CN115052189A - 一种视频流识别系统及方法 - Google Patents
一种视频流识别系统及方法 Download PDFInfo
- Publication number
- CN115052189A CN115052189A CN202210629956.2A CN202210629956A CN115052189A CN 115052189 A CN115052189 A CN 115052189A CN 202210629956 A CN202210629956 A CN 202210629956A CN 115052189 A CN115052189 A CN 115052189A
- Authority
- CN
- China
- Prior art keywords
- module
- image
- video stream
- video
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000001514 detection method Methods 0.000 claims abstract description 27
- 238000007781 pre-processing Methods 0.000 claims abstract description 26
- 238000012545 processing Methods 0.000 claims abstract description 7
- 238000000605 extraction Methods 0.000 claims description 37
- 238000001914 filtration Methods 0.000 claims description 22
- 230000011218 segmentation Effects 0.000 claims description 15
- 230000008569 process Effects 0.000 claims description 13
- 238000003702 image correction Methods 0.000 claims description 12
- 230000009466 transformation Effects 0.000 claims description 9
- 238000005516 engineering process Methods 0.000 claims description 7
- 230000002708 enhancing effect Effects 0.000 claims description 6
- 239000000284 extract Substances 0.000 claims description 4
- 230000003044 adaptive effect Effects 0.000 claims description 3
- 230000002146 bilateral effect Effects 0.000 claims description 3
- 238000004891 communication Methods 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 230000001131 transforming effect Effects 0.000 claims description 3
- 230000001960 triggered effect Effects 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 abstract description 4
- 238000011160 research Methods 0.000 abstract description 2
- 230000009471 action Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
- H04N21/44—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs
- H04N21/44008—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs involving operations for analysing video streams, e.g. detecting features or characteristics in the video stream
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
- H04N21/44—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs
- H04N21/4402—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs involving reformatting operations of video signals for household redistribution, storage or real-time display
