JP4942510B2 - 車両画像認識装置およびその方法 - Google Patents
車両画像認識装置およびその方法 Download PDFInfo
- Publication number
- JP4942510B2 JP4942510B2 JP2007043722A JP2007043722A JP4942510B2 JP 4942510 B2 JP4942510 B2 JP 4942510B2 JP 2007043722 A JP2007043722 A JP 2007043722A JP 2007043722 A JP2007043722 A JP 2007043722A JP 4942510 B2 JP4942510 B2 JP 4942510B2
- Authority
- JP
- Japan
- Prior art keywords
- image
- vehicle
- recognition
- feature
- learning
- 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.)
- Expired - Fee Related
Links
Images
Landscapes
- Image Analysis (AREA)
- Closed-Circuit Television Systems (AREA)
- Traffic Control Systems (AREA)
Description
従来の車両画像識別においてSVM分類器で車両画像識別を行う場合、図1に示すように、(1)学習過程においてマニュアルで選択された車両学習サンプル1及び背景サンプル2を用いて学習を行ってSVM分類器3を生成し、しかる後、(2)識別過程において、各種の車両特徴(例えば車の下影、車の水平エッジ、車の垂直エッジ及び車の対称性などの特徴)に基づいて撮影画像から切り取られた所定画像領域ROI(関心領域:Region of Interest)4の画像に対して、(1)の学習過程で取得されているSVM類器を適用して車両の分類識別を行って結果を出力する。
"Preceding Vehicle Recognition Based on Learning From Sample Images" Takeo Kato, Yoshiki Ninomiya、and Ichiro Masaki, IEEE TRANSACTIONS ON INTELLIGENT TRANSPORTATION SYSTEMS, VOl.3, No. 4, December 2002, page 252-260 "Quantized Wavelet Features and Support Vector Machines for On-Road Vehicle Detection" Zehang Sun, George Bebis and Ronald Miller, Seventh International Conference on Control, Automation, Robotics And Vision, Dec 2002, Singapore, page 1041-1046
上記課題を解決するために、本発明はSVM分類器を用いて車両画像を認識する車両画像認識方法であり、多種類の車両認識特徴に基づいて学習サンプルを分類するステップ、前記学習サンプルの車両認識特徴に対応するSVM分類器に該学習サンプルを用いて学習させるステップ、車両画像認識を行う時、認識しようとする画像が備える特徴を抽出するステップ、該認識しようとする画像をこの特徴に対応するSVM分類器に割り当てるステップ、該SVM分類器を用いて車両画像を認識するステップを有することを特徴とする。
前記多種類の車両認識特徴は、水平線特徴、垂直線特徴、輝度、色、コントラストを含む。
前記認識しようとする画像の特徴の抽出は、認識しようとする画像の特定の領域に対して行われる。
前記認識しようとする画像が複数の車両認識特徴を有する場合、該画像を各特徴に対応する各SVM分類器に割り当てる。
