CN113255632A - 基于车牌识别的摄像头参数调整方法、装置、设备和介质 - Google Patents

基于车牌识别的摄像头参数调整方法、装置、设备和介质 Download PDF

Info

Publication number
CN113255632A
CN113255632A CN202110808505.0A CN202110808505A CN113255632A CN 113255632 A CN113255632 A CN 113255632A CN 202110808505 A CN202110808505 A CN 202110808505A CN 113255632 A CN113255632 A CN 113255632A
Authority
CN
China
Prior art keywords
license plate
detection frame
coordinates
reference license
camera
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.)
Granted
Application number
CN202110808505.0A
Other languages
English (en)
Other versions
CN113255632B (zh
Inventor
周骁
涂祥
张仁辉
刘禹淼
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.)
Shenzhen Sfirm Technology Co ltd
Original Assignee
Shenzhen Sfirm Technology 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 Shenzhen Sfirm Technology Co ltd filed Critical Shenzhen Sfirm Technology Co ltd
Priority to CN202110808505.0A priority Critical patent/CN113255632B/zh
Publication of CN113255632A publication Critical patent/CN113255632A/zh
Application granted granted Critical
Publication of CN113255632B publication Critical patent/CN113255632B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00Scenes; Scene-specific elements
    • G06V20/50Context or environment of the image
    • G06V20/56Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/58Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
    • G06V20/584Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of vehicle lights or traffic lights
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/24Classification techniques
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/20Image preprocessing
    • G06V10/24Aligning, centring, orientation detection or correction of the image
    • G06V10/243Aligning, centring, orientation detection or correction of the image by compensating for image skew or non-uniform image deformations
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/20Image preprocessing
    • G06V10/26Segmentation 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
    • G06V10/267Segmentation 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
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00Scenes; Scene-specific elements
    • G06V20/60Type of objects
    • G06V20/62Text, e.g. of license plates, overlay texts or captions on TV images
    • G06V20/625License plates

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Data Mining & Analysis (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Image Analysis (AREA)
  • Traffic Control Systems (AREA)

Abstract

本申请涉及一种基于车牌识别的摄像头参数调整方法、装置、设备和介质,属于车牌识别的技术领域,该方法包括:获取摄像头采集的包含参照车牌的图像;分别获取所述参照车牌的坐标和第一检测框的坐标;基于所述参照车牌的坐标和所述第一检测框的坐标判断所述参照车牌是否处于所述第一检测框的中间区域;若否,则改变所述第一检测框的坐标,生成第二检测框,以使所述参照车牌处于所述第二检测框的中间区域;基于所述第二检测框的坐标生成用以触发所述摄像头捕捉车牌图像的触发线。本申请具有提高车牌识别的准确率的效果。

