CN114627653B - 基于双目识别的5g智能道闸管理系统 - Google Patents

基于双目识别的5g智能道闸管理系统 Download PDF

Info

Publication number
CN114627653B
CN114627653B CN202210515239.7A CN202210515239A CN114627653B CN 114627653 B CN114627653 B CN 114627653B CN 202210515239 A CN202210515239 A CN 202210515239A CN 114627653 B CN114627653 B CN 114627653B
Authority
CN
China
Prior art keywords
unit
license plate
feature
information
character
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
CN202210515239.7A
Other languages
English (en)
Other versions
CN114627653A (zh
Inventor
侯踊跃
孙政
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.)
Zhejiang Electric Ma Yun Car Technology Co ltd
Original Assignee
Zhejiang Electric Ma Yun Car 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 Zhejiang Electric Ma Yun Car Technology Co ltd filed Critical Zhejiang Electric Ma Yun Car Technology Co ltd
Priority to CN202210515239.7A priority Critical patent/CN114627653B/zh
Publication of CN114627653A publication Critical patent/CN114627653A/zh
Application granted granted Critical
Publication of CN114627653B publication Critical patent/CN114627653B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G08SIGNALLING
    • G08GTRAFFIC CONTROL SYSTEMS
    • G08G1/00Traffic control systems for road vehicles
    • G08G1/01Detecting movement of traffic to be counted or controlled
    • G08G1/017Detecting movement of traffic to be counted or controlled identifying vehicles
    • G08G1/0175Detecting movement of traffic to be counted or controlled identifying vehicles by photographing vehicles, e.g. when violating traffic rules
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/583Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • GPHYSICS
    • G08SIGNALLING
    • G08GTRAFFIC CONTROL SYSTEMS
    • G08G1/00Traffic control systems for road vehicles
    • G08G1/14Traffic control systems for road vehicles indicating individual free spaces in parking areas
    • G08G1/145Traffic control systems for road vehicles indicating individual free spaces in parking areas where the indication depends on the parking areas
    • G08G1/148Management of a network of parking areas
    • GPHYSICS
    • G08SIGNALLING
    • G08GTRAFFIC CONTROL SYSTEMS
    • G08G1/00Traffic control systems for road vehicles
    • G08G1/14Traffic control systems for road vehicles indicating individual free spaces in parking areas
    • G08G1/149Traffic control systems for road vehicles indicating individual free spaces in parking areas coupled to means for restricting the access to the parking space, e.g. authorization, access barriers, indicative lights

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Library & Information Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Security & Cryptography (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Traffic Control Systems (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了基于双目识别的5G智能道闸管理系统,涉及5G智能道闸技术领域,包括智能道闸中心和基于5G微基站的局域网组建;所述智能道闸中心用于实现对地面、地下停车场5G信号的密集覆盖和盲点覆盖;所述智能道闸中心内部安装有5G微基站;所述5G微基站用于为智能道闸提供无线网络信号,为地面与地下形成5G信号全覆盖提供有效支撑;通过在智能道闸内部设置5G微基站,协助电信部门及运营公司低成本、高效率、无死角补网,使得5G智能道闸即使在地下停车场这类容易存在网络信号覆盖不足、信号较差的地方也能有效实现各大运营商的无线网络实时传播、连接等功能,破解5G网络在地下空间的覆盖难题,保证网络信号的连接通畅,从而促进5G商用。

