CN116310280A - 一种基于Opencv的铭牌自动定位识别方法 - Google Patents
一种基于Opencv的铭牌自动定位识别方法 Download PDFInfo
- Publication number
- CN116310280A CN116310280A CN202310173382.7A CN202310173382A CN116310280A CN 116310280 A CN116310280 A CN 116310280A CN 202310173382 A CN202310173382 A CN 202310173382A CN 116310280 A CN116310280 A CN 116310280A
- Authority
- CN
- China
- Prior art keywords
- image
- nameplate
- value
- gray
- pixel
- 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 19
- 238000012545 processing Methods 0.000 claims abstract description 15
- 238000005260 corrosion Methods 0.000 claims abstract description 14
- 230000007797 corrosion Effects 0.000 claims abstract description 14
- 238000001914 filtration Methods 0.000 claims abstract description 8
- 238000007781 pre-processing Methods 0.000 claims abstract description 4
- 230000010339 dilation Effects 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims description 4
- 230000003628 erosive effect Effects 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 3
- 206010063385 Intellectualisation Diseases 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000008961 swelling Effects 0.000 description 1
Images
Classifications
-
- 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
- G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- 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
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/14—Image acquisition
- G06V30/148—Segmentation of character regions
- G06V30/153—Segmentation of character regions using recognition of characters or words
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
- G06T2207/20032—Median filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/08—Detecting or categorising vehicles
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
本发明涉及一种基于Opencv的铭牌自动定位识别方法,采用工业相机对车辆轮廓进行拍照检测并识别车型;对工业相机获取的图像进行预处理,先对图像进行高斯滤波和中值滤波的处理,将图像的噪声去除;然后进行二值化处理,得到二值化的图像;对二值化后的图像的文字部分进行基于膨胀、腐蚀的开闭合运算,上述处理完成后便可获得n个有可能成为目标的矩形区域,即经处理后的汽车铭牌图像;最后将汽车铭牌图像中目标区域截取出来,并使用OCR模型对铭牌图像进行识别检测,获取铭牌上的信息。本发明能够自动对车辆的铭牌进行定位并且识别,能够节省人工识别成本,并且缩短识别的时间,获取铭牌上信息更为快速、准确。
