CN112651985A - 一种隧道巡检的里程标识牌定位方法及系统 - Google Patents
一种隧道巡检的里程标识牌定位方法及系统 Download PDFInfo
- Publication number
- CN112651985A CN112651985A CN202011641243.5A CN202011641243A CN112651985A CN 112651985 A CN112651985 A CN 112651985A CN 202011641243 A CN202011641243 A CN 202011641243A CN 112651985 A CN112651985 A CN 112651985A
- Authority
- CN
- China
- Prior art keywords
- signboard
- mileage
- area
- image
- positioning
- 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 42
- 238000007689 inspection Methods 0.000 title claims abstract description 36
- 230000011218 segmentation Effects 0.000 claims abstract description 17
- 230000009191 jumping Effects 0.000 claims abstract description 11
- 238000012545 processing Methods 0.000 claims abstract description 10
- 238000012216 screening Methods 0.000 claims abstract description 8
- 238000003709 image segmentation Methods 0.000 claims description 5
- 238000007781 pre-processing Methods 0.000 claims description 3
- 238000003708 edge detection Methods 0.000 claims description 2
- 238000001914 filtration Methods 0.000 claims description 2
- 238000009499 grossing Methods 0.000 claims description 2
- 238000003384 imaging method Methods 0.000 abstract description 4
- 230000008859 change Effects 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
本发明公开一种隧道巡检的里程标识牌定位方法及系统，包括：根据初始阈值分割巡检图像的目标区域和背景区域，根据目标区域和背景区域的平均灰度值计算最佳分割阈值，根据最佳分割阈值进行图像二值化处理；对里程标识牌二值图像根据扫描行跳变点数确定水平候选区域；根据里程标识牌二值图像的垂直投影对水平候选区域进行扫描，筛选里程标识牌真实水平区域，并定位边界，得到里程标识牌。综合里程标识牌字符间隔的规则性特点和里程标识牌内部字符的间隔性和密集性特点，在隧道环境中，里程标识牌和背景的成像条件不可控制的情况下，实现里程标识牌的快速准确定位。
Description
技术领域
本发明涉及里程标识牌定位技术领域，特别是涉及一种隧道巡检的里程标识牌定位方法及系统。
背景技术
本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。
里程标识牌是隧道巡检机器人路径位置的关键识别标志，当记录故障信息时需要通过里程标识牌来标记；里程标识牌定位是在巡检图像中定位里程标识牌区域。由于巡检图像都采集于隧道环境中，而在隧道环境中，里程标识牌和背景的成像条件一般都是不可控制的，随机变化的因素(尤其是光线条件)和复杂的背景信息给目标搜索带来巨大困难；
如：不同光线下，里程标识牌的颜色、亮度、明暗对比度都有很大变化；背景信息往往比里程标识牌信息更加复杂，某些背景区域又可能与里程标识牌区域差异不大以及摄像距离、角度的不同，从种种干扰中区别出里程标识牌区域是十分困难的。里程标识牌区域在整幅图像中所占比例比较小，从整幅图像中定位里程标识牌区域必然要在大量的背景信息中搜索，而且由于应用的特殊性，需要要求快速、准确地完成里程标识牌定位，而高效率的搜索方法需要耗费更多的计算时间和存储空间。