Description

基于双目识别的5G智能道闸管理系统
技术领域
本发明涉及5G智能道闸技术领域,具体是基于双目识别的5G智能道闸管理系统。
背景技术
智能道闸是一种用于限制机动车行驶的通道出入口管理设备,主要应用在停车场、收费站、园区等需要进行机动车管控的场景,现有的智能道闸几乎已经可以完全实现无人化管理,但是在机动车通过智能道闸时,为了缴纳费用,还是需要停车扫码支付,无法真正的实现费用的无感支付,尤其是在一些地下停车场等网络信号较差的地方,智能道闸无法与无线网络建立连接,需要人工在地下停车场安装网络设备,较为繁琐,并且,现有的智能道闸在使用时还存在以下问题:
在进行车牌识别时,由于车辆停放位置不标准或者车牌信息采集失误,会导致无法准确的识别车牌信息,影响后方车辆的正常通行;
所以,人们急需一种基于双目识别的5G智能道闸管理系统来解决上述技术问题。
发明内容
本发明的目的在于提供基于双目识别的5G智能道闸管理系统,以解决现有技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:基于双目识别的5G智能道闸管理系统,该5G智能道闸管理系统包括数据采集模块、字符识别模块、特征识别模块和比对分析模块;
所述数据采集模块包括高清拍摄摄像头,所述特征识别模块包括图像处理单元和区域分割单元;
所述图像处理单元用于对高清拍摄摄像头所采集的车牌高清图像进行处理,得到车牌线条轮廓图,目的是为了实现车牌信息的可视化,方便后期进行特征信息的提取;利用Canny算法来对车牌高清图像进行边缘检测,具体包括以下步骤:
S1、应用高斯滤波对图像进行平滑处理;
S2、寻找图像的强度梯度,由Sobel算子实现;
S3、应用非最大抑制技术来消除边误检,保留每个像素点上梯度强度的极大值,删除其他值;
S4、应用双阈值的方法来决定潜在的边界,设置最大阈值和最小阈值,像素点高于最大阈值判定为强边界点,像素点低于最小阈值判定为非边界点,像素点位于两者之间的判定为弱边界点;
S5、利用滞后技术来跟踪边界,将与强边界相连的弱边界认定为边界,其他的弱边界被删除;
得到了车牌线条轮廓图,再次利用图像处理单元将车牌线条轮廓图上中心区域的线条轮廓删除,最终得到无字符信息的车牌线条轮廓图,目的是为了减小车牌上字符信息所形成线条轮廓对特征信息提取所造成的影响,同时,避免了再次对字符信息所形成的轮廓图进行分析和判定,降低系统的运算难度。
根据上述技术方案,该系统还包括智能道闸中心;
所述智能道闸中心包括控制管理单元、存储数据库、5G微基站和信息展示单元;
所述区域分割单元用于对图像处理单元处理后的车牌线条轮廓图进行区域分割,得到若干个区域轮廓图,目的是为了减少无效区域的比对次数,降低系统的运算负荷,因为将车牌线条轮廓图划分为若干个区域后,对于无线条轮廓的区域无需进行后续处理和分析;具体包括以下步骤:
步骤一:将车牌线条轮廓图缩放至控制管理单元设定的统一大小,目的是为了可以确保分割之后的不同车牌的若干个区域线条轮廓图完全一致,方便后期比对分析模块进行比对和分析;
步骤二:以车牌线条轮廓图的一个顶点为圆心,建立平面直角坐标系;
步骤三:以平面直角坐标系的单位坐标为标准进行车牌线条轮廓图的分割,得到若干个区域线条轮廓图,并对若干个区域线条轮廓图进行标号;
步骤四:剔除无线条的区域线条轮廓图,得到具有线条的区域线条轮廓图集合,此处剔除无线条的区域线条轮廓图的目的是为了可以减少特征信息识别的次数,降低系统的运算强度,提高运算效率。
此处的区域分割,每套系统对于不同车牌线条轮廓图的分割方式相同,即分割之后的区域线条轮廓图大小相同,使得可以与存储数据库中储存的特征信息进行无差别比对。
根据上述技术方案,所述特征识别模块还包括特征提取单元;
所述特征提取单元用于对若干个区域轮廓图中的线条特征进行提取,因为车牌都是通过手动安装,每一个车牌的固定螺丝和防拆卸帽的安装位置都存在差异性,根据存储数据库中的字符信息和特征信息的储存记录,可以准确提取该区域的线条特征,有助于分析出字符信息;具体包括以下步骤:
(1)在每一个区域线条轮廓图上建立平面直角坐标系,所述平面直角坐标系的原点为区域线条轮廓图的同一顶角;
(2)为每一个区域线条轮廓图中的线条所在的坐标点赋予坐标值,使得区域线条轮廓图中的每一条线条通过坐标点集合的方式来表示:
Figure 493844DEST_PATH_IMAGE001
,k=1,2,3,…,y,其中,k表示第k个区域,r表示第r条线条,n表示有n个坐标点,y表示总共有y个区域线条轮廓图。
通过对每一个区域线条轮廓图中的线条进行坐标点的定位,使得可以对区域线条轮廓图中的特征进行数字化的表达,方便后期在通过比对分析模块进行比对时,可以更加精准的确定特征信息是否相互匹配,可以提高特征信息比对的准确率。
根据上述技术方案,所述特征识别模块还包括特征处理单元;
所述特征处理单元用于对提取的线条特征进行处理,得到车牌的特征信息,并将最终的特征信息储存在存储数据库中;根据下列公式对特征提取单元所提供的每一条线条进行数字化的处理:
Figure 222765DEST_PATH_IMAGE002
其中,
Figure 629476DEST_PATH_IMAGE003
表示线条
Figure 127453DEST_PATH_IMAGE004
通过换算所得到的向量表示。
通过将区域线条轮廓图中的每一条线条转化为向量表示,方便后期利用比对分析模块进行特征的比较。
所述图像处理单元的输出端连接区域分析单元的输入端,所述区域分析单元的输出端连接特征提取单元的输入端,所述特征提取单元的输出端连接特征处理单元的输入端,所述特征处理单元的输出端连接比对分析模块和存储数据库的输入端。
根据上述技术方案,所述比对分析模块包括数据调取单元和特征比对单元;
所述数据调取单元用于从存储数据库中调取储存的特征信息,所述特征比对单元用于将特征处理单元处理之后的特征信息与与数据调取单元从存储数据库中调取的特征信息进行比对分析;
