CN112580651A - 车牌快速定位和字符分割方法和装置 - Google Patents

车牌快速定位和字符分割方法和装置 Download PDF

Info

Publication number
CN112580651A
CN112580651A CN202011536004.3A CN202011536004A CN112580651A CN 112580651 A CN112580651 A CN 112580651A CN 202011536004 A CN202011536004 A CN 202011536004A CN 112580651 A CN112580651 A CN 112580651A
Authority
CN
China
Prior art keywords
license plate
image
characters
character
color
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
Application number
CN202011536004.3A
Other languages
English (en)
Inventor
邓运生
黄迎辉
郑晨霞
尹安
秦国威
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Bengbu College
Original Assignee
Bengbu College
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Bengbu College filed Critical Bengbu College
Priority to CN202011536004.3A priority Critical patent/CN112580651A/zh
Publication of CN112580651A publication Critical patent/CN112580651A/zh
Pending legal-status Critical Current

Links

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
    • 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
    • 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
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition
    • G06V30/14—Image acquisition
    • G06V30/146—Aligning or centring of the image pick-up or image-field
    • G06V30/1475—Inclination or skew detection or correction of characters or of image to be recognised
    • G06V30/1478—Inclination or skew detection or correction of characters or of image to be recognised of characters or characters lines
    • 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)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Analysis (AREA)
  • Character Input (AREA)

Abstract

本发明提供一种车牌快速定位和字符分割方法，包括：获取车牌的彩色图像；对所述的彩色图像进行预处理，该包括预处理图像灰度化、图像增强、图像二值化、边缘检测和字符的归一化处理；根据在HSV空间中，通过对H、S、V三分量设定一个范围将某种目标色的像素过滤出来，实现车牌字符的初次分割；根据基于峰谷分析的投影法，对车牌字符进行细分割。本发明，是一种基于颜色特征的车牌快速定位和字符分割方法，该方法具有定位速度快和强鲁棒性的优势；同时对传统的字符分割算法进行了优化，提出对车牌水平和垂直投影进行峰谷分析和两次计算的思想，实现了对字符的有效分割。