发明内容
为了解决上述问题，本发明提出了一种隧道巡检的里程标识牌定位方法及系统，首先利用扫描行跳变点数确定水平候选区，再根据里程标识牌区域垂直投影图对水平候选区域进行筛选、定位，综合了里程标识牌字符间隔的规则性特点和里程标识牌内部字符的间隔性和密集性特点，在隧道环境中，里程标识牌和背景的成像条件不可控制的情况下，实现里程标识牌的快速准确定位。
为了实现上述目的，本发明采用如下技术方案：
第一方面，本发明提供一种隧道巡检的里程标识牌定位方法，包括：
根据初始阈值分割巡检图像的目标区域和背景区域，根据目标区域和背景区域的平均灰度值计算最佳分割阈值，根据最佳分割阈值进行图像二值化处理，得到里程标识牌二值图像；
对里程标识牌二值图像根据扫描行跳变点数确定水平候选区域；
根据里程标识牌二值图像的垂直投影对水平候选区域进行扫描，筛选里程标识牌真实水平区域，并定位边界，得到里程标识牌。
第二方面，本发明提供一种隧道巡检的里程标识牌定位系统，包括：
图像分割模块，被配置为根据初始阈值分割巡检图像的目标区域和背景区域，根据目标区域和背景区域的平均灰度值计算最佳分割阈值，根据最佳分割阈值进行图像二值化处理，得到里程标识牌二值图像；
水平定位模块，被配置为对里程标识牌二值图像根据扫描行跳变点数确定水平候选区域；
区域筛选模块，被配置为根据里程标识牌二值图像的垂直投影对水平候选区域进行扫描，筛选里程标识牌真实水平区域，并定位边界，得到里程标识牌。
第三方面，本发明提供一种电子设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成第一方面所述的方法。
第四方面，本发明提供一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成第一方面所述的方法。
与现有技术相比，本发明的有益效果为：
本发明解决在隧道环境中，里程标识牌和背景的成像条件不可控制的情况下，从整幅巡检图像中快速、准确地定位里程标识牌的问题，实现在复杂背景和不同环境光照条件下的快速准确定位。
本发明采用迭代求解算法计算图像分割阈值，解决里程标识牌图像的质量受光线、环境等因素影响的问题。
本发明首先利用扫描行跳变点数确定水平候选区，再根据里程标识牌区域垂直投影图对水平候选区域进行筛选、定位，综合了里程标识牌字符间隔的规则性特点和里程标识牌内部字符的间隔性和密集性特点，能够得到所有符合条件的里程标识牌候选区域，并且准确剔除出伪里程标识牌区域。
本发明附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。
图1为本发明实施例1提供的隧道巡检的里程标识牌定位方法流程图。
具体实施方式：
下面结合附图与实施例对本发明做进一步说明。
应该指出，以下详细说明都是示例性的，旨在对本发明提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本发明的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
实施例1
如图1所示，本实施例提供一种隧道巡检的里程标识牌定位方法，包括：
S1：根据初始阈值分割巡检图像的目标区域和背景区域，根据目标区域和背景区域的平均灰度值计算最佳分割阈值，根据最佳分割阈值进行图像二值化处理，得到里程标识牌二值图像；
S2：对里程标识牌二值图像根据扫描行跳变点数确定水平候选区域；
S3：根据里程标识牌二值图像的垂直投影对水平候选区域进行扫描，筛选里程标识牌真实水平区域，并定位边界，得到里程标识牌。
所述步骤S1中，对获取的巡检图像进行预处理，所述预处理包括：
对原始彩色巡检图像转换成灰度图像；
由于噪声、光照等原因，对灰度图像进行平滑、去噪、滤波等处理；
对预处理后的巡检图像采用Sobel垂直算子进行边缘检测，提取巡检图像中里程标识牌的垂直边缘；
图像边缘是图像的最基本特征，是图像分割、纹理特征提取和形状特征提取等图像分析的基础。里程标识牌区域存在较丰富的竖向纹理特征，利用里程标识牌区域的竖向纹理特征进行里程标识牌定位时，需要提取里程标识牌区域的边缘信息。
物体的边缘是由灰度不连续所形成的，经典的边缘提取方法是考察图像的每个像素在某个领域内的变化，利用边缘邻近一阶或二阶方向导数提取；由于受多种因素的影响，里程标识牌图像可能存在对比度低、图像模糊等现象，所以本实施例采用Sobel垂直算子有效提取里程标识牌垂直边缘。
