CN112733856B - 一种大型车辆放大车牌的识别方法 - Google Patents

一种大型车辆放大车牌的识别方法 Download PDF

Info

Publication number
CN112733856B
CN112733856B CN202011618728.2A CN202011618728A CN112733856B CN 112733856 B CN112733856 B CN 112733856B CN 202011618728 A CN202011618728 A CN 202011618728A CN 112733856 B CN112733856 B CN 112733856B
Authority
CN
China
Prior art keywords
license plate
character
image
data
identifying
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.)
Active
Application number
CN202011618728.2A
Other languages
English (en)
Other versions
CN112733856A (zh
Inventor
刘阳
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.)
Chengdu Lifu Environmental Protection Co ltd
Original Assignee
Chengdu Lifu Environmental Protection Co ltd
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 Chengdu Lifu Environmental Protection Co ltd filed Critical Chengdu Lifu Environmental Protection Co ltd
Priority to CN202011618728.2A priority Critical patent/CN112733856B/zh
Publication of CN112733856A publication Critical patent/CN112733856A/zh
Application granted granted Critical
Publication of CN112733856B publication Critical patent/CN112733856B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
    • 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
    • G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
    • 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
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Biophysics (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Health & Medical Sciences (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Character Discrimination (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开一种大型车辆放大车牌的识别方法，首先接收放置大车牌的车辆图像，然后通过图片标注工具标注大车牌的位置，识别大车牌在图像中的位置以及大小，剪切获取大车牌的图像数据，然后进行OTSU二值化操作，获取车牌字符的图像数据和非字符图像数据，然后进行字符识别模型识别及相关步骤后过滤掉负样本，得到具体的放大车牌字母和数字；根据首个字母的位置向前截取固定长度和高度的图像，从而得到具体中文字符，输出车牌号识别结果。因此不受车辆头顶的放大车牌的材质、大小，字体，字体间距等不同因素的干扰，能够迅速客观的进行识别判断，对大型车辆行驶过程中的违规现象提供准确的对照信息，以便对事故追责做出及时处理。