Description

车牌快速定位和字符分割方法和装置
技术领域
本发明涉及车牌识别技术领域，具体为一种车牌快速定位和字符分割方法和装置。
背景技术
车牌自动识别是智能交通应用领域中重要的技术之一，其融合了图像处理和模式识别技术，在停车场、不停车收费站等场合有着广泛的应用。它可以分为车牌图像预处理、车牌定位、车牌分割和车牌识别四个过程，而车牌定位和字符分割作为车牌识别的重要前提和技术基础受到研究开发者的高度重视，它们直接决定着识别效果。而传统技术的定位和分割方法在处理速度、准确、清晰和鲁棒性好方面稍显不足，还有待于进一步提高。
发明内容
本发明的目的在于提供一种车牌快速定位和字符分割方法和装置，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：
一种车牌快速定位和字符分割方法，包括：
获取车牌的彩色图像；
对所述的彩色图像进行预处理，该包括预处理图像灰度化、图像增强、图像二值化、边缘检测和字符的归一化处理；
根据在HSV空间中，通过对H、S、V三分量设定一个范围将某种目标色的像素过滤出来，实现车牌字符的初次分割；
根据基于峰谷分析的投影法，对车牌字符进行细分割。
优选的，所述基于峰谷分析的投影法，对车牌字符进行细分割包括：
计算车牌图像的水平投影并对其进行峰谷分析；
计算车牌的旋转角度，准备分割字符；
旋转车牌后重新计算车牌的水平投影，同时去掉车牌的字符边框从而获取字符的高度；
计算车牌的垂直投影并对其进行峰谷分析，同时去掉车牌垂直边框，获取车牌及其字符的平均宽度；
提取分割出来的字符。
优选的，彩色图像进行预处理是根据纹理的特征首先将输入的彩色图像变换为灰度图像，通过图像滤波和二值化处理后，最后利用纹理特征对其进行投影和行列扫描方式来确定车牌在垂直和水平方向上的位置。
优选的，其中在HSV空间中，H表示色，S表示饱和度，V表示亮度，其与人眼感知的颜色特性一一对应，用于反映出人对色彩的鉴别能力。
优选的，采用高斯滤波对图像平滑和去除噪声点，通过sobel边缘提取实现车牌定位，通过二值化处理，只保留高于一定阈值的点使车牌成为了图像中亮度最大的区域，闭运算基于先膨胀后腐蚀，将点所在的区域连通起来，去除小区域，根据三个边界点实现提取轮廓，根据提取到的点，再对高斯滤波后的图进行仿射变换，只保留车牌部分。
优选的，所述提取分割出来的字符包括提取字符轮廓以及识别字符，所述取字符轮廓采用先对图像二值化，再寻找最小外接矩形，识别字符采用对每个字符变换到标准大小，和模板点与点之间逐个计算，最后输出与之匹配度最高的字符。
为实现上述目的，本发明还提供如下技术方案：
一种车牌快速定位和字符分割装置，包括：
获取模块，用于获取车牌的彩色图像；
预处理模块，用于对所述的彩色图像进行预处理，该包括预处理图像灰度化、图像增强、图像二值化、边缘检测和字符的归一化处理；
初次分割模块，根据在HSV空间中，通过对H、S、V三分量设定一个范围将某种目标色的像素过滤出来，实现车牌字符的初次分割；以及
细分割模块，用于根据基于峰谷分析的投影法，对车牌字符进行细分割。
优选的，所述细分割模块包括：
分析模块，用于计算车牌图像的水平投影并对其进行峰谷分析；
第一计算模块，用于计算车牌的旋转角度，准备分割字符；
第二计算模块，用于旋转车牌后重新计算车牌的水平投影，同时去掉车牌的字符边框从而获取字符的高度；
第三计算模块，用于计算车牌的垂直投影并对其进行峰谷分析，同时去掉车牌垂直边框，获取车牌及其字符的平均宽度；以及
提取模块，用于提取分割出来的字符。
与现有技术相比，本发明的有益效果是：
本发明是一种基于颜色特征的车牌快速定位和字符分割方法，该方法具有定位速度快和强鲁棒性的优势；同时对传统的字符分割算法进行了优化，提出对车牌水平和垂直投影进行峰谷分析和两次计算的思想，实现了对字符的有效分割。
本发明的方法具有检测速度快和很好的鲁棒性等特点。
附图说明