- H04N21/440218—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs involving reformatting operations of video signals for household redistribution, storage or real-time display by transcoding between formats or standards, e.g. from MPEG-2 to MPEG-4
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
- H04N21/44—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs
- H04N21/4402—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs involving reformatting operations of video signals for household redistribution, storage or real-time display
- H04N21/440263—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs involving reformatting operations of video signals for household redistribution, storage or real-time display by altering the spatial resolution, e.g. for displaying on a connected PDA
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
- H04N21/44—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs
- H04N21/4402—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs involving reformatting operations of video signals for household redistribution, storage or real-time display
- H04N21/440281—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs involving reformatting operations of video signals for household redistribution, storage or real-time display by altering the temporal resolution, e.g. by frame skipping
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/47—End-user applications
- H04N21/485—End-user interface for client configuration
- H04N21/4854—End-user interface for client configuration for modifying image parameters, e.g. image brightness, contrast
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Human Computer Interaction (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种视频流识别系统及方法。本发明中，通过对视频流的第一个数据包中获取第一个图像帧到N个数据包获取对应的图像帧，同时获取视频流码率，再通过图像匹配来做进一步的识别,图像预处理模块,图像预处理模块和综合判断模块共同协作处理提供识别效率，并将视频流转换成统一的码率和格式的视频文件；同时在视频流这种大数据流的信息中通过对图像缩放、划分检测区域、对检测区域进行运动检测等一系列必要处理，通过对直方图或者像素点的分析研究筛选出符合系统要求的具有有效视频流信息的关键帧图像，削减重复无用的数据。
Description
技术领域
本发明属于视频识别范围技术领域，具体为一种视频流识别系统及方法。
背景技术
视频流是指视频数据的传输，例如，它能够被作为一个稳定的和连续的流通过网络处理。因为流动，客户机浏览器或插件能够在整个文件被传输完成前显示多媒体数据。视频流技术基于密钥技术，视频译码技术和可升级的视频分发技术发展。
但是传统的识别系统中的视频文件的上传速度慢、视频文件格式和码率不统一、管理文件难的问题。
发明内容
本发明的目的在于：为了解决上述提出的问题，提供一种视频流识别系统及方法。