Description

一种大型车辆放大车牌的识别方法
技术领域
本发明属于城市交通技术领域，主要涉及一种大型车辆放大车牌的识别方法。
背景技术
城市建筑修建过程中，需要许多大型车辆进行货物运输，比如：建筑垃圾运输车、商砼车等，这些车辆按道路行驶要求需要在车头顶部放置该车辆放大号码的放大车牌，但是这些车辆长期出入泥泞的工地，其车辆下方的常规车牌通常会被泥浆遮挡，导致交通道路和门禁卡口车牌识别设备无法识别，同时受车辆车头顶部放置的放大车牌的材质、大小，字体，字体间距等不同因素的干扰，导致目前使用的卡口车牌识别设备无法正常识别，出现交通违规现象无法提供准确的车牌图像信息，无法及时作出追责，因此许多驾驶该类大型车辆的司机发现此问题后存在侥幸心理，常常出现闯红灯、超速的违规违法现象，造成严重的交通事故，
因此，本文采用识别该类大型车辆的头顶的放大车牌进行识别，提出一种放大车牌的识别方法。
发明内容
本发明目的在于针对现有技术的缺陷和不足，提供了一种大型车辆放大车牌的识别方法，通过图像数据采集分析，结合字符识别模型，分析判断出大车牌的数字字符输出车辆号码，对大型车辆行驶过程中的违规现象提供准确的对照信息，以便对事故追责做出及时处理。
为实现上述目的，本发明所采取的技术方案是：
一种大型车辆放大车牌的识别方法，包括以下步骤：
S1、接收大型车辆车头顶部放置大车牌的车辆图像；
S2、通过图片标注工具标注出图像中放置大车牌的位置，获取带有标注数据的放置大车牌位置的图像；
S 3、通过神经网络模型在放置大车牌位置的图像数据中识别大车牌在图像中的位置以及大小；
S4 、通过剪切获取大车牌的图像数据；
S 5、将大车牌图像调整240*60的像素大小，并转为灰度图后进行OTSU二值化操作，并获取OTSU二值化操作后的图像数据；
S 6、对进行OTSU二值化操作后获得的图像进行轮廓提取，找到轮廓的外接矩形，并对图像保留的矩形数据进行剪切，得到每一个车牌字符的图像数据和非字符图像数据；
S7、获取字符数据集和负样本数据集并建立字符识别模型；
S8、将非字符图像数据调整到与字符数据相同的尺寸，然后进行黑白反转；
S 9、将带有车牌字符数据和负样本数据的图像进行排列，通过字符识别模型进行识别，得到每一个字符数据的具体字符，过滤掉负样本，即可得到具体的放大车牌字母和数字；
S 10、根据首个字母的位置向前截取固定长度和高度的图像，并通过字符识别模型进行识别，从而得到具体中文字符，输出车牌号识别结果。
步骤S3进一步包括：通过yolov3神经网络目标检测算法进行训练，生成用于识别图片中放大车牌的神经网络模型。
步骤S6进一步包括：对图像进行轮廓提取时 得到每一个外接矩形的宽w，高h，左上角位置(x,y)，将保留其中 6<w<60 并且 18< h < 60 的数据。
步骤S7进一步包括：对获得的矩形数据进行剪切，得到每一个车牌字符的图片数据，放到对应的字符数据中，同时会存在一些不是字符的图片存在，放在负样本数据集中，用-1表示；结合原有的字符基础数据，得到了车牌使用的字符数据集和负样本数据集，对该数据集采用随机森林进行训练，得到字符识别模型。
步骤S9进一步包括：将带有车牌字符数据和负样本数据的图像按照左上角位置（x，y）中的x大小排列。
本发明有益效果：通过采集到的大型车辆车头顶部放置的放大号码牌图像进行数据标注、剪切、字符识别的相关步骤后获得车辆大车牌号码，同时不受车辆头顶的放大车牌的材质、大小，字体，字体间距等不同因素的干扰，能够迅速客观的进行识别判断，对大型车辆行驶过程中的违规现象提供准确的对照信息，以便对事故追责做出及时处理。
附图说明
图1为本发明流程步骤示意图；
图2为本发明剪切获取大车牌的图像示意图；
图3为本发明OTSU二值化操作后的图像示意图；
图4为本发明将非字符图像数据调整到与字符数据相同的尺寸，然后进行黑白反转后的图像示意图；
图5为本发明根据首个字母的位置向前截取固定长度和高度的图像示意图；
图6为本发明输出的车牌号识别结果示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及具体实施方式，对本发明进行进一步详细说明，应当理解，此处所描述的具体实施方式仅用以解释本发明，并不用于限定本发明。
参照图1-6所示，一种大型车辆放大车牌的识别方法，如图1所示，包括以下步骤：
S1、接收大型车辆车头顶部放置大车牌的车辆图像；
S2、通过图片标注工具标注出图像中放置大车牌的位置，获取带有标注数据的放置大车牌位置的图像；
S 3、通过神经网络模型在放置大车牌位置的图像数据中识别大车牌在图像中的位置以及大小；
S4 、通过剪切获取大车牌的图像数据，如图2所示；
S 5、将大车牌图像调整240*60的像素大小，并转为灰度图后进行OTSU二值化操作，并获取OTSU二值化操作后的图像数据，如图3所示；
S 6、对进行OTSU二值化操作后获得的图像进行轮廓提取，找到轮廓的外接矩形，并对图像保留的矩形数据进行剪切，得到每一个车牌字符的图像数据和非字符图像数据；
S7、获取字符数据集和负样本数据集并建立字符识别模型；
S8、将非字符图像数据调整到与字符数据相同的尺寸，然后进行黑白反转，如图4所示；
S 9、将带有车牌字符数据和负样本数据的图像进行排列，通过字符识别模型进行识别，得到每一个字符数据的具体字符，过滤掉负样本，即可得到具体的放大车牌字母和数字；
S 10、根据首个字母的位置向前截取固定长度和高度的图像，如图5所示，并通过字符识别模型进行识别，从而得到具体中文字符，输出车牌号识别结果，如图6所示。
步骤S3进一步包括：通过yolov3神经网络目标检测算法进行训练，生成用于识别图片中放大车牌的神经网络模型。
步骤S6进一步包括：对图像进行轮廓提取时 得到每一个外接矩形的宽w，高h，左上角位置(x,y)，将保留其中 6<w<60 并且 18< h < 60 的数据。
步骤S7进一步包括：对获得的矩形数据进行剪切，得到每一个车牌字符的图片数据，放到对应的字符数据中，同时会存在一些不是字符的图片存在，放在负样本数据集中，用-1表示；结合原有的字符基础数据，得到了车牌使用的字符数据集和负样本数据集，对该数据集采用随机森林进行训练，得到字符识别模型。
步骤S9进一步包括：将带有车牌字符数据和负样本数据的图像按照左上角位置（x，y）中的x大小排列。
本发明的描述和应用都只是说明性和示意性的，并非是想要将本发明的范围限制在上述实施例中。这里所披露的实施方式的变形和改变是完全可能的，对于那些本领域的普通技术人员来说，实施方式的替换和等效的各种部件均是公知的，本领域技术人员还应该清楚的是，在不脱离本发明的精神或本质特征的情况下，本发明可以以其它形式、结构、布置、比例，以及用其它组件、材料和部件来实现，以及在不脱离本发明范围和精神的情况下，可以对这里所披露的实施例进行其它变形和改变。