Description

基于车牌识别的摄像头参数调整方法、装置、设备和介质
技术领域
本申请涉及车牌识别的技术领域,尤其是涉及一种基于车牌识别的摄像头参数调整方法、装置、设备和介质。
背景技术
随着民用汽车的普及,停车场大多采用车牌识别系统来对进出停车场的车辆进行有效规范的管理。车牌识别系统能够检测到受控路面的车辆并自动捕捉车辆图像。
目前,车牌识别系统主要有两种触发方式,一是外设线圈触发,二是视频触发。其中,视频触发方式是通过不断对动态视频流信号进行分析和运算,以便在合适的时机采集图像进行识别,其无需借助线圈、红外或其他硬件来检测车辆,因此,采用视频触发的车牌识别系统被广泛应用。
视频触发的车牌识别系统主要通过从摄像头捕捉的车牌图像中提取车牌区域来定位车牌,一般是先通过预先设置的检测框对图像中的车牌区域进行定位,并根据检测框生成用以触发摄像头捕捉车牌图像的触发线。当摄像头采集的车牌图像接触触发线时,当前帧的车辆图像被捕捉并进行车牌信息识别。
针对上述中的相关技术,发明人认为由于摄像头安装位置不正,导致检测框和触发线等摄像头参数不能准确捕捉、定位车牌,因此可能导致无法准确识别车牌信息。
发明内容
为了提高车牌识别的准确率,本申请提供一种基于车牌识别的摄像头参数调整方法、装置、设备和介质。
第一方面,本申请提供一种基于车牌识别的摄像头参数调整方法,采用如下的技术方案:
一种基于车牌识别的摄像头参数调整方法,包括:
获取摄像头采集的包含参照车牌的图像;
分别获取所述参照车牌的坐标和第一检测框的坐标;
基于所述参照车牌的坐标和所述第一检测框的坐标判断所述参照车牌是否处于所述第一检测框的中间区域;
若否,则改变所述第一检测框的坐标,生成第二检测框,以使所述参照车牌处于第二检测框的中间区域;
基于所述第二检测框的坐标生成用以触发所述摄像头捕捉车牌图像的触发线。
通过采用上述技术方案,先以一带有参照车牌的照片作为调试基准,调整第一检测框的四角坐标,生成第二检测框,使参照车牌位于第二检测框的中间区域,然后生成用于触发车牌的触发线,根据调试生成的触发线对出入停车场的车辆的车牌进行准确捕捉,通过调试生成的第二检测框对车牌进行准确定位,进而提高车牌识别的准确度。
可选的,所述获取摄像头采集的包含参照车牌的图像为所述摄像头拍摄的停在预设位置的带有所述参照车牌的车辆图像。
可选的,所述获取所述参照车牌的坐标包括:
对所述包含参照车牌的图像进行二值化处理,得到全景二值化图像;
根据车牌特征属性从所述全景二值化图像中获取多个车牌候选子区域;
根据车牌附加属性设置打分模型;
基于所述打分模型分别对所述多个车牌候选子区域进行打分,将大于第一阈值的所有车牌候选子区域,作为车牌区域样本;
采用训练好的支持向量机模型对所述车牌区域样本进行识别,或者采用训练好的神经网络模型对所述车牌区域样本进行分类,得到置信度大于第二阈值的车牌候选区域;
获取所述置信度大于第二阈值的车牌候选区域的坐标,即为所述参照车牌的坐标。
可选的,所述第一检测框的形状为矩形,基于所述参照车牌的坐标和所述第一检测框的坐标判断所述参照车牌是否处于所述第一检测框的中间区域包括:
基于所述参照车牌的四角坐标计算得到所述参照车牌的中心点坐标;
基于所述第一检测框的四角坐标计算得到所述第一检测框的中心点坐标;
判断所述参照车牌的中心点坐标与所述第一检测框的中心点坐标是否重合;
若否,则判定所述参照车牌未处于所述第一检测框的中间区域。
通过采用上述技术方案,通过判断参照车牌和当前车辆图像的中心点是否重合,可以方便快捷地判断出参照车牌是否处于第一检测框的中间区域。
可选的,所述第一检测框和所述第二检测框的形状均为矩形;所述改变所述第一检测框的坐标,生成第二检测框包括:
获取所述第二检测框的水平边与竖直边的第一长度比例;
获取所述第二检测框与所述参照车牌的水平边的第二长度比例,或者,获取所述第二检测框与所述参照车牌的竖直边的第二长度比例;
基于所述第一长度比例、所述第二长度比例和所述参照车牌的中心点坐标确定所述第二检测框的坐标。
通过采用上述技术方案,可使自动生成的第二检测框与参照车牌形状相同,并且生成的第二检测框能将参照车牌框选在内,使参照车牌位于第二检测框内。
可选的,所述第一检测框和所述第二检测框的形状均为矩形;所述改变所述第一检测框的坐标,生成第二检测框包括:
显示第一触发点,所述第一触发点的坐标为所述参照车牌的中心点坐标;
接收第一用户触发信号,所述第一用户触发信号为用户触发所述第一触发点所产生的信号;
在接收所述第一用户触发信号后,接收第二用户触发信号,所述第二用户触发信号为用户触发第二触发点所产生的信号;
基于所述第一触发点和所述第二触发点的坐标确定所述第二检测框的坐标。
通过采用上述技术方案,手动确定第二检测框的位置,比较直观地将参照车牌设置在第二检测框内。
可选的,所述第二检测框的形状为矩形;所述触发线平行于所述第二检测框的两个水平边,所述触发线与所述第二检测框的两个竖直边相交得到两个交点,每个所述交点与所述两个水平边的距离之比为预设比值。
第二方面,本申请提供一种基于车牌识别的摄像头参数调整装置,包括:
第一获取模块,用于获取摄像头采集的包含参照车牌的图像;
第二获取模块,用于分别获取参照车牌的坐标和第一检测框的坐标;
判断模块,用于基于参照车牌的坐标和所述第一检测框的坐标判断参照车牌是否处于所述第一检测框的中间区域,若否,则转入第一生成模块;