所述存储数据库的输出端连接数据调取单元的输入端,所述数据调取单元的输出端连接特征比对单元的输入端,所述特征比对单元的输出端连接信息展示单元和控制管理单元的输入端。
根据上述技术方案,利用特征比对单元进行特征信息的比对时,根据下列公式对比对的相似度进行计算:
Figure 430259DEST_PATH_IMAGE005
其中,
Figure 646476DEST_PATH_IMAGE006
表示对第k个区域线条轮廓图进行比较时的相似度,
Figure 528982DEST_PATH_IMAGE007
表示从存储数据库中调取的第k个区域线条轮廓图中第t条线条的向量表示,m表示第k个区域线条轮廓图中总共有m条线条;
通过进行相似度比较的方式,使得可以将特征信息转化为数字化信息,使得可以通过数字化分析的方式来进行特征信息的比较,使得比较和分析的结果更加具有参考性,使得对于车牌上的字符信息的识别更加的精准;
Figure 412624DEST_PATH_IMAGE008
时,即表示在存储数据库中存在与第k个区域线条轮廓图相似的区域线条轮廓图;
Figure 355172DEST_PATH_IMAGE008
的数量大于等于设定阈值
Figure 121003DEST_PATH_IMAGE009
时,其中,
Figure 541620DEST_PATH_IMAGE010
为设定系数,即表示在存储数据库中存在与第k个区域线条轮廓图完全相同的区域线条轮廓图;
当存储数据库中的区域线条轮廓图与特征提取单元提取的区域线条轮廓图的相同数量大于等于
Figure 545348DEST_PATH_IMAGE011
时,
Figure 658798DEST_PATH_IMAGE012
表示设定的系数,且存储数据库中相同的线条轮廓图都来自于同一个字符信息之下时,即表示该字符信息为当前所识别车牌上的字符信息;
此时,特征比对单元将比对分析得出的字符信息发送至控制管理单元,所述控制管理单元控制智能道闸打开;
Figure 849608DEST_PATH_IMAGE013
时,即表示在存储数据库中不存在与第k个区域线条轮廓图相似的区域线条轮廓图;
Figure 73915DEST_PATH_IMAGE008
的数量小于设定阈值
Figure 666571DEST_PATH_IMAGE009
时,其中,
Figure 950922DEST_PATH_IMAGE010
为设定系数,即表示在存储数据库中不存在与第k个区域线条轮廓图完全相同的区域线条轮廓图;
当无法根据比对分析模块的特征比对来确定当前所识别车牌的字符时,所述特征比对单元将比对结果发送至信息展示单元,所述信息展示单元通过显示文字提供车辆驾驶员调整车辆位置重新进行车牌信息的识别。
根据上述技术方案,所述数据采集模块用于对通过智能道闸的机动车车牌信息进行采集,所述车牌信息包括字符信息和特征信息;所述字符识别模块用于对车牌上的字符信息进行识别,记录车辆身份;所述特征识别模块用于对车牌上除字符以外的其他特征进行识别,目的是为了当车牌字符信息识别错误或识别困难时,结合车牌上的其他特征进行辅助识别,提高车牌信息识别的精度,所述特征信息是指车牌上除字符信息外的其他信息;所述比对分析模块用于将从车牌上识别的其他特征与存储数据库中储存的车牌特征信息进行比对,确定当前车牌字符信息,使得在字符信息识别模糊的情况下,可以配合特征信息进行字符信息的判断;所述智能道闸中心用于实现对地下停车场的智能管控;
所述数据采集模块的输出端连接字符识别模块和特征识别模块的输入端,所述字符识别模块的输出端连接特征识别模块的输入端,所述特征识别模块的输出端连接比对分析模块的输入端,所述比对分析模块与智能道闸中心连接;
所述控制管理单元用于对智能道闸进行智能化控制,包括但不限于入场时间点记录、停车时长分析、停车费用计算;所述存储数据库用于储存机动车车牌的字符信息和特征信息,方便在进行特征识别时,直接从存储数据库中进行历史字符信息和特征信息的调取,使得可以根据车牌的特征信息确定识别模糊的字符信息;所述5G微基站用于为智能道闸提供无线网络信号,使得即使在地下停车场等无线网络较差的地方也可以进行无线网络的连接;所述信息展示单元用于进行广告的投放,还用于为机动车驾驶员提供建议和提醒,所述信息展示单元具体为信息显示彩屏;
所述特征识别模块的输出端连接存储数据库的输入端,所述存储数据库的输出端连接比对分析模块的输入端,所述比对分析模块的输出端连接信息展示单元的输入端。
根据上述技术方案,所述数据采集模块包括双目识别摄像头和车牌识别补光灯;
所述车牌识别补光灯用于在进行车牌信息采集时提供光线补偿,进而提高对车牌信息采集的清晰度;所述双目识别摄像头用于对字符信息进行采集;所述高清拍摄摄像头用于采集车牌的高清图像;
所述双目识别摄像头的输出端连接字符识别模块,所述高清拍摄摄像头的输出端连接特征识别模块。
根据上述技术方案,所述字符识别模块包括车牌预处理单元、车牌定位单元、字符分割单元和字符识别单元;
车牌预处理单元用于对车牌进行噪声过滤、自动白平衡、自动曝光、伽马校对、边缘增强和对比度调整;所述车牌定位单元用于对经过车牌预处理单元处理后的灰度图像进行不断扫描,判定车牌区域;所述字符分割单元用于在图像中定位出车牌区域后,通过灰度化和二值化处理,精准定位字符区域,依据字符尺度特征进行字符分割;所述字符识别单元用于对切开后的字符进行缩放和提取,与字符库中的标准字符表达形式进行匹配识别,上述对双目识别摄像头所采集的车牌进行预处理、定位、分割和识别的过程均采用的是现有技术,因此,在本发明中并未做出过多的描述;
所述双目识别摄像头的输出端连接车牌预处理单元的输入端,所述车牌预处理单元的输出端连接车牌定位单元的输入端,所述车牌定位单元的输出端连接字符分割单元的输入端,所述字符分割单元的输出端连接字符识别单元的输入端。
