CN114255451A - 基于图像识别的渣土车监管方法、装置、设备及存储介质 - Google Patents
基于图像识别的渣土车监管方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN114255451A CN114255451A CN202210123660.3A CN202210123660A CN114255451A CN 114255451 A CN114255451 A CN 114255451A CN 202210123660 A CN202210123660 A CN 202210123660A CN 114255451 A CN114255451 A CN 114255451A
- Authority
- CN
- China
- Prior art keywords
- license plate
- image
- muck
- plate image
- value
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
Abstract
本发明涉及图像处理技术,揭露了一种基于图像识别的渣土车监管方法,包括:将采集渣土车的原始车牌图像转换至HSV空间中,得到基于HSV空间的原始车牌图像,对基于HSV空间的原始车牌图像进行车牌初始定位,得到初始车牌图像;将初始车牌图像校正为标准车牌图像;提取标准车牌图像中的车牌字符,判断车牌字符与有效车牌数据库中的有效车牌是否一致;当一致时令渣土车执行装载渣土操作,对获取装载渣土后渣土车的载土图像进行污迹检测及装载情况识别,根据污迹检测结果和装载情况识别结果生成渣土车监管报告并推送至监管方。本发明还提出一种基于图像识别的渣土车监管装置、电子设备以及计算机可读存储介质。本发明可以解决渣土车监管的效率较低。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及一种基于图像识别的渣土车监管方法、装置、电子设备及计算机可读存储介质。
背景技术
随着人们生活水平的提高,对城市环境和安全的要求也越来越高,但是经济发展越快,城市建筑的建立速度也就越快,城市建筑的建立离不开渣土车的功劳。随着城市化建设的不断推进渣土车的数量也在大幅增加,在其发挥作用的同时,车身污迹斑驳、装载超限等问题也开始频发,这些问题不仅破坏了市政道路,也污染了城市环境,因此需要对渣土车进行进一步地监管。
现有渣土车监管方法通常是根据监管到的渣土车情况生成监管报告,并通过生成的监管报告进行分析和告警。但是现在的渣土车监管依赖于GPS定位技术,通过渣土车上的GPS定位系统对渣土车进行监控,这种方法会存在GPS受信号影响、司机拆除GPS装置或者是GPS欺诈等问题,进而导致利用GPS进行渣土车的监管的难度进一步增大,监管的效率低下。
发明内容
本发明提供一种基于图像识别的渣土车监管方法、装置及计算机可读存储介质,其主要目的在于解决渣土车监管的效率较低。
为实现上述目的,本发明提供的一种基于图像识别的渣土车监管方法,包括:
采集渣土车的原始车牌图像,将所述原始车牌图像转换至预设的HSV空间中,得到基于HSV空间的原始车牌图像,对所述基于HSV空间的原始车牌图像进行车牌初始定位,得到初始车牌图像;
基于校正变换算法将所述初始车牌图像校正为标准车牌图像;
提取所述标准车牌图像中的车牌字符,并判断所述车牌字符与预设的有效车牌数据库中的有效车牌是否一致;
当所述车牌字符与所述有效车牌数据库中的有效车牌一致时,令所述渣土车执行装载渣土操作,并获取装载渣土后所述渣土车的载土图像;
对所述载土图像进行污迹检测及装载情况识别,根据污迹检测结果和装载情况识别结果生成渣土车监管报告并推送至监管方。
可选地,所述将所述原始车牌图像转换至预设的HSV空间中,得到基于HSV空间的原始车牌图像,包括:
提取所述原始车牌图像中任意像素点的红色值、绿色值和蓝色值;
分别对所述红色值、所述绿色值和所述蓝色值进行归一化处理,得到红色归一值、绿色归一值和蓝色归一值;
将所述红色归一值、所述绿色归一值和所述蓝色归一值代入至预设的HSV转换公式中,得到色调值、饱和值和明亮值;
若所述色调值小于预设的色调阈值,则令所述色调值和色调标准值进行相加计算,得到最终色调值;
根据所述最终色调值、所述饱和值和所述明亮值确定基于HSV空间的原始车牌图像。
可选地,所述对所述基于HSV空间的原始车牌图像进行车牌初始定位,得到初始车牌图像,包括:
获取预设的参考颜色及所述参考颜色在HSV空间的通道值域;
保留所述基于HSV空间的原始车牌图像中的符合所述通道值域的像素,并将符合所述通道值域的像素投影至预设的第一坐标系上,得到初始车牌图像。
可选地,所述基于校正变换算法将所述初始车牌图像校正为标准车牌图像,包括:
根据预获取的横向错切变换矩阵构建校正变换公式;
获取所述初始车牌图像中的任意像素的坐标点,根据所述校正变换公式计算所述任意像素的坐标点对应的变换坐标点;
遍历所述初始车牌图像中的所有像素的坐标点并进行校正变换,将校正变换后的坐标点映射至预设的第二坐标系上,得到标准车牌图像。
可选地,所述提取所述标准车牌图像中的车牌字符,包括:
对所述标准车牌图像进行图像预处理,得到车牌二值图像;
将所述车牌二值图像进行垂直投影,并逐行扫描投影后每列中预设颜色的像素点的个数;
当所述预设颜色的像素点的个数大于或者等于预设的颜色阈值时,统计预设颜色的像素点所在区域的宽度;
按照从左到右的顺序去除所述宽度满足筛选条件的区域,并将保留下来的区域作为字符区域;
基于模板匹配算法对所述字符区域进行字符识别,得到所述标准车牌图像中的车牌字符。
可选地,所述基于模板匹配算法对所述字符区域进行字符识别,得到所述标准车牌图像中的车牌字符,包括:
按照预设的顺序对预获取的多个字符模板进行编号,得到多个编号字符;
对多个所述编号字符进行归一化处理,得到多个编号归一字符;
将所述字符区域转换为归一化后的字符归一区域,并基于多个所述编号归一字符与所述字符归一区域进行比对,将比对一致的编号归一字符作为所述标准车牌图像中的车牌字符。
可选地,所述对所述载土图像进行污迹检测,包括:
识别出所述载土图像中的各个颜色的像素点数量,并根据所述载土图像中的各个颜色的像素点数量构建载土直方图;
根据所述载土直方图和预设的污迹直方图之间的交集确定载土相关系数;