所述第一生成模块,改变所述第一检测框的坐标,生成第二检测框,以使所述参照车牌处于第二检测框的中间区域;
第二生成模块,用于基于所述第二检测框的坐标生成用以触发所述摄像头捕捉车牌图像的触发线。
通过采用上述技术方案,第一获取模块获取一作为调试基准的带有参照车牌的照片,第一生成模块根据第二获取模块和判断模块得到的信息,调整第一检测框的四角坐标,生成第二检测框,使参照车牌位于第二检测框的中间区域,然后第二生成模块生成用于触发车牌的触发线,根据调试生成的触发线对出入停车场的车辆的车牌进行准确捕捉,通过调试生成的第二检测框对车牌进行准确定位,进而提高车牌识别的准确度。
第三方面,本申请提供一种电子设备,其特征在于,包括存储器、处理器、通信总线、通信接口和屏幕;
所述存储器、所述处理器、所述通信接口通过所述通信总线相连;
所述存储器上存储有能够被所述处理器加载并执行如第一方面中任一种方法的计算机程序;
所述屏幕与所述通信接口连接,用于显示所述包含参照车牌的图像、所述第一检测框和所述第二检测框。
通过采用上述技术方案,使用上述电子设备,屏幕上显示一作为调试基准的带有参照车牌的照片,显示第一检测框和第二检测框,处理器加载存储器中存储的方法来调整第一检测框的四角坐标,生成第二检测框,使参照车牌位于第二检测框的中间区域,然后生成用于触发车牌的触发线,调试生成的触发线对出入停车场的车辆的车牌进行准确捕捉,通过调试生成的第二检测框对车牌进行准确定位,进而提高车牌识别的准确度。
第四方面,本申请提供一种计算机可读存储介质,其特征在于,存储有能够被处理器加载并执行如第一方面所述方法的计算机程序。
通过采用上述技术方案,计算机可读存储介质存储有根据一带有参照车牌的照片作为调试基准,调整第一检测框的四角坐标,生成第二检测框的计算机程序,使参照车牌位于第二检测框的中间区域,然后生成用于触发车牌的触发线,根据调试生成的触发线对出入停车场的车辆的车牌进行准确捕捉,通过调试生成的第二检测框对车牌进行准确定位,进而提高车牌识别的准确度。
附图说明
图1是本申请实施例中基于车牌识别的摄像头参数调整方法的流程示意图;
图2是本申请实施例中步骤S2000的流程示意图;
图3是本申请实施例中步骤S3000的流程示意图;
图4是本申请实施例中自动改变第一检测框的坐标的方法的流程示意图;
图5是本申请实施例中手动改变第一检测框的坐标的方法的流程示意图;
图6是本申请实施例中摄像头系统100的结构示意图;
图7是本申请实施例中车牌识别摄像头200的结构示意图。
具体实施方式
以下结合附图对本申请作进一步详细说明。
本具体实施例仅仅是对本申请的解释,其并不是对本申请的限制,本领域技术人员在阅读完本说明书后可以根据需要对本实施例做出没有创造性贡献的修改,但只要在本申请的权利要求范围内都受到专利法的保护。
在对摄像头参数调整之前,工作人员已将摄像头安装在停车场的出入口,使摄像头正对停车场出入口的车道。并且对摄像头进行了针对水平度和倾斜度的人工调整,使摄像头拍摄的画面与停车场出入口的车道平齐,因此摄像头拍摄画面中的车牌是水平的。然而由于人工调节仍有差异,摄像头的安装位置未达到完全准确,检测框和触发线等摄像头参数仍不能准确捕捉、定位车牌,为了准确识别车牌信息,需要对摄像头参数进行进一步调整。
本申请实施例提供一种基于车牌识别的摄像头参数调整方法,参照图1,该方法主要流程描述如下(步骤S100~S500):
步骤S100,获取摄像头采集的包含参照车牌的图像;
调试人员在进行调试之前,需要将一带有参照车牌的车辆作为调试基准。具体的,调试人员将一辆车停驶于停车场出入口的车道的预设位置上,在该预设位置下拍摄的车辆图像中的车牌大小像素满足车牌识别系统功能的要求,且参照车牌位于整个车辆图像的中央。
步骤S200,分别获取参照车牌的坐标和第一检测框的坐标;
本实施例中,参照图2,获取参照车牌坐标包括(步骤S201~S206):
步骤S201,获取包含参照车牌的图像的全景二值化图像;
步骤S202,根据车牌特征属性从全景二值化图像中获取多个车牌候选子区域;
其中,车牌特征属性可以为人肉眼可见的光学特征、车牌字符编排顺序、车牌字符前景与背景的差异等属性。
步骤S203,根据车牌的附加属性设置打分模型;
车牌的附加属性可以为车牌的长宽比、前景/背景比、边缘计数、颜色等信息。
步骤S204,基于打分模型分别对多个车牌候选子区域进行打分,将大于第一阈值的所有车牌候选子区域,作为车牌区域样本;
第一阈值根据打分模型的总分值而定,例如本实施例中,车牌的附加属性有四项,可将各项附加属性均赋值为1.0,因此打分模型的总分值为4.0,则设第一阈值为3.5,保留打分结果大于第一阈值的车牌候选子区域,组成车牌区域样本。
例如,当前车牌候选子区域的打分结果为3.6,大于第一阈值,则保留当前车牌候选子区域,因此当前车牌候选子区域内有车牌图像的可能性较大。
步骤S205,采用训练好的支持向量机模型对车牌区域样本进行识别,或者采用训练好的神经网络模型对车牌区域样本进行分类,得到置信度大于第二阈值的车牌候选子区域。
第二阈值为人为设定,经过识别和分类后,保留的置信度大于第二阈值的车牌候选子区域内基本有车牌图像。
步骤S206,获取置信度大于第二阈值的车牌候选子区域的坐标,即为参照车牌的坐标。
另外,第一检测框的坐标可通过对话框、鼠标或者触屏等方式输入。
本实施例中,第一检测框的底边与屏幕的底边平行。
