CN115131776B - 一种融合新能源汽车特征的车牌图像字符分类识别方法 - Google Patents

一种融合新能源汽车特征的车牌图像字符分类识别方法 Download PDF

Info

Publication number
CN115131776B
CN115131776B CN202210377036.6A CN202210377036A CN115131776B CN 115131776 B CN115131776 B CN 115131776B CN 202210377036 A CN202210377036 A CN 202210377036A CN 115131776 B CN115131776 B CN 115131776B
Authority
CN
China
Prior art keywords
license plate
character
error correction
characters
analyzed
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
CN202210377036.6A
Other languages
English (en)
Other versions
CN115131776A (zh
Inventor
姜良维
缪建新
郑煜
许锡忠
孔晨晨
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.)
Traffic Management Research Institute of Ministry of Public Security
Original Assignee
Traffic Management Research Institute of Ministry of Public Security
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 Traffic Management Research Institute of Ministry of Public Security filed Critical Traffic Management Research Institute of Ministry of Public Security
Priority to CN202210377036.6A priority Critical patent/CN115131776B/zh
Publication of CN115131776A publication Critical patent/CN115131776A/zh
Application granted granted Critical
Publication of CN115131776B publication Critical patent/CN115131776B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/3331—Query processing
    • G06F16/334—Query execution
    • G06F16/3344—Query execution using natural language analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/10—Text processing
    • G06F40/12—Use of codes for handling textual entities
    • G06F40/126—Character encoding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/232—Orthographic correction, e.g. spell checking or vowelisation

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Character Discrimination (AREA)

Abstract

发明提供一种融合新能源汽车特征的车牌图像字符分类识别方法，其主动自适应我国汽车号牌规格种类繁杂特点，在减少车牌图像识别运算时间的同时，提高了对包括新能源汽车车牌在内的车牌图像识别结果的准确性、针对性。本发明的技术方案中，将现有的所有的车牌类型按照规格参数进行分类，得到标准化类型；将待分析汽车号牌的图像数据，处理为灰度图后，构造字符投影图，将字符投影图分别按照每种标准化类型进行字符切割，得到待分析数据；将待分析数据在标准化类型对应的字符集合中进行检索，检索成功率最高的标准化类型即为待分析汽车号牌对应的正确的车牌类型，检索结果即为待分析汽车号牌的车牌号码。

