CN116310280A - 一种基于Opencv的铭牌自动定位识别方法 - Google Patents

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

一种基于Opencv的铭牌自动定位识别方法

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。

Images