步骤S300,基于参照车牌和第一检测框的坐标判断参照车牌是否处于第一检测框的中间区域;若是,则进入步骤S400;若否,则进入步骤S500;
参照图3,步骤S300包括(步骤S301~S304):
步骤S301,基于参照车牌的四角坐标计算得到参照车牌的中心点坐标;
步骤S302,基于第一检测框的四角坐标计算得到第一检测框的中心点坐标;
步骤S303,判断参照车牌的中心点坐标与第一检测框的中心点坐标是否重合;
如果重合,则说明参照车牌处于第一检测框的中间区域,此时第一检测框的四角坐标无需改变;如果没有重合,则判定参照车牌未处于第一检测框的中间区域,此时需要对第一检测框的四角坐标进行修改。
其中,第一检测框的中间区域框住摄像画面中的车道,第一检测框的中间区域的每一侧边均与相邻的第一检测框的侧边平行,中间区域的每组对边中的两个边距相邻的第一检测框的侧边的距离相等。
步骤S400,基于第一检测框的坐标生成用以触发摄像头捕捉车牌图像的触发线;
当参照车牌处于第一检测框中间区域时,基于第一检测框生成的触发线后,当车牌位于第一检测框内并接触触发线后,触发线即可被触发,使摄像头捕捉车牌图像。
步骤S500,改变第一检测框的坐标,形成第二检测框,使参照车牌处于第二检测框的中间区域;
具体的,可以通过手动或自动方式对第一检测框的坐标进行修改。以下分别对这两种方式进行具体说明。
参照图4,自动改变第一检测框的坐标的方法包括(步骤S511~S513):
步骤S511,获取所述第二检测框的水平边与竖直边的第一长度比例;
第二检测框的水平边与摄像头采集的图像的底边平行,第二检测框的竖直边与摄像头采集的图像的竖边平行。而使第一长度比例与车牌的水平边和竖直边的比例相等,生成的第二检测框与参照车牌形状一致,便于更准确识别车牌信息。
第一长度比例为用户通过对话框、鼠标或者触屏等方式输入的。
步骤S512,获取第二检测框与参照车牌的水平边的第二长度比例,或者,获取第二检测框与参照车牌的竖直边的第二长度比例;
第二长度比例为k,k>1,使第二检测框的框选面积大于参照车牌的面积。需要工作人员根据实际情况设置适合的第二长度比例,使第二检测框可框选停车场出入口的车道,因此当车辆从车道进出时,第二检测框均可识别到车牌信息。
步骤S513,基于第一长度比例、第二长度比例和参照车牌的中心点坐标确定第二检测框的坐标。
首先,基于参照车牌的四角坐标得到参照车牌的竖直边中点的坐标,参照车牌的竖直边的中点与参照车牌中心点之间的距离为a1;
然后基于第一检测框的四角坐标计算得到第一检测框的竖直边中点的坐标,第一检测框的竖直边的中点与第一检测框的中心点之间的距离为a2;
使第二检测框的中心点坐标与参照车牌的中心点坐标重合,第二检测框的竖直边=参照车牌的竖直边×k,且a2=a1×k,计算得到第二检测框其中一竖直边的两端点坐标;
第二检测框的水平边=竖直边×m,基于第二检测框其中一竖直边的端点坐标,得到第二检测框其中一水平边的端点坐标;
最后基于第二检测框其中一竖直边和水平边的端点坐标计算得到第二检测框的四角坐标。
参照图5,手动改变第一检测框的坐标的方法包括(S521~S524):
步骤S521,显示第一触发点,第一触发点的坐标为参照车牌的中心点坐标;
通过屏幕显示第一触发点,以指示用户绘制第二检测框的起始点位置。
步骤S522,接收第一用户触发信号,第一用户触发信号为用户触发第一触发点所产生的信号;
步骤S523,在接收第一用户触发信号后,接收第二用户触发信号,第二用户触发信号为用户触发第二触发点所产生的信号;
也就是说,以第一触发点为起始点,用户将手指在屏幕上按照一定的滑动轨迹滑动,以第二触发点为停止点;或者,以第一触发点为起始点,用户按下鼠标,按照一定的滑动轨迹拖动鼠标,以第二触发点为停止点,松开鼠标。
需要注意的是,用户需要使第二检测框框选停车场出入口的车道,因此当车辆从车道进出时,第二检测框均可识别到车牌信息。
本实施例中,如果第二触发点与第一触发点重合,则无法选中录制区域,提示出错,需要重新接收第一触发点的触发信号。当然,在判断第二触发点与第一触发点是否重合的时候允许有误差,即判断第二触发点与第一触发点之间的距离是否超过第一预设像素,若是则说明二者不重合,否则说明二者重合。
步骤S524,基于第一触发点和第二触发点的坐标确定第二检测框的坐标;
对第一用户触发信号和第二用户触发信号进行处理,得到第一触发点和第二触发点的坐标信息,再根据预设规则对应生成第二检测框。例如:若第二检测框的形状为矩形,则第一触发点为矩形的中心点,第二触发点为矩形的一角点,进而根据这两个点可以计算得到矩形的剩余三个角点的坐标,进而生成一矩形框,即为第二检测框。
步骤S600,基于第二检测框的坐标生成用以触发摄像头捕捉车牌图像的触发线。
第二检测框形状为矩形,触发线平行于第二检测框的两个水平边。当摄像头拍摄停车场入口时,车辆由远及近进入到摄像头拍摄范围内时,车牌在摄像画面中由上至下移动,第二检测框不断获取图像,当车牌的底边与触发线重合,此时车牌可能恰好处于第二检测框的中间区域,摄像头保存当前第二检测框内拍摄的图像,因此带有车牌的照片被保存下来。
当摄像头拍摄停车场出口时,车牌在摄像画面中由下至上移动,车牌的顶边与触发线重合,此时车牌可能恰好处于第二检测框的中间区域,摄像头保存当前第二检测框内拍摄的图像,因此车牌的照片被保存。