Description

一种融合新能源汽车特征的车牌图像字符分类识别方法
技术领域
本发明涉及智能交通控制技术领域，具体为一种融合新能源汽车特征的车牌图像字符分类识别方法。
背景技术
自2000年以来，我国交管、交通、城管等部门已将车牌识别技术应用到数百万个前端交通监控设备中，车牌识别准确率直接影响车辆管理人员的工作效率及特定场景中车辆管控效能。然而，随着新能源汽车拥有量的不断增加，高速公路、国省道等交通场景中的新能源汽车出现频率也在同步增长，对新能源汽车的车牌识别需求的期望值越来越高。
但与原有车牌相比，新能源汽车号牌从底色、尺寸、字符数上都做出了调整，如新能源汽车的车牌尺寸为480mm×140mm、包括9个字符，而原有车牌的尺寸为440mm×140mm、包括8个字符；其次，字符组合上也发生了改变，即在民用大型新能源汽车号牌序号用字母和数字组合方式中，纯电动汽车第六位可以是D、A、B、C、E，非纯电动汽车第六位是F、G、H、J、K，其他位是数字，而在民用小型新能源汽车号牌序号用字母和数字组合方式中，纯电动汽车第一位可以是D、A、B、C、E和第二位可以是英文、数字，非纯电动汽车第一位可以是F、G、H、J、K和第二位可以是英文、数字，其他位是数字；此外，字符尺寸大小和字符间距也发生了变化，原有车牌中的后五位字符尺寸为45mm、字符间距12mm，而新能源汽车号牌后六位字符尺寸为43mm、字符间距为9mm。
因此，现有的车牌识别技术虽然也可以针对新能源汽车的车牌规格进行调整，但是仅在原有框架上单独增加新能源汽车车牌识别分支，不仅会降低现有的车牌识别技术的执行效率，而且无法覆盖到所有的交通监控场景中；特别是在道路场景中出现连续或拥堵的通行车辆时，新老车牌混杂，野外环境下的恶劣条件又易使车牌图像字符笔划断裂、字符相互粘连、字符光照不均，造成新能源汽车的车牌图像识别率不高、误码率较高的现状。
发明内容
为了解决现有技术中的车牌识别技术针对新能源汽车的车牌图像识别率低、误码率高问题，本发明提供一种融合新能源汽车特征的车牌图像字符分类识别方法，其主动自适应我国汽车号牌规格种类繁杂特点，在减少车牌图像识别运算时间的同时，提高了对包括新能源汽车车牌在内的车牌图像识别结果的准确性、针对性。
本发明的技术方案是这样的：一种融合新能源汽车特征的车牌图像字符分类识别方法，其包括以下步骤：
S1：获取待分析汽车号牌的图像数据，待分析车牌图像；
其特征在于，其还包括以下步骤：
S2：将所述待分析车牌图像转换为灰度图；对灰度处理后的所述待分析车牌图像进行二值化转换，得到待处理黑白车牌图像；
S3：对所述待处理黑白车牌图像进行字符空间划分，得到所述待处理黑白车牌图像对应的字符空间类型；
所述字符空间类型包括：底黑字白和底白字黑；
所述底黑字白表示车牌图像中的字符笔划是白色的，而字符周边背景是黑色的；
所述底白字黑表示车牌图像中的字符笔划是黑色的，而字符周边背景是白色的；
S4：构造所述待处理黑白车牌图像的字符投影图；
S5：将所有的车牌类型按照规格参数进行分类，得到标准化类型；
所述规格参数包括：尺寸、车牌号码中的字符规则和字符尺寸和间隔；
每种所述标准化类型的车牌上，车牌号码中的字符在车牌上对应的位置和坐标是确定且固定的；每种所述标准化类型的车牌上包括的字符集合是确定且固定的；
设，车牌的标准化类型有N种；
每种所述标准化类型的车牌对应的车牌实际宽度值与扣去左右边框间隙的车牌标准宽度值之比记作：β；
每个标准化类型的车牌包括的字符个数，记作：n；
S6：将所述字符投影图分别按照每一种所述标准化类型进行字符切割，得到切割后的字符区域数据，记作待分析数据；
所述待分析数据切割步骤包括：
a1：根据每种所述标准化类型对应的β和待分析车牌图像的车牌实际宽度值d，得到待分析车牌图像对应的所有字符总宽度计算值W，获取所述待分析车牌图像中字符区域的起止点：
W＝d/β；
a2：每个待分析字符的宽度w为：
w＝W/n；
a3：从左至右，以字符宽度w为单位，对所述待分析车牌图像中字符区域进行切割；
N种标准化类型对应N种切割结果，最终得到N组所述待分析数据；
S7：对所述待分析数据分别进行检索，得到对应的检索结果集合；
检索的步骤包括：
b1：获取每个所述标准化类型对应的检索索引；
所述检索索引标记了所述标准化类型的车牌号码中每一位的字符在合法的车牌号码用字符集合中的检索范围；
b2：从每组n个所述待分析数据中，逐一取出每个所述待分析数据；
将每个所述待分析数据按照其在车牌中的位置顺序，在所述检索索引标记的检索范围内检索；
如果能够检索到对应的字符，则将所述待分析数据对应的检索结果记录为：成功；
否则，如果检索不到对应的字符，则将所述待分析数据对应的检索结果记录为：失败；
b3：将每一组所述待分析数据的检索结果分别构成检索结果集合；
每一组所述检索结果集合中包括：
n个检索结果，以及每个检索结果为成功的待分析数据分别对应的一个字符；
S8:分别确认每一组所述检索结果集合中检索结果为成功的个数；
成功个数最多的那一组对应的所述标准化类型即为待分析汽车号牌的车牌类型，对应的所述检索结果集合中的包括的字符的集合，即为待分析汽车号牌对应的车牌号码。
其进一步特征在于：
所述字符空间种类为底黑字白的车辆类型包括：小型汽车号牌、香港入出境汽车号牌、澳门入出境汽车号牌；
所述字符空间种类为底白字黑的车辆类型包括：大型汽车前号牌、教练汽车号牌、警用汽车号牌、大型新能源汽车号牌、小型新能源汽车号牌；
所述标准化类型包括：民用车牌、警用车牌、新式车牌；
步骤S4中，对所述待处理黑白车牌图像进行垂直方向投影，得到所述字符投影图：
Figure GDA0004137706290000021
其中，待处理黑白车牌图像的宽度为d、高度为h；
f(x,y)为二值化图像中坐标x、y上的像素点值，Z(x)为投影值，
Figure GDA0004137706290000031
步骤S6中，所述待分析数据切割步骤的a1实施之前，需要先实施以下步骤：
确定所述待处理黑白车牌图像对应的字符空间类型；
如果字符空间类型为底黑字白，则垂直投影后，即可实施步骤a1；
如果字符空间类型为底白字黑，则需要将所述待处理黑白车牌图像进行黑白转换，将所述待处理黑白车牌图像的字符空间类型转化为底黑字白，然后实施步骤a1；
所述字符图像实际宽度d的计算方法为：
d＝x2-x1；
其中，x1为所述字符投影图中最先出现白色计数值的水平坐标，x2为所述字符投影图中最后出现白色计数值的水平坐标；x1和x2即为所述待分析车牌图像车牌实际宽度的起止点；
所述检索索引生成方法包括：
c1：获取现有的车牌上允许设置的所有字符，对字符分类，记作：合法字符集合
对每一类所述合法字符集合分别设置一个代表编码；
c2：获取每个所述标准化类型的车牌的每一位允许设置的字符，得到每个所述标准化类型对应的每一位字符合集，记作：位符集合；
每一个所述位符集合在所述标准化类型的车牌上都有固定的位置顺序；
c3：依次取出每个所述标准化类型对应的每一个所述位符集合，找到其归属的所述合法字符集合；
设，所述标准化类型包括n个字符，则：
每一个所述位符集合对应一个所述合法字符集合，
每个所述标准化类型对应n个所述代表编码；
c4：将每个所述标准化类型按照其对应的所述代表编码，构成所述检索索引；
所述检索索引中每一位所述代表编码的顺序与代表编码对应的所述位符集合的位置顺序一致；