学習サンプルが所定の車両認識特徴の条件を満たすか否か判断し、満たす場合には該学習サンプルを用いて該車両認識特徴に対応するSVM分類器に学習させる。
前記所定の車両認識特徴の条件は、水平エッジ数、垂直エッジ数、画像輝度、画像コントラスト、画像の色を含む。
本発明は車両画像を認識する車両画像認識装置であり、各車両認識特徴に対応して設けられ、学習サンプルの車両認識特徴によって予め学習を行う複数のSVM分類器、多種類の車両認識特徴に基づいて学習サンプルを分類し、該学習サンプルの車両認識特徴に対応するSVM分類器に該学習サンプルを割当てる割り当て手段、認識しようとする車両及び背景を撮像する撮像手段、前記撮像手段で撮像した画像より車両認識特徴を抽出して、該画像を該車両認識特徴に対応のSVM分類器に割り当てる割当手段を備え、認識しようとする画像が備える特徴に従って割り当てられた前記SVM分類器は、該認識しようとする画像の車両画像認識を行う。
(1)車両識別率を向上させることができる。
本発明は、車両サンプルの車両認識特徴に基づいて分類処理を行って学習および認識を行うことによって、複雑なサンプル分布の問題を複数の比較的に簡単なサンプル分布の問題に分解する。この結果、本発明によれば、従来の方法に比べると、車両の車両認識特徴をよりよく反映したSVM分類器を作成して画像識別でき、暗い車両に対する識別は、従来方式より明らかに改善し、全体的な識別率を大きく向上できる。
(2)リアルタイム性を向上させることができる。
本発明は、学習サンプルを該サンプルの有する車両認識特徴を用いて分類し、該車両認識特徴に対応するSVM分類器に該学習サンプルを用いて学習させる。これにより、本発明によれば、学習サンプル数を少なくでき、またサポートベクタ数を大幅に低下できる。SVM分類器が分類識別を行うための時間は主にサポートベクタ数に依存するため、その数が少なくなるほど、分類識別を行うための時間が少なくなるので、分類識別のリアルタイム性を向上できる。
(3)適応性を向上させることができる。
本発明は、学習サンプルを該サンプルの有する車両認識特徴を用いて分類し、該車両認識特徴に対応するSVM分類器に該学習サンプルを用いて学習させるため、異なる照明、天気及び道路であっても、識別率を大きく向上することができる。
本発明は、図2に示すように、複数の車両認識特徴C1〜CNに対応させて予め学習を行うSVM分類器SVM1〜SVMNを設けておく。そして、サンプル割当手段SALは車両が既知の学習サンプルSSMLを車両認識特徴により分類し、該サンプルを該車両認識特徴に対応するSVM分類器に割り当て、該SVM分類器に該学習サンプルを用いて学習させる。上記の車両認識特徴としては、たとえば、(1)水平線特徴(水平線分布あるいは水平エッジの数や位置、長さ)、(2)垂直線特徴(垂直線あるいは垂直エッジの数や位置、長さ)、(3)輝度分布、(4)色分布、(5)コントラストが考えられる。
学習は、たとえば、図3に示すように、サンプル画像から車両を含む画像領域ROIを切り取り、該ROI画像のサイズをm×mの規定サイズになるよう縮小または拡大し、該規定サイズのROI画像をラスタースキャンし、ラスタースキャン結果に基づいて特徴ベクトルを作成する。たとえば、走査線毎に所定輝度以上の画素数を表現する輝度ベクトルx=(n1,n2,…,nm)、あるいは、走査線毎に水平エッジの有無、長さを示す特徴ベクトルなどを作成する。
車両画像認識を行う際は、図4に示すように、画像割当手段IMALが、車両を含む所定画像領域ROIの画像より車両認識特徴C1〜CNを抽出して、該画像を該車両認識特徴に対応のSVM分類器SVM1〜SVMNに割り当てる。画像が割り当てられたSVM分類器は、学習結果に基づいて該認識しようとする画像の車両画像認識を行い、認識結果を出力する。たとえば、SVM分類器は所定画像領域ROIの画像に対して学習時と同様の処理を行って特徴ベクトルを作成し、この特徴ベクトルと保存してある各特徴ベクトルと比較して車両を識別する。なお、1つの画像領域ROIの画像が複数の特徴条件に合致すれば、対応の各SVM分類きに割り当て、得られた結果を判定して、識別結果を出力する。