因此在生成第二检测框后,首先生成触发线,触发线与第二检测框的两个竖直边相交得到两个交点,交点与两个水平边的距离之比为预设比值,设预设比值=交点与第二检测框的顶边水平边的距离:交点与第二检测框的底边水平边的距离。
当摄像头拍摄停车场入口时,预设比值>1,当摄像头拍摄停车场出口时,预设比值<1,使车牌在完全进入到第二检测框内后才被拍照,使第二检测框内识别的车牌图像完整。
另外,为了便于区分触发线与第二检测框,可为触发线和第二检测框设置不同的显示颜色。
为了更好地实施以上方法,本申请提供了一种基于车牌识别的摄像头参数调整装置。参照图6,该基于车牌识别的摄像头参数调整装置700主要包括:
第一获取模块701,用于获取摄像头采集的包含参照车牌的图像;
第二获取模块702,用于分别获取参照车牌的坐标和第一检测框的坐标;
判断模块703,用于基于参照车牌的坐标和第一检测框的坐标判断参照车牌是否处于第一检测框的中间区域,若否,则转入第一生成模块704;
第一生成模块704,改变第一检测框的坐标,生成第二检测框,以使参照车牌处于第二检测框的中间区域;
第二生成模块705,用于基于第二检测框的坐标生成用以触发摄像头捕捉车牌图像的触发线。
前述实施例中的方法中的各种变化方式和具体实例同样适用于本实施例的基于车牌识别的摄像头参数调整装置,通过前述对基于车牌识别的摄像头参数调整方法的详细描述,本领域技术人员可以清楚的知道本实施例中的基于车牌识别的摄像头参数调整装置的实施方法,所以为了说明书的简洁,在此不再详述。
为了更好地执行上述方法的装置,本申请实施例提供了一种电子设备。电子设备800可以为嵌入式终端、PC机、手机或平板电脑等终端。参照图7,电子设备800包括存储器801、处理器802、通信总线803、通信接口804、输入装置805和屏幕806。存储器801、处理器802、通信接口804通过通信总线803相连;屏幕806与通信接口804连接,用于显示摄像头拍摄的画面;输入装置805与通信接口804连接,用于用户输入第一触发点和第二触发点。
其中,输入装置805可以是键盘、鼠标等常用PC外围组件,也可以与屏幕806集成在一起,形成触摸显示屏,实现触屏输入功能。
存储器801可用于存储指令、程序、代码、代码集或指令集。存储器801可以包括存储程序区和存储数据区,其中,存储程序区可存储用于实现操作系统的指令、用于至少一个功能的指令以及用于实现上述实施例提供的基于车牌识别的摄像头参数调整方法的指令等;存储数据区可存储上述实施例提供的基于车牌识别的摄像头参数调整方法中涉及到的数据等。
处理器802可以包括一个或者多个处理核心。处理器802通过运行或执行存储在存储器801内的指令、程序、代码集或指令集,调用存储在存储器801内的数据,执行本申请的各种功能和处理数据。处理器802可以为特定用途集成电路(Application SpecificIntegrated Circuit,ASIC)、数字信号处理器(Digital Signal Processor,DSP)、数字信号处理装置(Digital Signal Processing Device,DSPD)、可编程逻辑装置(ProgrammableLogic Device,PLD)、现场可编程门阵列(Field Programmable Gate Array,FPGA)、中央处理器(Central Processing Unit,CPU)、控制器、微控制器和微处理器中的至少一种。可以理解地,对于不同的设备,用于实现上述处理器802功能的电子器件还可以为其它,本申请实施例不作具体限定。
本申请实施例提供一种计算机可读存储介质,存储有能够被处理器加载并执行如上述实施例提供的基于车牌识别的摄像头参数调整方法的计算机程序。
本实施例中,计算机可读存储介质可以是保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质可以是但不限于电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意组合。具体的,计算机可读存储介质可以是便携式计算机盘、硬盘、U盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、讲台随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、光盘、磁碟、机械编码设备以及上述任意组合。
本实施例中的计算机程序包含用于执行图1所示的方法的程序代码,程序代码可包括对应执行上述实施例提供的方法步骤对应的指令。计算机程序可从计算机可读存储介质下载到各个计算/处理设备,或者通过网络(例如因特网、局域网、广域网和/或无线网)下载到外部计算机或外部存储设备。计算机程序可完全地在用户计算机上执行、作为一个独立的软件包执行。
另外,需要理解的是,诸如第一和第二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者操作区分开来,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。术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。
以上所述仅为本申请的优选实施例而已,并不用于限制本申请,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)

