌识别方法的流程示意图;
图2是本申请实施例公开的一种车牌识别装置的结构示意图;
图3是本申请实施例公开的一种车牌识别设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行描述。
实施例一
请参阅图1,图1是本申请实施例公开的一种车牌识别方法的流程示意图。如图1所示,本申请实施例的方法包括步骤:
101、获取目标图像;
102、检测目标图像中的车牌,并得到目标车牌图像;
103、根据字符分割模型对目标车牌图像进行去噪和字符分割处理,以得到车牌中每个车牌字符的图像;
104、根据车牌中的每个车牌字符的图像确定车牌的字符。
在本申请实施例中,通过先对目标车牌图像进行去噪和字符分割处理,进而再对去噪和字符分割处理后的车牌图像进行识别,能够实现根据车牌图像识别车牌的同时,使用更少的训练标注数据。而现有技术是先对车牌进行整体识别,然后再对字符分割,最后根据分割结果识别车牌,其中,对车牌进行整体识别需要使用大量的训练标注数据。
在本申请实施例中,可使用YOLO算法、SSD算法、FasterRCNN算法、MaskRCNN算法中的一种算法目标图像中的车牌,其中对于各种算法请参阅现有技术的描述,本申请实施例对此不作赘述。
在本申请实施例中,作为一种可选的的实施方式,步骤102:检测目标图像中的车牌,并得到目标车牌图像,包括:
检测车牌在目标图像中的位置;
根据车牌在目标图像中的位置将车牌从目标图像中裁剪出,并得到目标车牌图像。
在本可选的实施方式中,通过检测车牌在目标图像中的位置,进而能够根据车牌在目标图像中的位置将车牌从目标图像中裁剪出,并得到目标车牌图像。
在本申请实施例中,作为一种可选的的实施方式,在步骤102:检测目标图像中的车牌之后,步骤103:根据字符分割模型对目标车牌图像进行去噪和字符分割处理之前,本申请实施例的方法还包括步骤:
对目标车牌图像进行位置矫正,其中,位置矫正的处理算法为仿射变换算法、透视变换算法中的一种。
在本可选的实施方式中,可仿射变换算法采用透视变换算法对图像进行位置矫正。
在本申请实施例中,作为一种可选的的实施方式,步骤103:根据字符分割模型对目标车牌图像进行去噪和字符分割处理,以得到车牌中每个车牌字符的图像,包括:
将位置矫正后的目标车牌图像进行二值化处理;
对二值化处理后的目标车牌图像进行膨胀腐蚀处理,以去除目标车牌图像的噪声;
对膨胀腐蚀处理后的目标车牌图像进行字符分割处理,得到车牌中每个车牌字符的图像。
在本申请实施例中,作为一种可选的实施方式,步骤:对膨胀腐蚀处理后的目标车牌图像进行字符分割处理,得到车牌中每个车牌字符的图像包括:
对膨胀腐蚀处理后的目标车牌图像进行水平方向的投影,并得到第一投影;
确定第一投影中连续不间断投影长度的最大值,并将连续不间断投影长度的最大值作为目标车牌图像的竖直高度;
根据目标车牌图像的竖直高度对目标车牌图像的字符做水平方向上的切分,并得到水平切分后的图像;
对水平切分后的图像做竖直方向的投影,并得到若干列第二投影;
对若干列第二投影中每一列第二投影的投影值与目标车牌图像的平均亮度的百分比进行比较;
将投影值小于目标车牌图像的平均亮度的百分比的第二投影作为字符分割的候选列;
根据车牌的字符组成规则和字符分割的候选列、目标车牌图像的轮廓对目标车牌图像进行分割,以得到车牌中每个车牌字符的图像。
在本可选的实施方式,通过对目标车牌图像进行去噪和字符分割处理,能够得到车牌中每个车牌字符的图像。
在本申请实力中,作为一种可选的实施方式,步骤104:根据车牌中的每个车牌字符的图像确定车牌的字符,包括:
基于注意力机制提取车牌字符的图像的图像特征;
根据图像特征识别作为wordtree模型的输入,以使得wordtree模型输出车牌字符的类型,其中,车牌字符的类型为汉字类、字母类和数字类中的一种;
根据车牌字符的类型和车牌字符的图像的图像特征识别车牌的字符。
在本可选的实施方式,通过基于注意力机制和wordtree模型能够先对车牌字符进行分类,进而能够基于分类结、果车牌字符的图像的图像特征识别车牌的字符,从而降低车牌中相似字符的识别准确性。
实施例二
请参阅图2,图2是本申请实施例公开的一种车辆识别装置的结构示意图。如图2所示,本申请实施例的装置包括:
获取模块201,用于获取目标图像;
