CN114882489A - 一种对旋转车牌进行水平校正方法、装置、设备及介质 - Google Patents
一种对旋转车牌进行水平校正方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN114882489A CN114882489A CN202210792577.5A CN202210792577A CN114882489A CN 114882489 A CN114882489 A CN 114882489A CN 202210792577 A CN202210792577 A CN 202210792577A CN 114882489 A CN114882489 A CN 114882489A
- Authority
- CN
- China
- Prior art keywords
- license plate
- frame image
- coordinates
- image
- rotation
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000012937 correction Methods 0.000 claims abstract description 28
- 239000011159 matrix material Substances 0.000 claims abstract description 24
- 230000008859 change Effects 0.000 claims abstract description 20
- 238000001514 detection method Methods 0.000 claims abstract description 14
- 238000009987 spinning Methods 0.000 claims abstract description 9
- 230000015654 memory Effects 0.000 claims description 39
- 238000013145 classification model Methods 0.000 claims description 15
- 238000003860 storage Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 10
- 238000000605 extraction Methods 0.000 claims description 4
- 238000012549 training Methods 0.000 claims description 4
- 238000013528 artificial neural network Methods 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 3
- 238000002372 labelling Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 239000004065 semiconductor Substances 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000004886 process control Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- 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
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/24—Aligning, centring, orientation detection or correction of the image
- G06V10/242—Aligning, centring, orientation detection or correction of the image by image rotation, e.g. by 90 degrees
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Image Processing (AREA)
Abstract
本公开涉及一种对旋转车牌进行水平校正方法、装置、设备及介质,所述方法包括:利用车牌检测算法提取图像中完整包含车牌的最小水平长方形边框,并存储为第一边框图像;计算所述第一边框图像的宽高比,并判断与标准车牌的宽高比的差值是否小于等于预设阈值,若是则不需进行旋转车牌的水平校正;若否则进一步判断车牌旋转方向是否为逆时针旋转方向,若是则构建角点方程组求解四个角点的坐标;根据所述四个角点的坐标计算车牌的倾斜角度并根据所述倾斜角度构建旋转变化矩阵;根据所述旋转变化矩阵对所述第一边框图像进行旋转校正得到校正后的第二边框图像;截取所述第二边框图像中四个角点所包围的矩形部分作为水平校正后的车牌图像。