1.一种基于车牌识别的摄像头参数调整方法,其特征在于,包括:
获取摄像头采集的包含参照车牌的图像;
分别获取所述参照车牌的坐标和第一检测框的坐标;
基于所述参照车牌的坐标和所述第一检测框的坐标判断所述参照车牌是否处于所述第一检测框的中间区域;
若否,则改变所述第一检测框的坐标,生成第二检测框,以使所述参照车牌处于第二检测框的中间区域;
基于所述第二检测框的坐标生成用以触发所述摄像头捕捉车牌图像的触发线。
2.根据权利要求1所述的方法,其特征在于,所述获取摄像头采集的包含参照车牌的图像为所述摄像头拍摄的停在预设位置的带有所述参照车牌的车辆图像。
3.根据权利要求1所述的方法,其特征在于,所述获取所述参照车牌的坐标包括:
对所述包含参照车牌的图像进行二值化处理,得到全景二值化图像;
根据车牌特征属性从所述全景二值化图像中获取多个车牌候选子区域;
根据车牌附加属性设置打分模型;
基于所述打分模型分别对所述多个车牌候选子区域进行打分,将大于第一阈值的所有车牌候选子区域,作为车牌区域样本;
采用训练好的支持向量机模型对所述车牌区域样本进行识别,或者采用训练好的神经网络模型对所述车牌区域样本进行分类,得到置信度大于第二阈值的车牌候选区域;
获取所述置信度大于第二阈值的车牌候选子区域的坐标,即为所述参照车牌的坐标。
4.根据权利要求1至3任一项所述的方法,其特征在于,所述第一检测框的形状为矩形,所述基于所述参照车牌的坐标和所述第一检测框的坐标判断所述参照车牌是否处于所述第一检测框的中间区域包括:
基于所述参照车牌的四角坐标计算得到所述参照车牌的中心点坐标;
基于所述第一检测框的四角坐标计算得到所述第一检测框的中心点坐标;
判断所述参照车牌的中心点坐标与所述第一检测框的中心点坐标是否重合;
若否,则判定所述参照车牌未处于所述第一检测框的中间区域。
5.根据权利要求1至3任一项所述的方法,其特征在于,所述第一检测框和所述第二检测框的形状均为矩形;所述改变所述第一检测框的坐标,生成第二检测框包括:
获取所述第二检测框的水平边与竖直边的第一长度比例;
获取所述第二检测框与所述参照车牌的水平边的第二长度比例,或者,获取所述第二检测框与所述参照车牌的竖直边的第二长度比例;
基于所述第一长度比例、所述第二长度比例和所述参照车牌的中心点坐标确定所述第二检测框的坐标。
6.根据权利要求1至3任一项所述的方法,其特征在于,所述第一检测框和所述第二检测框的形状均为矩形;所述改变所述第一检测框的坐标,生成第二检测框包括:
显示第一触发点,所述第一触发点的坐标为所述参照车牌的中心点坐标;
接收第一用户触发信号,所述第一用户触发信号为用户触发所述第一触发点所产生的信号;
在接收所述第一用户触发信号后,接收第二用户触发信号,所述第二用户触发信号为用户触发第二触发点所产生的信号;
基于所述第一触发点和所述第二触发点的坐标确定所述第二检测框的坐标。
7.根据权利要求1至3任一项所述的方法,其特征在于,所述第二检测框为矩形检测框;所述触发线平行于所述第二检测框的两个水平边,所述触发线与所述第二检测框的两个竖直边相交得到两个交点,每个所述交点与所述两个水平边的距离之比均为预设比值。
8.一种基于车牌识别的摄像头参数调整装置,其特征在于,包括:
第一获取模块,用于获取摄像头采集的包含参照车牌的图像;
第二获取模块,用于分别获取参照车牌的坐标和第一检测框的坐标;
判断模块,用于基于参照车牌的坐标和所述第一检测框的坐标判断参照车牌是否处于所述第一检测框的中间区域,若否,则转入第一生成模块;
所述第一生成模块,改变所述第一检测框的坐标,生成第二检测框,以使所述参照车牌处于第二检测框的中间区域;
第二生成模块,用于基于所述第二检测框的坐标生成用以触发所述摄像头捕捉车牌图像的触发线。
9.一种电子设备,其特征在于,包括存储器、处理器、通信总线、通信接口和屏幕;
所述存储器、所述处理器、所述通信接口通过所述通信总线相连;
所述存储器上存储有能够被所述处理器加载并执行如权利要求1至7中任一种方法的计算机程序;
所述屏幕与所述通信接口连接,用于显示所述包含参照车牌的图像、所述第一检测框和所述第二检测框。
10.一种计算机可读存储介质,其特征在于,存储有能够被处理器加载并执行如权利要求1至7中任一种方法的计算机程序。
CN202110808505.0A 2021-07-16 2021-07-16 基于车牌识别的摄像头参数调整方法、装置、设备和介质 Active CN113255632B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110808505.0A CN113255632B (zh) 2021-07-16 2021-07-16 基于车牌识别的摄像头参数调整方法、装置、设备和介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110808505.0A CN113255632B (zh) 2021-07-16 2021-07-16 基于车牌识别的摄像头参数调整方法、装置、设备和介质