检测模块202,用于检测目标图像中的车牌,并得到目标车牌图像;
预处理模块203,用于根据字符分割模型对目标车牌图像进行去噪和字符分割处理,以得到车牌中每个车牌字符的图像;
确定模块204,用于根据车牌中的每个车牌字符的图像确定车牌的字符。
本申请实施例的装置通过对目标车牌图像进行去噪和字符分割处理,进而对去噪和字符分割处理后的车牌图像进行识别,能够实现根据车牌图像识别车牌的同时,使用更少的训练标注数据。而现有技术是先对车牌进行整体识别,然后再对字符分割,最后根据分割结果识别车牌,其中,对车牌进行整体识别需要使用大量的训练标注数据。
在本申请第二方面中,作为一种可选的实施方式,检测模块包括:
检测子模块,用于检测车牌在目标图像中的位置;
裁剪子模块,用于根据车牌在目标图像中的位置将车牌从目标图像中裁剪出,并得到目标车牌图像。
在本申请实施例中,作为一种可选的的实施方式,在步骤102:检测目标图像中的车牌之后,步骤103:根据字符分割模型对目标车牌图像进行去噪和字符分割处理之前,本申请实施例的方法还包括步骤:
对目标车牌图像进行位置矫正,其中,位置矫正的处理算法为仿射变换算法、透视变换算法中的一种。
在本可选的实施方式中,可仿射变换算法采用透视变换算法对图像进行位置矫正。
在本申请实施例中,作为一种可选的的实施方式,步骤103:根据字符分割模型对目标车牌图像进行去噪和字符分割处理,以得到车牌中每个车牌字符的图像,包括:
将位置矫正后的目标车牌图像进行二值化处理;
对二值化处理后的目标车牌图像进行膨胀腐蚀处理,以去除目标车牌图像的噪声;
对膨胀腐蚀处理后的目标车牌图像进行字符分割处理,得到车牌中每个车牌字符的图像。
在本申请实施例中,作为一种可选的实施方式,步骤:对膨胀腐蚀处理后的目标车牌图像进行字符分割处理,得到车牌中每个车牌字符的图像包括:
对膨胀腐蚀处理后的目标车牌图像进行水平方向的投影,并得到第一投影;
确定第一投影中连续不间断投影长度的最大值,并将连续不间断投影长度的最大值作为目标车牌图像的竖直高度;
根据目标车牌图像的竖直高度对目标车牌图像的字符做水平方向上的切分,并得到水平切分后的图像;
对水平切分后的图像做竖直方向的投影,并得到若干列第二投影;
对若干列第二投影中每一列第二投影的投影值与目标车牌图像的平均亮度的百分比进行比较;
将投影值小于目标车牌图像的平均亮度的百分比的第二投影作为字符分割的候选列;
根据车牌的字符组成规则和字符分割的候选列、目标车牌图像的轮廓对目标车牌图像进行分割,以得到车牌中每个车牌字符的图像。
在本可选的实施方式,通过对目标车牌图像进行去噪和字符分割处理,能够得到车牌中每个车牌字符的图像。
在本申请实力中,作为一种可选的实施方式,步骤104:根据车牌中的每个车牌字符的图像确定车牌的字符,包括:
基于注意力机制提取车牌字符的图像的图像特征;
根据图像特征识别作为wordtree模型的输入,以使得wordtree模型输出车牌字符的类型,其中,车牌字符的类型为汉字类、字母类和数字类中的一种;
根据车牌字符的类型和车牌字符的图像的图像特征识别车牌的字符。
在本可选的实施方式,通过基于注意力机制和wordtree模型能够先对车牌字符进行分类,进而能够基于分类结、果车牌字符的图像的图像特征识别车牌的字符,从而降低车牌中相似字符的识别准确性。
实施例三
请参阅图3,图3是本申请实施例公开的一种车牌识别设备的结构示意图。如图3所示,该设备包括:
处理器301;以及
存储器302,配置用于存储机器可读指令,指令在由处理器执行时,执行本申请实施例一的车牌识别方法。
本申请实施例的设备通过对目标车牌图像进行去噪和字符分割处理,进而对去噪和字符分割处理后的车牌图像进行识别,能够实现根据车牌图像识别车牌的同时,使用更少的训练标注数据。
实施例四
本申请实施例公开一种存储介质,存储介质存储有计算机程序,计算机程序被处理器执行本申请实施例一的车牌识别方法。
本申请实施例的存储介质通过对目标车牌图像进行去噪和字符分割处理,进而对去噪和字符分割处理后的车牌图像进行识别,能够实现根据车牌图像识别车牌的同时,使用更少的训练标注数据。
在本申请所提供的实施例中,应该理解到,所揭露装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