根据上述技术方案,所述图像处理单元用于对高清拍摄摄像头所采集的车牌高清图像进行处理,得到车牌线条轮廓图,目的是为了实现车牌信息的可视化,方便后期进行特征信息的提取;所述区域分割单元用于对图像处理单元处理后的车牌线条轮廓图进行区域分割,得到若干个区域轮廓图,目的是为了减少无效区域的比对次数,降低系统的运算负荷,因为将车牌线条轮廓图划分为若干个区域后,对于无线条轮廓的区域无需进行后续处理和分析;所述特征提取单元用于对若干个区域轮廓图中的线条特征进行提取,因为车牌都是通过手动安装,每一个车牌的固定螺丝和防拆卸帽的安装位置都存在差异性,根据存储数据库中的字符信息和特征信息的储存记录,可以准确提取该区域的线条特征,有助于分析出字符信息;所述特征处理单元用于对提取的线条特征进行处理,得到车牌的特征信息,并将最终的特征信息储存在存储数据库中;
所述图像处理单元的输出端连接区域分析单元的输入端,所述区域分析单元的输出端连接特征提取单元的输入端,所述特征提取单元的输出端连接特征处理单元的输入端,所述特征处理单元的输出端连接比对分析模块和存储数据库的输入端。
与现有技术相比,本发明的有益效果是:
1、本发明通过在智能道闸内部设置5G微基站,使得智能道闸即使在地下停车场这种网络信号较差的地方使用时,协助电信部门及运营公司低成本、高效率、无死角补网,使得5G智能道闸助力即使在地下停车场这类容易存在网络信号覆盖不足、信号较差的地方也能有效实现各大运营商的无线网络实时传播、连接等功能,也可以实现与无线网络的实时连接,保证网络信号的连接通畅,使得有条件实现停车费的无感支付。
2、本发明设置有特征识别模块,通过对高清拍摄摄像头所采集的车牌高清图像进行处理和特征信息的识别,使得可以在字符信息识别模块识别错误或者识别困难时,辅助进行字符信息的识别,提高5G智能道闸管理系统对于车辆字符信息的识别精度,避免因为字符信息识别失误导致在停车场出入口处出现拥堵,保证了停车场出入口的正常通行。
3、本发明考虑到每个车牌都具有其独特的特征,所以以数字化的形式对车牌上的特征信息进行识别和分析,结合存储数据库中储存的相互匹配的字符信息和特征信息,可以极大的提高对字符信息的识别精度。
附图说明
图1为本发明基于双目识别的5G智能道闸管理系统的逻辑结构示意图;
图2为本发明基于双目识别的5G智能道闸管理系统的模块组成示意图;
图3为本发明处理前的车牌信息示意图;
图4为本发明处理中的车牌信息示意图;
图5为本发明轮廓提取后的车牌示意图。
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:如图1~图4所示,本发明提供以下技术方案,基于双目识别的5G智能道闸管理系统,该5G智能道闸管理系统包括数据采集模块、字符识别模块、特征识别模块和比对分析模块;
所述数据采集模块包括高清拍摄摄像头,所述特征识别模块包括图像处理单元和区域分割单元;
所述图像处理单元用于对高清拍摄摄像头所采集的车牌高清图像进行处理,如图5所示得到车牌线条轮廓图,目的是为了实现车牌信息的可视化,方便后期进行特征信息的提取;利用Canny算法来对车牌高清图像进行边缘检测,具体包括以下步骤:
S1、应用高斯滤波对图像进行平滑处理;
S2、寻找图像的强度梯度,由Sobel算子实现;
S3、应用非最大抑制技术来消除边误检,保留每个像素点上梯度强度的极大值,删除其他值;
S4、应用双阈值的方法来决定潜在的边界,设置最大阈值和最小阈值,像素点高于最大阈值判定为强边界点,像素点低于最小阈值判定为非边界点,像素点位于两者之间的判定为弱边界点;
S5、利用滞后技术来跟踪边界,将与强边界相连的弱边界认定为边界,其他的弱边界被删除;
得到了车牌线条轮廓图,再次利用图像处理单元将车牌线条轮廓图上中心区域的线条轮廓删除,最终得到无字符信息的车牌线条轮廓图,目的是为了减小车牌上字符信息所形成线条轮廓对特征信息提取所造成的影响,同时,避免了再次对字符信息所形成的轮廓图进行分析和判定,降低系统的运算难度。
该系统还包括智能道闸中心;
所述智能道闸中心包括控制管理单元、存储数据库、5G微基站和信息展示单元;
所述区域分割单元用于对图像处理单元处理后的车牌线条轮廓图进行区域分割,得到若干个区域轮廓图,目的是为了减少无效区域的比对次数,降低系统的运算负荷,因为将车牌线条轮廓图划分为若干个区域后,对于无线条轮廓的区域无需进行后续处理和分析;具体包括以下步骤:
步骤一:将车牌线条轮廓图缩放至控制管理单元设定的统一大小,目的是为了可以确保分割之后的不同车牌的若干个区域线条轮廓图完全一致,方便后期比对分析模块进行比对和分析;
步骤二:以车牌线条轮廓图的一个顶点为圆心,建立平面直角坐标系;
步骤三:以平面直角坐标系的单位坐标为标准进行车牌线条轮廓图的分割,得到若干个区域线条轮廓图,并对若干个区域线条轮廓图进行标号,例如:将车牌线条轮廓图分割成若干个边长为1CM的区域线条轮廓图;
步骤四:剔除无线条的区域线条轮廓图,得到具有线条的区域线条轮廓图集合,此处剔除无线条的区域线条轮廓图的目的是为了可以减少特征信息识别的次数,降低系统的运算强度,提高运算效率。
此处的区域分割,每套系统对于不同车牌线条轮廓图的分割方式相同,即分割之后的区域线条轮廓图大小相同,使得可以与存储数据库中储存的特征信息进行无差别比对。
所述特征识别模块还包括特征提取单元;
所述特征提取单元用于对若干个区域轮廓图中的线条特征进行提取,因为车牌都是通过手动安装,每一个车牌的固定螺丝和防拆卸帽的安装位置都存在差异性,根据存储数据库中的字符信息和特征信息的储存记录,可以准确提取该区域的线条特征,有助于分析出字符信息;具体包括以下步骤:
(1)在每一个区域线条轮廓图上建立平面直角坐标系,所述平面直角坐标系的原点为区域线条轮廓图的同一顶角;
(2)为每一个区域线条轮廓图中的线条所在的坐标点赋予坐标值,使得区域线条轮廓图中的每一条线条通过坐标点集合的方式来表示:
Figure 694274DEST_PATH_IMAGE001
,k=1,2,3,…,y,其中,k表示第k个区域,r表示第r条线条,n表示有n个坐标点,y表示总共有y个区域线条轮廓图。