Publications (2)

Publication Number Publication Date
CN113255632A true CN113255632A (zh) 2021-08-13
CN113255632B CN113255632B (zh) 2023-01-03

Family

ID=77180560

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110808505.0A Active CN113255632B (zh) 2021-07-16 2021-07-16 基于车牌识别的摄像头参数调整方法、装置、设备和介质

Country Status (1)

Country Link
CN (1) CN113255632B (zh)

Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002109519A (ja) * 2000-09-27 2002-04-12 Ntt Fanet Systems Corp 車両用ナンバープレート情報抽出方法および装置
CN202022150U (zh) * 2011-04-10 2011-11-02 烟台汽车工程职业学院 一种车距自动检测系统
US20140098994A1 (en) * 2007-11-27 2014-04-10 Cetech Solutions Inc. Analyzing a segment of video
CN104167109A (zh) * 2014-07-17 2014-11-26 浙江宇视科技有限公司 车辆位置的检测方法和检测装置
CN104318225A (zh) * 2014-11-19 2015-01-28 深圳市捷顺科技实业股份有限公司 车牌检测方法及装置
KR20160067631A (ko) * 2014-12-04 2016-06-14 황용호 차량번호판 인식방법
CN107343154A (zh) * 2016-04-29 2017-11-10 华为技术有限公司 一种确定摄像装置的曝光参数的方法、装置和系统
CN108460328A (zh) * 2018-01-15 2018-08-28 浙江工业大学 一种基于多任务卷积神经网络的套牌车检测方法
US20190149740A1 (en) * 2017-11-13 2019-05-16 Yu Chieh Cheng Image tracking device
CN110766009A (zh) * 2019-10-31 2020-02-07 深圳市捷顺科技实业股份有限公司 尾牌识别方法、装置以及计算机可读存储介质
CN110807459A (zh) * 2019-10-31 2020-02-18 深圳市捷顺科技实业股份有限公司 车牌矫正方法、装置以及可读存储介质
CN111163261A (zh) * 2019-12-25 2020-05-15 上海肇观电子科技有限公司 目标检测方法、电路、视障辅助设备、电子设备和介质
CN111310773A (zh) * 2020-03-27 2020-06-19 西安电子科技大学 一种高效的卷积神经网络的车牌定位方法
CN111582263A (zh) * 2020-05-12 2020-08-25 上海眼控科技股份有限公司 车牌识别方法、装置、电子设备及存储介质
CN112464938A (zh) * 2020-12-18 2021-03-09 深圳赛安特技术服务有限公司 车牌检测识别方法、装置、设备及存储介质