另外,作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
再者,在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
需要说明的是,功能如果以软件功能模块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,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。
以上所述仅为本申请的实施例而已,并不用于限制本申请的保护范围,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (10)
1.一种车牌识别方法,其特征在于,所述方法包括:
获取目标图像;
检测所述目标图像中的车牌,并得到目标车牌图像;
根据字符分割模型对所述目标车牌图像进行去噪和字符分割处理,以得到所述车牌中每个车牌字符的图像;
根据所述车牌中的每个所述车牌字符的图像确定所述车牌的字符。
2.如权利要求1所述的方法,其特征在于,所述检测所述目标图像中的车牌,并得到目标车牌图像,包括:
检测所述车牌在所述目标图像中的位置;
根据所述车牌在所述目标图像中的位置将所述车牌从所述目标图像中裁剪出,并得到所述目标车牌图像。
3.如权利要求1所述的方法,其特征在于,在所述检测所述目标图像中的车牌之后,所述根据字符分割模型对所述目标车牌图像进行去噪和字符分割处理之前,所述方法还包括:
对所述目标车牌图像进行位置矫正,其中,所述位置矫正的处理算法为仿射变换算法、透视变换算法中的一种。
4.如权利要求3所述的方法,其特征在于,所述根据字符分割模型对所述目标车牌图像进行去噪和字符分割处理,以得到所述车牌中每个车牌字符的图像,包括:
将位置矫正后的所述目标车牌图像进行二值化处理;
对二值化处理后的所述目标车牌图像进行膨胀腐蚀处理,以去除所述目标车牌图像的噪声;
对膨胀腐蚀处理后的所述目标车牌图像进行字符分割处理,得到所述车牌中每个车牌字符的图像。
5.如权利要求4所述的方法,其特征在于,所述对膨胀腐蚀处理后的所述目标车牌图像进行字符分割处理,得到所述车牌中每个车牌字符的图像包括:
对膨胀腐蚀处理后的所述目标车牌图像进行水平方向的投影,并得到第一投影;
确定所述第一投影中连续不间断投影长度的最大值,并将所述连续不间断投影长度的最大值作为所述目标车牌图像的竖直高度;
根据目标车牌图像的竖直高度对所述目标车牌图像的字符做水平方向上的切分,并得到水平切分后的图像;
对所述水平切分后的图像做竖直方向的投影,并得到若干列第二投影;
对所述若干列第二投影中每一列第二投影的投影值与所述目标车牌图像的平均亮度的百分比进行比较;
将投影值小于所述目标车牌图像的平均亮度的百分比的所述第二投影作为字符分割的候选列;
根据车牌的字符组成规则和所述字符分割的候选列、所述目标车牌图像的轮廓对所述目标车牌图像进行分割,以得到所述车牌中每个车牌字符的图像。
6.如权利要求1所述的方法,其特征在于,所述根据所述车牌中的每个所述车牌字符的图像确定所述车牌的字符,包括:
基于注意力机制提取所述车牌字符的图像的图像特征;
根据所述图像特征识别作为wordtree模型的输入,以使得所述wordtree模型输出车牌字符的类型,其中,所述车牌字符的类型为汉字类、字母类和数字类中的一种;
根据所述车牌字符的类型和所述车牌字符的图像的图像特征识别所述车牌的字符。
7.一种车牌识别装置,其特征在于,所述装置包括:
获取模块,用于获取目标图像;
检测模块,用于检测所述目标图像中的车牌,并得到目标车牌图像;
预处理模块,用于根据字符分割模型对所述目标车牌图像进行去噪和字符分割处理,以得到所述车牌中每个车牌字符的图像;
确定模块,用于根据所述车牌中的每个所述车牌字符的图像确定所述车牌的字符。
8.如权利要求7所述的装置,其特征在于,所述检测模块包括:
检测子模块,用于检测所述车牌在所述目标图像中的位置;
裁剪子模块,用于根据所述车牌在所述目标图像中的位置将所述车牌从所述目标图像中裁剪出,并得到所述目标车牌图像。
9.一种车牌识别设备,其特征在于,包括:
处理器;以及
存储器,配置用于存储机器可读指令,所述指令在由所述处理器执行时,执行如权利要求1-6任一项所述的车牌识别方法。