本発明の車両画像識別装置は、図5に示すように、入力画像を取得する撮像装置10と、ノイズなどを除去する画像前処理装置11と、撮影画像から関心領域(Region of Interest) ROI、たとえば車両画像を含む所定画像領域を取得する画像分割装置12と、画像領域ROIの画像が有する車両識別特徴、例えば水平線特徴、垂直線特徴、輝度、色及びコントラストなどに基づいて、画像領域ROIの画像を所定のSVM分類器SVM1〜 SVMNに割り当てる割当装置と13、前記各種の車両識別特徴に対応する複数種のSVM分類器を備えた分類装置14と、SVM分類器の出力結果を裁定し、対応の画像領域ROIに含まれる画像が車両であるか、又は背景であるかを決定する裁定装置15と、具体的な識別結果、例えば車両又は背景を出力する出力装置16を備えている。
以下、本発明に係る車両識別特徴に従ってSVM分類器を分類し,学習させる過程を具体的に説明する。本発明の実施の形態において、輝度、コントラスト、色、水平エッジ、垂直エッジなどの特徴によって分類する方式を提案する。しかし、本発明はこれに限られなく、本発明の実施の形態は、本発明の主旨を逸脱しない範囲内に、各種の変形及び切換えを行うことができる。
図6および図7は第1実施例の学習処理フローおよび車両画像認識処理フローである。第1実施例では、はサンプル画像の水平エッジと垂直エッジの特徴を用いて対応のSVM分類器SVM7~SVM10(図6)に学習させ、画像領域ROIに含まれる画像が有する水平エッジと垂直エッジの特徴に応じたSVM分類器を用いて画像認識を行わせる場合について説明する。なお、水平エッジと垂直エッジに限らず輝度、コントラスト、色に着目して学習、識別することができることは勿論である。
認識しようとする車両又は背景には複数の水平エッジ及び垂直エッジ(水平線及び垂直線)がある。車両サンプル及び背景サンプルについて垂直線/水平線の数を抽出する方法は、差分法、境界演算子又はその他の方法があるが、本発明では、差分法で垂直線/水平線の特徴を抽出することを例として、以下に説明する。
R1領域から考察し、領域R1における第1行目について、最左の第1の画素点(着目画素点)から、第2行目における対応の画素点との階調差分演算を行い、差演算の結果dが設定値d1(ここで、例えば、8≦d1≦16と設定する)より大きければ、着目画素は明から暗になる画素点としてカウントし(Ncd=Ncd+1, Ncdの初期値はゼロ)、差演算の結果dが設定値d2(ここで、例えば、−16≦d2≦−8と設定する)より小さければ、それを暗から明になる画素点としてカウントする(Ndc=Ndc+1, Ndcの初期値はゼロ)。以後、着目行における次の画素点の差演算および上記カウントを引き続き行う。着目行における明から暗になる画素点数Ncd及び暗から明になる画素点数Ndcの最大値が設定値d3(ここで、例えば画像の1行の画素点の数の35%〜60%をd3とする)より大きければ、着目行は水平線であると認められ、それを水平線の数Nhとしてカウントし、次に領域Rk+1領域に転換して、領域R1と同様の上記処理を行って水平線の考察、カウントを行う。一方、前記の最大値が設定値d3より小さければ着目している行は水平線でないとして、領域R1の次の領域R2に変更して上記処理を繰り返す。
図9を参照すると、Regionを確定する方法は以下の通りである。サンプル画像をm行、n列とし、各行毎に下から上へ「1」から番号を付け、まず、1行目から考察し、階調値が設定値d5(例えば、4≦d5≦7と設定する)より小さい1行目の暗い画素点の数dを求め、該画素数dがある値d6(例えば、20≦d6≦50)より大きければ、着目行はサンプル画像底部の暗い領域の下エッジであると認定する。しかし、前記条件を満たさなければ、2行目から、順次に上向かってk(k=m/2)行目までを比較し、いずれも満たさなければ、d5の値を2d5に調整し、依然として満たさなければ、d5の値を3d5、…、20d5まで調整する。