通过对每一个区域线条轮廓图中的线条进行坐标点的定位,使得可以对区域线条轮廓图中的特征进行数字化的表达,方便后期在通过比对分析模块进行比对时,可以更加精准的确定特征信息是否相互匹配,可以提高特征信息比对的准确率。
所述特征识别模块还包括特征处理单元;
所述特征处理单元用于对提取的线条特征进行处理,得到车牌的特征信息,并将最终的特征信息储存在存储数据库中;根据下列公式对特征提取单元所提供的每一条线条进行数字化的处理:
Figure 722273DEST_PATH_IMAGE002
其中,
Figure 169435DEST_PATH_IMAGE003
表示线条
Figure 359108DEST_PATH_IMAGE004
通过换算所得到的向量表示。
通过将区域线条轮廓图中的每一条线条转化为向量表示,方便后期利用比对分析模块进行特征的比较。
所述图像处理单元的输出端连接区域分析单元的输入端,所述区域分析单元的输出端连接特征提取单元的输入端,所述特征提取单元的输出端连接特征处理单元的输入端,所述特征处理单元的输出端连接比对分析模块和存储数据库的输入端。
所述比对分析模块包括数据调取单元和特征比对单元;
所述数据调取单元用于从存储数据库中调取储存的特征信息,所述特征比对单元用于将特征处理单元处理之后的特征信息与与数据调取单元从存储数据库中调取的特征信息进行比对分析;
所述存储数据库的输出端连接数据调取单元的输入端,所述数据调取单元的输出端连接特征比对单元的输入端,所述特征比对单元的输出端连接信息展示单元和控制管理单元的输入端。
利用特征比对单元进行特征信息的比对时,根据下列公式对比对的相似度进行计算:
Figure 790089DEST_PATH_IMAGE005
其中,
Figure 356200DEST_PATH_IMAGE006
表示对第k个区域线条轮廓图进行比较时的相似度,
Figure 985764DEST_PATH_IMAGE007
表示从存储数据库中调取的第k个区域线条轮廓图中第t条线条的向量表示,m表示第k个区域线条轮廓图中总共有m条线条;
通过进行相似度比较的方式,使得可以将特征信息转化为数字化信息,使得可以通过数字化分析的方式来进行特征信息的比较,使得比较和分析的结果更加具有参考性,使得对于车牌上的字符信息的识别更加的精准;
Figure 346338DEST_PATH_IMAGE008
时,即表示在存储数据库中存在与第k个区域线条轮廓图相似的区域线条轮廓图;
Figure 264616DEST_PATH_IMAGE008
的数量大于等于设定阈值
Figure 634417DEST_PATH_IMAGE009
时,其中,
Figure 790592DEST_PATH_IMAGE010
为设定系数,即表示在存储数据库中存在与第k个区域线条轮廓图完全相同的区域线条轮廓图;
当存储数据库中的区域线条轮廓图与特征提取单元提取的区域线条轮廓图的相同数量大于等于
Figure 587647DEST_PATH_IMAGE011
时,
Figure 727641DEST_PATH_IMAGE012
表示设定的系数,且存储数据库中相同的线条轮廓图都来自于同一个字符信息之下时,即表示该字符信息为当前所识别车牌上的字符信息,例如:存储数据库中字符信息为浙A·AE1875下有15个区域线条轮廓图,特征提取单元所提取的区域线条轮廓图中有14个与浙A·AE1875的区域线条轮廓图相同,则判定当前所识别的车辆车牌号为浙A·AE1875;
此时,特征比对单元将比对分析得出的字符信息发送至控制管理单元,所述控制管理单元控制智能道闸打开;
Figure 901134DEST_PATH_IMAGE013
时,即表示在存储数据库中不存在与第k个区域线条轮廓图相似的区域线条轮廓图;
Figure 239711DEST_PATH_IMAGE008
的数量小于设定阈值
Figure 207667DEST_PATH_IMAGE009
时,其中,
Figure 569378DEST_PATH_IMAGE010
为设定系数,即表示在存储数据库中不存在与第k个区域线条轮廓图完全相同的区域线条轮廓图;
当无法根据比对分析模块的特征比对来确定当前所识别车牌的字符时,所述特征比对单元将比对结果发送至信息展示单元,所述信息展示单元通过显示文字提供车辆驾驶员调整车辆位置重新进行车牌信息的识别。
所述数据采集模块用于对通过智能道闸的机动车车牌信息进行采集,所述车牌信息包括字符信息和特征信息;所述字符识别模块用于对车牌上的字符信息进行识别,记录车辆身份,所述字符信息是指车辆的身份信息,例如:浙A·AE1875;所述特征识别模块用于对车牌上除字符以外的其他特征进行识别,目的是为了当车牌字符信息识别错误或识别困难时,结合车牌上的其他特征进行辅助识别,提高车牌信息识别的精度,所述特征信息是指车牌上除字符信息外的其他信息,例如:车牌上固定螺丝和防拆卸帽的安装位置特征;所述比对分析模块用于将从车牌上识别的其他特征与存储数据库中储存的车牌特征信息进行比对,确定当前车牌字符信息,使得在字符信息识别模糊的情况下,可以配合特征信息进行字符信息的判断;所述智能道闸中心用于实现对地下停车场的智能管控;
所述数据采集模块的输出端连接字符识别模块和特征识别模块的输入端,所述字符识别模块的输出端连接特征识别模块的输入端,所述特征识别模块的输出端连接比对分析模块的输入端,所述比对分析模块与智能道闸中心连接;
所述控制管理单元用于对智能道闸进行智能化控制,包括但不限于入场时间点记录、停车时长分析、停车费用计算;所述存储数据库用于储存机动车车牌的字符信息和特征信息,方便在进行特征识别时,直接从存储数据库中进行历史字符信息和特征信息的调取,使得可以根据车牌的特征信息确定识别模糊的字符信息;所述5G微基站用于为智能道闸提供无线网络信号,使得即使在地下停车场等无线网络较差的地方也可以进行无线网络的连接;所述信息展示单元用于进行广告的投放,还用于为机动车驾驶员提供建议和提醒,所述信息展示单元具体为信息显示彩屏;