Description
技术领域
本发明涉及机器视觉检测技术领域,具体涉及一种基于Opencv的铭牌自动定位识别方法。
背景技术
车辆铭牌放在车辆前部容易看到的地方。 根据车的位置,一般在副驾驶的门的下部,打开门即可查看。 车辆标牌是展示车辆基本特征的标牌。 其主要内容包括:制造商品牌、车辆型号、发动机型号、发动机排气量、发动机额定输出、车辆识别编号、总质量、载重或装载人数、出厂编号、制造年月、制造国及制造商名称等。查看出货铭牌,确保车辆的排气量和生产日期等信息,确认铭牌上是否有拧紧螺钉的痕迹和伤痕。 很多车的发货铭牌安装在不易碰撞的地方,所以一旦动了,就必须仔细查看这辆车。 另外,如果看一下行驶簿的注册日期,多半会在发货日期之后。 如果两个日期相差太多,说明这辆车是剩车,就要仔细查看车的状态。
机器视觉是人工智能正在快速发展的一个分支。简单说来,机器视觉就是用机器代替人眼来做测量和判断。机器视觉系统是通过机器视觉产品将被摄取目标转换成图像信号,传送给专用的图像处理系统,得到被摄目标的形态信息,根据像素分布和亮度、颜色等信息,转变成数字化信号;图像系统对这些信号进行各种运算来抽取目标的特征,进而根据判别的结果来控制现场的设备动作。深度学习是学习样本数据的内在规律和表示层次,这些学习过程中获得的信息对图像等数据的解释有很大的帮助。它的最终目标是让机器能够像人一样具有分析学习能力,能够识别文字、图像和声音等数据,其在语音和图像识别方面取得的效果,远远超过先前相关技术。机器视觉识别技术是移动机器人平台十分关键的技术,代表着机器人智能化、自动化及先进性的判定标准。基于机器视觉的三维物体目标的识别、检测与定位技术已经成功应用于众多工业领域中。配合着机械臂平台,以其为基础的操作系统可以完成一系列繁重复杂的工作,大大解放了人类的双手,提高了工业生产效率。作为促成这一切成果基础的机器人视觉识别技术正在逐步建立、稳定发展并一步步走向成熟。近年来,随着机器人相关技术的快速发展,其依靠的平台也快速的更新换代。之前价格较为昂贵的3D工业相机、3D图像传感器、3D扫描仪渐渐得到普及,传感器的微型化、智能化、低功耗以及高效率带来的深度图像设备价格大幅下降,随之机器视觉识别技术也越发深入且成熟。
因此,面对查看登记汽车铭牌这种具有重复性与枯燥性的工作,使用机器视觉识别技术对汽车铭牌进行自动定位检测,不仅能够使各单位应对当下日益高昂的的人工成本,也节省了时间成本,提高了准确率,具有非常重要的意义。
发明内容
本发明的目的在于自动定位汽车铭牌,节省时间成本与人力资源,提出了一种基于Opencv的铭牌自动定位识别方法。使用工业相机获取汽车铭牌部位图象,并进行二值化处理与膨胀与腐蚀的开闭合运算,最后通过OCR模型进行铭牌文字部分的识别定位。
为达到上述目的,本发明所采用的技术方案是:
一种基于Opencv的铭牌自动定位识别方法,其包括以下步骤:
步骤一、采用工业相机对车辆轮廓进行拍照检测并识别车型;
步骤二、对工业相机获取的图像进行预处理,先对图像进行高斯滤波和中值滤波的处理,将图像的噪声去除;然后进行二值化处理,得到二值化的图像;
步骤三、对二值化后的图像的文字部分进行基于膨胀、腐蚀的开闭合运算,上述处理完成后便可获得n个有可能成为目标的矩形区域,即经处理后的汽车铭牌图像;
步骤四、最后将汽车铭牌图像中目标区域截取出来,并使用OCR模型对铭牌图像进行识别检测,获取铭牌上的信息。
上述方案中,步骤二的二值化处理原理如下:
二值化把灰度图像转换成二值图像,把大于某个临界灰度值(阈值)的像素灰度设为灰度极大值(255),把小于这个值的像素灰度设为灰度极小值(0),从而实现二值化,也就是设定一个阈值valve,对于视频信号矩阵中的每一行,从左至右比较各像素值和阈值的大小,若图像灰度值大于或等于阈值,则判定该像素对应的255;反之,小于阈值的灰度值则为0。
上述方案中,步骤三的膨胀腐蚀的开闭合运算原理如下:
图像膨胀与卷积操作类似,假设有图像A和结构元素B,结构元素B在A上边移动,其中B定义其中心为锚点,计算B覆盖下A的最大像素值用来替换锚点的像素,其中B作为结构体可以是任何形状;图像腐蚀跟膨胀操作的过程类似,唯一不同的是以最小值替换锚点重叠下的像素值;开闭合运算则是对图像进行膨胀与腐蚀的先后顺序不同。
本发明与现有技术相比,具有以下有益效果:
1、本发明能够自动对车辆的铭牌进行定位并且识别,能够节省人工识别成本,并且缩短识别的时间。