所述检索索引中每一位所述代表编码标记的检索范围即其对应的所述合法字符集合；
所述代表编码包括：0、1、2、3、4、5、6、7；
所述编码0代表的所述位符集合为首位31个汉字，包括：京、津、冀、晋、蒙、辽、吉、黑、沪、苏、浙、皖、闽、赣、鲁、豫、鄂、湘、粤、桂、琼、渝、川、贵、云、藏、陕、甘、青、宁和新；
所述编码1代表的所述位符集合为除英文字母I和O以外的24个英文字母，具体包括：A、B、C、D、E、F、G、H、J、K、L、M、N、P、Q、R、S、T、U、V、W、X、Y、Z；
所述编码2代表的所述位符集合为10个阿拉伯数字，具体包括：9、8、7、6、5、4、3、2、1、0；
所述编码3代表的所述位符集合为24个英文字母和10个阿拉伯数字，具体包括：A、B、C、D、E、F、G、H、J、K、L、M、N、P、Q、R、S、T、U、V、W、X、Y、Z、9、8、7、6、5、4、3、2、1、0；
所述编码4代表的所述位符集合为无效字符；
所述编码5代表的所述位符集合为：10个新能源汽车英文字母和10个阿拉伯数字，具体包括：A、B、C、D、E、F、G、H、J、K、9、8、7、6、5、4、3、2、1、0；
所述编码6代表的所述位符集合为24个英文字母、10个阿拉伯数字及5个特殊汉字，具体包括：A、B、C、D、E、F、G、H、J、K、L、M、N、P、Q、R、S、T、U、V、W、X、Y、Z、9、8、7、6、5、4、3、2、1、0、港、澳、学、试、超；
所述编码7代表的所述位符集合包括：警；
所述检索索引，包括民用车牌检索索引、警用车牌检索索引、新式车牌检索索引；
所述民用车牌检索索引为：01433336；
所述警用车牌检索索引为：04133227；
所述新式车牌检索索引为：014532225；
步骤b3中，获得所述检索结果集合后，进行编码自纠错操作，其具体包括以下步骤：
d1：获得所述检索结果集合对应的所述标准化类型，记作纠错车牌类型；
找到所述纠错车牌类型对应的纠错规则；
所述纠错规则包括：
当所述标准化类型为民用号牌时，
前置条件：第4、5位是英文字母，纠错位置：第6、7、8位，纠错内容：字符只能是阿拉伯数字；
前置条件：第4、6位是英文字母，纠错位置：第5、7、8位，纠错内容：字符只能是阿拉伯数字；
前置条件：第4、7位是英文字母，纠错位置：第5、6、8位，纠错内容：字符只能是阿拉伯数字；
前置条件：第4、8位是英文字母，纠错位置：第5、6、7位，纠错内容：字符只能是阿拉伯数字；
前置条件：第5、6位是英文字母，纠错位置：第4、7、8位，纠错内容：字符只能是阿拉伯数字；
前置条件：第5、7位是英文字母，纠错位置：第4、6、8位，纠错内容：字符只能是阿拉伯数字；
前置条件：第5、8位是英文字母，纠错位置：第4、6、7位，纠错内容：字符只能是阿拉伯数字；
前置条件：第6、7位是英文字母，纠错位置：第4、5、8位，纠错内容：字符只能是阿拉伯数字；
前置条件：第6、8位是英文字母，纠错位置：第4、5、7位，纠错内容：字符只能是阿拉伯数字；
前置条件：第7、8位是英文字母，纠错位置：第4、5、6位，纠错内容：字符只能是阿拉伯数字；
当所述标准化类型为警用车牌时，
前置条件：无，纠错位置：第6位和第7位，纠错内容：字符只能是阿拉伯数字；
当所述标准化类型为新式号牌时，
前置条件：第4位是英文字母，纠错位置：第6～9位，纠错内容：字符只能是阿拉伯数字；
前置条件：第9位是英文字母，纠错位置：第4～8位，纠错内容：字符只能是阿拉伯数字；
d2：逐一按照所述纠错车牌类型对应的每一条所述纠错规则；
按照每一条所述纠错规则中指定的所述纠错位置，逐一确定所述纠错位置包括的字符是否属于纠错组合；
如果所述纠错位置的字符都不属于纠错组合，则停止编码自纠错操作；
否则，所述纠错位置中存在字符属于所述纠错组合，则将字符取出，记作待纠错字符，执行步骤d3；
所述纠错组合包括：
阿拉伯数字0和英文字母D，阿拉伯数字8和英文字母B，阿拉伯数字7和英文字母Z、阿拉伯数字6和英文字母G，阿拉伯数字0和英文字母Q，阿拉伯数字5和英文字母S；
d3：确认所述检索结果集合中的字符是否符合所述纠错规则的所述前置条件；
如果不符合，则停止编码自纠错操作；
否则，执行步骤d4；
d4：比较所述待纠错字符是否符合所述纠错规则的纠错内容中要求的字符类型；
如果符合，则停止编码自纠错操作；
如果不符合，则所述纠错组合中的另一个字符替换为所述待纠错字符，存入所述检索结果集合中。
本发明提供的一种融合新能源汽车特征的车牌图像字符分类识别方法，将现有的所有的车牌类型按照规格参数进行分类，得到标准化类型；将待分析汽车号牌的图像数据，处理为灰度图后，构造字符投影图，将字符投影图分别按照每种标准化类型进行字符切割，得到待分析数据；将待分析数据在标准化类型对应的字符集合中进行检索，检索成功率最高的标准化类型即为待分析汽车号牌对应的正确的车牌类型，检索结果即为待分析汽车号牌的车牌号码。本方法中，无需预先计算识别待分析汽车号牌的种类，直接将待分析汽车号牌的字符区域按照现有的标准化类型的尺寸快速分割，然后分别在不同标准化类型的检索索引指示的字符集合中检索，计算过程简单，实现方便；且字符检索范围限制到每一位字符的范围，无需在所有的字符范围内检索，极大地缩小了检索范围，减少了车牌识别运算时间，确保本方法尤其适用于海量数据的同时并行计算场合；同时，根据不准确的标准化类型进行切割字符时，切割得到待分析数据要么无法得到完整的字符，要么无法在对应的有限字符集合中检索到准确的结果，所以本方法中不会出现无关字符被识别为车牌号码的问题，确保了车牌识别结果的准确性。
附图说明
图1为8位灰度的车牌图像的实施例；
图2为二值化的待处理黑白车牌图像的实施例；
图3为黑底白字的字符投影图的实施例；
图4为白底黑字的字符投影图的实施例；
图5为将图4转为黑底白字后的实施例。
具体实施方式
本发明包括一种融合新能源汽车特征的车牌图像字符分类识别方法，其包括以下步骤。
S1：获取待分析汽车号牌的图像数据，待分析车牌图像。
基于现有的路侧监控设备获取的待分析车牌图像为24为彩色图像。
通常情况下，24位颜色是指红色(R)分量为8位、绿色(G)分量为8位、蓝色(B)分量为8位，相当于R、G、B分别对应一个字节，即3个字节。常用8种汽车号牌24位彩色图像式样，其中包含小型汽车号牌、大型汽车前号牌、教练汽车号牌、警用汽车号牌、香港和澳门入出境汽车号牌、大型新能源汽车号牌、小型新能源汽车号牌。8种现有车牌的规格参数如下面表1所示：
表1：现有车牌规格参数
Figure GDA0004137706290000051
S2：将待分析车牌图像转换为灰度图；对灰度处理后的待分析车牌图像进行二值化转换，得到待处理黑白车牌图像。
为减少24位颜色带来的运算量，将24位颜色转换为8位灰色，即一个像素点对应一个字节。
按照公式(1)对24位彩色车牌图像转换为8位灰度图。
f(x,y)＝R(x,y)×0.299+G(x,y)×0.587+B(x,y)×0.114      (1)
其中，R(x,y)为坐标x、y上的车牌图像像素点红色分量；G(x,y)为坐标x、y上的车牌图像像素点绿色分量；B(x,y)为坐标x、y上的车牌图像像素点蓝色分量。
设置车牌图像宽度为d、高度为h，其中
Figure GDA0004137706290000052