判断所述载土相关系数和预设的污迹阈值之间的大小;
当所述载土相关系数大于或者等于所述污迹阈值时,将所述污迹检测结果判定为污迹超标;
当所述载土相关系数小于所述污迹阈值时,将所述污迹检测结果判定为污迹未超标。
为了解决上述问题,本发明还提供一种基于图像识别的渣土车监管装置,所述装置包括:
车牌处理模块,用于采集渣土车的原始车牌图像,将所述原始车牌图像转换至预设的HSV空间中,得到基于HSV空间的原始车牌图像,对所述基于HSV空间的原始车牌图像进行车牌初始定位,得到初始车牌图像,基于校正变换算法将所述初始车牌图像校正为标准车牌图像;
字符提取模块,用于提取所述标准车牌图像中的车牌字符,并判断所述车牌字符与预设的有效车牌数据库中的有效车牌是否一致;
装载渣土模块,用于当所述车牌字符与所述有效车牌数据库中的有效车牌一致时,令所述渣土车执行装载渣土操作,并获取装载渣土后所述渣土车的载土图像;
报告生成模块,用于对所述载土图像进行污迹检测及装载情况识别,根据污迹检测结果和装载情况识别结果生成渣土车监管报告并推送至监管方。
为了解决上述问题,本发明还提供一种电子设备,所述电子设备包括:
存储器,存储至少一个指令;及
处理器,执行所述存储器中存储的指令以实现上述所述的基于图像识别的渣土车监管方法。
为了解决上述问题,本发明还提供一种计算机可读存储介质,所述计算机可读存储介质中存储有至少一个指令,所述至少一个指令被电子设备中的处理器执行以实现上述所述的基于图像识别的渣土车监管方法。
本发明实施例中,通过将原始车牌图像转换至预设的HSV空间中,基于HSV空间的原始车牌图像能够非常直观的表达颜色的明暗,色调,以及鲜艳程度。对所述基于HSV空间的原始车牌图像进行车牌初始定位,得到初始车牌图像,所述初始定位可以实现初始车牌区域的划定,提取所述标准车牌图像中的车牌字符并判断所述车牌字符与预设的有效车牌数据库中的有效车牌是否一致。保证原始车牌图像对应的渣土车具有出行的权限,当渣土车执行装土操作后,对装载渣土后的载土图像进行污迹检测及装载情况识别,根据污迹检测结果和装载情况生成渣土车监管报告并推送至监管方。所述渣土车监管报告涉及不止一个维度的数据,可以给监管方提供更丰富的数据。因此本发明提出的基于图像识别的渣土车监管方法、装置、电子设备及计算机可读存储介质,可以解决渣土车监管的效率较低。
附图说明
图1为本发明一实施例提供的基于图像识别的渣土车监管方法的流程示意图;
图2为本发明一实施例提供的基于图像识别的渣土车监管装置的功能模块图;
图3为本发明一实施例提供的实现所述基于图像识别的渣土车监管方法的电子设备的结构示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本申请实施例提供一种基于图像识别的渣土车监管方法。所述基于图像识别的渣土车监管方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之,所述基于图像识别的渣土车监管方法可以由安装在终端设备或服务端设备的软件或硬件来执行,所述软件可以是区块链平台。所述服务端包括但不限于:单台服务器、服务器集群、云端服务器或云端服务器集群等。
参照图1所示,为本发明一实施例提供的基于图像识别的渣土车监管方法的流程示意图。在本实施例中,所述基于图像识别的渣土车监管方法包括:
S1、采集渣土车的原始车牌图像,将所述原始车牌图像转换至预设的HSV空间中,得到基于HSV空间的原始车牌图像,对所述基于HSV空间的原始车牌图像进行车牌初始定位,得到初始车牌图像。
本发明实施例中,可以通过架设在放行杆上方的高清摄像图采集渣土车的原始车牌图像。
由于渣土车车牌基本为黄底,且容易生锈或者遭受到泥沙的污染,因此很难辨别出所述原始车牌图像中的车牌字符,进而造成车牌难以识别。而将所述原始车牌图像转换至预设的HSV空间中可以非常直观的表达颜色的明暗,色调,以及鲜艳程度, 方便进行对车牌进行识别。
具体地,所述将所述原始车牌图像转换至预设的HSV空间中,得到基于HSV空间的原始车牌图像,包括:
提取所述原始车牌图像中任意像素点的红色值、绿色值和蓝色值;
分别对所述红色值、所述绿色值和所述蓝色值进行归一化处理,得到红色归一值、绿色归一值和蓝色归一值;
将所述红色归一值、所述绿色归一值和所述蓝色归一值代入至预设的HSV转换公式中,得到色调值、饱和值和明亮值;
若所述色调值小于预设的色调阈值,则令所述色调值和色调标准值进行相加计算,得到最终色调值;
根据所述最终色调值、所述饱和值和所述明亮值确定基于HSV空间的原始车牌图像。
其中,所述原始车牌图像中任意像素点的红色值、绿色值和蓝色值分别为图像的R、G、B,图像中R、G、B的不同会影响图片所呈现出来的颜色。对所述红色值、所述绿色值和所述蓝色值进行归一化处理即将R、G、B值转换到0~1之间。
详细地,所述原始车牌图像属于RGB彩色图像,需要将采集到的属于RGB彩色图像转换到HSV空间中,相对于RGB彩色图像,转换到HSV空间中的原始车牌图像能够非常直观的表达颜色的明暗,色调,以及鲜艳程度, 方便进行颜色的对比。
进一步地,所述预设的HSV转换公式为:
其中,H为所述色调值,S为所述饱和值,V为所述明亮值,R为所述原始车牌图像的红色值,G为所述原始车牌图像的绿色值,B为所述原始车牌图像的蓝色值。
优选地,所述色调阈值为0,所述色调标准值为360。
例如,若所述色调值为50,则将50直接输出为最终色调值,若所述色调值为-1,则将色调值-1和所述色调标准值360进行相加处理,得到359并将359作为最终色调值。
具体地,所述对所述基于HSV空间的原始车牌图像进行车牌初始定位,得到初始车牌图像,包括:
获取预设的参考颜色及所述参考颜色在HSV空间的通道值域;
保留所述基于HSV空间的原始车牌图像中的符合所述通道值域的像素,并将符合所述通道值域的像素投影至预设的第一坐标系上,得到初始车牌图像。
优选地,预设的参考颜色可以为黄色。其中,黄色在HSV颜色空间各个通道的取值分别为H(0.1-0.3),S(0.5-1.0)、V(0.35-1.0)。所述第一坐标系为直角坐标系。
S2、基于校正变换算法将所述初始车牌图像校正为标准车牌图像。
本发明实施例中,由于相机的拍摄角度等原因会造成拍摄出来的车牌图像存在水平或者垂直的倾斜的问题,影响字符的准确分割。因此需要对初始车牌图像进行图像校正。