图1为本发明的车牌快速定位和字符分割方法的流程图；
图2为本发明的对车牌字符进行细分割的流程图；
图3为本发明的车牌快速定位和字符分割装置原理框图；
图4为本发明的细分割模块原理框图；
图5为本发明的高斯滤波示意图；
图6为本发明的sobel边缘提取的效果图；
图7为本发明的二值化图像效果图；
图8为本发明的闭运算示意图；
图9为本发明的去除小区域示意图；
图10为本发明的提取轮廓示意图；
图11为本发明的仿射变换示意图；
图12为本发明的提取字符轮廓示意图；
图13为本发明的识别字符示意图；
图14为本发明的输出结果示意图。
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做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。
实施例：
请参阅图1至图4，本发明提供一种技术方案：
一种车牌快速定位和字符分割方法，包括步骤：
S101、获取车牌的彩色图像；
S102、对所述的彩色图像进行预处理，该包括预处理图像灰度化、图像增强、图像二值化、边缘检测和字符的归一化处理；
S103、根据在HSV空间中，通过对H、S、V三分量设定一个范围将某种目标色的像素过滤出来，实现车牌字符的初次分割；
S104、根据基于峰谷分析的投影法，对车牌字符进行细分割。
所述基于峰谷分析的投影法，对车牌字符进行细分割包括步骤：
S105、计算车牌图像的水平投影并对其进行峰谷分析；
S106、计算车牌的旋转角度，准备分割字符；
S107、旋转车牌后重新计算车牌的水平投影，同时去掉车牌的字符边框从而获取字符的高度；
S108、计算车牌的垂直投影并对其进行峰谷分析，同时去掉车牌垂直边框，获取车牌及其字符的平均宽度；
S109、提取分割出来的字符。
一种车牌快速定位和字符分割装置，包括：
获取模块110，用于获取车牌的彩色图像；
预处理模块111，用于对所述的彩色图像进行预处理，该包括预处理图像灰度化、图像增强、图像二值化、边缘检测和字符的归一化处理；
初次分割模块112，根据在HSV空间中，通过对H、S、V三分量设定一个范围将某种目标色的像素过滤出来，实现车牌字符的初次分割；以及
细分割模块113，用于根据基于峰谷分析的投影法，对车牌字符进行细分割。
具体的，所述细分割模块113包括：
分析模块114，用于计算车牌图像的水平投影并对其进行峰谷分析；
第一计算模块115，用于计算车牌的旋转角度，准备分割字符；
第二计算模块116，用于旋转车牌后重新计算车牌的水平投影，同时去掉车牌的字符边框从而获取字符的高度；
第三计算模块117，用于计算车牌的垂直投影并对其进行峰谷分析，同时去掉车牌垂直边框，获取车牌及其字符的平均宽度；以及
提取模块118，用于提取分割出来的字符。
下面对本方案做具体的阐述
车牌定位和字符分割是车牌识别系统中的关键环节，定位和分割效果的优劣直接影响着识别的效率和精度。所谓车牌定位，通常是指从复杂的背景车辆图像中找到和提取相应的车牌区域；所谓字符分割，指的是把多行或多字符图像中的每一个字符从整体图像中分割出来，成为单个字符，它是完成识别的重要前提。
在图像定位中我们利用小波变换可以将信号在不同分辨率和尺度下进行分解，进而分离获得信号的高频和低频成分。车牌区域具有丰富的细节和纹理特性，尤其在垂直方向的细节上包含了大部分的车牌信息；因此，选取垂直细节图像作为定位的基础，完成车牌区域的粗定位后再进一步利用数学形态学中的闭运算来实现车牌较为精确的定位。
原始的车牌图像很可能受到了背景、破损和噪声等因素的干扰；为了准确地定位出车牌区域，一般对其进行图像预处理，包括了图像灰度化、图像增强、图像二值化、边缘检测和形态学处理等一系列的过程，最后充分利用车牌区域长宽比的特征对其进行准确定位。