在数字图像处理中，二值图像占有非常重要的地位，可以说图像的二值化效果直接影响着根据里程标识牌区域特征进行里程标识牌定位及后续工作，而二值化的关键在于阈值的选择。
根据阈值选取情况，可分为全局阈值、局部阈值和动态阈值。全局阈值法算法简单，对于较好的图像效果良好(指直方图呈双峰图像)，局部阈值法能适应较为复杂的情况，动态阈值法是一种自适应的二值化方法。
所述步骤S1中，由于里程标识牌图像的质量受光线、环境等因素的影响较大，故本实施例使用迭代方法计算图像最佳分割阈值；具体步骤如下：
S1-1：根据巡检图像中最小灰度值Zmin和最大灰度值Zmax计算初始阈值TK：
S1-2：根据初始阈值Tk将巡检图像分割成目标区域和背景区域，分别计算目标区域和背景区域的平均灰度值Zo和ZG：
其中，z(i,j)为图像上(i,j)点的灰度值；N(i,j)为(i,j)点的权重系数，一般情况下，N(i,j)为z(i,j)的个数。
S1-3：根据目标区域和背景区域的平均灰度值计算最佳分割阈值TK+1：
如果TK＝TK+1，则结束，否则令TK+1＝TK，转到步骤S1-2继续计算最佳分割阈值。
里程标识牌区域竖向纹理丰富，而背景区域往往水平纹理丰富，里程标识牌字符的间隔有一定的规则性，适合采用结构方法提取里程标识牌的纹理特征，但又由于里程标识牌内部字符具有间隔性和密集性特点，又适合采用统计方法统计其变化的次数，所以本实施例结合上述两个特征，先利用扫描行跳变点数确定水平候选区域，再根据里程标识牌区域垂直投影图的统计规律对水平候选区域进行筛选、定位；具体包括：
步骤S2中，里程标识牌水平候选区域的定位；
S2-1：定义每一扫描行从黑到白或从白到黑记为一次跳变，设置跳变点数阈值，采用从下而上、从左到右的方式对里程标识牌二值图像进行扫描，根据每一扫描行的跳变点数和跳变点数阈值确定扫描行的边界；
S2-2：令里程标识牌二值图像的底部扫描行为起始行，设定里程标识牌高度阈值，将满足里程标识牌高度阈值的连续扫描行组成的区域定义为里程标识牌水平候选区域。
由于里程标识牌二值图像具有黑白两像素跳变的纹理特征，因此本实施例采用扫描法搜索里程标识牌的水平边界；基本的算法思想是：
对于里程标识牌二值图像，其字符的灰度值和背景灰度值区别明显且6个连续的字符排列间距固定；水平扫描时，里程标识牌区域的像素值跳变明显，而其他区域具有较少的跳变或不具有跳变，为此本实施例定义每一行从黑到白或从白到黑都记为一次跳变，行扫描时每个字符至少会出现两个跳变，考虑到里程标识牌的左右两个边框的因素，若全部存在有效字符部分的灰度跳变次数最少是(6(字符数)+2(垂直边框))*2＝16次，若全部不存在有效字符部分的灰度跳变次数最少是12次，同时由于受字符的断裂、模糊、里程标识牌倾斜等现象的影响，本实施例将该跳变点数阈值设置为12次；
本实施例采用从下而上、从左到右的方式对里程标识牌二值图像进行扫描，定义一维数组Y[i]，用于记录每行像素点灰度变化的次数，数组的大小由图像的行数决定，数组元素初值为0；
从里程标识牌二值图像的底部向顶部进行扫描，如果某扫描行满足在一定的距离范围内，则记录该行为起始行，该行记为Vbottom；
由于里程标识牌高度相对固定，因此根据里程标识牌高度对候选区域进行高度检测，如果有连续数行以上的行扫面线满足里程标识牌高度阈值，则认为该连续数行组成的区域是里程标识牌候选区域，并记录该行为末行Vtop，最终确定出符合条件的里程标识牌水平候选区域。
步骤S3中，里程标识牌真实水平区域的定位；
S3-1：采用纵向投影阈值、纵向投影相邻两峰最大间距阈值、纵向投影连续峰个数阈值和牌照区宽度阈值对里程标识牌二值图像的垂直投影从底向上进行水平扫描搜索，筛选出水平候选区域中里程标识牌所在的真实水平区域。
S3-2：在真实水平区域的投影图中，在里程标识牌对应位置的左右两条灰度线为里程标识牌的左右边界。
真实的里程标识牌非牌照区域相比真实的里程标识牌区内有较多的竖向纹理，且呈现出间隔性和密集性的特点，其垂直投影图呈现出有规律的峰、谷、峰特性，因此本实施例提出根据垂直投影的统计特性剔除伪里程标识牌区域，同时确定里程标识牌区域的左右边界。
为了使峰、谷更明显，本实施例对里程标识牌二值图像进行垂直投影；根据先验知识，牌照区域垂直方向中有6个字符，字符的大小、间距相对固定，因此其垂直投影图上将形成许多尖峰，尖峰和里程标识牌区域的位置基本相对应，字符之间对应较低的谷点，且相邻峰点之间的间距在一定的距离范围之内。
为了利用里程标识牌区域的上述特点，本实施例采用纵向投影阈值、纵向投影相邻两峰最大间距、纵向投影连续峰个数和牌照区宽度的4个阈值，根据上述4个阈值对里程标识牌二值图像的垂直投影图从底向上进行水平扫描搜索。