Patent Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002109519A (ja) * 2000-09-27 2002-04-12 Ntt Fanet Systems Corp 車両用ナンバープレート情報抽出方法および装置
US20140098994A1 (en) * 2007-11-27 2014-04-10 Cetech Solutions Inc. Analyzing a segment of video
CN202022150U (zh) * 2011-04-10 2011-11-02 烟台汽车工程职业学院 一种车距自动检测系统
CN104167109A (zh) * 2014-07-17 2014-11-26 浙江宇视科技有限公司 车辆位置的检测方法和检测装置
CN104318225A (zh) * 2014-11-19 2015-01-28 深圳市捷顺科技实业股份有限公司 车牌检测方法及装置
KR20160067631A (ko) * 2014-12-04 2016-06-14 황용호 차량번호판 인식방법
CN107343154A (zh) * 2016-04-29 2017-11-10 华为技术有限公司 一种确定摄像装置的曝光参数的方法、装置和系统
US20190149740A1 (en) * 2017-11-13 2019-05-16 Yu Chieh Cheng Image tracking device
CN108460328A (zh) * 2018-01-15 2018-08-28 浙江工业大学 一种基于多任务卷积神经网络的套牌车检测方法
CN110766009A (zh) * 2019-10-31 2020-02-07 深圳市捷顺科技实业股份有限公司 尾牌识别方法、装置以及计算机可读存储介质
CN110807459A (zh) * 2019-10-31 2020-02-18 深圳市捷顺科技实业股份有限公司 车牌矫正方法、装置以及可读存储介质
CN111163261A (zh) * 2019-12-25 2020-05-15 上海肇观电子科技有限公司 目标检测方法、电路、视障辅助设备、电子设备和介质
CN111310773A (zh) * 2020-03-27 2020-06-19 西安电子科技大学 一种高效的卷积神经网络的车牌定位方法
CN111582263A (zh) * 2020-05-12 2020-08-25 上海眼控科技股份有限公司 车牌识别方法、装置、电子设备及存储介质
CN112464938A (zh) * 2020-12-18 2021-03-09 深圳赛安特技术服务有限公司 车牌检测识别方法、装置、设备及存储介质

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
S. YONETSU ET AL.: "Two-Stage YOLOv2 for Accurate License-Plate Detection in Complex Scenes", 《 2019 IEEE INTERNATIONAL CONFERENCE ON CONSUMER ELECTRONICS (ICCE)》 *
马巧梅 等: "复杂场景下基于改进YOLOv3 的车牌定位检测算法", 《计算机工程与应用》 *

Also Published As

Publication number Publication date
CN113255632B (zh) 2023-01-03

Similar Documents

Publication Publication Date Title
KR101763891B1 (ko) 영역 추출 방법, 모델 트레이닝 방법 및 장치
US10534957B2 (en) Eyeball movement analysis method and device, and storage medium
CN109484935B (zh) 一种电梯轿厢监控方法、装置及系统
RU2633184C2 (ru) Способ и устройство для идентификации области
EP2506218B1 (en) Method, terminal, and computer-readable recording medium for trimming a piece of image content
US20160063731A1 (en) Tracking processing device and tracking processing system provided with same, and tracking processing method
US10762372B2 (en) Image processing apparatus and control method therefor
US8902161B2 (en) Device and method for detecting finger position
KR20150059701A (ko) 비접촉식 지문 인식하는 방법 및 이를 수행하기 위한 전자 기기
CN103501411A (zh) 一种图像拍摄方法及系统
CN110633712A (zh) 一种车身颜色识别方法、系统、装置及计算机可读介质
CN110569921A (zh) 一种车标识别方法、系统、装置及计算机可读介质
CN108647570B (zh) 斑马线检测方法、装置及计算机可读存储介质
JP6253397B2 (ja) 物体検出装置
CN113255632B (zh) 基于车牌识别的摄像头参数调整方法、装置、设备和介质
KR20100000698A (ko) 숫자의 기하학적 관계를 이용한 차량 번호판 인식 방법
EP2924610A2 (en) Flesh color detection condition determining apparatus, and flesh color detection condition determining method
US10140509B2 (en) Information processing for detection and distance calculation of a specific object in captured images
JP2008276613A (ja) 移動体判定装置、コンピュータプログラム及び移動体判定方法
JP5983033B2 (ja) 位置関係判定プログラム、位置関係判定方法および位置関係判定装置
KR101199959B1 (ko) 영상 내 교통표지판 인식 시스템
CN112101139A (zh) 人形检测方法、装置、设备及存储介质
KR101329492B1 (ko) 카메라 렌즈를 조절하여 인식할 문자열을 영상의 중앙에 인식 가능한 크기로 위치시키는 장치 및 그 방법
TWI762365B (zh) 影像辨識方法及其影像監控設備
US11587325B2 (en) System, method and storage medium for detecting people entering and leaving a field

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