2、本发明先对图象进行二值化处理并进行膨胀与腐蚀的闭合运算,再使用OCR模型对铭牌图象进行识别检测,获取铭牌上信息更为快速、准确。
附图说明
图1为工业相机拍摄原始图;
图2为经过二值化处理与膨胀腐蚀的开闭合运算后的图象;
图3为返回的铭牌定位结果;
图4为OCR模型识别结果。
具体实施方式
以下将结合附图对本发明的构思、具体结构及产生的技术效果作进一步说明,以充分地了解本发明的目的、特征和效果。
需要说明的是,在本发明的描述中,术语“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方向或位置关系的术语是基于附图所示的方向或位置关系,这仅仅是为了便于描述,而不是指示或暗示所述装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
实施例
参阅图1~4所示,一种基于Opencv的铭牌自动定位识别方法,其包括以下步骤:
步骤一、采用工业相机对车辆轮廓进行拍照检测并识别车型,对于不同的车型,分别具有不同的侧面轮廓特征,特征值选取是车型识别的依据和关键。
步骤二、对工业相机获取的图像进行预处理,先对图像进行高斯滤波和中值滤波的处理,将图像的噪声去除;然后进行二值化处理,得到二值化的图像;二值化可以把灰度图像转换成二值图像,把大于某个临界灰度值(阈值)的像素灰度设为灰度极大值(255),把小于这个值的像素灰度设为灰度极小值(0),从而实现二值化,也就是设定一个阈值valve,对于视频信号矩阵中的每一行,从左至右比较各像素值和阈值的大小,若图像灰度值大于或等于阈值,则判定该像素对应的255;反之,小于阈值的灰度值则为0。就是将图像上的像素点的灰度值设置为0或255,也就是将整个图像呈现出明显的黑白效果。二值化的所用就是将图像分成黑和白,更加有利于做图像处理判别。
步骤三、对二值化后的图像的文字部分进行基于膨胀、腐蚀的开闭合运算,上述处理完成后便可获得n个有可能成为目标的矩形区域,即经处理后的汽车铭牌图像。膨胀腐蚀的开闭合运算原理如下:
图像膨胀与卷积操作类似,假设有图像A和结构元素B,结构元素B在A上边移动,其中B定义其中心为锚点,计算B覆盖下A的最大像素值用来替换锚点的像素,其中B作为结构体可以是任何形状;图像腐蚀跟膨胀操作的过程类似,唯一不同的是以最小值替换锚点重叠下的像素值;开闭合运算则是对图像进行膨胀与腐蚀的先后顺序不同。
步骤四、最后将汽车铭牌图像中目标区域截取出来,并使用OCR模型对铭牌图像进行识别检测,即可获取铭牌上的信息。OCR模型包括分类器字符识别模型、字符模板匹配模型或深度学习模型,根据OCR模型的符合度指标值和对应的权重进行识别。
本发明能够自动对车辆的铭牌进行定位并且识别,能够节省人工识别成本,并且缩短识别的时间。先对图象进行二值化处理并进行膨胀与腐蚀的闭合运算,再使用OCR模型对铭牌图象进行识别检测,获取铭牌上信息更为快速、准确。
以上虽然结合附图描述了本发明的较佳具体实施例,但本发明不应被限制于与以上的描述和附图完全相同的结构和操作,对本技术领域的技术人员来说,在不超出本发明构思和范围的情况下通过逻辑分析、推理或者有限的实验还可对上述实施例作出许多等效改进和变化,但这些改进和变化都应属于本发明要求保护的范围。
Claims (3)
1.一种基于Opencv的铭牌自动定位识别方法,其特征在于,包括以下步骤:
步骤一、采用工业相机对车辆轮廓进行拍照检测并识别车型;
步骤二、对工业相机获取的图像进行预处理,先对图像进行高斯滤波和中值滤波的处理,将图像的噪声去除;然后进行二值化处理,得到二值化的图像;
步骤三、对二值化后的图像的文字部分进行基于膨胀、腐蚀的开闭合运算,上述处理完成后便可获得n个有可能成为目标的矩形区域,即经处理后的汽车铭牌图像;
步骤四、最后将汽车铭牌图像中目标区域截取出来,并使用OCR模型对铭牌图像进行识别检测,获取铭牌上的信息。
2.根据权利要求1所述的一种基于Opencv的铭牌自动定位识别方法,其特征在于,步骤二的二值化处理原理如下:
二值化把灰度图像转换成二值图像,把大于某个临界灰度值(阈值)的像素灰度设为灰度极大值(255),把小于这个值的像素灰度设为灰度极小值(0),从而实现二值化,也就是设定一个阈值valve,对于视频信号矩阵中的每一行,从左至右比较各像素值和阈值的大小,若图像灰度值大于或等于阈值,则判定该像素对应的255;反之,小于阈值的灰度值则为0。
3.根据权利要求1所述的一种基于Opencv的铭牌自动定位识别方法,其特征在于,步骤三的膨胀腐蚀的开闭合运算原理如下:
图像膨胀与卷积操作类似,假设有图像A和结构元素B,结构元素B在A上边移动,其中B定义其中心为锚点,计算B覆盖下A的最大像素值用来替换锚点的像素,其中B作为结构体可以是任何形状;图像腐蚀跟膨胀操作的过程类似,唯一不同的是以最小值替换锚点重叠下的像素值;开闭合运算则是对图像进行膨胀与腐蚀的先后顺序不同。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310173382.7A CN116310280A (zh) | 2023-02-28 | 2023-02-28 | 一种基于Opencv的铭牌自动定位识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310173382.7A CN116310280A (zh) | 2023-02-28 | 2023-02-28 | 一种基于Opencv的铭牌自动定位识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116310280A true CN116310280A (zh) | 2023-06-23 |
Family
ID=86786282
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310173382.7A Pending CN116310280A (zh) | 2023-02-28 | 2023-02-28 | 一种基于Opencv的铭牌自动定位识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116310280A (zh) |
-
2023
- 2023-02-28 CN CN202310173382.7A patent/CN116310280A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111179251B (zh) | 基于孪生神经网络利用模板比对的缺陷检测系统及方法 | |
CN111951237B (zh) | 外观视觉检测方法 | |
CN109141232B (zh) | 一种基于机器视觉的盘类铸件在线检测方法 | |
CN111862037A (zh) | 基于机器视觉的精密孔类零件几何特征检测方法及系统 | |
CN110543878A (zh) | 一种基于神经网络的指针仪表读数识别方法 | |
CN103020632B (zh) | 一种室内环境中移动机器人定位标志点的快速识别方法 | |
CN106897995B (zh) | 一种面向机械装配过程的零部件自动识别方法 | |
CN105160652A (zh) | 基于计算机视觉的手机外壳检验装置与方法 | |
CN101995223A (zh) | 一种芯片外观检测方法及系统 | |
CN113012098B (zh) | 一种基于bp神经网络的铁塔角钢冲孔缺陷检测方法 | |
CN112528979B (zh) | 变电站巡检机器人障碍物判别方法及系统 | |
CN115937203B (zh) | 一种基于模板匹配的视觉检测方法、装置、设备及介质 | |
CN111161237A (zh) | 一种果蔬表面质检方法及其储存介质、分拣装置 | |
CN115775246A (zh) | 一种pcb元器件缺陷检测的方法 | |
Liu et al. | Automatic detection and segmentation of laser stripes for industrial measurement | |
CN111178405A (zh) | 一种融合多种神经网络的相似物体识别方法 | |
CN113269234B (zh) | 一种基于目标检测的连接件装配检测方法和系统 | |
CN110687120A (zh) | 法兰外观质量检测系统 | |
CN114155610A (zh) | 基于上半身姿态估计的面板装配关键动作识别方法 | |
CN112109374A (zh) | 一种基于计算机视觉系统定位及控制折弯模具装卸的方法 | |
CN116486177A (zh) | 一种基于深度学习的水下目标识别分类方法 | |
CN116823708A (zh) | 基于机器视觉的pc构件边模识别与定位研究 | |
CN116310280A (zh) | 一种基于Opencv的铭牌自动定位识别方法 | |
CN116051808A (zh) | 一种基于YOLOv5的轻量化零件识别定位方法 | |
CN115631169A (zh) | 产品检测方法、装置、电子设备及存储介质 |
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 |