为了加快搜索速度，又不至于找不到牌照的起始点和结束点，本实施例只扫描垂直投影图从下到上的一半高度，对每个水平候选区域进行搜索，筛选出里程标识牌所在的水平区域，并且在该水平区域投影图中里程标识牌区域所对应位置的左右两条灰度线即为里程标识牌的左右边界，最终定位里程标识牌。
实施例2
本实施例提供一种隧道巡检的里程标识牌定位系统，包括：
图像分割模块，被配置为根据初始阈值分割巡检图像的目标区域和背景区域，根据目标区域和背景区域的平均灰度值计算最佳分割阈值，根据最佳分割阈值进行图像二值化处理，得到里程标识牌二值图像；
水平定位模块，被配置为对里程标识牌二值图像根据扫描行跳变点数确定水平候选区域；
区域筛选模块，被配置为根据里程标识牌二值图像的垂直投影对水平候选区域进行扫描，筛选里程标识牌真实水平区域，并定位边界，得到里程标识牌。
此处需要说明的是，上述模块对应于实施例1中的步骤S1至S3，上述模块与对应的步骤所实现的示例和应用场景相同，但不限于上述实施例1所公开的内容。需要说明的是，上述模块作为系统的一部分可以在诸如一组计算机可执行指令的计算机系统中执行。
在更多实施例中，还提供：
一种电子设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成实施例1中所述的方法。为了简洁，在此不再赘述。
应理解，本实施例中，处理器可以是中央处理单元CPU，处理器还可以是其他通用处理器、数字信号处理器DSP、专用集成电路ASIC，现成可编程门阵列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。
存储器可以包括只读存储器和随机存取存储器，并向处理器提供指令和数据、存储器的一部分还可以包括非易失性随机存储器。例如，存储器还可以存储设备类型的信息。
一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成实施例1中所述的方法。
实施例1中的方法可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器、闪存、只读存储器、可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。为避免重复，这里不再详细描述。
本领域普通技术人员可以意识到，结合本实施例描述的各示例的单元即算法步骤，能够以电子硬件或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
以上仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。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。
上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。
Claims (10)
1.一种隧道巡检的里程标识牌定位方法，其特征在于，包括：
根据初始阈值分割巡检图像的目标区域和背景区域，根据目标区域和背景区域的平均灰度值计算最佳分割阈值，根据最佳分割阈值进行图像二值化处理，得到里程标识牌二值图像；
对里程标识牌二值图像根据扫描行跳变点数确定水平候选区域；
根据里程标识牌二值图像的垂直投影对水平候选区域进行扫描，筛选里程标识牌真实水平区域，并定位边界，得到里程标识牌。
2.如权利要求1所述的一种隧道巡检的里程标识牌定位方法，其特征在于，对获取的巡检图像进行预处理，所述预处理包括：
将巡检图像转换成灰度图像，对灰度图像进行平滑、去噪、滤波；
对预处理后的巡检图像采用Sobel垂直算子进行边缘检测，提取巡检图像中里程标识牌的垂直边缘。
3.如权利要求1所述的一种隧道巡检的里程标识牌定位方法，其特征在于，定义每一扫描行从黑到白或从白到黑记为一次跳变，设置跳变点数阈值，采用从下而上、从左到右的方式对里程标识牌二值图像进行扫描，根据每一扫描行的跳变点数和跳变点数阈值确定扫描行的边界。
4.如权利要求1所述的一种隧道巡检的里程标识牌定位方法，其特征在于，令里程标识牌二值图像的底部扫描行为起始行，设定里程标识牌高度阈值，将满足里程标识牌高度阈值的连续扫描行组成的区域定义为里程标识牌水平候选区域。
5.如权利要求1所述的一种隧道巡检的里程标识牌定位方法，其特征在于，采用纵向投影阈值、纵向投影相邻两峰最大间距阈值、纵向投影连续峰个数阈值和牌照区宽度阈值对里程标识牌二值图像的垂直投影从底向上进行水平扫描搜索，筛选出水平候选区域中里程标识牌所在的真实水平区域。