Description
技术领域
本申请涉及车牌校正技术领域,更为具体来说,本公开涉及一种对旋转车牌进行水平校正方法、装置、设备及介质。
背景技术
车牌检测是现代智能交通系统中的重要组成部分之一,是车牌识别的必要前置步骤。它以数字图像处理、计算机视觉等技术为基础,对摄像机所拍摄的车辆图像或者视频序列进行分析,检测出每一辆汽车的车牌区域,然后将车牌区域输入给车牌识别模块,得到唯一的车牌号码,从而完成检测和识别过程。
目前,车牌检测的难点在于,在车牌的图像采集过程中,相机拍摄的车牌不一定是水平方向,拍摄出来的车牌相对于水平矩形经常会有一定程度的旋转。在车牌有旋转的情况下,车牌检测的边框图往往包含了较多的非车牌区域背景。非车牌的背景区域对后续的车牌识别算法会有不同程度的干扰,影响车牌识别的准确性。为了保证后续车牌识别算法的准确性,需要对旋转的车牌进行方向校正,将车牌校正至水平方向。同时,对车牌进行分割,去除不属于车牌部分的背景信息,只保留属于车牌部分的图像信息,提升后续车牌识别的准确性。
发明内容
为解决现有技术的车牌校正方法不能满足用户需求的技术问题。
为实现上述技术目的,本公对旋转车牌进行水平校正开提供了一种对旋转车牌进行水平校正方法,包括:
利用车牌检测算法提取图像中完整包含车牌的最小水平长方形边框,并存储为第一边框图像;
计算所述第一边框图像的宽高比,并判断与标准车牌的宽高比的差值是否小于等于预设阈值,若是则不需进行旋转车牌的水平校正;
若否则进一步判断车牌旋转方向是否为逆时针旋转方向,若是则构建第一角点方程组求解四个角点的坐标;若否则构建第二角点方程组求解四个角点的坐标;
根据所述四个角点的坐标计算车牌的倾斜角度并根据所述倾斜角度构建旋转变化矩阵;
根据所述旋转变化矩阵对所述第一边框图像进行旋转校正得到校正后的第二边框图像;
截取所述第二边框图像中四个角点所包围的矩形部分作为水平校正后的车牌图像。
进一步,所述计算所述第一边框图像的宽高比,并判断与标准车牌的宽高比的差值是否小于等于预设阈值具体包括:
计算所述第一边框图像的宽高比r:
r=x/y,其中,x为所述第一边框图像的宽,y为所述第一边框图像的高;
计算标准车牌的宽高比λ=440/140;
计算|r-λ|并判断|r-λ|≤t是否成立,其中,t为预设阈值。
进一步,所述判断车牌旋转方向是否为逆时针旋转方向具体包括:
预先训练车牌旋转二分类模型;
将所述第一边框图像输入所述车牌旋转二分类模型得到顺时针或逆时针的输出结果;
根据所述输出结果判断是否为逆时针旋转方向。
进一步,所述预先训练车牌旋转二分类模型具体包括:
收集旋转车牌的图像数据集,将所述数据集中的每一张旋转车牌图像的旋转类型标注为顺时针或逆时针;
根据数据集合标注结果构建神经网络分类模型得到车牌旋转二分类模型。
进一步,所述构建第一角点方程组求解四个角点的坐标具体包括:
构建角点方程组:
解得:
将所述第一边框图像的左上角顶点记为坐标原点,将所述第一边框图像置于坐标系的第四象限,则得到车牌图像四个角点坐标:
左上角坐标为(0,-a3),左下角坐标为(a2,-y),右下角坐标为(x,-a4),右上角坐标为(a1,0)。
进一步,所述计算车牌的倾斜角度并根据所述倾斜角度构建旋转变化矩阵具体包括:
计算车牌的倾斜角度α:
构建旋转变换矩阵M:
进一步,所述构建第二角点方程组求解四个角点的坐标具体包括:
构建角点方程组:
,其中,x和y是边框图像的宽和高,为已知数;λ是标准车牌的宽高比,为已知数;
解得:
将所述第一边框图像的左上角顶点记为坐标原点;将所述第一边框图像置于坐标系的第四象限,则得到车牌图像四个角点坐标:
左上角坐标为(a1,0);左下角坐标为(0,-a3);右上角坐标为(x,-a4);右下角坐标为(a2,-y)。
为实现上述技术目的,本公开还能够提供一种对旋转车牌进行水平校正装置,包括:
图像提取模块,用于利用车牌检测算法提取图像中完整包含车牌的最小水平长方形边框,并存储为第一边框图像;
第一判断模块,用于计算所述第一边框图像的宽高比,并判断与标准车牌的宽高比的差值是否小于等于预设阈值;
第二判断模块,用于判断车牌旋转方向是否为逆时针旋转方向;
旋转变化矩阵构建模块,用于根据所述四个角点的坐标计算车牌的倾斜角度并根据所述倾斜角度构建旋转变化矩阵;
旋转校正模块,用于根据所述旋转变化矩阵对所述第一边框图像进行旋转校正得到校正后的第二边框图像;
图像截取模块,用于截取所述第二边框图像中四个角点所包围的矩形部分作为水平校正后的车牌图像。
为实现上述技术目的,本公开还能够提供一种计算机存储介质,其上存储有计算机程序,计算机程序被处理器执行时用于实现上述的对旋转车牌进行水平校正方法的步骤。