本发明采用的技术方案如下：一种视频流识别系统及方法，包括启动模块、视频采集模块、关键帧提取模块、预处理模块、视频定位模块、字符分割模块、字符识别模块、图像缩放模块、检测区域划分模块、背景提取模块、图像提取模块、图像校正模块、图像滤波模块、图像裁剪模块、图像増强模块，所述启动模块的输出端连接有所述视频采集模块的输入端，所述视频采集模块的输出端连接有所述关键帧提取模块的输入端，所述关键帧提取模块的输出端连接有所述预处理模块的输入端，所述预处理模块的输出端连接有所述视频定位模块的输入端，所述视频定位模块的输出端连接有所述字符分割模块的输入端，所述字符分割模块的输出端连接有所述字符识别模块的输入端。
在一优选的实施方式中，所述关键帧提取模块的内部设置有图像缩放模块、检测区域划分模块、背景提取模块和图像提取模块，所述图像缩放模块、检测区域划分模块、背景提取模块和图像提取模块的输出端连接有所述关键帧提取模块的输入端；
所述预处理模块的内部设置有图像校正模块、图像滤波模块、图像裁剪模块和图像増强模块，所述图像校正模块、图像滤波模块、图像裁剪模块和图像増强模块的输出端连接有所述预处理模块的输入端。
在一优选的实施方式中，所述视频采集模块由图像采集卡组成，所述视频采集模块采用运动检测技术,在实时检测的运动视频帧图像序列中,当检测到视频流的设定位置时，触发系统进行处理关键帧图像。
在一优选的实施方式中，所述图像缩放模块通过从原始图像按照一定的规则去筛选重要的像素点，在保留原图像的基本特征不丢失的情况下改变图像的分辨率。
在一优选的实施方式中，所述背景提取模块把当前帧图像和已知的背景图像进行作差，从而实现检测目标；所述图像提取模块通过帧差法检测出小于阈值的一组连续图像，发现未检测到视频目标时的图像，再用算术平均算法处理这组图片就可以得到一个完整的背景图片；最后，用当前帧依次和背景图像进行差分实现视频检测。
在一优选的实施方式中，所述图像校正模块通过相机描点的方式提前获取了相机的内参矩阵和畸变系数；这两项参数用于修正相机的畸变；后续利用空间变换和灰度差值两项操作对图像进行变换，获得基本符合矩形特征的图像；所述图像滤波模块采用双边滤波的方法进行图像图像滤波。
在一优选的实施方式中，所述图像裁剪模块首先使用自适应阈值大津法对图像进行处理；然后对二值化后的区域利用CANN算子求其外边缘；利用hough变换来提取边缘上的线段从而确定手机屏幕的四条边，进而确定其四个顶点；最后经过透视变换得到矩形的手机屏幕ROI区域。
在一优选的实施方式中，所述图像増强模块首先对图像进行离散傅里叶变换，将操作转换到频率域上进行，然后对图像低通滤波，去除瑕疵等高频信息，转换回原空间中与原图进行差分，从而得到增强后的图像。
在一优选的实施方式中，所述视频定位模块初步粗定位后，要对出现的一个或者多个联通区域进行再次判定，最终确定唯一正确的视频流所在区域；所述字符分割模块利用视频流的底色和字符的颜色两种对比比较强烈的颜色分量进行分析操作，将视频流的颜色信息作为输入量，利用颜色空间将字符区域提取出来。
在一优选的实施方式中，所述字符识别模块将字符区域分为三部分，分别是第一位的汉字部分、第二位的字母部分和分割符的后五位字符部分。
综上所述，由于采用了上述技术方案，本发明的有益效果是：
1、本发明中，通过对视频流的第一个数据包中获取第一个图像帧到N个数据包获取对应的图像帧，同时获取视频流码率，再通过图像匹配来做进一步的识别,图像预处理模块,图像预处理模块和综合判断模块共同协作处理提供识别效率，并将视频流转换成统一的码率和格式的视频文件；同时在视频流这种大数据流的信息中通过对图像缩放、划分检测区域、对检测区域进行运动检测等一系列必要处理，通过对直方图或者像素点的分析研究筛选出符合系统要求的具有有效视频流信息的关键帧图像，削减重复无用的数据；通过对关键帧图像的边缘检测和视频流特征对视频流初定位后，再利用字符特征实现视频流的精确定位和分割，从而提高了该视频流识别系统的精确性和高效性，为人们的使用带来了便利。
2、本发明中，在预处理模块中，采用不同类型预处理方法进行实验对照，包括不同的滤波平滑方法、形态学操作等，经过实验对比后，选用中值滤波和闭运算操作进行预处理分析；从而提高了后续图像处理的精度，为该视频流识别系统提高了精度，提高了识别时的准确性。
附图说明
图1为本发明的系统框图；
图2为本发明中关键帧提取模块系统框图；
图3为本发明中预处理模块系统框图。
图中标记：1-启动模块、2-视频采集模块、3-关键帧提取模块、4-预处理模块、5-视频定位模块、6-字符分割模块7-字符识别模块、8-图像缩放模块、9-检测区域划分模块、10-背景提取模块、11-图像提取模块、12-图像校正模块、13-图像滤波模块、14-图像裁剪模块、15-图像増强模块。
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，以下结合附图及实施例，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例仅用以解释本发明，并不用于限定本发明。
参照图1-3，
实施例：
一种视频流识别系统及方法，包括启动模块1、视频采集模块2、关键帧提取模块3、预处理模块4、视频定位模块5、字符分割模块6、字符识别模块7、图像缩放模块8、检测区域划分模块9、背景提取模块10、图像提取模块11、图像校正模块12、图像滤波模块13、图像裁剪模块14、图像増强模块15，启动模块1的输出端连接有视频采集模块2的输入端，视频采集模块2的输出端连接有关键帧提取模块3的输入端，关键帧提取模块3的输出端连接有预处理模块4的输入端，预处理模块4的输出端连接有视频定位模块5的输入端，视频定位模块5的输出端连接有字符分割模块6的输入端，字符分割模块6的输出端连接有字符识别模块7的输入端。