6.如权利要求1所述的一种隧道巡检的里程标识牌定位方法，其特征在于，在真实水平区域的投影图中，在里程标识牌对应位置的左右两条灰度线为里程标识牌的左右边界。
7.如权利要求1所述的一种隧道巡检的里程标识牌定位方法，其特征在于，根据巡检图像中最小灰度值和最大灰度值计算初始阈值。
8.一种隧道巡检的里程标识牌定位系统，其特征在于，包括：
图像分割模块，被配置为根据初始阈值分割巡检图像的目标区域和背景区域，根据目标区域和背景区域的平均灰度值计算最佳分割阈值，根据最佳分割阈值进行图像二值化处理，得到里程标识牌二值图像；
水平定位模块，被配置为对里程标识牌二值图像根据扫描行跳变点数确定水平候选区域；
区域筛选模块，被配置为根据里程标识牌二值图像的垂直投影对水平候选区域进行扫描，筛选里程标识牌真实水平区域，并定位边界，得到里程标识牌。
9.一种电子设备，其特征在于，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成权利要求1-7任一项所述的方法。
10.一种计算机可读存储介质，其特征在于，用于存储计算机指令，所述计算机指令被处理器执行时，完成权利要求1-7任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011641243.5A CN112651985A (zh) | 2020-12-31 | 2020-12-31 | 一种隧道巡检的里程标识牌定位方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011641243.5A CN112651985A (zh) | 2020-12-31 | 2020-12-31 | 一种隧道巡检的里程标识牌定位方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112651985A true CN112651985A (zh) | 2021-04-13 |
Family
ID=75367039
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011641243.5A Pending CN112651985A (zh) | 2020-12-31 | 2020-12-31 | 一种隧道巡检的里程标识牌定位方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112651985A (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102375982A (zh) * | 2011-10-18 | 2012-03-14 | 华中科技大学 | 一种融合多字符特征的车牌定位方法 |
| US20120106802A1 (en) * | 2010-10-29 | 2012-05-03 | National Chiao Tung University | Vehicle license plate recognition method and system thereof |
| 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 |
| CN105279488A (zh) * | 2015-10-16 | 2016-01-27 | 西南交通大学 | 一种公路视频巡检的里程标识牌自动识别方法 |
| CN106650553A (zh) * | 2015-10-30 | 2017-05-10 | 比亚迪股份有限公司 | 车牌识别方法及系统 |
| WO2018028230A1 (zh) * | 2016-08-10 | 2018-02-15 | 东方网力科技股份有限公司 | 一种基于深度学习的车牌字符分割方法、装置及存储介质 |
| CN108830274A (zh) * | 2018-05-03 | 2018-11-16 | 南京邮电大学 | 一种复杂背景环境下车牌字符自动检测定位及识别方法 |
-
2020
- 2020-12-31 CN CN202011641243.5A patent/CN112651985A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120106802A1 (en) * | 2010-10-29 | 2012-05-03 | National Chiao Tung University | Vehicle license plate recognition method and system thereof |