为实现上述技术目的,本公开还提供了一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现上述的对旋转车牌进行水平校正方法的步骤。
本公开的有益效果为:
本公开提出一种对旋转车牌进行水平校正方法,仅需要旋转车牌的检测框,通过标准车牌的长宽比信息,以及车牌和检测框的几何关系,就可以计算出车牌的角点位置,从而对车牌进行矫正和分割。
附图说明
图1示出了本公开的实施例1的方法的流程示意图;
图2示出了本公开的实施例1的方法的流程示意图;
图3示出了本公开的实施例2的结构示意图;
图4示出了本公开的实施例4的结构示意图。
具体实施方式
以下,将参照附图来描述本公开的实施例。但是应该理解,这些描述只是示例性的,而并非要限制本公开的范围。此外,在以下说明中,省略了对公知结构和技术的描述,以避免不必要地混淆本公开的概念。
在附图中示出了根据本公开实施例的各种结构示意图。这些图并非是按比例绘制的,其中为了清楚表达的目的,放大了某些细节,并且可能省略了某些细节。图中所示的各种区域、层的形状以及它们之间的相对大小、位置关系仅是示例性的,实际中可能由于制造公差或技术限制而有所偏差,并且本领域技术人员根据实际所需可以另外设计具有不同形状、大小、相对位置的区域/层。
实施例一:
如图1所示:
本公开提供了一种对旋转车牌进行水平校正方法,包括:
S101:利用车牌检测算法提取图像中完整包含车牌的最小水平长方形边框,并存储为第一边框图像;
S102:计算所述第一边框图像的宽高比,并判断与标准车牌的宽高比的差值是否小于等于预设阈值,若是则不需进行旋转车牌的水平校正;
S104:若否则进一步判断车牌旋转方向是否为逆时针旋转方向;
S105:若是则构建第一角点方程组求解四个角点的坐标;若否则构建第二角点方程组求解四个角点的坐标;
S105:根据所述四个角点的坐标计算车牌的倾斜角度并根据所述倾斜角度构建旋转变化矩阵;
S106:根据所述旋转变化矩阵对所述第一边框图像进行旋转校正得到校正后的第二边框图像;
S107:截取所述第二边框图像中四个角点所包围的矩形部分作为水平校正后的车牌图像。
进一步,所述计算所述第一边框图像的宽高比,并判断与标准车牌的宽高比的差值是否小于等于预设阈值具体包括:
计算所述第一边框图像的宽高比r:
r=x/y,其中,x为所述第一边框图像的宽,y为所述第一边框图像的高;
计算标准车牌的宽高比λ=440/140;
计算|r-λ|并判断|r-λ|≤t是否成立,其中,t为预设阈值。
t优选0.2。
进一步,所述判断车牌旋转方向是否为逆时针旋转方向具体包括:
预先训练车牌旋转二分类模型;
将所述第一边框图像输入所述车牌旋转二分类模型得到顺时针或逆时针的输出结果;
根据所述输出结果判断是否为逆时针旋转方向。
进一步,所述预先训练车牌旋转二分类模型具体包括:
收集旋转车牌的图像数据集,将所述数据集中的每一张旋转车牌图像的旋转类型标注为顺时针或逆时针;
根据数据集合标注结果构建神经网络分类模型得到车牌旋转二分类模型。
如图2所示:
进一步,所述构建第一角点方程组求解四个角点的坐标具体包括:
构建角点方程组:
解得:
将所述第一边框图像的左上角顶点记为坐标原点,将所述第一边框图像置于坐标系的第四象限,则得到车牌图像四个角点坐标:
左上角坐标为(0,-a3),左下角坐标为(a2,-y),右下角坐标为(x,-a4),右上角坐标为(a1,0)。
进一步,所述计算车牌的倾斜角度并根据所述倾斜角度构建旋转变化矩阵具体包括:
计算车牌的倾斜角度α:
构建旋转变换矩阵M:
进一步,所述构建第二角点方程组求解四个角点的坐标具体包括:
构建角点方程组:
,其中,x和y是边框图像的宽和高,为已知数;λ是标准车牌的宽高比,为已知数;
解得:
将所述第一边框图像的左上角顶点记为坐标原点;将所述第一边框图像置于坐标系的第四象限,则得到车牌图像四个角点坐标:
左上角坐标为(a1,0);左下角坐标为(0,-a3);右上角坐标为(x,-a4);右下角坐标为(a2,-y)。
实施例二:
如图3所示:
为实现上述技术目的,本公开还能够提供一种对旋转车牌进行水平校正装置,包括:
图像提取模块201,用于利用车牌检测算法提取图像中完整包含车牌的最小水平长方形边框,并存储为第一边框图像;
第一判断模块202,用于计算所述第一边框图像的宽高比,并判断与标准车牌的宽高比的差值是否小于等于预设阈值;
第二判断模块203,用于判断车牌旋转方向是否为逆时针旋转方向;
旋转变化矩阵构建模块204,用于根据所述四个角点的坐标计算车牌的倾斜角度并根据所述倾斜角度构建旋转变化矩阵;
旋转校正模块205,用于根据所述旋转变化矩阵对所述第一边框图像进行旋转校正得到校正后的第二边框图像;
图像截取模块206,用于截取所述第二边框图像中四个角点所包围的矩形部分作为水平校正后的车牌图像。
其中,所述图像提取模块201依次与所述第一判断模块202、所述第二判断模块203、所述旋转变化矩阵构建模块204、所述旋转校正模块205以及所述图像截取模块206相连接。