所述特征识别模块的输出端连接存储数据库的输入端,所述存储数据库的输出端连接比对分析模块的输入端,所述比对分析模块的输出端连接信息展示单元的输入端。
所述5G微基站内部还安装有5G无线网络单元和5G网络分享单元,所述5G微基站为整个智能道闸提供无线网络,接着再由5G无线网络单元通过5G网络分享单元将5G微基站提供的网络进行分享,协助电信部门及运营公司低成本、高效率、无死角补网,使得5G智能道闸助力即使在地下停车场这类容易存在网络信号覆盖不足、信号较差的地方也能有效实现各大运营商的无线网络实时传播、连接等功能,破解5G网络在地下空间的覆盖难题,保证网络信号的连接通畅,从而促进5G商用。
所述数据采集模块包括双目识别摄像头和车牌识别补光灯;
所述车牌识别补光灯用于在进行车牌信息采集时提供光线补偿,进而提高对车牌信息采集的清晰度;所述双目识别摄像头用于对字符信息进行采集;所述高清拍摄摄像头用于采集车牌的高清图像;
所述双目识别摄像头的输出端连接字符识别模块,所述高清拍摄摄像头的输出端连接特征识别模块。
所述字符识别模块包括车牌预处理单元、车牌定位单元、字符分割单元和字符识别单元;
车牌预处理单元用于对车牌进行噪声过滤、自动白平衡、自动曝光、伽马校对、边缘增强和对比度调整;所述车牌定位单元用于对经过车牌预处理单元处理后的灰度图像进行不断扫描,判定车牌区域;所述字符分割单元用于在图像中定位出车牌区域后,通过灰度化和二值化处理,精准定位字符区域,依据字符尺度特征进行字符分割;所述字符识别单元用于对切开后的字符进行缩放和提取,与字符库中的标准字符表达形式进行匹配识别,上述对双目识别摄像头所采集的车牌进行预处理、定位、分割和识别的过程均采用的是现有技术,因此,在本发明中并未做出过多的描述;
所述双目识别摄像头的输出端连接车牌预处理单元的输入端,所述车牌预处理单元的输出端连接车牌定位单元的输入端,所述车牌定位单元的输出端连接字符分割单元的输入端,所述字符分割单元的输出端连接字符识别单元的输入端。
所述图像处理单元用于对高清拍摄摄像头所采集的车牌高清图像进行处理,得到车牌线条轮廓图,目的是为了实现车牌信息的可视化,方便后期进行特征信息的提取;所述区域分割单元用于对图像处理单元处理后的车牌线条轮廓图进行区域分割,得到若干个区域轮廓图,目的是为了减少无效区域的比对次数,降低系统的运算负荷,因为将车牌线条轮廓图划分为若干个区域后,对于无线条轮廓的区域无需进行后续处理和分析;所述特征提取单元用于对若干个区域轮廓图中的线条特征进行提取,因为车牌都是通过手动安装,每一个车牌的固定螺丝和防拆卸帽的安装位置都存在差异性,根据存储数据库中的字符信息和特征信息的储存记录,可以准确提取该区域的线条特征,有助于分析出字符信息;所述特征处理单元用于对提取的线条特征进行处理,得到车牌的特征信息,并将最终的特征信息储存在存储数据库中;
所述图像处理单元的输出端连接区域分析单元的输入端,所述区域分析单元的输出端连接特征提取单元的输入端,所述特征提取单元的输出端连接特征处理单元的输入端,所述特征处理单元的输出端连接比对分析模块和存储数据库的输入端。
实施例一:在利用特征提取单元对若干个区域轮廓图中的线条特征进行提取,具体包括以下步骤:
(1)在每一个区域线条轮廓图上以左下角顶点作为原点建立平面直角坐标系;
(2)为每一个区域线条轮廓图中的线条所在的坐标点赋予坐标值,使得区域线条轮廓图中的每一条线条通过坐标点集合的方式来表示:
Figure 280982DEST_PATH_IMAGE014
在利用特征处理单元对提取的线条特征进行处理时,根据下列公式对特征提取单元所提供的线条进行数字化的处理:
Figure 677329DEST_PATH_IMAGE015
其中,
Figure 144082DEST_PATH_IMAGE016
表示线条
Figure 727510DEST_PATH_IMAGE017
通过换算所得到的向量表示。
所述比对分析模块包括数据调取单元和特征比对单元;
所述数据调取单元用于从存储数据库中调取储存的特征信息,所述特征比对单元用于将特征处理单元处理之后的特征信息与与数据调取单元从存储数据库中调取的特征信息进行比对分析;
所述存储数据库的输出端连接数据调取单元的输入端,所述数据调取单元的输出端连接特征比对单元的输入端,所述特征比对单元的输出端连接信息展示单元和控制管理单元的输入端。
利用特征比对单元进行特征信息的比对时,根据下列公式对比对的相似度进行计算:
Figure 508384DEST_PATH_IMAGE018
Figure 493658DEST_PATH_IMAGE019
时,即表示在存储数据库中存在与第1个区域线条轮廓图相似的区域线条轮廓图;
Figure 71925DEST_PATH_IMAGE008
的数量大于等于设定阈值
Figure 142649DEST_PATH_IMAGE020
,其中,
Figure 727215DEST_PATH_IMAGE010
=0.8为设定系数,即表示在存储数据库中存在与第1个区域线条轮廓图完全相同的区域线条轮廓图;
按照同样的处理方式对剩余的20个区域线条轮廓图中的特征进行比对和分析;
存储数据库中的区域线条轮廓图与特征提取单元提取的区域线条轮廓图的相同数量为18,大于等于
Figure 566995DEST_PATH_IMAGE021
时,
Figure 375551DEST_PATH_IMAGE012
=0.9表示设定的系数,存储数据库中相同的线条轮廓图都来自于同一个字符信息浙A·AE1875,即表示浙A·AE1875为当前所识别车牌上的字符信息;
此时,特征比对单元将比对分析得出的字符信息发送至控制管理单元,所述控制管理单元控制智能道闸打开。
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囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。