读取图像像素点中的RGB分量值，重复公式(1)实现对所有像素点灰度转换后得到了8位灰度的车牌图像，如图1所示。
灰色图像中的各个像素点取值为“0～255”，二值化就是消除图像中非“0”和“255”的值，设置一定灰度阈值，不小于该阈值的像素值由“255”取代，小于该阈值的像素值由“0”取代。
如果坐标x、y上的车牌图像像素点f(x,y)<127时，则f(x,y)＝0；如果坐标x、y上的车牌图像像素点f(x,y)≥127时，则f(x,y)＝255。其中，
Figure GDA0004137706290000061
重复对所有像素点进行二值化处理，得到二值化图像如图2所示，图2中的所有像素点值只有“0”和“255”两种取值，车牌图像表现为非白即黑，或者非黑即白。
S3：对待处理黑白车牌图像进行字符空间划分，得到待处理黑白车牌图像对应的字符空间类型；
字符空间类型包括：底黑字白和底白自黑；
底黑字白表示车牌图像中的字符笔划是白色的，而字符周边背景是黑色的；
底白字黑表示车牌图像中的字符笔划是黑色的，而字符周边背景是白色的。
字符空间种类为底黑字白的车辆类型包括：小型汽车号牌、香港入出境汽车号牌、澳门入出境汽车号牌；
字符空间种类为底白字黑的车辆类型包括：大型汽车前号牌、教练汽车号牌、警用汽车号牌、大型新能源汽车号牌、小型新能源汽车号牌。
S4：构造待处理黑白车牌图像的字符投影图。
步骤S4中，对待处理黑白车牌图像进行垂直方向投影，得到字符投影图：
Figure GDA0004137706290000062
其中，待处理黑白车牌图像的宽度为d、高度为h；
f(x,y)为二值化图像中坐标x、y上的像素点值，Z(x)为投影值，
Figure GDA0004137706290000063
应用公式(2)进行垂直方向像素值的个数统计。其中，对于字符空间底黑字白的车牌二值化图直接按像素值“255”(白色)统计；对于字符空间底白字黑的车牌二值化图像按像素值“0”(黑色)统计。
如图3所示，以小型汽车号牌“苏？G357Q”为例，对二值化处理后得到的车牌“苏？G357Q”的待处理黑白车牌图像按照像素值“255”(白色)进行垂直方向个数统计，然后按水平轴方向进行个数分布展示，从而形成车牌“苏？G357Q”图像的垂直方向投影，如图3所示的“苏？G357Q”字符投影图。
以新能源汽车号牌“苏？DC9592”为例，车牌为底白字黑的车牌，则对车牌“苏？DC9592”的二值化图像再按照像素值“0”(黑色)进行垂直方向个数统计，然后按水平轴方向进行个数分布展示，从而形成车牌“苏？DC9592”图像的垂直方向投影，最终得到的图4中的底白字黑车牌的字符投影图。
S5：将所有的车牌类型按照规格参数进行分类，得到标准化类型；
规格参数包括：尺寸、车牌号码中的字符规则、字符尺寸极其间隔；
每种标准化类型的车牌上，车牌号码中的字符在车牌上对应的位置和坐标是确定且固定的；每种标准化类型的车牌上包括的字符集合是确定且固定的；
设，车牌的标准化类型有N种；
每种标准化类型的车牌对应的车牌实际宽度值与扣去左右边框间隙的车牌标准宽度值之比记作：β；
每个标准化类型的车牌包括的字符个数，记作：n。
标准化类型包括：民用车牌、警用车牌、新式车牌。
根据《中华人民共和国机动车号牌》(GA36-2018)中设定的标准，小型汽车号牌、大型汽车前号牌、教练汽车号牌、警用汽车号牌、港澳入出境汽车号牌规定宽度为440mm，而全部字符宽度实际上为410mm；大型新能源汽车号牌、小型新能源汽车号牌宽度为480mm，而全部字符宽度实际上为449mm。
本实施例中，民用车牌包括：大型汽车前号牌、小型汽车号牌、教练汽车号牌、港澳入出境汽车号牌、教练汽车号牌。
警用车牌包括：警用汽车号牌，其除最左边第2位字符、第3位字符与民用车牌互换外，其规格也与民用车牌一致，差异之处在于最后一位固定为“警”字。
新式车牌包括：大型新能源汽车号牌、小型新能源汽车号牌则在传统车牌基础上增加了一个字符，虽然尺寸有所增加，但除左边第1位汉字外，其他位置上的字符变瘦了，字符间隔也变窄了。
因为在实际交通监控场景中，车牌图像上往往存在污损、光线不均等因素造成的二值化投影图粘连，难以获得准确的字符个数及准确位置，所以本方法中按照车牌的规格将车牌划分为3个标准化类型，用以实现对三类车牌进行标准化尺寸分割，确保能够准确地将车牌的字符进行分割。
因民用车牌的6个字符标准宽度为45mm、字符间距12mm，故在考虑字符左右间隙下，除一个特殊字符外，其他6个字符切割宽度统一设定为57mm，一个特殊字符宽度为22mm，各个字符坐标如下：
第1位字符坐标(000*β,000)、(057*β,h-1)；
第2位字符坐标(057*β,000)、(114*β,h-1)；
第3位字符坐标(114*β,000)、(136*β,h-1)；
第4位字符坐标(136*β,000)、(193*β,h-1)；
第5位字符坐标(193*β,000)、(250*β,h-1)；
第6位字符坐标(250*β,000)、(307*β,h-1)；
第7位字符坐标(307*β,000)、(364*β,h-1)；
第8位字符坐标(364*β,000)、(421*β,h-1)；
其中，β等于车牌实际宽度值与扣去左右边框间隙的车牌标准宽度值之比，即β＝d/410。
因警用车牌的6个字符标准宽度为45mm、字符间距12mm，故在考虑字符左右间隙下，除一个特殊字符外，其他6个字符切割宽度统一设定为57mm，一个特殊字符宽度为22mm，各个字符坐标如下：
第1位字符坐标(000*β,000)、(057*β,h-1)；
第2位字符坐标(057*β,000)、(79*β,h-1)；
第3位字符坐标(79*β,000)、(136*β,h-1)；
第4位字符坐标(136*β,000)、(193*β,h-1)；
第5位字符坐标(193*β,000)、(250*β,h-1)；
第6位字符坐标(250*β,000)、(307*β,h-1)；
第7位字符坐标(307*β,000)、(364*β,h-1)；
第8位字符坐标(364*β,000)、(421*β,h-1)；
其中，β等于车牌实际宽度值与扣去左右边框间隙的车牌标准宽度值之比，即β＝d/410。
新式车牌相对复杂些，第1和第3个字符与其他不同，在字符切割上有所区别，各个字符坐标如下：
第1位字符坐标(000*β,000)、(056*β,h-1)；
第2位字符坐标(056*β,000)、(106*β,h-1)；
第3位字符坐标(106*β,000)、(150*β,h-1)；
第4位字符坐标(150*β,000)、(202*β,h-1)；
第5位字符坐标(202*β,000)、(254*β,h-1)；
第6位字符坐标(254*β,000)、(306*β,h-1)；
第7位字符坐标(306*β,000)、(358*β,h-1)；
第8位字符坐标(358*β,000)、(410*β,h-1)；
第9位字符坐标(410*β,000)、(464*β,h-1)；
其中，β等于车牌实际宽度值与扣去左右边框间隙的车牌标准宽度值之比，即β＝d/449。
通过上述车辆图像对应的各个字符坐标，即能得到民用车牌、警用车牌、新式车牌的各个字符图像。
步骤S6中，待分析数据切割步骤的a1实施之前，需要先实施以下步骤：