实施例三:
本公开还能够提供一种计算机存储介质,其上存储有计算机程序,计算机程序被处理器执行时用于实现上述的对旋转车牌进行水平校正方法的步骤。
本公开的计算机存储介质可以采用半导体存储器、磁芯存储器、磁鼓存储器或磁盘存储器实现。
半导体存储器,主要用于计算机的半导体存储元件主要有Mos和双极型两种。Mos元件集成度高、工艺简单但速度较慢。双极型元件工艺复杂、功耗大、集成度低但速度快。NMos和CMos问世后,使 Mos存储器在半导体存储器中开始占主要地位。NMos速度快,如英特尔公司的1K位静态随机存储器的存取时间为 45ns。而 CMos耗电省,4K位的CMos 静态存储器存取时间为300ns。上述半导体存储器都是随机存取存储器(RAM),即在工作过程中可随机进行读出和写入新内容。而半导体只读存储器 (ROM)在工作过程中可随机读出但不能写入,它用来存放已固化好的程序和数据。ROM 又分为不可改写的熔断丝式只读存储器──PROM和可改写的只读存储器EPROM两种。
磁芯存储器,具有成本低,可靠性高的特点,且有20多年的实际使用经验。70年代中期以前广泛使用磁芯存储器作为主存储器。其存储容量可达10位以上,存取时间最快为300ns。国际上典型的磁芯存储器容量为 4MS~8MB,存取周期为1.0~1.5μs。在半导体存储快速发展取代磁芯存储器作为主存储器的位置之后,磁芯存储器仍然可以作为大容量扩充存储器而得到应用。
磁鼓存储器,一种磁记录的外存储器。由于其信息存取速度快,工作稳定可靠,虽然其容量较小,正逐渐被磁盘存储器所取代,但仍被用作实时过程控制计算机和中、大型计算机的外存储器。为了适应小型和微型计算机的需要,出现了超小型磁鼓,其体积小、重量轻、可靠性高、使用方便。
磁盘存储器,一种磁记录的外存储器。它兼有磁鼓和磁带存储器的优点,即其存储容量较磁鼓容量大,而存取速度则较磁带存储器快,又可脱机贮存,因此在各种计算机系统中磁盘被广泛用作大容量的外存储器。磁盘一般分为硬磁盘和软磁盘存储器两大类。
硬磁盘存储器的品种很多。从结构上,分可换式和固定式两种。可换式磁盘盘片可调换,固定式磁盘盘片是固定的。可换式和固定式磁盘都有多片组合和单片结构两种,又都可分为固定磁头型和活动磁头型。固定磁头型磁盘的容量较小,记录密度低存取速度高,但造价高。活动磁头型磁盘记录密度高(可达1000~6250位/英寸),因而容量大,但存取速度相对固定磁头磁盘低。磁盘产品的存储容量可达几百兆字节,位密度为每英寸6 250位,道密度为每英寸475道。其中多片可换磁盘存储器由于盘组可以更换,具有很大的脱体容量,而且容量大,速度高,可存储大容量情报资料,在联机情报检索系统、数据库管理系统中得到广泛应用。
实施例四:
本公开还提供了一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现上述的对旋转车牌进行水平校正方法的步骤。
图4为一个实施例中电子设备的内部结构示意图。如图4所示,该电子设备包括通过系统总线连接的处理器、存储介质、存储器和网络接口。其中,该计算机设备的存储介质存储有操作系统、数据库和计算机可读指令,数据库中可存储有控件信息序列,该计算机可读指令被处理器执行时,可使得处理器实现一种对旋转车牌进行水平校正方法。该电设备的处理器用于提供计算和控制能力,支撑整个计算机设备的运行。该计算机设备的存储器中可存储有计算机可读指令,该计算机可读指令被处理器执行时,可使得处理器执行一种对旋转车牌进行水平校正方法。该计算机设备的网络接口用于与终端连接通信。本领域技术人员可以理解,图4中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
该电子设备包括但不限于智能电话、计算机、平板电脑、可穿戴智能设备、人工智能设备、移动电源等。
所述处理器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内的程序或者模块(例如执行远端数据读写程序等),以及调用存储在所述存储器内的数据,以执行电子设备的各种功能和处理数据。
所述总线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。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器以及至少一个处理器等之间的连接通信。
图4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4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。
进一步地,所述计算机可用存储介质可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序等;存储数据区可存储根据区块链节点的使用所创建的数据等。