具体地,所述基于校正变换算法将所述初始车牌图像校正为标准车牌图像,包括:
根据预获取的横向错切变换矩阵构建校正变换公式;
获取所述初始车牌图像中的任意像素的坐标点,根据所述校正变换公式计算所述任意像素的坐标点对应的变换坐标点;
遍历所述初始车牌图像中的所有像素的坐标点并进行校正变换,将校正变换后的坐标点映射至预设的第二坐标系上,得到标准车牌图像。
本实施例中,第二坐标系可以为与第一坐标系相同或不同的坐标系,例如,第二坐标系为柱坐标系。
详细地,所述横向错切变换矩阵为:
其中,SHX表示横向错切变换矩阵,shx为横向参数。
进一步地,所述根据预获取的横向错切变换矩阵构建校正变换公式,包括:
所述校正变换公式为:
在本发明另一实施例中,可以根据纵向错切变换矩阵构建校正变换公式,并根据校正变换公式进行图像校正,矫正过程与采用横向错切变换矩阵一致,其中不同的为错切变换矩阵和构建的校正变换公式。
详细地,所述纵向粗切变换矩阵为;
其中,SHy表示纵向错切变换矩阵,shy为纵向参数。
所述校正变换公式为:
S3、提取所述标准车牌图像中的车牌字符,并判断所述车牌字符与预设的有效车牌数据库中的有效车牌是否一致。
本发明实施例中,所述提取所述标准车牌图像中的车牌字符之前,所述方法还包括:
去除所述标准车牌图像中的上边框和下边框。
其中,可以通过裁剪的方式去除所述标准车牌图像中的上边框和下边框,由于所述上边框和所述下边框都是依附在所述标准车牌图像的周围,因此根据预先设定的裁剪大小对所述标准车牌图像进行裁剪,实现去除所述标准车牌图像中的上边框和下边框。
详细地,去除所述标准车牌图像中的上边框和下边框可以提高后续字符提取的准确度,切除了上边框和下边框的同事切除了水平边框外的多余非车牌区域。
具体地,所述提取所述标准车牌图像中的车牌字符,包括:
对所述标准车牌图像进行图像预处理,得到车牌二值图像;
将所述车牌二值图像进行垂直投影,并逐行扫描投影后每列中预设颜色的像素点的个数;
当所述预设颜色的像素点的个数大于或者等于预设的颜色阈值时,统计预设颜色的像素点所在区域的宽度;
按照从左到右的顺序去除所述宽度满足筛选条件的区域,并将保留下来的区域作为字符区域;
基于模板匹配算法对所述字符区域进行字符识别,得到所述标准车牌图像中的车牌字符。
进一步地,所述基于模板匹配算法对所述字符区域进行字符识别,得到所述标准车牌图像中的车牌字符,包括:
按照预设的顺序对预获取的多个字符模板进行编号,得到多个编号字符;
对多个所述编号字符进行归一化处理,得到多个编号归一字符;
将所述字符区域转换为归一化后的字符归一区域,并基于多个所述编号归一字符与所述字符归一区域进行比对,将比对一致的编号归一字符作为所述标准车牌图像中的车牌字符。
详细地,多个字符模板可以为汉字模板、字母模板和数字模板。其中,所述汉字模板为京~琼共31个汉字,代表省、自治区或直辖市。所述字母模板代表发牌机关代号,主要由大写英文字母组成,主要为A~Z共24个字母。数字模板即为0~9一共10个。
具体地,所述判断所述车牌字符与预设的有效车牌数据库中的有效车牌是否一致,其中,所述有效车牌数据库中包含多个预先设定好的可以通过的渣土车车牌。当所述车牌字符与所述有效车牌数据库中的有效车牌一致时,则说明所述渣土车具有出行的权限,即可以行驶到预先划定的停车区域进行装载渣土行为的权限。
S4、当所述车牌字符与所述有效车牌数据库中的有效车牌一致时,令所述渣土车执行装载渣土操作,并获取装载渣土后所述渣土车的载土图像。
本发明实施例中,当所述车牌字符与所述有效车牌数据库中的有效车牌一致时,说明所述车牌字符对应的原始车牌图像属于可以执行装载渣土操作的车辆,因此令所述车牌字符对应的渣土车执行装载渣土操作。
具体地,所述获取装载渣土后所述渣土车的载土图像,包括:
令装载渣土后的渣土车行驶至预先规划的停车区域;
根据所述停车区域上方的摄像头对所述装载渣土后的渣土车进行图像采集,得到获取装载渣土后所述渣土车的载土图像。
S5、对所述载土图像进行污迹检测及装载情况识别,根据污迹检测结果和装载情况识别结果生成渣土车监管报告并推送至监管方。
本发明实施例中,由于渣土车在施工现场的清洗不到位,进而导致车身污迹斑驳,严重影响市容市貌,同时由于渣土车的车载重量大,在运输途中会导致路面受损以及路边房屋的震动,严重影响了城市的交通运行和居民的正常生活。因此需要根据所述载土图像进行车身污迹检测以及渣土车的装载情况识别,并对所述载土图像进行污迹检测及装载情况识别,根据污迹检测结果和装载情况识别结果生成渣土车监管报告并推送至监管方。
具体地,所述对所述载土图像进行污迹检测,包括:
识别出所述载土图像中的各个颜色的像素点数量,并根据所述载土图像中的各个颜色的像素点数量构建载土直方图;
根据所述载土直方图和预设的污迹直方图之间的交集确定载土相关系数;
判断所述载土相关系数和预设的污迹阈值之间的大小;
当所述载土相关系数大于或者等于所述污迹阈值时,将所述污迹检测结果判定为污迹超标;
当所述载土相关系数小于所述污迹阈值时,将所述污迹检测结果判定为污迹未超标。
详细地,由于所述载土图像中的渣土车四周会存在大小不均的土壤块,因此利用土壤块的颜色特征进行污迹检测,相对于其他的特征,颜色特征对于平移和尺度变化的影响不敏感,故进行污迹检测的准确度更高。
进一步地,所述根据所述载土图像中的各个颜色的像素点数量构建载土直方图,包括:
以各个颜色所属的颜色种类作为横坐标,以像素点的数量作为纵坐标,构建得到直角坐标系;
按照所述载土图像中的各个颜色的像素点数量从小到大的顺序补充在所述直角坐标系上,得到直方图。
其中,所述的颜色种类包含黄色、黑色和红色。
进一步地,所述对所述载土图像进行装载情况识别,包括:
基于预设的边缘检测算法对所述载土图像进行边缘检测,得到轮廓特征图像;
对所述轮廓特征图像进行形态学处理,得到标准特征图像;
利用霍夫变换算法提取出所述标准特征图像中的第一直线和第二直线,并结合所述第一直线、所述第二直线和预设的装载度公式计算出所述标准特征图像的装载度;
当所述装载度大于预设的装载阈值时,将所述装载情况识别结果判定为装载不合格;
当所述装载度小于或者等于所述装载阈值时,将所述装载情况识别结果判定为装载合格。
详细地,所述预设的边缘检测算法可以为Canny算子检测算法,所述形态学处理包含腐蚀处理和膨胀处理。所述霍夫变换算法具有较强的抗干扰能力,对于噪声也具有较好的抑制效果。