述关键帧提取模块3的内部设置有图像缩放模块8、检测区域划分模块9、背景提取模块10和图像提取模块11，图像缩放模块8、检测区域划分模块9、背景提取模块10和图像提取模块11的输出端连接有关键帧提取模块3的输入端；
预处理模块4的内部设置有图像校正模块12、图像滤波模块13、图像裁剪模块14和图像増强模块15，图像校正模块12、图像滤波模块13、图像裁剪模块14和图像増强模块15的输出端连接有预处理模块4的输入端。
视频采集模块2由图像采集卡组成，视频采集模块2采用运动检测技术,在实时检测的运动视频帧图像序列中,当检测到视频流的设定位置时，触发系统进行处理关键帧图像。
图像缩放模块8通过从原始图像按照一定的规则去筛选重要的像素点，在尽可能保留原图像的基本特征不丢失的情况下改变图像的分辨率；图像缩放模块8采用等间隔采样方法，等间隔采样方法在保留原始图像的基本特征和大体样貌的前提下，对原始图像的像素均匀采样来缩小图像；检测区域划分模块9处理的的是图像缩放模块8缩放后的图像，在下一个视频流定位和识别模块需要使用高分辨率的图片需要取得关键帧后从原始视频数据中提取，在这个阶段处理中不需要使用。
背景提取模块10把当前帧图像和已知的背景图像进行作差，从而实现检测目标，先将当前帧图像和背景模型相减，然后按照次序依次循环图像序列，这一步需要设定适合的阈值，这与帧间差法类似。将得到的差分结果与阈值T进行比较，最后就可以检测到视频的目标；图像提取模块11通过帧差法检测出小于阈值的一组连续图像，因为选取的检测区域，所以很快就能提取到一组数量不多的图像，可以发现未检测到视频目标时的图像没有，再用算术平均算法处理这组图片就可以得到一个完整的背景图片；最后，用当前帧依次和背景图像进行差分实现视频检测。
图像校正模块12通过相机描点的方式提前获取了相机的内参矩阵和畸变系数；这两项参数用于修正相机的畸变；后续利用空间变换和灰度差值两项操作对图像进行变换，获得基本符合矩形特征的图像；图像滤波模块13采用双边滤波的方法进行图像图像滤波。
图像裁剪模块14首先使用自适应阈值大津法对图像进行处理；然后对二值化后的区域利用CANN算子求其外边缘；利用hough变换来提取边缘上的线段从而确定手机屏幕的四条边，进而确定其四个顶点；最后经过透视变换得到矩形的手机屏幕ROI区域
图像増强模块15首先对图像进行离散傅里叶变换，将操作转换到频率域上进行，然后对图像低通滤波，去除瑕疵等高频信息，转换回原空间中与原图进行差分，从而得到增强后的图像。
视频定位模块5初步粗定位后，要对出现的一个或者多个联通区域进行再次判定，最终确定唯一正确的视频流所在区域。视频定位模块5再次判断的方法是利用垂直投影的方法，根据视频流的字符特征，视频流区域垂直投影后经过平滑处理后会得到一个有连续的波峰波谷的分布图，因为视频流区域中一共有7个字符，把这个阈值用上下限表示，上限为14，下限为7。通过判断统计波峰或者波谷的数量是否在这个阈值范围内，从而提取到正确的视频流的区域；字符分割模块6利用视频流的底色和字符的颜色两种对比比较强烈的颜色分量进行分析操作，将视频流的颜色信息作为输入量，利用颜色空间将字符区域提取出来。
字符识别模块7将字符区域分为三部分，分别是第一位的汉字部分、第二位的字母部分和分割符的后五位字符部分。对于最简单的第二位的字母部分能量要求设为85％，而其他两个部分的字符因为其复杂性并且存在相似字符所以能量要求设为90％，在二次判别的阶段能量要求设为95％，依此三种情况对字符图像进行降维，然后将这些降维后的特征值输入后续的SVM分类器中进行训练或者识别。
需要说明的是，在本文中，诸如第一和第二等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。而且，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。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种视频流识别系统及方法，包括启动模块(1)、视频采集模块(2)、关键帧提取模块(3)、预处理模块(4)、视频定位模块(5)、字符分割模块(6)、字符识别模块(7)、图像缩放模块(8)、检测区域划分模块(9)、背景提取模块(10)、图像提取模块(11)、图像校正模块(12)、图像滤波模块(13)、图像裁剪模块(14)、图像増强模块(15)，其特征在于：所述启动模块(1)的输出端连接有所述视频采集模块(2)的输入端，所述视频采集模块(2)的输出端连接有所述关键帧提取模块(3)的输入端，所述关键帧提取模块(3)的输出端连接有所述预处理模块(4)的输入端，所述预处理模块(4)的输出端连接有所述视频定位模块(5)的输入端，所述视频定位模块(5)的输出端连接有所述字符分割模块(6)的输入端，所述字符分割模块(6)的输出端连接有所述字符识别模块(7)的输入端。
2.如权利要求1所述的一种视频流识别系统及方法，其特征在于：所述关键帧提取模块(3)的内部设置有图像缩放模块(8)、检测区域划分模块(9)、背景提取模块(10)和图像提取模块(11)，所述图像缩放模块(8)、检测区域划分模块(9)、背景提取模块(10)和图像提取模块(11)的输出端连接有所述关键帧提取模块(3)的输入端；