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。
以上对本公开的实施例进行了描述。但是,这些实施例仅仅是为了说明的目的,而并非为了限制本公开的范围。本公开的范围由所附权利要求及其等价物限定。不脱离本公开的范围,本领域技术人员可以做出多种替代和修改,这些替代和修改都应落在本公开的范围之内。
Claims (10)
1.一种对旋转车牌进行水平校正方法,其特征在于,包括:
利用车牌检测算法提取图像中完整包含车牌的最小水平长方形边框,并存储为第一边框图像;
计算所述第一边框图像的宽高比,并判断与标准车牌的宽高比的差值是否小于等于预设阈值,若是则不需进行旋转车牌的水平校正;
若否则进一步判断车牌旋转方向是否为逆时针旋转方向,若是则构建第一角点方程组求解四个角点的坐标;若否则构建第二角点方程组求解四个角点的坐标;
根据所述四个角点的坐标计算车牌的倾斜角度并根据所述倾斜角度构建旋转变化矩阵;
根据所述旋转变化矩阵对所述第一边框图像进行旋转校正得到校正后的第二边框图像;
截取所述第二边框图像中四个角点所包围的矩形部分作为水平校正后的车牌图像。
2.根据权利要求1所述的方法,其特征在于,所述计算所述第一边框图像的宽高比,并判断与标准车牌的宽高比的差值是否小于等于预设阈值具体包括:
计算所述第一边框图像的宽高比r:
r=x/y,其中,x为所述第一边框图像的宽,y为所述第一边框图像的高;
计算标准车牌的宽高比λ=440/140;
计算|r-λ|并判断|r-λ|≤t是否成立,其中,t为预设阈值。
3.根据权利要求1所述的方法,其特征在于,所述判断车牌旋转方向是否为逆时针旋转方向具体包括:
预先训练车牌旋转二分类模型;
将所述第一边框图像输入所述车牌旋转二分类模型得到顺时针或逆时针的输出结果;
根据所述输出结果判断是否为逆时针旋转方向。
4.根据权利要求3所述的方法,其特征在于,所述预先训练车牌旋转二分类模型具体包括:
收集旋转车牌的图像数据集,将所述数据集中的每一张旋转车牌图像的旋转类型标注为顺时针或逆时针;
根据数据集合标注结果构建神经网络分类模型得到车牌旋转二分类模型。
8.一种对旋转车牌进行水平校正装置,其特征在于,包括:
图像提取模块,用于利用车牌检测算法提取图像中完整包含车牌的最小水平长方形边框,并存储为第一边框图像;
第一判断模块,用于计算所述第一边框图像的宽高比,并判断与标准车牌的宽高比的差值是否小于等于预设阈值;
第二判断模块,用于判断车牌旋转方向是否为逆时针旋转方向;
旋转变化矩阵构建模块,用于根据所述四个角点的坐标计算车牌的倾斜角度并根据所述倾斜角度构建旋转变化矩阵;
旋转校正模块,用于根据所述旋转变化矩阵对所述第一边框图像进行旋转校正得到校正后的第二边框图像;
图像截取模块,用于截取所述第二边框图像中四个角点所包围的矩形部分作为水平校正后的车牌图像。
9.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现权利要求1~7任一项中所述的对旋转车牌进行水平校正方法对应的步骤。
10.一种计算机存储介质,其上存储有计算机程序指令,其特征在于,所述程序指令被处理器执行时用于实现权利要求1~7任一项中所述的对旋转车牌进行水平校正方法对应的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210792577.5A CN114882489B (zh) | 2022-07-07 | 2022-07-07 | 一种对旋转车牌进行水平校正方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210792577.5A CN114882489B (zh) | 2022-07-07 | 2022-07-07 | 一种对旋转车牌进行水平校正方法、装置、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114882489A true CN114882489A (zh) | 2022-08-09 |
CN114882489B CN114882489B (zh) | 2022-12-16 |
Family
ID=82682928
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210792577.5A Active CN114882489B (zh) | 2022-07-07 | 2022-07-07 | 一种对旋转车牌进行水平校正方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114882489B (zh) |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130329961A1 (en) * | 2012-06-12 | 2013-12-12 | Xerox Corporation | Geometric pre-correction for automatic license plate recognition |