| CN102375982A (zh) * | 2011-10-18 | 2012-03-14 | 华中科技大学 | 一种融合多字符特征的车牌定位方法 |
| 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 |
| CN105279488A (zh) * | 2015-10-16 | 2016-01-27 | 西南交通大学 | 一种公路视频巡检的里程标识牌自动识别方法 |
| CN106650553A (zh) * | 2015-10-30 | 2017-05-10 | 比亚迪股份有限公司 | 车牌识别方法及系统 |
| WO2018028230A1 (zh) * | 2016-08-10 | 2018-02-15 | 东方网力科技股份有限公司 | 一种基于深度学习的车牌字符分割方法、装置及存储介质 |
| CN108830274A (zh) * | 2018-05-03 | 2018-11-16 | 南京邮电大学 | 一种复杂背景环境下车牌字符自动检测定位及识别方法 |
Non-Patent Citations (3)
| Title |
|---|
| 刘雄飞 等: "基于行扫描和小波变换的车牌定位算法", 《计算机应用与软件》 * |
| 卓均飞 等: "基于边缘检测和投影法的车牌定位算法研究", 《科技通报》 * |
| 齐永奇 等: "基于纹理特征和垂直投影的车牌定位算法研究", 《现代电子技术》 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR101403876B1 (ko) | 차량 번호판 인식 방법과 그 장치 | |
| CN106407883B (zh) | 一种复杂表格及其内部手写数字识别方法 | |
| CN111382704B (zh) | 基于深度学习的车辆压线违章判断方法、装置及存储介质 | |
| CN113109368B (zh) | 玻璃裂纹检测方法、装置、设备及介质 | |
| US9324001B2 (en) | Character recognition device and character segmentation method | |
| CN115063421B (zh) | 极片区域检测方法及系统及装置及介质及缺陷检测方法 | |
| CN107038416B (zh) | 一种基于二值图像改进型hog特征的行人检测方法 | |
| CN106650553A (zh) | 车牌识别方法及系统 | |
| US20090185236A1 (en) | Image binarization using dynamic sub-image division | |
| CN110598566A (zh) | 图像处理方法、装置、终端和计算机可读存储介质 | |
| CN115131348B (zh) | 一种纺织品表面缺陷的检测方法及系统 | |
| CN113221861B (zh) | 一种多车道线检测方法、装置及检测设备 | |
| CN114820625B (zh) | 一种汽车顶块缺陷检测方法 | |
| CN109389122B (zh) | 一种车牌定位方法及装置 | |
| CN113192059A (zh) | 一种红外遥感图像在轨舰船检测方法 | |
| CN111598104A (zh) | 一种车牌字符识别方法及其系统 | |
| CN114998317B (zh) | 镜头遮挡检测方法、装置、摄像装置和存储介质 | |
| CN114972575A (zh) | 一种基于轮廓边缘的直线拟合算法 | |
| CN110689003A (zh) | 低照度成像车牌识别方法、系统、计算机设备及存储介质 | |
| US9332154B2 (en) | Image binarization using dynamic sub-image division | |
| CN106204616B (zh) | 一种伊朗纸币币值的识别方法及装置 | |
| CN113378797B (zh) | 指纹采集头的水滴检测方法 | |
| CN111914847B (zh) | 一种基于模板匹配的ocr识别方法及其系统 | |
| CN116416268B (zh) | 基于递归二分法的锂电池极片边缘位置检测方法及装置 | |
| CN111178111A (zh) | 二维码检测方法、电子设备、存储介质及系统 |
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 |