所述预处理模块(4)的内部设置有图像校正模块(12)、图像滤波模块(13)、图像裁剪模块(14)和图像増强模块(15)，所述图像校正模块(12)、图像滤波模块(13)、图像裁剪模块(14)和图像増强模块(15)的输出端连接有所述预处理模块(4)的输入端。
3.如权利要求1所述的一种视频流识别系统及方法，其特征在于：所述视频采集模块(2)由图像采集卡组成，所述视频采集模块(2)采用运动检测技术,在实时检测的运动视频帧图像序列中,当检测到视频流的设定位置时，触发系统进行处理关键帧图像。
4.如权利要求1所述的一种视频流识别系统及方法，其特征在于：所述图像缩放模块(8)通过从原始图像按照一定的规则去筛选重要的像素点，在保留原图像的基本特征不丢失的情况下改变图像的分辨率。
5.如权利要求1所述的一种视频流识别系统及方法，其特征在于：所述背景提取模块(10)把当前帧图像和已知的背景图像进行作差，从而实现检测目标；所述图像提取模块(11)通过帧差法检测出小于阈值的一组连续图像，发现未检测到视频目标时的图像，再用算术平均算法处理这组图片就可以得到一个完整的背景图片；最后，用当前帧依次和背景图像进行差分实现视频检测。
6.如权利要求1所述的一种视频流识别系统及方法，其特征在于：所述图像校正模块(12)通过相机描点的方式提前获取了相机的内参矩阵和畸变系数；这两项参数用于修正相机的畸变；后续利用空间变换和灰度差值两项操作对图像进行变换，获得基本符合矩形特征的图像；所述图像滤波模块(13)采用双边滤波的方法进行图像图像滤波。
7.如权利要求1所述的一种视频流识别系统及方法，其特征在于：所述图像裁剪模块(14)首先使用自适应阈值大津法对图像进行处理；然后对二值化后的区域利用CANN算子求其外边缘；利用hough变换来提取边缘上的线段从而确定手机屏幕的四条边，进而确定其四个顶点；最后经过透视变换得到矩形的手机屏幕ROI区域。
8.如权利要求1所述的一种视频流识别系统及方法，其特征在于：所述图像増强模块(15)首先对图像进行离散傅里叶变换，将操作转换到频率域上进行，然后对图像低通滤波，去除瑕疵等高频信息，转换回原空间中与原图进行差分，从而得到增强后的图像。
9.如权利要求1所述的一种视频流识别系统及方法，其特征在于：所述视频定位模块(5)初步粗定位后，要对出现的一个或者多个联通区域进行再次判定，最终确定唯一正确的视频流所在区域；所述字符分割模块(6)利用视频流的底色和字符的颜色两种对比比较强烈的颜色分量进行分析操作，将视频流的颜色信息作为输入量，利用颜色空间将字符区域提取出来。
10.如权利要求1所述的一种视频流识别系统及方法，其特征在于：所述字符识别模块(7)将字符区域分为三部分，分别是第一位的汉字部分、第二位的字母部分和分割符的后五位字符部分。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210629956.2A CN115052189A (zh) | 2022-06-06 | 2022-06-06 | 一种视频流识别系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210629956.2A CN115052189A (zh) | 2022-06-06 | 2022-06-06 | 一种视频流识别系统及方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115052189A true CN115052189A (zh) | 2022-09-13 |
Family
ID=83160388
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210629956.2A Pending CN115052189A (zh) | 2022-06-06 | 2022-06-06 | 一种视频流识别系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115052189A (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101303803A (zh) * | 2008-06-11 | 2008-11-12 | 北京中星微电子有限公司 | 一种车牌识别的方法和系统 |
| CN101833859A (zh) * | 2010-05-14 | 2010-09-15 | 山东大学 | 基于虚拟线圈的自触发车牌识别方法 |
| CN105139362A (zh) * | 2015-09-23 | 2015-12-09 | 成都融创智谷科技有限公司 | 一种基于频率域的图像增强方法 |
| CN105787524A (zh) * | 2014-12-26 | 2016-07-20 | 中国科学院沈阳自动化研究所 | 基于OpenCV的车牌识别方法及系统 |
| CN107273896A (zh) * | 2017-06-15 | 2017-10-20 | 浙江南自智能科技股份有限公司 | 一种基于图像识别的车牌检测识别方法 |