Claims (5)

1.基于双目识别的5G智能道闸管理系统,其特征在于:该5G智能道闸管理系统包括数据采集模块、字符识别模块、特征识别模块和比对分析模块;
所述数据采集模块包括高清拍摄摄像头,所述特征识别模块包括图像处理单元和区域分割单元;
利用图像处理单元对高清拍摄摄像头所采集的车牌高清图像进行处理时,利用Canny算法来对车牌高清图像进行边缘检测,具体包括以下步骤:
S1、应用高斯滤波对图像进行平滑处理;
S2、寻找图像的强度梯度,由Sobel算子实现;
S3、应用非最大抑制技术来消除边误检,保留每个像素点上梯度强度的极大值,删除其他值;
S4、应用双阈值的方法来决定潜在的边界,设置最大阈值和最小阈值,像素点高于最大阈值判定为强边界点,像素点低于最小阈值判定为非边界点,像素点位于两者之间的判定为弱边界点;
S5、利用滞后技术来跟踪边界,将与强边界相连的弱边界认定为边界,其他的弱边界被删除;
得到了车牌线条轮廓图,再次利用图像处理单元将车牌线条轮廓图上中心区域的线条轮廓删除,最终得到无字符信息的车牌线条轮廓图;
该系统还包括智能道闸中心;
所述智能道闸中心包括控制管理单元、存储数据库、5G微基站和信息展示单元;
在利用区域分割单元对得到的无字符信息的车牌线条轮廓图进行分割时,具体包括以下步骤:
步骤一:将车牌线条轮廓图缩放至控制管理单元设定的统一大小;
步骤二:以车牌线条轮廓图的一个顶点为圆心,建立平面直角坐标系;
步骤三:以平面直角坐标系的单位坐标为标准进行车牌线条轮廓图的分割,得到若干个区域线条轮廓图,并对若干个区域线条轮廓图进行标号;
步骤四:剔除无线条的区域线条轮廓图,得到具有线条的区域线条轮廓图集合;
所述特征识别模块还包括特征提取单元;
在利用特征提取单元对若干个区域轮廓图中的线条特征进行提取,具体包括以下步骤:
(1)在每一个区域线条轮廓图上建立平面直角坐标系,所述平面直角坐标系的原点为区域线条轮廓图的同一顶角;
(2)为每一个区域线条轮廓图中的线条所在的坐标点赋予坐标值,使得区域线条轮廓 图中的每一条线条通过坐标点集合的方式来表示:
Figure DEST_PATH_IMAGE001
,k=1,2,3,…,y,其中,k表示第k个区域,r表示第r 条线条,n表示有n个坐标点,y表示总共有y个区域线条轮廓图;
所述特征识别模块还包括特征处理单元;
在利用特征处理单元对提取的线条特征进行处理时,根据下列公式对特征提取单元所提供的每一条线条进行数字化的处理:
Figure 477531DEST_PATH_IMAGE002
其中,
Figure DEST_PATH_IMAGE003
表示线条
Figure 627890DEST_PATH_IMAGE004
通过换算所得到的向量表示;
所述比对分析模块包括数据调取单元和特征比对单元;
所述数据调取单元用于从存储数据库中调取储存的特征信息,所述特征比对单元用于将特征处理单元处理之后的特征信息与数据调取单元从存储数据库中调取的特征信息进行比对分析;
所述存储数据库的输出端连接数据调取单元的输入端,所述数据调取单元的输出端连接特征比对单元的输入端,所述特征比对单元的输出端连接信息展示单元和控制管理单元的输入端;
利用特征比对单元进行特征信息的比对时,根据下列公式对比对的相似度进行计算:
Figure DEST_PATH_IMAGE005
其中,
Figure 222819DEST_PATH_IMAGE006
表示对第k个区域线条轮廓图进行比较时的相似度,
Figure DEST_PATH_IMAGE007
表示从存储数据库中 调取的第k个区域线条轮廓图中第t条线条的向量表示,m表示第k个区域线条轮廓图中总共 有m条线条;
Figure 484036DEST_PATH_IMAGE008
时,即表示在存储数据库中存在与第k个区域线条轮廓图相似的区域线条 轮廓图;
Figure 684073DEST_PATH_IMAGE008
的数量大于等于设定阈值
Figure DEST_PATH_IMAGE009
时,其中,
Figure 8263DEST_PATH_IMAGE010
为设定系数,即表示在存储数据 库中存在与第k个区域线条轮廓图完全相同的区域线条轮廓图;
当存储数据库中的区域线条轮廓图与特征提取单元提取的区域线条轮廓图的相同数 量大于等于
Figure DEST_PATH_IMAGE011
时,
Figure 824909DEST_PATH_IMAGE012
表示设定的系数,且存储数据库中相同的线条轮廓图都来自于同一个 字符信息之下时,即表示该字符信息为当前所识别车牌上的字符信息;
此时,特征比对单元将比对分析得出的字符信息发送至控制管理单元,所述控制管理单元控制智能道闸打开;
Figure DEST_PATH_IMAGE013
时,即表示在存储数据库中不存在与第k个区域线条轮廓图相似的区域线 条轮廓图;
Figure 155396DEST_PATH_IMAGE008
的数量小于设定阈值
Figure 209940DEST_PATH_IMAGE009
时,其中,
Figure 436522DEST_PATH_IMAGE010
为设定系数,即表示在存储数据库中 不存在与第k个区域线条轮廓图完全相同的区域线条轮廓图,其中,
Figure 6043DEST_PATH_IMAGE014
表示设定的相似度阈 值;
当无法根据比对分析模块的特征比对来确定当前所识别车牌的字符时,所述特征比对单元将比对结果发送至信息展示单元,所述信息展示单元通过显示文字提供车辆驾驶员调整车辆位置重新进行车牌信息的识别。
2.根据权利要求1所述的基于双目识别的5G智能道闸管理系统,其特征在于:所述数据采集模块用于对通过智能道闸的机动车车牌信息进行采集;所述字符识别模块用于对车牌上的字符信息进行识别,记录车辆身份;所述特征识别模块用于对车牌上除字符以外的其他特征进行识别;所述比对分析模块用于将从车牌上识别的其他特征与储存的车牌特征信息进行比对,确定当前车牌字符信息;所述智能道闸中心用于实现对地下停车场的智能管控;
所述数据采集模块的输出端连接字符识别模块和特征识别模块的输入端,所述字符识别模块的输出端连接特征识别模块的输入端,所述特征识别模块的输出端连接比对分析模块的输入端,所述比对分析模块与智能道闸中心连接;
所述智能道闸中心包括控制管理单元、存储数据库、5G微基站和信息展示单元;
所述控制管理单元用于对智能道闸进行智能化控制,包括但不限于入场时间点记录、停车时长分析、停车费用计算;所述存储数据库用于储存机动车车牌的字符信息和特征信息;所述5G微基站用于为智能道闸提供无线网络信号;所述信息展示单元用于进行广告的投放,还用于为机动车驾驶员提供建议和提醒;
所述5G微基站内部安装有5G无线网络单元和5G网络分享单元,所述5G微基站为整个智能道闸提供无线网络,接着再由5G无线网络单元通过5G网络分享单元将5G微基站提供的网络进行分享;
所述特征识别模块的输出端连接存储数据库的输入端,所述存储数据库的输出端连接比对分析模块的输入端,所述比对分析模块的输出端连接信息展示单元的输入端。
3.根据权利要求2所述的基于双目识别的5G智能道闸管理系统,其特征在于:所述数据采集模块还包括双目识别摄像头和车牌识别补光灯;
所述车牌识别补光灯用于在进行车牌信息采集时提供光线补偿;所述双目识别摄像头用于对字符信息进行采集;所述高清拍摄摄像头用于采集车牌的高清图像;
所述双目识别摄像头的输出端连接字符识别模块,所述高清拍摄摄像头的输出端连接特征识别模块。
4.根据权利要求3所述的基于双目识别的5G智能道闸管理系统,其特征在于:所述字符识别模块包括车牌预处理单元、车牌定位单元、字符分割单元和字符识别单元;
车牌预处理单元用于对车牌进行噪声过滤、自动白平衡、自动曝光、伽马校对、边缘增强和对比度调整;所述车牌定位单元用于对经过车牌预处理单元处理后的灰度图像进行不断扫描,判定车牌区域;所述字符分割单元用于在图像中定位出车牌区域后,通过灰度化和二值化处理,精准定位字符区域,依据字符尺度特征进行字符分割;所述字符识别单元用于对切开后的字符进行缩放和提取,与字符库中的标准字符表达形式进行匹配识别;
所述双目识别摄像头的输出端连接车牌预处理单元的输入端,所述车牌预处理单元的输出端连接车牌定位单元的输入端,所述车牌定位单元的输出端连接字符分割单元的输入端,所述字符分割单元的输出端连接字符识别单元的输入端。
5.根据权利要求4所述的基于双目识别的5G智能道闸管理系统,其特征在于:所述图像处理单元用于对高清拍摄摄像头所采集的车牌高清图像进行处理,得到车牌线条轮廓图;所述区域分割单元用于对图像处理单元处理后的车牌线条轮廓图进行区域分割,得到若干个区域轮廓图;所述特征提取单元用于对若干个区域轮廓图中的线条特征进行提取;所述特征处理单元用于对提取的线条特征进行处理,得到车牌的特征信息,并将最终的特征信息储存在存储数据库中;
所述图像处理单元的输出端连接区域分析单元的输入端,所述区域分析单元的输出端连接特征提取单元的输入端,所述特征提取单元的输出端连接特征处理单元的输入端,所述特征处理单元的输出端连接比对分析模块和存储数据库的输入端。
CN202210515239.7A 2022-05-12 2022-05-12 基于双目识别的5g智能道闸管理系统 Active CN114627653B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210515239.7A CN114627653B (zh) 2022-05-12 2022-05-12 基于双目识别的5g智能道闸管理系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210515239.7A CN114627653B (zh) 2022-05-12 2022-05-12 基于双目识别的5g智能道闸管理系统