Claims (5)

1.一种大型车辆放大车牌的识别方法，其特征在于：包括以下步骤：
S1、接收大型车辆车头顶部放置大车牌的车辆图像；
S2、通过图片标注工具标注出图像中放置大车牌的位置，获取带有标注数据的放置大车牌位置的图像；
S 3、通过神经网络模型在放置大车牌位置的图像数据中识别大车牌在图像中的位置以及大小；
S4 、通过剪切获取大车牌的图像数据；
S 5、将大车牌图像调整240*60的像素大小，并转为灰度图后进行OTSU二值化操作，并获取OTSU二值化操作后的图像数据；
S 6、对进行OTSU二值化操作后获得的图像进行轮廓提取，找到轮廓的外接矩形，并对图像保留的矩形数据进行剪切，得到每一个车牌字符的图像数据和非字符图像数据；
S7、获取字符数据集和负样本数据集并建立字符识别模型；
S8、将非字符图像数据调整到与字符数据相同的尺寸，然后进行黑白反转；
S 9、将带有车牌字符数据和负样本数据的图像进行排列，通过字符识别模型进行识别，得到每一个字符数据的具体字符，过滤掉负样本，即可得到具体的放大车牌字母和数字；
S 10、根据首个字母的位置向前截取固定长度和高度的图像，并通过字符识别模型进行识别，从而得到具体中文字符，输出车牌号识别结果。
2.根据权利要求1所述的一种大型车辆放大车牌的识别方法，其特征在于：步骤S3进一步包括：通过yolov3神经网络目标检测算法进行训练，生成用于识别图片中放大车牌的神经网络模型。
3.根据权利要求1所述的一种大型车辆放大车牌的识别方法，其特征在于：步骤S6进一步包括：对图像进行轮廓提取时 得到每一个外接矩形的宽w，高h，左上角位置(x,y)，将保留其中 6<w<60 并且 18< h < 60 的数据。
4.根据权利要求1所述的一种大型车辆放大车牌的识别方法，其特征在于：步骤S7进一步包括：对获得的矩形数据进行剪切，得到每一个车牌字符的图片数据，放到对应的字符数据中，同时会存在一些不是字符的图片存在，放在负样本数据集中，用-1表示；结合原有的字符基础数据，得到了车牌使用的字符数据集和负样本数据集，对该数据集采用随机森林进行训练，得到字符识别模型。
5.根据权利要求1所述的一种大型车辆放大车牌的识别方法，其特征在于：步骤S9进一步包括：将带有车牌字符数据和负样本数据的图像按照左上角位置（x，y）中的x大小排列。
CN202011618728.2A 2020-12-31 2020-12-31 一种大型车辆放大车牌的识别方法 Active CN112733856B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011618728.2A CN112733856B (zh) 2020-12-31 2020-12-31 一种大型车辆放大车牌的识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011618728.2A CN112733856B (zh) 2020-12-31 2020-12-31 一种大型车辆放大车牌的识别方法

Publications (2)

Publication Number Publication Date
CN112733856A CN112733856A (zh) 2021-04-30
CN112733856B true CN112733856B (zh) 2022-08-09

Family

ID=75607930

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011618728.2A Active CN112733856B (zh) 2020-12-31 2020-12-31 一种大型车辆放大车牌的识别方法

Country Status (1)

Country Link
CN (1) CN112733856B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114529996A (zh) * 2021-12-22 2022-05-24 广州市凌特电子有限公司 一种自由流收费稽查系统
CN115394085B (zh) * 2022-10-26 2023-03-24 广州国交润万交通信息有限公司 通过高精度地图对高速公路事件自动仿真还原的系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103870832A (zh) * 2014-03-21 2014-06-18 浙江宇视科技有限公司 车辆整体特征提取方法及车辆型号识别方法
CN106407981A (zh) * 2016-11-24 2017-02-15 北京文安智能技术股份有限公司 一种车牌识别方法、装置及系统
CN106845488A (zh) * 2017-01-18 2017-06-13 博康智能信息技术有限公司 一种车牌图像处理方法及装置