具体地,所述预设的装载度公式,包括:
其中,S为装载度,d12为所述第一直线,d23为所述第二直线。
优选地,所述装载阈值可以为45°。
进一步地,根据污迹检测结果和装载情况识别结果生成渣土车监管报告并推送至监管方,监管方可以根据渣土车监管报告进行分析和自动预警。
本发明实施例中,通过将原始车牌图像转换至预设的HSV空间中,基于HSV空间的原始车牌图像能够非常直观的表达颜色的明暗,色调,以及鲜艳程度。对所述基于HSV空间的原始车牌图像进行车牌初始定位,得到初始车牌图像,所述初始定位可以实现初始车牌区域的划定,提取所述标准车牌图像中的车牌字符并判断所述车牌字符与预设的有效车牌数据库中的有效车牌是否一致。保证原始车牌图像对应的渣土车具有出行的权限,当渣土车执行装土操作后,对装载渣土后的载土图像进行污迹检测及装载情况识别,根据污迹检测结果和装载情况生成渣土车监管报告并推送至监管方。所述渣土车监管报告涉及不止一个维度的数据,可以给监管方提供更丰富的数据。因此本发明提出的基于图像识别的渣土车监管方法可以解决渣土车监管的效率较低。
如图2所示,是本发明一实施例提供的基于图像识别的渣土车监管装置的功能模块图。
本发明所述基于图像识别的渣土车监管装置100可以安装于电子设备中。根据实现的功能,所述基于图像识别的渣土车监管装置100可以包括车牌处理模块101、字符提取模块102、装载渣土模块103及报告生成模块104。本发明所述模块也可以称之为单元,是指一种能够被电子设备处理器所执行,并且能够完成固定功能的一系列计算机程序段,其存储在电子设备的存储器中。
在本实施例中,关于各模块/单元的功能如下:
所述车牌处理模块101,用于采集渣土车的原始车牌图像,将所述原始车牌图像转换至预设的HSV空间中,得到基于HSV空间的原始车牌图像,对所述基于HSV空间的原始车牌图像进行车牌初始定位,得到初始车牌图像,基于校正变换算法将所述初始车牌图像校正为标准车牌图像;
所述字符提取模块102,用于提取所述标准车牌图像中的车牌字符,并判断所述车牌字符与预设的有效车牌数据库中的有效车牌是否一致;
所述装载渣土模块103,用于当所述车牌字符与所述有效车牌数据库中的有效车牌一致时,令所述渣土车执行装载渣土操作,并获取装载渣土后所述渣土车的载土图像;
所述报告生成模块104,用于对所述载土图像进行污迹检测及装载情况识别,根据污迹检测结果和装载情况识别结果生成渣土车监管报告并推送至监管方。
详细地,所述基于图像识别的渣土车监管装置100各模块的具体实施方式如下:
步骤一、采集渣土车的原始车牌图像,将所述原始车牌图像转换至预设的HSV空间中,得到基于HSV空间的原始车牌图像,对所述基于HSV空间的原始车牌图像进行车牌初始定位,得到初始车牌图像。
本发明实施例中,可以通过架设在放行杆上方的高清摄像图采集渣土车的原始车牌图像。
由于渣土车车牌基本为黄底,且容易生锈或者遭受到泥沙的污染,因此很难辨别出所述原始车牌图像中的车牌字符,进而造成车牌难以识别。而将所述原始车牌图像转换至预设的HSV空间中可以非常直观的表达颜色的明暗,色调,以及鲜艳程度, 方便进行对车牌进行识别。
具体地,所述将所述原始车牌图像转换至预设的HSV空间中,得到基于HSV空间的原始车牌图像,包括:
提取所述原始车牌图像中任意像素点的红色值、绿色值和蓝色值;
分别对所述红色值、所述绿色值和所述蓝色值进行归一化处理,得到红色归一值、绿色归一值和蓝色归一值;
将所述红色归一值、所述绿色归一值和所述蓝色归一值代入至预设的HSV转换公式中,得到色调值、饱和值和明亮值;
若所述色调值小于预设的色调阈值,则令所述色调值和色调标准值进行相加计算,得到最终色调值;
根据所述最终色调值、所述饱和值和所述明亮值确定基于HSV空间的原始车牌图像。
其中,所述原始车牌图像中任意像素点的红色值、绿色值和蓝色值分别为图像的R、G、B,图像中R、G、B的不同会影响图片所呈现出来的颜色。对所述红色值、所述绿色值和所述蓝色值进行归一化处理即将R、G、B值转换到0~1之间。
详细地,所述原始车牌图像属于RGB彩色图像,需要将采集到的属于RGB彩色图像转换到HSV空间中,相对于RGB彩色图像,转换到HSV空间中的原始车牌图像能够非常直观的表达颜色的明暗,色调,以及鲜艳程度, 方便进行颜色的对比。
进一步地,所述预设的HSV转换公式为:
其中,H为所述色调值,S为所述饱和值,V为所述明亮值,R为所述原始车牌图像的红色值,G为所述原始车牌图像的绿色值,B为所述原始车牌图像的蓝色值。
优选地,所述色调阈值为0,所述色调标准值为360。
例如,若所述色调值为50,则将50直接输出为最终色调值,若所述色调值为-1,则将色调值-1和所述色调标准值360进行相加处理,得到359并将359作为最终色调值。
具体地,所述对所述基于HSV空间的原始车牌图像进行车牌初始定位,得到初始车牌图像,包括:
获取预设的参考颜色及所述参考颜色在HSV空间的通道值域;
保留所述基于HSV空间的原始车牌图像中的符合所述通道值域的像素,并将符合所述通道值域的像素投影至预设的第一坐标系上,得到初始车牌图像。
优选地,预设的参考颜色可以为黄色。其中,黄色在HSV颜色空间各个通道的取值分别为H(0.1-0.3),S(0.5-1.0)、V(0.35-1.0)。所述第一坐标系为直角坐标系。
步骤二、基于校正变换算法将所述初始车牌图像校正为标准车牌图像。
本发明实施例中,由于相机的拍摄角度等原因会造成拍摄出来的车牌图像存在水平或者垂直的倾斜的问题,影响字符的准确分割。因此需要对初始车牌图像进行图像校正。
具体地,所述基于校正变换算法将所述初始车牌图像校正为标准车牌图像,包括:
根据预获取的横向错切变换矩阵构建校正变换公式;
获取所述初始车牌图像中的任意像素的坐标点,根据所述校正变换公式计算所述任意像素的坐标点对应的变换坐标点;
遍历所述初始车牌图像中的所有像素的坐标点并进行校正变换,将校正变换后的坐标点映射至预设的第二坐标系上,得到标准车牌图像。
本实施例中,第二坐标系可以为与第一坐标系相同或不同的坐标系,例如,第二坐标系为柱坐标系。
详细地,所述横向错切变换矩阵为:
其中,SHX表示横向错切变换矩阵,shx为横向参数。
进一步地,所述根据预获取的横向错切变换矩阵构建校正变换公式,包括:
所述校正变换公式为:
在本发明另一实施例中,可以根据纵向错切变换矩阵构建校正变换公式,并根据校正变换公式进行图像校正,矫正过程与采用横向错切变换矩阵一致,其中不同的为错切变换矩阵和构建的校正变换公式。
详细地,所述纵向粗切变换矩阵为;
其中,SHy表示纵向错切变换矩阵,shy为纵向参数。
所述校正变换公式为:
步骤三、提取所述标准车牌图像中的车牌字符,并判断所述车牌字符与预设的有效车牌数据库中的有效车牌是否一致。
本发明实施例中,所述提取所述标准车牌图像中的车牌字符之前,还执行:
去除所述标准车牌图像中的上边框和下边框。
其中,可以通过裁剪的方式去除所述标准车牌图像中的上边框和下边框,由于所述上边框和所述下边框都是依附在所述标准车牌图像的周围,因此根据预先设定的裁剪大小对所述标准车牌图像进行裁剪,实现去除所述标准车牌图像中的上边框和下边框。
详细地,去除所述标准车牌图像中的上边框和下边框可以提高后续字符提取的准确度,切除了上边框和下边框的同事切除了水平边框外的多余非车牌区域。
具体地,所述提取所述标准车牌图像中的车牌字符,包括:
对所述标准车牌图像进行图像预处理,得到车牌二值图像;
将所述车牌二值图像进行垂直投影,并逐行扫描投影后每列中预设颜色的像素点的个数;
当所述预设颜色的像素点的个数大于或者等于预设的颜色阈值时,统计预设颜色的像素点所在区域的宽度;
按照从左到右的顺序去除所述宽度满足筛选条件的区域,并将保留下来的区域作为字符区域;
基于模板匹配算法对所述字符区域进行字符识别,得到所述标准车牌图像中的车牌字符。
进一步地,所述基于模板匹配算法对所述字符区域进行字符识别,得到所述标准车牌图像中的车牌字符,包括:
按照预设的顺序对预获取的多个字符模板进行编号,得到多个编号字符;
对多个所述编号字符进行归一化处理,得到多个编号归一字符;
将所述字符区域转换为归一化后的字符归一区域,并基于多个所述编号归一字符与所述字符归一区域进行比对,将比对一致的编号归一字符作为所述标准车牌图像中的车牌字符。
详细地,多个字符模板可以为汉字模板、字母模板和数字模板。其中,所述汉字模板为京~琼共31个汉字,代表省、自治区或直辖市。所述字母模板代表发牌机关代号,主要由大写英文字母组成,主要为A~Z共24个字母。数字模板即为0~9一共10个。
具体地,所述判断所述车牌字符与预设的有效车牌数据库中的有效车牌是否一致,其中,所述有效车牌数据库中包含多个预先设定好的可以通过的渣土车车牌。当所述车牌字符与所述有效车牌数据库中的有效车牌一致时,则说明所述渣土车具有出行的权限,即可以行驶到预先划定的停车区域进行装载渣土行为的权限。
步骤四、当所述车牌字符与所述有效车牌数据库中的有效车牌一致时,令所述渣土车执行装载渣土操作,并获取装载渣土后所述渣土车的载土图像。
本发明实施例中,当所述车牌字符与所述有效车牌数据库中的有效车牌一致时,说明所述车牌字符对应的原始车牌图像属于可以执行装载渣土操作的车辆,因此令所述车牌字符对应的渣土车执行装载渣土操作。
具体地,所述获取装载渣土后所述渣土车的载土图像,包括:
令装载渣土后的渣土车行驶至预先规划的停车区域;
根据所述停车区域上方的摄像头对所述装载渣土后的渣土车进行图像采集,得到获取装载渣土后所述渣土车的载土图像。
步骤五、对所述载土图像进行污迹检测及装载情况识别,根据污迹检测结果和装载情况识别结果生成渣土车监管报告并推送至监管方。
本发明实施例中,由于渣土车在施工现场的清洗不到位,进而导致车身污迹斑驳,严重影响市容市貌,同时由于渣土车的车载重量大,在运输途中会导致路面受损以及路边房屋的震动,严重影响了城市的交通运行和居民的正常生活。因此需要根据所述载土图像进行车身污迹检测以及渣土车的装载情况识别,并对所述载土图像进行污迹检测及装载情况识别,根据污迹检测结果和装载情况识别结果生成渣土车监管报告并推送至监管方。
具体地,所述对所述载土图像进行污迹检测,包括:
识别出所述载土图像中的各个颜色的像素点数量,并根据所述载土图像中的各个颜色的像素点数量构建载土直方图;
根据所述载土直方图和预设的污迹直方图之间的交集确定载土相关系数;
判断所述载土相关系数和预设的污迹阈值之间的大小;
当所述载土相关系数大于或者等于所述污迹阈值时,将所述污迹检测结果判定为污迹超标;
当所述载土相关系数小于所述污迹阈值时,将所述污迹检测结果判定为污迹未超标。
详细地,由于所述载土图像中的渣土车四周会存在大小不均的土壤块,因此利用土壤块的颜色特征进行污迹检测,相对于其他的特征,颜色特征对于平移和尺度变化的影响不敏感,故进行污迹检测的准确度更高。
进一步地,所述根据所述载土图像中的各个颜色的像素点数量构建载土直方图,包括:
以各个颜色所属的颜色种类作为横坐标,以像素点的数量作为纵坐标,构建得到直角坐标系;
按照所述载土图像中的各个颜色的像素点数量从小到大的顺序补充在所述直角坐标系上,得到直方图。
其中,所述的颜色种类包含黄色、黑色和红色。
进一步地,所述对所述载土图像进行装载情况识别,包括:
基于预设的边缘检测算法对所述载土图像进行边缘检测,得到轮廓特征图像;
对所述轮廓特征图像进行形态学处理,得到标准特征图像;
利用霍夫变换算法提取出所述标准特征图像中的第一直线和第二直线,并结合所述第一直线、所述第二直线和预设的装载度公式计算出所述标准特征图像的装载度;
当所述装载度大于预设的装载阈值时,将所述装载情况识别结果判定为装载不合格;
当所述装载度小于或者等于所述装载阈值时,将所述装载情况识别结果判定为装载合格。
详细地,所述预设的边缘检测算法可以为Canny算子检测算法,所述形态学处理包含腐蚀处理和膨胀处理。所述霍夫变换算法具有较强的抗干扰能力,对于噪声也具有较好的抑制效果。
具体地,所述预设的装载度公式,包括:
其中,S为装载度,d12为所述第一直线,d23为所述第二直线。
优选地,所述装载阈值可以为45°。
进一步地,根据污迹检测结果和装载情况识别结果生成渣土车监管报告并推送至监管方,监管方可以根据渣土车监管报告进行分析和自动预警。