常见的图像是基于RGB颜色空间，R、G和B三个分量又都随着光照的变化而变化，因此RGB空间定位车牌显得非常困难；经过对大量车牌图像的分析，我们发现对于具有某种目标色的像素，可以直接通过对H、S、V三分量设定一个范围来把它们过滤出来，其中在HSV空间中，H表示色(hue)，S表示饱和度(saturation)，V表示亮度(value)，其与人眼感知的颜色特性一一对应，能较好地反映出人对色彩的鉴别能力，无需进行较复杂的色彩距离计算，这样可以在色彩分割时节省大量的时间，这种过滤对蓝色和黄色车牌特别有效。本方案针对最普遍的蓝底白字车牌进行了研究，此种车牌字符和数字是白色，背景矩形框却是蓝色。HSV空间可根据RGB颜色空间由公式转换得到，根据先验知识，汽车车牌图像的HSV值可由下表(表1)确定。
颜色分量 蓝色 黄色 白色 黑色
H 0.55-0.72 0.08-0.23 - -
S 0.4-1 0.4-1 0-0.3 -
V 0.35-1 0.35-1 0.35-1 0-0.35
在车牌定位之后，为了最后的识别，车牌字符需要进行分割；本方案采用形态学连通域思想和投影法相结合，即可实现对车牌字符的很好分割。其中车牌字符分割的流程如下：
(1)车牌图像预处理：这个过程主要完成车牌图像的进一步校正、对比度增强、二值化处理和字符的归一化，同时有效抑制图像中的噪声；
(2)车牌字符的初次分割：此过程主要采用基于形态学的连通域形态学算法，来对预处理后的图像进一步的分割；
(3)车牌字符的细分割：这是车牌字符分割整个过程的核心步骤，本方案采用了基于峰谷分析的投影法进行细分割，取得了良好的效果，具体算法如下：
i)计算车牌图像的水平投影并对其进行峰谷分析；其次为了准备分割字符，需要计算车牌的旋转角度；
ii)旋转车牌后重新计算车牌的水平投影，同时去掉车牌的字符边框从而获取字符的高度；
iii)进一步计算车牌的垂直投影并对其进行峰谷分析，同时去掉车牌垂直边框，进而获取车牌及其字符的平均宽度；
iv)提取分割出来的字符；
车牌定位
(1)高斯滤波
为了平滑图像，去除噪声点，用高斯滤波。如图5所示。
(2)sobel边缘提取
Sobel算子是像素图像边缘检测中最重要的算子之一，在技术上，它是一个离散的一阶差分算子，用来计算图像亮度函数的一阶梯度之近似值。在图像的任何一点使用此算子，将会产生该点对应的梯度矢量或是其法矢量。我们的目标是通过sobel边缘提取实现车牌定位，因为车牌的周围轮廓分明，使用sobel可以清晰的提取边缘，效果如图6所示。
(3)二值化图像
这时就可以看到车牌成为了图像中亮度最大的区域，所以这次再来进行二值化，只保留高于一定阈值的点，效果如图7所示。
(4)闭运算
需要将这些点所在的区域连通起来，所以会用到闭运算。在数学形态学中，闭运算被定义为先膨胀后腐蚀。效果如图8所示。
去除小区域
效果如图9所示。
(6)提取轮廓
在上面已经找到了车牌所在区域，现在我们需要找到车牌的边界点。此时有这一堆点集，可以迭代寻找出最左边且靠上的点之类的。下一步要做仿射变换，需要三个边界点，所以找出如图所示的三个点就行了。效果如图10所示。
(7)仿射变换
仿射变换能做到对图像旋转，平移和缩放。这里根据提取到的点，再对高斯滤波后的图进行仿射变换，只保留车牌部分。效果如图11所示。
字符识别
(1).提取字符轮廓
这里先对图像二值化，再寻找最小外接矩形。当然汉字可不是很简单，因为有很多独立的笔画，所以还需要在容器中移除小于一定面积的矩形。这样一些点啊，就不会在我们需要识别的对象中。效果如图12所示。
(2).识别字符
当时做这个时间因素，采用了最简单也是很有效的一种方法，对每个字符变换到标准大小，和模板点与点之间逐个计算，最后输出与之匹配度最高的字符。效果如图13所示。
输出结果如14所示。
本发明是一种基于颜色特征的快速车牌定位和基于改进的投影法字符分割方法，该方法相比传统地定位和分割方法具有快速、准确、清晰和鲁棒性好的优势，为车牌识别奠定了良好的基础。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (8)