确定待处理黑白车牌图像对应的字符空间类型；
如果字符空间类型为底黑字白，则垂直投影后，即可实施步骤a1；
如果字符空间类型为底白字黑，则需要将待处理黑白车牌图像进行黑白转换，将待处理黑白车牌图像的字符空间类型转化为底黑字白，然后实施步骤a1。
本实施例中，图4中的车牌为底白字黑的车牌，为便于快速分割车牌字符，将待处理黑白车牌图像进行黑白转换，则将图4中的新能源汽车号牌二值化图进行“0”互换“255”，重新得到汽车号牌图像二值化处理黑白车牌图像和字符投影图，转换为如图5所示的底黑字白车牌。
根据底黑字白的字符投影图，计算字符图像实际宽度d，具体计算方法为：
d＝x2-x1；
其中，x1为字符投影图中最先出现白色计数值的水平坐标，x2为字符投影图中最后出现白色计数值的水平坐标；x1和x2即为待分析车牌图像车牌实际宽度的起止点。如图5所示，底黑字白的待处理黑白车牌图像对应的字符投影图中，黑色为车牌字符投影，白色为字符周边背景的投影，所以通过x1和x2即可获得车牌图像的实际宽度。
S6：将字符投影图分别按照每一种标准化类型进行字符切割，得到切割后的字符区域数据，记作待分析数据；
待分析数据切割步骤包括：
a1：根据每种标准化类型对应的β和待分析车牌图像的车牌实际宽度值d，得到待分析车牌图像对应的所有字符总宽度计算值W，获取待分析车牌图像中字符区域的起止点：
W＝d/β；
a2：每个待分析字符的宽度w为：
w＝W/n；
a3：从左至右，以字符宽度w为单位，对待分析车牌图像中字符区域进行切割；
N种标准化类型对应N种切割结果，最终得到N组待分析数据。
本方法中，为了提高检索效率，所以通过检索索引来将车牌上各个位置上可能的字符缩小到有限的字符范围内。检索索引生成方法包括：
c1：获取现有的车牌上允许设置的所有字符，对字符分类，记作：合法字符集合
对每一类合法字符集合分别设置一个代表编码；
c2：获取每个标准化类型的车牌的每一位允许设置的字符，得到每个标准化类型对应的每一位字符合集，记作：位符集合；
每一个位符集合在标准化类型的车牌上都有固定的位置顺序；
c3：依次取出每个标准化类型对应的每一个位符集合，找到其归属的合法字符集合；
设，标准化类型包括n个字符，则：
每一个位符集合对应一个合法字符集合，
每个标准化类型对应n个代表编码；
c4：将每个标准化类型按照其对应的代表编码，构成检索索引；
检索索引中每一位代表编码的顺序与代表编码对应的位符集合的位置顺序一致；
检索索引中每一位代表编码标记的检索范围即其对应的合法字符集合。
按照《中华人民共和国机动车号牌》(GA36-2018)标准，对民用车牌、警用车牌、新式车牌上的字符内容进行分类。
(1)民用车牌
第1位字符为汉字，包括“京、津、冀、晋、蒙、辽、吉、黑、沪、苏、浙、皖、闽、赣、鲁、豫、鄂、湘、粤、桂、琼、渝、川、贵、云、藏、陕、甘、青、宁、新”。
第2位字符为英文字母，包括“A、B、C、D、E、F、G、H、J、K、L、M、N、P、Q、R、S、T、U、V、W、X、Y、Z”。
第3位字符为无效字符。
第4位字符为英文字母和阿拉伯数字，包括“A、B、C、D、E、F、G、H、J、K、L、M、N、P、Q、R、S、T、U、V、W、X、Y、Z、9、8、7、6、5、4、3、2、1、0”。
第5位字符为英文字母和阿拉伯数字，包括“A、B、C、D、E、F、G、H、J、K、L、M、N、P、Q、R、S、T、U、V、W、X、Y、Z、9、8、7、6、5、4、3、2、1、0”。
第6位字符为英文字母和阿拉伯数字，包括“A、B、C、D、E、F、G、H、J、K、L、M、N、P、Q、R、S、T、U、V、W、X、Y、Z、9、8、7、6、5、4、3、2、1、0”。
第7位字符为英文字母和阿拉伯数字，包括“A、B、C、D、E、F、G、H、J、K、L、M、N、P、Q、R、S、T、U、V、W、X、Y、Z、9、8、7、6、5、4、3、2、1、0”。
第8位字符为阿拉伯数字和特殊汉字，包括“9、8、7、6、5、4、3、2、1、0、港、澳、学、试、超”。
(2)警用车牌
第1位字符为汉字，包括“京、津、冀、晋、蒙、辽、吉、黑、沪、苏、浙、皖、闽、赣、鲁、豫、鄂、湘、粤、桂、琼、渝、川、贵、云、藏、陕、甘、青、宁、新”。
第2位字符为无效字符。
第3位字符为英文字母，包括“A、B、C、D、E、F、G、H、J、K、L、M、N、P、Q、R、S、T、U、V、W、X、Y、Z”。
第4位字符为英文字母和阿拉伯数字，包括“A、B、C、D、E、F、G、H、J、K、L、M、N、P、Q、R、S、T、U、V、W、X、Y、Z、9、8、7、6、5、4、3、2、1、0”。
第5位字符为阿拉伯数字，包括“9、8、7、6、5、4、3、2、1、0”。
第6位字符为阿拉伯数字，包括“9、8、7、6、5、4、3、2、1、0”。
第7位字符为阿拉伯数字，包括“9、8、7、6、5、4、3、2、1、0”。
第8位字符为“警”。
(3)新式车牌
第1位字符为汉字，包括“京、津、冀、晋、蒙、辽、吉、黑、沪、苏、浙、皖、闽、赣、鲁、豫、鄂、湘、粤、桂、琼、渝、川、贵、云、藏、陕、甘、青、宁、新”。
第2位字符为英文字母，包括“A、B、C、D、E、F、G、H、J、K、L、M、N、P、Q、R、S、T、U、V、W、X、Y、Z”。
第3位字符为无效字符。
第4位字符为英文字母和阿拉伯数字，包括“A、B、C、D、E、F、G、H、J、K、9、8、7、6、5、4、3、2、1、0”。
第5位字符为英文字母和阿拉伯数字，包括“A、B、C、D、E、F、G、H、J、K、L、M、N、P、Q、R、S、T、U、V、W、X、Y、Z、9、8、7、6、5、4、3、2、1、0”。
第6位字符为阿拉伯数字，包括“9、8、7、6、5、4、3、2、1、0”。
第7位字符为阿拉伯数字，包括“9、8、7、6、5、4、3、2、1、0”。
第8位字符为阿拉伯数字，包括“9、8、7、6、5、4、3、2、1、0”。
第9位字符为英文字母和阿拉伯数字，包括“A、B、C、D、E、F、G、H、J、K、9、8、7、6、5、4、3、2、1、0”。
本实施例中，代表编码包括：0、1、2、3、4、5、6、7；
编码0代表的位符集合为首位31个汉字，包括：京、津、冀、晋、蒙、辽、吉、黑、沪、苏、浙、皖、闽、赣、鲁、豫、鄂、湘、粤、桂、琼、渝、川、贵、云、藏、陕、甘、青、宁和新；
编码1代表的位符集合为除I和O以外的24个英文字母，具体包括：A、B、C、D、E、F、G、H、J、K、L、M、N、P、Q、R、S、T、U、V、W、X、Y、Z；
编码2代表的位符集合为10个阿拉伯数字，包括：9、8、7、6、5、4、3、2、1、0；
编码3代表的位符集合为24个英文字母和10个阿拉伯数字，具体包括：A、B、C、D、E、F、G、H、J、K、L、M、N、P、Q、R、S、T、U、V、W、X、Y、Z、9、8、7、6、5、4、3、2、1、0；
编码4代表的位符集合为无效字符；
编码5代表的位符集合为：10个新能源汽车英文字母和10个阿拉伯数字，包括：A、B、C、D、E、F、G、H、J、K、9、8、7、6、5、4、3、2、1、0；
编码6代表的位符集合为24个英文字母、10个阿拉伯数字及5个特殊汉字，具体包括：A、B、C、D、E、F、G、H、J、K、L、M、N、P、Q、R、S、T、U、V、W、X、Y、Z、9、8、7、6、5、4、3、2、1、0、港、澳、学、试、超；