10.一种存储介质,其特征在于,所述存储介质存储有计算机程序,所述计算机程序被处理器执行如权利要求1-6任一项所述的车牌识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011342303.3A CN112434700A (zh) | 2020-11-25 | 2020-11-25 | 车牌识别方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011342303.3A CN112434700A (zh) | 2020-11-25 | 2020-11-25 | 车牌识别方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112434700A true CN112434700A (zh) | 2021-03-02 |
Family
ID=74698229
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011342303.3A Pending CN112434700A (zh) | 2020-11-25 | 2020-11-25 | 车牌识别方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112434700A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113361405A (zh) * | 2021-06-07 | 2021-09-07 | 浪潮软件科技有限公司 | 一种基于yolo v3的亚洲象识别方法及系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103268489A (zh) * | 2013-05-29 | 2013-08-28 | 电子科技大学 | 基于滑窗搜索的机动车号牌识别方法 |
JP2015032087A (ja) * | 2013-08-01 | 2015-02-16 | 株式会社デンソー | ナンバープレート認識装置およびナンバープレート認識方法 |
CN105512660A (zh) * | 2015-11-27 | 2016-04-20 | 浙江宇视科技有限公司 | 车牌号码识别方法及装置 |
CN108875600A (zh) * | 2018-05-31 | 2018-11-23 | 银江股份有限公司 | 一种基于yolo的车辆信息检测和跟踪方法、装置及计算机存储介质 |
CN109492642A (zh) * | 2018-09-25 | 2019-03-19 | 平安科技(深圳)有限公司 | 车牌识别方法、装置、计算机设备及存储介质 |
CN110188662A (zh) * | 2019-05-28 | 2019-08-30 | 唐山海森电子股份有限公司 | 一种水表数字的ai智能识别方法 |
CN110414507A (zh) * | 2019-07-11 | 2019-11-05 | 和昌未来科技(深圳)有限公司 | 车牌识别方法、装置、计算机设备和存储介质 |
-
2020
- 2020-11-25 CN CN202011342303.3A patent/CN112434700A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103268489A (zh) * | 2013-05-29 | 2013-08-28 | 电子科技大学 | 基于滑窗搜索的机动车号牌识别方法 |
JP2015032087A (ja) * | 2013-08-01 | 2015-02-16 | 株式会社デンソー | ナンバープレート認識装置およびナンバープレート認識方法 |
CN105512660A (zh) * | 2015-11-27 | 2016-04-20 | 浙江宇视科技有限公司 | 车牌号码识别方法及装置 |
CN108875600A (zh) * | 2018-05-31 | 2018-11-23 | 银江股份有限公司 | 一种基于yolo的车辆信息检测和跟踪方法、装置及计算机存储介质 |