1.一种车牌快速定位和字符分割方法，其特征在于，包括：
获取车牌的彩色图像；
对所述的彩色图像进行预处理，该包括预处理图像灰度化、图像增强、图像二值化、边缘检测和字符的归一化处理；
根据在HSV空间中，通过对H、S、V三分量设定一个范围将某种目标色的像素过滤出来，实现车牌字符的初次分割；
根据基于峰谷分析的投影法，对车牌字符进行细分割。
2.根据权利要求1所述的一种车牌快速定位和字符分割方法，其特征在于，所述基于峰谷分析的投影法，对车牌字符进行细分割包括：
计算车牌图像的水平投影并对其进行峰谷分析；
计算车牌的旋转角度，准备分割字符；
旋转车牌后重新计算车牌的水平投影，同时去掉车牌的字符边框从而获取字符的高度；
计算车牌的垂直投影并对其进行峰谷分析，同时去掉车牌垂直边框，获取车牌及其字符的平均宽度；
提取分割出来的字符。
3.根据权利要求1所述的一种车牌快速定位和字符分割方法，其特征在于，彩色图像进行预处理是根据纹理的特征首先将输入的彩色图像变换为灰度图像，通过图像滤波和二值化处理后，最后利用纹理特征对其进行投影和行列扫描方式来确定车牌在垂直和水平方向上的位置。
4.根据权利要求1所述的一种车牌快速定位和字符分割方法，其特征在于，其中在HSV空间中，H表示色，S表示饱和度，V表示亮度，其与人眼感知的颜色特性一一对应，用于反映出人对色彩的鉴别能力。
5.根据权利要求1或3所述的一种车牌快速定位和字符分割方法，其特征在于，采用高斯滤波对图像平滑和去除噪声点，通过sobel边缘提取实现车牌定位，通过二值化处理，只保留高于一定阈值的点使车牌成为了图像中亮度最大的区域，闭运算基于先膨胀后腐蚀，将点所在的区域连通起来，去除小区域，根据三个边界点实现提取轮廓，根据提取到的点，再对高斯滤波后的图进行仿射变换，只保留车牌部分。
6.根据权利要求1所述的一种车牌快速定位和字符分割方法，其特征在于，所述提取分割出来的字符包括提取字符轮廓以及识别字符，所述取字符轮廓采用先对图像二值化，再寻找最小外接矩形，识别字符采用对每个字符变换到标准大小，和模板点与点之间逐个计算，最后输出与之匹配度最高的字符。
7.一种车牌快速定位和字符分割装置，其特征在于，包括：
获取模块，用于获取车牌的彩色图像；
预处理模块，用于对所述的彩色图像进行预处理，该包括预处理图像灰度化、图像增强、图像二值化、边缘检测和字符的归一化处理；
初次分割模块，根据在HSV空间中，通过对H、S、V三分量设定一个范围将某种目标色的像素过滤出来，实现车牌字符的初次分割；以及
细分割模块，用于根据基于峰谷分析的投影法，对车牌字符进行细分割。
8.根据权利要求7所述的一种车牌快速定位和字符分割装置，其特征在于，所述细分割模块包括：
分析模块，用于计算车牌图像的水平投影并对其进行峰谷分析；
第一计算模块，用于计算车牌的旋转角度，准备分割字符；
第二计算模块，用于旋转车牌后重新计算车牌的水平投影，同时去掉车牌的字符边框从而获取字符的高度；
第三计算模块，用于计算车牌的垂直投影并对其进行峰谷分析，同时去掉车牌垂直边框，获取车牌及其字符的平均宽度；以及
提取模块，用于提取分割出来的字符。
CN202011536004.3A 2020-12-23 2020-12-23 车牌快速定位和字符分割方法和装置 Pending CN112580651A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011536004.3A CN112580651A (zh) 2020-12-23 2020-12-23 车牌快速定位和字符分割方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011536004.3A CN112580651A (zh) 2020-12-23 2020-12-23 车牌快速定位和字符分割方法和装置