CN105335743A (zh) * | 2015-10-28 | 2016-02-17 | 重庆邮电大学 | 一种车牌识别方法 |
CN107358207A (zh) * | 2017-07-14 | 2017-11-17 | 重庆大学 | 一种矫正人脸图像的方法 |
CN109214380A (zh) * | 2018-09-12 | 2019-01-15 | 湖北民族学院 | 车牌倾斜校正方法 |
CN110796029A (zh) * | 2019-10-11 | 2020-02-14 | 北京达佳互联信息技术有限公司 | 人脸校正及模型训练方法、装置、电子设备及存储介质 |
CN111028264A (zh) * | 2019-10-24 | 2020-04-17 | 清华大学 | 一种旋转鲁棒的三维物体检测优化方法及装置 |
CN111783773A (zh) * | 2020-06-15 | 2020-10-16 | 北京工业大学 | 一种面向角度倾斜电线杆标识牌的矫正方法 |
CN112528988A (zh) * | 2020-11-03 | 2021-03-19 | 创泽智能机器人集团股份有限公司 | 一种车牌角度矫正方法 |
CN112926583A (zh) * | 2021-04-25 | 2021-06-08 | 南京甄视智能科技有限公司 | 车牌识别方法与车牌识别系统 |
CN113158895A (zh) * | 2021-04-20 | 2021-07-23 | 北京中科江南信息技术股份有限公司 | 票据识别方法、装置、电子设备及存储介质 |
US20210295080A1 (en) * | 2018-12-29 | 2021-09-23 | Zhejiang Dahua Technology Co., Ltd. | Systems and methods for license plate recognition |
CN113971799A (zh) * | 2021-10-28 | 2022-01-25 | 多伦科技股份有限公司 | 一种车辆铭牌信息位置检测方法和系统 |
CN114332838A (zh) * | 2021-12-28 | 2022-04-12 | 深圳市二郎神视觉科技有限公司 | 一种轮胎视觉检测方法、装置及计算机可读存储介质 |
WO2022121039A1 (zh) * | 2020-12-10 | 2022-06-16 | 广州广电运通金融电子股份有限公司 | 银行卡倾斜矫正检测方法、装置、可读存储介质和终端 |
-
2022
- 2022-07-07 CN CN202210792577.5A patent/CN114882489B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130329961A1 (en) * | 2012-06-12 | 2013-12-12 | Xerox Corporation | Geometric pre-correction for automatic license plate recognition |
CN105335743A (zh) * | 2015-10-28 | 2016-02-17 | 重庆邮电大学 | 一种车牌识别方法 |
CN107358207A (zh) * | 2017-07-14 | 2017-11-17 | 重庆大学 | 一种矫正人脸图像的方法 |
CN109214380A (zh) * | 2018-09-12 | 2019-01-15 | 湖北民族学院 | 车牌倾斜校正方法 |
US20210295080A1 (en) * | 2018-12-29 | 2021-09-23 | Zhejiang Dahua Technology Co., Ltd. | Systems and methods for license plate recognition |
CN110796029A (zh) * | 2019-10-11 | 2020-02-14 | 北京达佳互联信息技术有限公司 | 人脸校正及模型训练方法、装置、电子设备及存储介质 |
CN111028264A (zh) * | 2019-10-24 | 2020-04-17 | 清华大学 | 一种旋转鲁棒的三维物体检测优化方法及装置 |
CN111783773A (zh) * | 2020-06-15 | 2020-10-16 | 北京工业大学 | 一种面向角度倾斜电线杆标识牌的矫正方法 |
CN112528988A (zh) * | 2020-11-03 | 2021-03-19 | 创泽智能机器人集团股份有限公司 | 一种车牌角度矫正方法 |