CN109492642A (zh) * | 2018-09-25 | 2019-03-19 | 平安科技(深圳)有限公司 | 车牌识别方法、装置、计算机设备及存储介质 |
CN110188662A (zh) * | 2019-05-28 | 2019-08-30 | 唐山海森电子股份有限公司 | 一种水表数字的ai智能识别方法 |
CN110414507A (zh) * | 2019-07-11 | 2019-11-05 | 和昌未来科技(深圳)有限公司 | 车牌识别方法、装置、计算机设备和存储介质 |
Non-Patent Citations (1)
Title |
---|
戴鲲等: "火车标牌识别系统的设计与实现", 《计算机工程》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113361405A (zh) * | 2021-06-07 | 2021-09-07 | 浪潮软件科技有限公司 | 一种基于yolo v3的亚洲象识别方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109902622B (zh) | 一种用于登机牌信息验证的文字检测识别方法 | |
US10853638B2 (en) | System and method for extracting structured information from image documents | |
CN109117848B (zh) | 一种文本行字符识别方法、装置、介质和电子设备 | |
CN111401371B (zh) | 一种文本检测识别方法、系统及计算机设备 | |
US8965127B2 (en) | Method for segmenting text words in document images | |
JP6366024B2 (ja) | 画像化された文書からテキストを抽出する方法及び装置 | |
CN110598686B (zh) | 发票的识别方法、系统、电子设备和介质 | |
WO2014092979A1 (en) | Method of perspective correction for devanagari text | |
JP2006067585A (ja) | デジタル画像におけるキャプションを位置特定及び抽出する方法及び装置 | |
CN111814673B (zh) | 一种修正文本检测边界框的方法、装置、设备及存储介质 | |
CN109447080B (zh) | 一种字符识别方法及装置 | |
CN108170806B (zh) | 敏感词检测过滤方法、装置和计算机设备 | |
CN108734161B (zh) | 冠字号区域的识别方法、装置、设备及存储介质 | |
CN110738030A (zh) | 表格重建方法、装置、电子设备及存储介质 | |
JP2021135993A (ja) | テキスト認識方法及びテキスト認識装置、電子設備、記憶媒体 | |
CN114005126A (zh) | 表格重构方法、装置、计算机设备及可读存储介质 | |
CN112232336A (zh) | 一种证件识别方法、装置、设备及存储介质 | |
CN111651971A (zh) | 一种表格信息转录方法、系统、电子设备和存储介质 | |
CN109508716B (zh) | 一种图像文字的定位方法及装置 | |
CN112990792B (zh) | 一种侵权风险自动化检测方法、装置和电子设备 | |
CN112214737B (zh) | 以图片为主的欺诈网页的识别方法、系统、装置和介质 | |
CN112434700A (zh) | 车牌识别方法、装置、设备及存储介质 | |
CN111814780B (zh) | 一种票据图像处理方法、装置、设备及存储介质 | |
CN110826488B (zh) | 一种针对电子文档的图像识别方法、装置及存储设备 | |
CN111104844B (zh) | 多发票信息录入方法、装置、电子设备及存储介质 |
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 |