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6473517B1 (en) * 1999-09-15 2002-10-29 Siemens Corporate Research, Inc. Character segmentation method for vehicle license plate recognition
US20130279758A1 (en) * 2012-04-23 2013-10-24 Xerox Corporation Method and system for robust tilt adjustment and cropping of license plate images
JP6115388B2 (ja) * 2013-08-01 2017-04-19 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
CN103413147B (zh) * 2013-08-28 2017-07-07 庄浩洋 一种车牌识别方法和系统
CN103824091B (zh) * 2014-02-27 2017-11-03 中国石油大学(华东) 一种用于智能交通系统的车牌识别方法
CN103902981A (zh) * 2014-04-02 2014-07-02 浙江师范大学 一种基于字符融合特征的车牌字符识别方法及系统
CN104408475B (zh) * 2014-12-08 2018-09-14 深圳市捷顺科技实业股份有限公司 一种车牌识别方法及车牌识别设备
CN106778735B (zh) * 2016-11-25 2020-04-21 北京大学深圳研究生院 一种车牌识别方法及装置
CN106845480A (zh) * 2017-01-13 2017-06-13 河海大学 一种从图片中识别车牌的方法
KR101778605B1 (ko) * 2017-02-21 2017-09-14 주식회사 엑시냅스 차량 번호판 인식 방법 및 장치
CN109447074A (zh) * 2018-09-03 2019-03-08 中国平安人寿保险股份有限公司 一种车牌识别方法及终端设备
CN109670449B (zh) * 2018-12-20 2023-06-30 天津天地伟业信息系统集成有限公司 一种基于垂直抓拍方式的车辆违法判断方法
CN109840474A (zh) * 2018-12-28 2019-06-04 广州粤建三和软件股份有限公司 一种车辆出入规范识别方法、系统及存储介质

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103870832A (zh) * 2014-03-21 2014-06-18 浙江宇视科技有限公司 车辆整体特征提取方法及车辆型号识别方法
CN106407981A (zh) * 2016-11-24 2017-02-15 北京文安智能技术股份有限公司 一种车牌识别方法、装置及系统
CN106845488A (zh) * 2017-01-18 2017-06-13 博康智能信息技术有限公司 一种车牌图像处理方法及装置

Also Published As

Publication number Publication date
CN112733856A (zh) 2021-04-30

Similar Documents

Publication Publication Date Title
CN112733856B (zh) 一种大型车辆放大车牌的识别方法
CN105373794B (zh) 一种车牌识别方法
CN109740548B (zh) 一种报销票据图像分割方法及系统
CN102364496B (zh) 一种基于图像分析的汽车车牌自动识别方法及系统
CN100527156C (zh) 一种图片文字检测的方法
DE112013001858B4 (de) Mehrfachhinweis-Objekterkennung und -Analyse
CN106156768B (zh) 基于视觉的机动车行驶证检测方法
CN112200172B (zh) 一种可行驶区域的检测方法及装置
CN102375982A (zh) 一种融合多字符特征的车牌定位方法
US9082022B2 (en) Method and device for road sign recognition
CN111382704A (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
CN101183425A (zh) 粤港两地车牌定位方法
CN106980857B (zh) 一种基于碑帖的毛笔字分割识别方法
CN107886034B (zh) 行车提醒方法、装置及车辆
JP6527013B2 (ja) 交通標識から英数字を抽出／認識するコンピュータ実施システムおよび方法
Shaikh et al. A novel approach for automatic number plate recognition
CN105894487A (zh) 钢材图像编号的提取与分割方法
Mammeri et al. MSER-based text detection and communication algorithm for autonomous vehicles
CN112115800A (zh) 一种基于深度学习目标检测的车辆组合识别系统及方法
CN111949714A (zh) 一种基于图像识别的行车轨迹展示方法及系统
Islam et al. Bangla license plate detection, recognition and authentication with morphological process and template matching
CN103049742B (zh) 一种车牌定位的方法
CN110046618B (zh) 基于机器学习和最大极值稳定区域的车牌识别方法
CN106355743A (zh) 纸币的版本识别方法及装置
Hossain et al. Bangla digital number plate recognition using template matching for higher accuracy and less time complexity

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
GR01 Patent grant
GR01 Patent grant