本发明实施例中,通过将原始车牌图像转换至预设的HSV空间中,基于HSV空间的原始车牌图像能够非常直观的表达颜色的明暗,色调,以及鲜艳程度。对所述基于HSV空间的原始车牌图像进行车牌初始定位,得到初始车牌图像,所述初始定位可以实现初始车牌区域的划定,提取所述标准车牌图像中的车牌字符并判断所述车牌字符与预设的有效车牌数据库中的有效车牌是否一致。保证原始车牌图像对应的渣土车具有出行的权限,当渣土车执行装土操作后,对装载渣土后的载土图像进行污迹检测及装载情况识别,根据污迹检测结果和装载情况生成渣土车监管报告并推送至监管方。所述渣土车监管报告涉及不止一个维度的数据,可以给监管方提供更丰富的数据。因此本发明提出的基于图像识别的渣土车监管装置可以解决渣土车监管的效率较低。
如图3所示,是本发明一实施例提供的实现基于图像识别的渣土车监管方法的电子设备的结构示意图。
所述电子设备可以包括处理器10、存储器11、通信接口12和总线13,还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序,如基于图像识别的渣土车监管程序。
其中,所述存储器11至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如:SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备的内部存储单元,例如该电子设备的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备的外部存储设备,例如电子设备上配备的插接式移动硬盘、智能存储卡(Smart Media Card, SMC)、安全数字(SecureDigital, SD)卡、闪存卡(Flash Card)等。进一步地,所述存储器11还可以既包括电子设备的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备的应用软件及各类数据,例如基于图像识别的渣土车监管程序的代码等,还可以用于暂时地存储已经输出或者将要输出的数据。
所述处理器10在一些实施例中可以由集成电路组成,例如可以由单个封装的集成电路所组成,也可以是由多个相同功能或不同功能封装的集成电路所组成,包括一个或者多个中央处理器(Central Processing unit,CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(Control Unit),利用各种接口和线路连接整个电子设备的各个部件,通过运行或执行存储在所述存储器11内的程序或者模块(例如基于图像识别的渣土车监管程序等),以及调用存储在所述存储器11内的数据,以执行电子设备的各种功能和处理数据。
所述通信接口12用于上述电子设备与其他设备之间的通信,包括网络接口和用户接口。可选地,所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等),通常用于在该电子设备与其他电子设备之间建立通信连接。所述用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard)),可选地,用户接口还可以是标准的有线接口、无线接口。可选地,在一些实施例中,显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode,有机发光二极管)触摸器等。其中,显示器也可以适当的称为显示屏或显示单元,用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。
所述总线13可以是外设部件互连标准(peripheral component interconnect,简称PCI)总线或扩展工业标准结构(extended industry standard architecture,简称EISA)总线等。该总线13可以分为地址总线、数据总线、控制总线等。所述总线13被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
图3仅示出了具有部件的电子设备,本领域技术人员可以理解的是,图3示出的结构并不构成对所述电子设备的限定,可以包括比图示更少或者更多的部件,或者组合某些部件,或者不同的部件布置。
例如,尽管未示出,所述电子设备还可以包括给各个部件供电的电源(比如电池),优选地,电源可以通过电源管理装置与所述至少一个处理器10逻辑相连,从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备还可以包括多种传感器、蓝牙模块、Wi-Fi模块等,在此不再赘述。
进一步地,所述电子设备还可以包括网络接口,可选地,所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等),通常用于在该电子设备与其他电子设备之间建立通信连接。
可选地,该电子设备还可以包括用户接口,用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard)),可选地,用户接口还可以是标准的有线接口、无线接口。可选地,在一些实施例中,显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode,有机发光二极管)触摸器等。其中,显示器也可以适当的称为显示屏或显示单元,用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。
应该了解,所述实施例仅为说明之用,在专利申请范围上并不受此结构的限制。
所述电子设备中的所述存储器11存储的基于图像识别的渣土车监管程序是多个指令的组合,在所述处理器10中运行时,可以实现:
采集渣土车的原始车牌图像,将所述原始车牌图像转换至预设的HSV空间中,得到基于HSV空间的原始车牌图像,对所述基于HSV空间的原始车牌图像进行车牌初始定位,得到初始车牌图像;
基于校正变换算法将所述初始车牌图像校正为标准车牌图像;
提取所述标准车牌图像中的车牌字符,并判断所述车牌字符与预设的有效车牌数据库中的有效车牌是否一致;
当所述车牌字符与所述有效车牌数据库中的有效车牌一致时,令所述渣土车执行装载渣土操作,并获取装载渣土后所述渣土车的载土图像;
对所述载土图像进行污迹检测及装载情况识别,根据污迹检测结果和装载情况识别结果生成渣土车监管报告并推送至监管方。
具体地,所述处理器10对上述指令的具体实现方法可参考图1对应实施例中相关步骤的描述,在此不赘述。