WO2022121039A1 (zh) * | 2020-12-10 | 2022-06-16 | 广州广电运通金融电子股份有限公司 | 银行卡倾斜矫正检测方法、装置、可读存储介质和终端 |
CN113158895A (zh) * | 2021-04-20 | 2021-07-23 | 北京中科江南信息技术股份有限公司 | 票据识别方法、装置、电子设备及存储介质 |
CN112926583A (zh) * | 2021-04-25 | 2021-06-08 | 南京甄视智能科技有限公司 | 车牌识别方法与车牌识别系统 |
CN113971799A (zh) * | 2021-10-28 | 2022-01-25 | 多伦科技股份有限公司 | 一种车辆铭牌信息位置检测方法和系统 |
CN114332838A (zh) * | 2021-12-28 | 2022-04-12 | 深圳市二郎神视觉科技有限公司 | 一种轮胎视觉检测方法、装置及计算机可读存储介质 |
Non-Patent Citations (2)
Title |
---|
KAUSHIK DEB ET AL.: "An efficient method for correcting vehicle license plate tilt", 《2010 IEEE INTERNATIONAL CONFERENCE ON GRANULAR COMPUTING》 * |
李云峰等: "基于灰度投影的快速纸币图像几何校正", 《计算机应用与软件》 * |
Also Published As
Publication number | Publication date |
---|---|
CN114882489B (zh) | 2022-12-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11435953B2 (en) | Method for predicting LBA information, and SSD | |
WO2019222889A1 (zh) | 一种图像特征提取方法及装置 | |
WO2022126914A1 (zh) | 活体检测方法、装置、电子设备及存储介质 | |
CN112785736A (zh) | 高速公路车辆通行费漏费稽核判断方法、装置、介质及设备 | |
CN113052133A (zh) | 一种基于YOLOv3的安全帽识别方法、装置、介质及设备 | |
WO2022095359A1 (zh) | 基于防摄屏的信息安全保护方法、装置、电子设备及介质 | |
WO2022252565A1 (zh) | 一种目标检测系统、方法、装置、设备及介质 | |
CN111476225A (zh) | 基于人工智能的车内人脸识别方法、装置、设备及介质 | |
CN114882489B (zh) | 一种对旋转车牌进行水平校正方法、装置、设备及介质 | |
CN114754786A (zh) | 一种货车导航寻路方法、装置、设备及介质 | |
CN104657239B (zh) | 基于分离式日志的多核处理器瞬时故障恢复系统及其瞬时故障恢复方法 | |
KR20140013142A (ko) | 이미지에서 목표를 검출하는 목표 검출 방법 및 이미지 처리 장치 | |
CN112528903A (zh) | 人脸图像获取方法、装置、电子设备及介质 | |
WO2023216745A1 (zh) | 一种表格重建的方法及电子设备 | |
CN109241942B (zh) | 图像处理方法、装置、人脸识别设备及存储介质 | |
CN112989938A (zh) | 一种行人实时跟踪识别方法、装置、介质及设备 | |
CN113806539A (zh) | 一种文本数据增强系统、方法、设备及介质 | |
CN115294321A (zh) | 一种车牌形状校正方法、装置、设备及介质 | |
CN112561889A (zh) | 目标物检测方法、装置、电子设备及存储介质 | |
CN113473135B (zh) | 一种面向非线性纹理的帧内预测方法、设备及介质 | |
CN115147856B (zh) | 一种表格信息提取的方法及电子设备 | |
CN117240841A (zh) | 一种基于人脸识别的电子白板文档存储方法、系统、介质及设备 | |
CN112995063B (zh) | 一种流量监测方法、装置、设备及介质 | |
CN112232115B (zh) | 一种计算因子植入方法、介质及设备 | |
US10902666B2 (en) | Buffering method in portable ray tracing system |
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 |