Publications (2)

Publication Number Publication Date
CN114627653A CN114627653A (zh) 2022-06-14
CN114627653B true CN114627653B (zh) 2022-08-02

Family

ID=81906975

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210515239.7A Active CN114627653B (zh) 2022-05-12 2022-05-12 基于双目识别的5g智能道闸管理系统

Country Status (1)

Country Link
CN (1) CN114627653B (zh)

Citations (11)

* 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
JP2006164193A (ja) * 2004-12-10 2006-06-22 Fujitsu Ltd 特定部位抽出プログラム
CN106327918A (zh) * 2016-09-07 2017-01-11 武汉安可威视科技有限公司 一种车牌识别的停车场智能收费管理系统
CN107067002A (zh) * 2017-03-09 2017-08-18 华东师范大学 一种动态视频中道路车牌识别方法
CN107122777A (zh) * 2017-04-25 2017-09-01 云南省交通科学研究所 一种基于视频文件的车辆分析系统及分析方法
CN109447069A (zh) * 2018-10-31 2019-03-08 沈阳工业大学 面向智能终端的车辆信息采集识别方法及系统
CN109472262A (zh) * 2018-09-25 2019-03-15 平安科技(深圳)有限公司 车牌识别方法、装置、计算机设备及存储介质
CN110009653A (zh) * 2019-03-12 2019-07-12 江苏理工学院 基于灰度阈值分割法增加边缘识别点准确图像识别的方法
CN111627215A (zh) * 2020-05-21 2020-09-04 平安国际智慧城市科技股份有限公司 基于人工智能的视频图像识别方法及相关设备
CN111833367A (zh) * 2020-06-24 2020-10-27 中国第一汽车股份有限公司 一种图像处理方法、装置、车辆及存储介质
CN113469158A (zh) * 2021-09-06 2021-10-01 智广海联(天津)大数据技术有限公司 基于卷积神经网络的非法危化品运输车辆识别方法及系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10706330B2 (en) * 2015-10-01 2020-07-07 Intellivision Technologies Corp Methods and systems for accurately recognizing vehicle license plates

Patent Citations (11)

* 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
JP2006164193A (ja) * 2004-12-10 2006-06-22 Fujitsu Ltd 特定部位抽出プログラム
CN106327918A (zh) * 2016-09-07 2017-01-11 武汉安可威视科技有限公司 一种车牌识别的停车场智能收费管理系统
CN107067002A (zh) * 2017-03-09 2017-08-18 华东师范大学 一种动态视频中道路车牌识别方法
CN107122777A (zh) * 2017-04-25 2017-09-01 云南省交通科学研究所 一种基于视频文件的车辆分析系统及分析方法
CN109472262A (zh) * 2018-09-25 2019-03-15 平安科技(深圳)有限公司 车牌识别方法、装置、计算机设备及存储介质
CN109447069A (zh) * 2018-10-31 2019-03-08 沈阳工业大学 面向智能终端的车辆信息采集识别方法及系统
CN110009653A (zh) * 2019-03-12 2019-07-12 江苏理工学院 基于灰度阈值分割法增加边缘识别点准确图像识别的方法
CN111627215A (zh) * 2020-05-21 2020-09-04 平安国际智慧城市科技股份有限公司 基于人工智能的视频图像识别方法及相关设备
CN111833367A (zh) * 2020-06-24 2020-10-27 中国第一汽车股份有限公司 一种图像处理方法、装置、车辆及存储介质
CN113469158A (zh) * 2021-09-06 2021-10-01 智广海联(天津)大数据技术有限公司 基于卷积神经网络的非法危化品运输车辆识别方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
唐卡图像线条轮廓检索方法;薛茹等;《科学技术与工程》;20170930;第17卷(第25期);第98-101页 *

Also Published As

Publication number Publication date
CN114627653A (zh) 2022-06-14

Similar Documents

Publication Publication Date Title
CN106373426B (zh) 基于计算机视觉的停车位及违规占道停车监控方法
CN103235938B (zh) 车牌检测与识别的方法及系统
CN103824452B (zh) 一种轻量级的基于全景视觉的违章停车检测装置
EP3806064B1 (en) Method and apparatus for detecting parking space usage condition, electronic device, and storage medium
CN109670404A (zh) 一种基于混合模型的道路积水图像检测预警方法
CN105913685A (zh) 一种基于视频监控的车位识别及智能引导方法
CN111179232A (zh) 基于图像处理的钢筋尺寸检测系统及方法
US20060245618A1 (en) Motion detection in a video stream
CN104036262B (zh) 一种lpr车牌筛选识别的方法和系统
CN101599175B (zh) 确定拍摄背景发生改变的检测方法及图像处理设备
US20170024619A1 (en) Video-based system and method for parking occupancy detection
CN106682665B (zh) 一种基于计算机视觉的七段式数显仪表数字识别方法
Liu et al. A multi-classifier image based vacant parking detection system
CN112347814A (zh) 客流估计与展示方法、系统及计算机可读存储介质
CN114973207B (zh) 一种基于目标检测的路标识别方法
CN112132071A (zh) 识别交通拥堵的处理方法、装置、设备及存储介质
CN111652033A (zh) 基于OpenCV的车道线检测方法
CN112861797A (zh) 一种真伪车牌识别方法、装置及相关设备
CN107122732A (zh) 一种监控场景下高鲁棒性的快速车牌定位方法
CN112863194B (zh) 一种图像处理方法、装置、终端及介质
CN112560814A (zh) 一种车辆进出停车位的识别方法
CN114627653B (zh) 基于双目识别的5g智能道闸管理系统
CN112585655A (zh) 基于5g的无人驾驶电子交警执勤系统
CN108346313B (zh) 一种空车位检测方法及系统
Pratomo et al. Parking detection system using background subtraction and HSV color segmentation

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