Publications (1)

Publication Number Publication Date
CN112580651A true CN112580651A (zh) 2021-03-30

Family

ID=75138950

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011536004.3A Pending CN112580651A (zh) 2020-12-23 2020-12-23 车牌快速定位和字符分割方法和装置

Country Status (1)

Country Link
CN (1) CN112580651A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113593057A (zh) * 2021-06-28 2021-11-02 西安坤斗科技有限责任公司 一种基于无人机巡检的路内停车位管理方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102509112A (zh) * 2011-11-02 2012-06-20 珠海逸迩科技有限公司 车牌识别方法及其识别系统
CN105528609A (zh) * 2014-09-28 2016-04-27 江苏省兴泽实业发展有限公司 一种基于字符位置的车牌定位方法
CN107832762A (zh) * 2017-11-06 2018-03-23 广西科技大学 一种基于多特征融合的车牌定位与识别方法
WO2019162970A1 (en) * 2018-02-26 2019-08-29 Videonetics Technology Private Limited A system for real-time automated segmentation and recognition of vehicle's license plates characters from vehicle's image and a method thereof.
CN111652230A (zh) * 2020-05-25 2020-09-11 浙江大华技术股份有限公司 车牌识别方法、电子设备及存储介质

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102509112A (zh) * 2011-11-02 2012-06-20 珠海逸迩科技有限公司 车牌识别方法及其识别系统
CN105528609A (zh) * 2014-09-28 2016-04-27 江苏省兴泽实业发展有限公司 一种基于字符位置的车牌定位方法
CN107832762A (zh) * 2017-11-06 2018-03-23 广西科技大学 一种基于多特征融合的车牌定位与识别方法
WO2019162970A1 (en) * 2018-02-26 2019-08-29 Videonetics Technology Private Limited A system for real-time automated segmentation and recognition of vehicle's license plates characters from vehicle's image and a method thereof.
CN111652230A (zh) * 2020-05-25 2020-09-11 浙江大华技术股份有限公司 车牌识别方法、电子设备及存储介质

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
朱万意 等: ""图像处理技术在车牌识别中的应用研究"", 《计算机工程应用技术》, 31 December 2017 (2017-12-31), pages 72 - 75 *
邓运生 等: ""车牌定位和字符分割方法对比研究及实现"", 《兰州文理学院学报(自然科学版)》, vol. 33, no. 6, 30 November 2019 (2019-11-30), pages 78 - 106 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113593057A (zh) * 2021-06-28 2021-11-02 西安坤斗科技有限责任公司 一种基于无人机巡检的路内停车位管理方法

Similar Documents

Publication Publication Date Title
CN103116751B (zh) 一种车牌字符自动识别方法
Yu et al. A novel license plate location method based on wavelet transform and EMD analysis
CN102364496B (zh) 一种基于图像分析的汽车车牌自动识别方法及系统
CN109034145B (zh) 基于OpenCV的银行卡号识别方法
CN106815583B (zh) 一种基于mser和swt相结合的夜间车辆车牌定位方法
CN110309806B (zh) 一种基于视频图像处理的手势识别系统及其方法
CN107563380A (zh) 一种基于mser和swt相结合的车辆车牌检测识别方法
CN108146093A (zh) 一种去除票据印章的方法
CN111401364B (zh) 一种基于颜色特征和模板匹配相结合的车牌定位算法
CN105787475A (zh) 一种复杂环境下的交通标志检测与识别方法
CN110348501A (zh) 一种实现停车场车牌相似度匹配方法
CN110516666B (zh) 基于mser和isodata相结合的车牌定位方法
Lin et al. License plate location method based on edge detection and mathematical morphology
CN116052152A (zh) 一种基于轮廓检测和深度神经网络的车牌识别系统
CN101425143B (zh) 一种图像定位的方法及装置
Branch A novel morphological method for detection and recognition of vehicle license plates
CN112580651A (zh) 车牌快速定位和字符分割方法和装置
Rastegar et al. An intelligent control system using an efficient License Plate Location and Recognition Approach
CN110046618B (zh) 基于机器学习和最大极值稳定区域的车牌识别方法
Davix et al. License plate localization by sobel vertical edge detection method
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
CN111241862B (zh) 基于边缘特性的条形码定位方法
Wanniarachchi et al. License plate identification based on image processing techniques
CN112418143A (zh) 一种无人驾驶车的交通标志识别方法
CN111723710A (zh) 一种基于神经网络的车牌识别方法

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: 20210330