编码7代表的位符集合包括：警。
则，本实施例中的检索索引，包括民用车牌检索索引、警用车牌检索索引、新式车牌检索索引；
民用车牌检索索引为：01433336；
警用车牌检索索引为：04133227；
新式车牌检索索引为：014532225；
S7：对待分析数据分别进行检索，得到对应的检索结果集合；
检索的步骤包括：
b1：获取每个标准化类型对应的检索索引；
检索索引标记了标准化类型的车牌号码中每一位的字符在合法的车牌号码用字符集合中的检索范围；
b2：从每组n个待分析数据中，逐一取出每个待分析数据；
将每个待分析数据按照其在车牌中的位置顺序，在检索索引标记的检索范围内检索；
如果能够检索到对应的字符，则将待分析数据对应的检索结果记录为：成功；
否则，如果检索不到对应的字符，则将待分析数据对应的检索结果记录为：失败；
b3：将每一组待分析数据的检索结果分别构成检索结果集合；
每一组检索结果集合中包括：
n个检索结果，以及每个检索结果为成功的待分析数据分别对应的一个字符。
本方法中，通过检索索引，将各个位置上可能的字符缩小到指定的位符集合的有限的字符范围内，故使得本方法中的车牌图像字符自适应匹配效率大幅度提升，全部提取到字符结果后即完成车牌图像字符识别。
本方法中，对于每一位字符的识别，通过现有的图像识别技术实现即可。在实际生产生活中，存在一些车牌字符图像内容不清晰或不完整的，可基于现有技术中的原始图像复原处理技术进行复原处理，然后再通过本方法进行字符分类识别。
如图3所示的车牌“苏？G357Q”，实施检索时，第1位字符图像与31个标准汉字图像进行相似性匹配，第2位字符图像与24个标准英文字母图像进行相似性匹配，第3位字符图像为无效字符，第4～7位字符图像与24个标准字母图像和10个标准阿拉伯数字图像进行相似性匹配，第8位字符图像与24个标准英文字母图像、10个标准阿拉伯数字图像及5个标准特殊汉字图像进行相似性匹配，最终得到检索结果集合中的字符集合为：“苏？G357Q”。
如图5所示的车牌“苏？DC9592”，实施检索时，第1位字符图像与31个标准汉字图像进行相似性匹配，第2位字符图像与24个标准英文字母图像进行相似性匹配，第3位字符图像为无效字符，第4位字符图像与10个标准新能源汽车英文字母图像、10个标准阿拉伯数字图像进行相似性匹配，第5位字符图像与24个标准英文字母图像和10个标准阿拉伯数字图像进行相似性匹配，第6～8位字符图像与10个标准阿拉伯数字图像进行相似性匹配，第9位字符图像与10个标准新能源汽车英文字母图像、10个标准阿拉伯数字图像进行相似性匹配，最终得到的检索结果集合中，字符集合为：“苏？DC9592”。
S8:分别确认每一组检索结果集合中检索结果为成功的个数；
成功个数最多的那一组对应的标准化类型即为待分析汽车号牌的车牌类型，对应的检索结果集合中的包括的字符的集合，即为待分析汽车号牌对应的车牌号码。
基于本方法对车牌进行识别，可以实现对包括小型汽车号牌、大型汽车前号牌、教练汽车号牌、警用汽车号牌、香港和澳门入出境汽车号牌、大型新能源汽车号牌、小型新能源汽车号牌字符图像的一次提取和分类识别；既减少了车牌图像识别运算时间，又提高了车牌识别结果的准确性，特别是提高了新能源汽车号牌图像字符识别的针对性和时效性。
步骤b3中，获得检索结果集合后，进行编码自纠错操作，其具体包括以下步骤：
d1：获得检索结果集合对应的标准化类型，记作纠错车牌类型；
找到纠错车牌类型对应的纠错规则；
纠错规则包括：
当标准化类型为民用号牌时，
前置条件：第4、5位是英文字母，纠错位置：第6、7、8位，纠错内容：字符只能是阿拉伯数字；
前置条件：第4、6位是英文字母，纠错位置：第5、7、8位，纠错内容：字符只能是阿拉伯数字；
前置条件：第4、7位是英文字母，纠错位置：第5、6、8位，纠错内容：字符只能是阿拉伯数字；
前置条件：第4、8位是英文字母，纠错位置：第5、6、7位，纠错内容：字符只能是阿拉伯数字；
前置条件：第5、6位是英文字母，纠错位置：第4、7、8位，纠错内容：字符只能是阿拉伯数字；
前置条件：第5、7位是英文字母，纠错位置：第4、6、8位，纠错内容：字符只能是阿拉伯数字；
前置条件：第5、8位是英文字母，纠错位置：第4、6、7位，纠错内容：字符只能是阿拉伯数字；
前置条件：第6、7位是英文字母，纠错位置：第4、5、8位，纠错内容：字符只能是阿拉伯数字；
前置条件：第6、8位是英文字母，纠错位置：第4、5、7位，纠错内容：字符只能是阿拉伯数字；
前置条件：第7、8位是英文字母，纠错位置：第4、5、6位，纠错内容：字符只能是阿拉伯数字；
当标准化类型为警用车牌时，
前置条件：无，纠错位置：第6位和第7位，纠错内容：字符只能是阿拉伯数字；
当标准化类型为新式号牌时，
前置条件：第4位是英文字母，纠错位置：第6～9位，纠错内容：字符只能是阿拉伯数字；
前置条件：第9位是英文字母，纠错位置：第4～8位，纠错内容：字符只能是阿拉伯数字；
d2：逐一按照纠错车牌类型对应的每一条纠错规则；
按照每一条纠错规则中指定的纠错位置，逐一确定纠错位置包括的字符是否属于纠错组合；
如果纠错位置的字符都不属于纠错组合，则停止编码自纠错操作；
否则，纠错位置中存在字符属于纠错组合，则将字符取出，记作待纠错字符，执行步骤d3；
纠错组合包括：
阿拉伯数字0和英文字母D，阿拉伯数字8和英文字母B，阿拉伯数字7和英文字母Z、阿拉伯数字6和英文字母G，阿拉伯数字0和英文字母Q，阿拉伯数字5和英文字母S；
d3：确认检索结果集合中的字符是否符合纠错规则的前置条件；
如果不符合，则停止编码自纠错操作；
否则，执行步骤d4；
d4：比较待纠错字符是否符合纠错规则的纠错内容中要求的字符类型；
如果符合，则停止编码自纠错操作；
如果不符合，则纠错组合中的另一个字符替换为待纠错字符，存入检索结果集合中。
本方法中，基于车牌图像字符分类识别方法和编码自纠错操作，提升了车牌图像字符的识别准确率，尤其对于字符宽度变瘦、字符间隔变窄的新能源汽车号牌图像字符识别更为有效，对于高分辨率图像中有多个车牌图像的识别更为快速。
如图3显示的车牌“苏？G357Q”为民用号牌，如果第4位明确为“G”、第8位明确为“Q”，则基于本方法进行识别，第6位必然为“5”，不会识别成英文字母“S”；第7位必然为“7”，不会识别成英文字母“Z”。
如图5显示的车牌“苏？DC9592”为新式号牌，在实际图像采集识别过程中，第7位的“5”因受车牌的固定件影响，“5”有可能被认成“S”，但因为第7位明确为阿拉伯数字，基于本方法中的编码自纠错，确保第7位的“5”不会识别成英文字母“S”；同时，由于第4、第5位明确为英文字母，故第9位就不会被认作英文字母，只能是阿拉伯数字。
使用本发明的技术方案后，在高速公路、国省道等交通场景中，即使应对车辆高速行驶，也能完成包括小型汽车号牌、大型汽车前号牌、教练汽车号牌、警用汽车号牌、港澳入出境汽车号牌、大型新能源汽车号牌、小型新能源汽车号牌字符图像的一次提取和分类识别，确保车牌图像字符识别结果符合《中华人民共和国机动车号牌》(GA36-2018)标准，既减少了车牌识别运算时间，又提高了车牌识别结果的准确性，有助于在多车道多车牌场景中识别多种类的车牌图像字符，尤其对新能源汽车号牌图像字符识别具有良好的针对性和鲁棒性，适应在前端监控摄像机底层芯片中嵌入应用。