进一步地,所述电子设备集成的模块/单元如果以软件功能单元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存储介质中。所述计算机可读存储介质可以是易失性的,也可以是非易失性的。例如,所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)。
本发明还提供一种计算机可读存储介质,所述可读存储介质存储有计算机程序,所述计算机程序在被电子设备的处理器所执行时,可以实现:
采集渣土车的原始车牌图像,将所述原始车牌图像转换至预设的HSV空间中,得到基于HSV空间的原始车牌图像,对所述基于HSV空间的原始车牌图像进行车牌初始定位,得到初始车牌图像;
基于校正变换算法将所述初始车牌图像校正为标准车牌图像;
提取所述标准车牌图像中的车牌字符,并判断所述车牌字符与预设的有效车牌数据库中的有效车牌是否一致;
当所述车牌字符与所述有效车牌数据库中的有效车牌一致时,令所述渣土车执行装载渣土操作,并获取装载渣土后所述渣土车的载土图像;
对所述载土图像进行污迹检测及装载情况识别,根据污迹检测结果和装载情况识别结果生成渣土车监管报告并推送至监管方。
在本发明所提供的几个实施例中,应该理解到,所揭露的设备,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块的划分,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。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块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模块来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。
因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain),本质上是一个去中心化的数据库,是一串使用密码学方法相关联产生的数据块,每一个数据块中包含了一批次网络交易的信息,用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
此外,显然“包括”一词不排除其他单元或步骤,单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用来表示名称,而并不表示任何特定的顺序。
最后应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或等同替换,而不脱离本发明技术方案的精神和范围。
Claims (10)
1.一种基于图像识别的渣土车监管方法,其特征在于,所述方法包括:
采集渣土车的原始车牌图像,将所述原始车牌图像转换至预设的HSV空间中,得到基于HSV空间的原始车牌图像,对所述基于HSV空间的原始车牌图像进行车牌初始定位,得到初始车牌图像;
基于校正变换算法将所述初始车牌图像校正为标准车牌图像;
提取所述标准车牌图像中的车牌字符,并判断所述车牌字符与预设的有效车牌数据库中的有效车牌是否一致;
当所述车牌字符与所述有效车牌数据库中的有效车牌一致时,令所述渣土车执行装载渣土操作,并获取装载渣土后所述渣土车的载土图像;
对所述载土图像进行污迹检测及装载情况识别,根据污迹检测结果和装载情况识别结果生成渣土车监管报告并推送至监管方。
2.如权利要求1所述的基于图像识别的渣土车监管方法,其特征在于,所述将所述原始车牌图像转换至预设的HSV空间中,得到基于HSV空间的原始车牌图像,包括:
提取所述原始车牌图像中任意像素点的红色值、绿色值和蓝色值;
分别对所述红色值、所述绿色值和所述蓝色值进行归一化处理,得到红色归一值、绿色归一值和蓝色归一值;
将所述红色归一值、所述绿色归一值和所述蓝色归一值代入至预设的HSV转换公式中,得到色调值、饱和值和明亮值;
若所述色调值小于预设的色调阈值,则令所述色调值和色调标准值进行相加计算,得到最终色调值;
根据所述最终色调值、所述饱和值和所述明亮值确定基于HSV空间的原始车牌图像。
3.如权利要求1所述的基于图像识别的渣土车监管方法,其特征在于,所述对所述基于HSV空间的原始车牌图像进行车牌初始定位,得到初始车牌图像,包括:
获取预设的参考颜色及所述参考颜色在HSV空间的通道值域;
保留所述基于HSV空间的原始车牌图像中的符合所述通道值域的像素,并将符合所述通道值域的像素投影至预设的第一坐标系上,得到初始车牌图像。
4.如权利要求1所述的基于图像识别的渣土车监管方法,其特征在于,所述基于校正变换算法将所述初始车牌图像校正为标准车牌图像,包括:
根据预获取的横向错切变换矩阵构建校正变换公式;
获取所述初始车牌图像中的任意像素的坐标点,根据所述校正变换公式计算所述任意像素的坐标点对应的变换坐标点;
遍历所述初始车牌图像中的所有像素的坐标点并进行校正变换,将校正变换后的坐标点映射至预设的第二坐标系上,得到标准车牌图像。
5.如权利要求1所述的基于图像识别的渣土车监管方法,其特征在于,所述提取所述标准车牌图像中的车牌字符,包括:
对所述标准车牌图像进行图像预处理,得到车牌二值图像;
将所述车牌二值图像进行垂直投影,并逐行扫描投影后每列中预设颜色的像素点的个数;
当所述预设颜色的像素点的个数大于或者等于预设的颜色阈值时,统计预设颜色的像素点所在区域的宽度;
按照从左到右的顺序去除所述宽度满足筛选条件的区域,并将保留下来的区域作为字符区域;
基于模板匹配算法对所述字符区域进行字符识别,得到所述标准车牌图像中的车牌字符。
6.如权利要求5所述的基于图像识别的渣土车监管方法,其特征在于,所述基于模板匹配算法对所述字符区域进行字符识别,得到所述标准车牌图像中的车牌字符,包括:
按照预设的顺序对预获取的多个字符模板进行编号,得到多个编号字符;
对多个所述编号字符进行归一化处理,得到多个编号归一字符;
将所述字符区域转换为归一化后的字符归一区域,并基于多个所述编号归一字符与所述字符归一区域进行比对,将比对一致的编号归一字符作为所述标准车牌图像中的车牌字符。
7.如权利要求1所述的基于图像识别的渣土车监管方法,其特征在于,所述对所述载土图像进行污迹检测,包括:
识别出所述载土图像中的各个颜色的像素点数量,并根据所述载土图像中的各个颜色的像素点数量构建载土直方图;