| CN114387591A (zh) * | 2022-01-12 | 2022-04-22 | 平安普惠企业管理有限公司 | 车牌识别方法、系统、设备及存储介质 |
| CN114463731A (zh) * | 2021-12-28 | 2022-05-10 | 南京美基森信息技术有限公司 | 一种车牌定位与识别方法及装置 |
-
2022
- 2022-06-06 CN CN202210629956.2A patent/CN115052189A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101303803A (zh) * | 2008-06-11 | 2008-11-12 | 北京中星微电子有限公司 | 一种车牌识别的方法和系统 |
| CN101833859A (zh) * | 2010-05-14 | 2010-09-15 | 山东大学 | 基于虚拟线圈的自触发车牌识别方法 |
| CN105787524A (zh) * | 2014-12-26 | 2016-07-20 | 中国科学院沈阳自动化研究所 | 基于OpenCV的车牌识别方法及系统 |
| CN105139362A (zh) * | 2015-09-23 | 2015-12-09 | 成都融创智谷科技有限公司 | 一种基于频率域的图像增强方法 |
| CN107273896A (zh) * | 2017-06-15 | 2017-10-20 | 浙江南自智能科技股份有限公司 | 一种基于图像识别的车牌检测识别方法 |
| CN114463731A (zh) * | 2021-12-28 | 2022-05-10 | 南京美基森信息技术有限公司 | 一种车牌定位与识别方法及装置 |
| CN114387591A (zh) * | 2022-01-12 | 2022-04-22 | 平安普惠企业管理有限公司 | 车牌识别方法、系统、设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109993040B (zh) | 文本识别方法及装置 | |
| CN109345547B (zh) | 基于深度学习多任务网络的交通车道线检测方法及装置 | |
| Shen et al. | Improving OCR performance with background image elimination | |
| CN109409355B (zh) | 一种新型变压器铭牌识别的方法及装置 | |
| Kaur et al. | An efficient approach for number plate extraction from vehicles image under image processing | |
| CN107067389A (zh) | 一种基于Sobel边缘检测与图像块亮度特征的图像篡改盲取证方法 | |
| CN111144366A (zh) | 一种基于联合人脸质量评估的陌生人脸聚类方法 | |
| CN110309806B (zh) | 一种基于视频图像处理的手势识别系统及其方法 | |
| CN109255752B (zh) | 图像自适应压缩方法、装置、终端及存储介质 | |
| CN109815762B (zh) | 远距离识别二维码的方法、存储介质 | |
| CN112364862B (zh) | 一种基于直方图相似度的扰动变形汉字图片匹配的方法 | |
| CN111507324A (zh) | 卡片边框识别方法、装置、设备和计算机存储介质 | |
| CN115731493A (zh) | 基于视频图像识别的降水微物理特征参量提取与分析方法 | |
| CN111401364A (zh) | 一种基于颜色特征和模板匹配相结合的车牌定位算法 | |
| CN117690120A (zh) | 一种移动设备抓拍车牌的车辆监控方法及系统 | |
| CN113052234A (zh) | 一种基于图像特征和深度学习技术的玉石分类方法 | |
| CN110969163B (zh) | 一种检测图像中文本信息的方法 | |
| CN112668567A (zh) | 一种基于深度学习的图像裁剪算法 | |
| CN109753880B (zh) | 一种自然场景车载视频道路限速标志的检测与识别方法 | |
| CN115052189A (zh) | 一种视频流识别系统及方法 | |
| Gao et al. | Automatic news video caption extraction and recognition | |
| CN110097673A (zh) | 一种基于红外摄像头下的门禁识别方法 | |
| CN106469267B (zh) | 一种验证码样本收集方法及系统 | |
| Budda et al. | Automatic number plate recognition system using Raspberry Pi | |
| Rani et al. | Object Detection in Natural Scene Images Using Thresholding Techniques |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220913 |