Claims (10)

1.一种融合新能源汽车特征的车牌图像字符分类识别方法，其包括以下步骤：
S1：获取待分析汽车号牌的图像数据，待分析车牌图像；
其特征在于，其还包括以下步骤：
S2：将所述待分析车牌图像转换为灰度图；对灰度处理后的所述待分析车牌图像进行二值化转换，得到待处理黑白车牌图像；
S3：对所述待处理黑白车牌图像进行字符空间划分，得到所述待处理黑白车牌图像对应的字符空间类型；
所述字符空间类型包括：底黑字白和底白字黑；
所述底黑字白表示车牌图像中的字符笔划是白色的，而字符周边背景是黑色的；
所述底白字黑表示车牌图像中的字符笔划是黑色的，而字符周边背景是白色的；
S4：构造所述待处理黑白车牌图像的字符投影图；
S5：将所有的车牌类型按照规格参数进行分类，得到标准化类型；
所述规格参数包括：尺寸、车牌号码中的字符规则和字符尺寸和间隔；
每种所述标准化类型的车牌上，车牌号码中的字符在车牌上对应的位置和坐标是确定且固定的；每种所述标准化类型的车牌上包括的字符集合是确定且固定的；
设，车牌的标准化类型有N种；
每种所述标准化类型的车牌对应的车牌实际宽度值与扣去左右边框间隙的车牌标准宽度值之比记作：β；
每个标准化类型的车牌包括的字符个数，记作：n；
S6：将所述字符投影图分别按照每一种所述标准化类型进行字符切割，得到切割后的字符区域数据，记作待分析数据；
所述待分析数据切割步骤包括：
a1：根据每种所述标准化类型对应的β和待分析车牌图像的车牌实际宽度值d，得到待分析车牌图像对应的所有字符总宽度计算值W，获取所述待分析车牌图像中字符区域的起止点：
W＝d/β；
a2：每个待分析字符的宽度w为：
w＝W/n；
a3：从左至右，以字符宽度w为单位，对所述待分析车牌图像中字符区域进行切割；
N种标准化类型对应N种切割结果，最终得到N组所述待分析数据；
S7：对所述待分析数据分别进行检索，得到对应的检索结果集合；
检索的步骤包括：
b1：获取每个所述标准化类型对应的检索索引；
所述检索索引标记了所述标准化类型的车牌号码中每一位的字符在合法的车牌号码用字符集合中的检索范围；
b2：从每组n个所述待分析数据中，逐一取出每个所述待分析数据；
将每个所述待分析数据按照其在车牌中的位置顺序，在所述检索索引标记的检索范围内检索；
如果能够检索到对应的字符，则将所述待分析数据对应的检索结果记录为：成功；
否则，如果检索不到对应的字符，则将所述待分析数据对应的检索结果记录为：失败；
b3：将每一组所述待分析数据的检索结果分别构成检索结果集合；
每一组所述检索结果集合中包括：
n个检索结果，以及每个检索结果为成功的待分析数据分别对应的一个字符；
S8:分别确认每一组所述检索结果集合中检索结果为成功的个数；
成功个数最多的那一组对应的所述标准化类型即为待分析汽车号牌的车牌类型，对应的所述检索结果集合中的包括的字符的集合，即为待分析汽车号牌对应的车牌号码。
2.根据权利要求1所述一种融合新能源汽车特征的车牌图像字符分类识别方法，其特征在于：所述字符空间种类为底黑字白的车辆类型包括：小型汽车号牌、香港入出境汽车号牌、澳门入出境汽车号牌；
所述字符空间种类为底白字黑的车辆类型包括：大型汽车前号牌、教练汽车号牌、警用汽车号牌、大型新能源汽车号牌、小型新能源汽车号牌。
3.根据权利要求1所述一种融合新能源汽车特征的车牌图像字符分类识别方法，其特征在于：所述标准化类型包括：民用车牌、警用车牌、新式车牌。
4.根据权利要求1所述一种融合新能源汽车特征的车牌图像字符分类识别方法，其特征在于：步骤S4中，对所述待处理黑白车牌图像进行垂直方向投影，得到所述字符投影图：
Figure FDA0004137706280000021
其中，待处理黑白车牌图像的宽度为d、高度为h；
f(x,y)为二值化图像中坐标x、y上的像素点值，Z(x)为投影值，
Figure FDA0004137706280000022
5.根据权利要求1所述一种融合新能源汽车特征的车牌图像字符分类识别方法，其特征在于：步骤S6中，所述待分析数据切割步骤的a1实施之前，需要先实施以下步骤：
确定所述待处理黑白车牌图像对应的字符空间类型；
如果字符空间类型为底黑字白，则垂直投影后，即可实施步骤a1；
如果字符空间类型为底白字黑，则需要将所述待处理黑白车牌图像进行黑白转换，将所述待处理黑白车牌图像的字符空间类型转化为底黑字白，然后实施步骤a1。
6.根据权利要求1所述一种融合新能源汽车特征的车牌图像字符分类识别方法，其特征在于：字符图像实际宽度d的计算方法为：
d＝x2-x1；
其中，x1为所述字符投影图中最先出现白色计数值的水平坐标，x2为所述字符投影图中最后出现白色计数值的水平坐标；x1和x2即为所述待分析车牌图像车牌实际宽度的起止点。
7.根据权利要求1所述一种融合新能源汽车特征的车牌图像字符分类识别方法，其特征在于：所述检索索引生成方法包括：
c1：获取现有的车牌上允许设置的所有字符，对字符分类，记作：合法字符集合
对每一类所述合法字符集合分别设置一个代表编码；
c2：获取每个所述标准化类型的车牌的每一位允许设置的字符，得到每个所述标准化类型对应的每一位字符合集，记作：位符集合；
每一个所述位符集合在所述标准化类型的车牌上都有固定的位置顺序；
c3：依次取出每个所述标准化类型对应的每一个所述位符集合，找到其归属的所述合法字符集合；
设，所述标准化类型包括n个字符，则：
每一个所述位符集合对应一个所述合法字符集合，
每个所述标准化类型对应n个所述代表编码；
c4：将每个所述标准化类型按照其对应的所述代表编码，构成所述检索索引；
所述检索索引中每一位所述代表编码的顺序与代表编码对应的所述位符集合的位置顺序一致；
所述检索索引中每一位所述代表编码标记的检索范围即其对应的所述合法字符集合。
8.根据权利要求7所述一种融合新能源汽车特征的车牌图像字符分类识别方法，其特征在于：所述代表编码包括：0、1、2、3、4、5、6、7；
所述编码0代表的所述位符集合为首位31个汉字，包括：京、津、冀、晋、蒙、辽、吉、黑、沪、苏、浙、皖、闽、赣、鲁、豫、鄂、湘、粤、桂、琼、渝、川、贵、云、藏、陕、甘、青、宁和新；
所述编码1代表的所述位符集合为除英文字母I和O以外的24个英文字母，具体包括：A、B、C、D、E、F、G、H、J、K、L、M、N、P、Q、R、S、T、U、V、W、X、Y、Z；
所述编码2代表的所述位符集合为10个阿拉伯数字，具体包括：9、8、7、6、5、4、3、2、1、0；
所述编码3代表的所述位符集合为24个英文字母和10个阿拉伯数字，具体包括：A、B、C、D、E、F、G、H、J、K、L、M、N、P、Q、R、S、T、U、V、W、X、Y、Z、9、8、7、6、5、4、3、2、1、0；
所述编码4代表的所述位符集合为无效字符；
所述编码5代表的所述位符集合为：10个新能源汽车英文字母和10个阿拉伯数字，具体包括：A、B、C、D、E、F、G、H、J、K、9、8、7、6、5、4、3、2、1、0；
所述编码6代表的所述位符集合为24个英文字母、10个阿拉伯数字及5个特殊汉字，具体包括：A、B、C、D、E、F、G、H、J、K、L、M、N、P、Q、R、S、T、U、V、W、X、Y、Z、9、8、7、6、5、4、3、2、1、0、港、澳、学、试、超；
所述编码7代表的所述位符集合包括：警。
9.根据权利要求7所述一种融合新能源汽车特征的车牌图像字符分类识别方法，其特征在于：所述检索索引，包括民用车牌检索索引、警用车牌检索索引、新式车牌检索索引；
所述民用车牌检索索引为：01433336；
所述警用车牌检索索引为：04133227；
所述新式车牌检索索引为：014532225。
10.根据权利要求1所述一种融合新能源汽车特征的车牌图像字符分类识别方法，其特征在于：步骤b3中，获得所述检索结果集合后，进行编码自纠错操作，其具体包括以下步骤：
d1：获得所述检索结果集合对应的所述标准化类型，记作纠错车牌类型；
找到所述纠错车牌类型对应的纠错规则；
所述纠错规则包括：
当所述标准化类型为民用号牌时，
前置条件：第4、5位是英文字母，纠错位置：第6、7、8位，纠错内容：字符只能是阿拉伯数字；
前置条件：第4、6位是英文字母，纠错位置：第5、7、8位，纠错内容：字符只能是阿拉伯数字；
前置条件：第4、7位是英文字母，纠错位置：第5、6、8位，纠错内容：字符只能是阿拉伯数字；
前置条件：第4、8位是英文字母，纠错位置：第5、6、7位，纠错内容：字符只能是阿拉伯数字；
前置条件：第5、6位是英文字母，纠错位置：第4、7、8位，纠错内容：字符只能是阿拉伯数字；
前置条件：第5、7位是英文字母，纠错位置：第4、6、8位，纠错内容：字符只能是阿拉伯数字；
前置条件：第5、8位是英文字母，纠错位置：第4、6、7位，纠错内容：字符只能是阿拉伯数字；
前置条件：第6、7位是英文字母，纠错位置：第4、5、8位，纠错内容：字符只能是阿拉伯数字；
前置条件：第6、8位是英文字母，纠错位置：第4、5、7位，纠错内容：字符只能是阿拉伯数字；
前置条件：第7、8位是英文字母，纠错位置：第4、5、6位，纠错内容：字符只能是阿拉伯数字；当所述标准化类型为警用车牌时，
前置条件：无，纠错位置：第6位和第7位，纠错内容：字符只能是阿拉伯数字；
当所述标准化类型为新式号牌时，
前置条件：第4位是英文字母，纠错位置：第6～9位，纠错内容：字符只能是阿拉伯数字；
前置条件：第9位是英文字母，纠错位置：第4～8位，纠错内容：字符只能是阿拉伯数字；
d2：逐一按照所述纠错车牌类型对应的每一条所述纠错规则；
按照每一条所述纠错规则中指定的所述纠错位置，逐一确定所述纠错位置包括的字符是否属于纠错组合；
如果所述纠错位置的字符都不属于纠错组合，则停止编码自纠错操作；
否则，所述纠错位置中存在字符属于所述纠错组合，则将字符取出，记作待纠错字符，执行步骤d3；
所述纠错组合包括：
阿拉伯数字0和英文字母D，阿拉伯数字8和英文字母B，阿拉伯数字7和英文字母Z、阿拉伯数字6和英文字母G，阿拉伯数字0和英文字母Q，阿拉伯数字5和英文字母S；
d3：确认所述检索结果集合中的字符是否符合所述纠错规则的所述前置条件；
如果不符合，则停止编码自纠错操作；
否则，执行步骤d4；
d4：比较所述待纠错字符是否符合所述纠错规则的纠错内容中要求的字符类型；
如果符合，则停止编码自纠错操作；
如果不符合，则所述纠错组合中的另一个字符替换为所述待纠错字符，存入所述检索结果集合中。
CN202210377036.6A 2022-04-12 2022-04-12 一种融合新能源汽车特征的车牌图像字符分类识别方法 Active CN115131776B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210377036.6A CN115131776B (zh) 2022-04-12 2022-04-12 一种融合新能源汽车特征的车牌图像字符分类识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210377036.6A CN115131776B (zh) 2022-04-12 2022-04-12 一种融合新能源汽车特征的车牌图像字符分类识别方法