根据所述载土直方图和预设的污迹直方图之间的交集确定载土相关系数;
判断所述载土相关系数和预设的污迹阈值之间的大小;
当所述载土相关系数大于或者等于所述污迹阈值时,将所述污迹检测结果判定为污迹超标;
当所述载土相关系数小于所述污迹阈值时,将所述污迹检测结果判定为污迹未超标。
8.一种基于图像识别的渣土车监管装置,其特征在于,所述装置包括:
车牌处理模块,用于采集渣土车的原始车牌图像,将所述原始车牌图像转换至预设的HSV空间中,得到基于HSV空间的原始车牌图像,对所述基于HSV空间的原始车牌图像进行车牌初始定位,得到初始车牌图像,基于校正变换算法将所述初始车牌图像校正为标准车牌图像;
字符提取模块,用于提取所述标准车牌图像中的车牌字符,并判断所述车牌字符与预设的有效车牌数据库中的有效车牌是否一致;
装载渣土模块,用于当所述车牌字符与所述有效车牌数据库中的有效车牌一致时,令所述渣土车执行装载渣土操作,并获取装载渣土后所述渣土车的载土图像;
报告生成模块,用于对所述载土图像进行污迹检测及装载情况识别,根据污迹检测结果和装载情况识别结果生成渣土车监管报告并推送至监管方。
9.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如权利要求1至7中任意一项所述的基于图像识别的渣土车监管方法。
10.一种计算机可读存储介质,存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7中任意一项所述的基于图像识别的渣土车监管方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210123660.3A CN114255451A (zh) | 2022-02-10 | 2022-02-10 | 基于图像识别的渣土车监管方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210123660.3A CN114255451A (zh) | 2022-02-10 | 2022-02-10 | 基于图像识别的渣土车监管方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114255451A true CN114255451A (zh) | 2022-03-29 |
Family
ID=80796947
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210123660.3A Pending CN114255451A (zh) | 2022-02-10 | 2022-02-10 | 基于图像识别的渣土车监管方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114255451A (zh) |
-
2022
- 2022-02-10 CN CN202210123660.3A patent/CN114255451A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112528863A (zh) | 表格结构的识别方法、装置、电子设备及存储介质 | |
CN111652845A (zh) | 异常细胞自动标注方法、装置、电子设备及存储介质 | |
CN103413147A (zh) | 一种车牌识别方法和系统 | |
CN100385452C (zh) | 一种车牌字符分割方法 | |
CN111369801B (zh) | 车辆识别方法、装置、设备和存储介质 | |
CN112749653A (zh) | 行人检测方法、装置、电子设备及存储介质 | |
CN112149649B (zh) | 一种道路抛洒物检测方法、计算机设备及存储介质 | |
CN113554008B (zh) | 静态物体区域内检测方法、装置、电子设备及存储介质 | |
Azad et al. | New method for optimization of license plate recognition system with use of edge detection and connected component | |
CN112270244A (zh) | 目标物违规监控方法、装置、电子设备及存储介质 | |
CN111738212A (zh) | 基于人工智能的交通信号灯识别方法、装置、设备及介质 | |
CN113297939B (zh) | 障碍物检测方法、系统、终端设备及存储介质 | |
CN113887439A (zh) | 基于图像识别的自动预警方法、装置、设备及存储介质 | |
CN113222063A (zh) | 快递纸箱垃圾分类方法、装置、设备及介质 | |
CN111931693A (zh) | 基于人工智能的交通标志识别方法、装置、终端及介质 | |
CN112017065A (zh) | 车辆定损理赔方法、装置及计算机可读存储介质 | |
CN112115890A (zh) | 基于人工智能的酒驾识别方法、装置、设备及介质 | |
CN114255451A (zh) | 基于图像识别的渣土车监管方法、装置、设备及存储介质 | |
CN115239958A (zh) | 基于人工智能的轮毂损伤检测方法及相关设备 | |
CN115512315A (zh) | 一种非机动车儿童搭乘检测方法、电子设备及存储介质 | |
CN114913518A (zh) | 基于图像处理的车牌识别方法、装置、设备及介质 | |
CN111639640B (zh) | 基于人工智能的车牌识别方法、装置及设备 | |
Thaiparnit et al. | Tracking vehicles system based on license plate recognition | |
CN111488876B (zh) | 基于人工智能的车牌识别方法、装置、设备及介质 | |
CN115019263A (zh) | 交通监管模型的建立方法、交通监管系统及方法 |
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 |