Publications (2)

Publication Number Publication Date
CN115131776A CN115131776A (zh) 2022-09-30
CN115131776B true CN115131776B (zh) 2023-05-12

Family

ID=83376069

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210377036.6A Active CN115131776B (zh) 2022-04-12 2022-04-12 一种融合新能源汽车特征的车牌图像字符分类识别方法

Country Status (1)

Country Link
CN (1) CN115131776B (zh)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114005120A (zh) * 2021-10-29 2022-02-01 成都新潮传媒集团有限公司 一种车牌字符切割方法、车牌识别方法、装置、设备及存储介质

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI431559B (zh) * 2010-10-29 2014-03-21 Univ Nat Chiao Tung 車牌偵測辨識方法及其系統
CN108073928B (zh) * 2016-11-16 2021-04-02 杭州海康威视数字技术股份有限公司 一种车牌识别方法及装置
CN107742423A (zh) * 2017-12-06 2018-02-27 四川知创空间孵化器管理有限公司 一种车牌号码识别系统
CN107944445A (zh) * 2017-12-06 2018-04-20 四川知创空间孵化器管理有限公司 一种车牌识别方法
CN107844793A (zh) * 2017-12-06 2018-03-27 四川知创空间孵化器管理有限公司 一种机动车号牌识别方法
CN107992830A (zh) * 2017-12-06 2018-05-04 四川知创空间孵化器管理有限公司 一种机动车号牌识别系统
WO2019162970A1 (en) * 2018-02-26 2019-08-29 Videonetics Technology Private Limited A system for real-time automated segmentation and recognition of vehicle's license plates characters from vehicle's image and a method thereof.
CN109086722B (zh) * 2018-08-06 2021-04-13 汉王科技股份有限公司 混合车牌识别方法、装置、电子设备
CN109271991B (zh) * 2018-09-06 2022-03-22 公安部交通管理科学研究所 一种基于深度学习的车牌检测方法
CN110738139B (zh) * 2019-09-26 2023-04-07 西安工程大学 一种融合Min-Max目标的NIN车牌识别方法
CN110659632B (zh) * 2019-09-29 2022-08-12 公安部交通管理科学研究所 基于图像块赋值的交通技术监控设备机动车号牌识别性能测试系统及方法
CN112016556B (zh) * 2020-08-21 2022-07-15 中国科学技术大学 多类型车牌识别方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114005120A (zh) * 2021-10-29 2022-02-01 成都新潮传媒集团有限公司 一种车牌字符切割方法、车牌识别方法、装置、设备及存储介质

Also Published As

Publication number Publication date
CN115131776A (zh) 2022-09-30

Similar Documents

Publication Publication Date Title
CN110956169B (zh) 一种车牌识别方法、装置及电子设备
CN108364010B (zh) 一种车牌识别方法、装置、设备及计算机可读存储介质
US10311322B2 (en) Character information recognition method based on image processing
EP2897082B1 (en) Methods and systems for improved license plate signature matching
CN109271991B (zh) 一种基于深度学习的车牌检测方法
CN102375982A (zh) 一种融合多字符特征的车牌定位方法
Jusoh et al. Application of freeman chain codes: An alternative recognition technique for Malaysian car plates
CN103824091B (zh) 一种用于智能交通系统的车牌识别方法
CN110969160A (zh) 一种基于深度学习的车牌图像校正、识别方法及系统
CN111353485B (zh) 印章识别方法、装置、设备及介质
CN101604381A (zh) 基于多分类支持向量机的车牌字符识别方法
CN104200207A (zh) 一种基于隐马尔可夫模型的车牌识别方法
CN103824373A (zh) 一种票据图像金额分类方法及系统
CN111488854A (zh) 一种道路交通标志自动识别与分类方法
WO2022148396A1 (zh) 芯片采集方法和芯片定位方法
CN105096604A (zh) 一种车牌识别的方法和装置
CN112115800A (zh) 一种基于深度学习目标检测的车辆组合识别系统及方法
CN112101274B (zh) 一种车牌识别方法、装置、设备及可读存储介质
CN115131776B (zh) 一种融合新能源汽车特征的车牌图像字符分类识别方法
CN108510483B (zh) 一种采用vlad编码和svm的计算生成彩色图像篡改检测方法
CN116524725B (zh) 一种智能驾驶的交通标志图像数据识别系统
CN110046618B (zh) 基于机器学习和最大极值稳定区域的车牌识别方法
CN109558872B (zh) 一种车辆颜色识别方法
CN108961357B (zh) 一种交通信号灯过爆图像强化方法及装置
CN115546776A (zh) 基于卷积神经网络模型的字符分割模式车牌识别方法

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
GR01 Patent grant
GR01 Patent grant