分類識別時には、画像領域ROIの画像の水平特徴及び垂直特徴を判定し、該画像が水平特徴を有するのか、垂直特徴を有するのかに応じて所定のSVM分類器に割り当て、該SVM分類器は学習結果に基づいて画像認識を行う。1つの画像領域ROIが複数の特徴条件(例えば、4つの水平線、2つの垂直線を有する)を満たす場合には、それらを対応の複数のSVM分類器に割り当て、その後、得られた結果を裁定する。裁定の方法は、信頼度に基づいて判断する方法、又は投票法を含み、最終的に識別結果を出力する。信頼度に基づく方法は、垂直特徴と水平特徴のうち特徴条件を満たす程度により識別結果に重み付けして識別する。
実施例2においては、画像の輝度、あるいはコントラスト、あるいは色の特徴を用いて、対応の分類器(SVM1-SVM6)を学習させる。
図10は画像の輝度の特徴を用いて対応の分類器を学習させる処理フローである。
まず、学習サンプル画像について明、暗(輝度)を判断する。その判断方法は、画像全体の階調値の平均値又は画像における画素点の階調値を用いて行うことができる。本発明では、画像における画素点の階調値に基づいて判断を行うものであり、サンプル画像を階調図に変換し(ステップ101)、次に、階調値が設定値d8(例えば、60≦d8≦100と設定する)より小さい画素点の数を統計し(ステップ102)、前記条件を満たす画素点の数が画像全体の画素点の数に占める百分率が設定値d9(例えば0.5<d9≦0.8と設定する)より大きければ、学習サンプル画像が輝度の低いサンプルであると判定し(ステップ103,104)。さもなければ、輝度の高いサンプルであると判定する(ステップ103,105)。最後に、輝度の低いサンプルであれば低輝度に応じたSVM分類器(図6のSVM1)に学習させ(ステップ106)、輝度の高いサンプルであれば高輝度に応じたSVM分類器(SVM2)に学習させる(ステップ107)。すなわち、SVM1、SVM2は車両に対応させて輝度分布を学習し、学習結果を記憶する。
11 画像前処理手段
12 画像分割手段
13 割当手段
14 分類手段
15 裁定手段
16 出力手段
Claims (12)
- 車両画像を認識する車両画像認識方法において、
多種類の車両認識特徴に基づいて学習サンプルを分類するステップ、
前記学習サンプルの車両認識特徴に対応するSVM分類器に該学習サンプルを用いて学習させるステップ、
車両画像認識を行う時、認識しようとする画像が備える特徴を抽出するステップ、
該認識しようとする画像をこの特徴に対応するSVM分類器に割り当てるステップ、
該SVM分類器を用いて車両画像を認識するステップ、
を有することを特徴とする車両画像認識方法。 - 前記多種類の車両認識特徴は、水平線特徴、垂直線特徴、輝度、色、コントラストを含む、
ことを特徴とする請求項1記載の車両画像認識方法。 - 前記認識しようとする画像の特徴の抽出は、認識しようとする画像の特定の領域に対して行う、
ことを特徴とする請求項1に記載の車両画像認識方法。 - 認識しようとする画像は、複数の車両認識特徴を有する場合、該画像をそれぞれの特徴に対応するSVM分類器に割り当てる、
ことを特徴とする請求項1〜3記載の車両画像認識方法。 - 学習サンプルが所定の車両認識特徴の条件を満たすか否か判断し、満たす場合には該学習サンプルを用いて該車両認識特徴に対応するSVM分類器に学習させる、
ことを特徴とする請求項1〜3記載の車両画像認識方法。 - 前記所定の車両認識特徴の条件は、水平エッジ数、垂直エッジ数、画像輝度、画像コントラスト、画像の色を含む、
ことを特徴とする請求項5記載の車両画像認識方法。 - 車両画像を認識する車両画像認識装置において、
各車両認識特徴に対応して設けられ、学習サンプルの車両認識特徴によって予め学習を行う複数のSVM分類器、
多種類の車両認識特徴に基づいて学習サンプルを分類し、該学習サンプルの車両認識特徴に対応するSVM分類器に該学習サンプルを割当てる割り当て手段、
認識しようとする車両及び背景を撮像する撮像手段、
前記撮像手段で撮像した画像より車両認識特徴を抽出して、該画像を該車両認識特徴に対応のSVM分類器に割り当てる割当手段、
を備え、認識しようとする画像が備える特徴に従って割り当てられた前記SVM分類器は、該認識しようとする画像の車両画像認識を行う、
ことを特徴とする車両画像認識装置。 - 前記多種の車両認識特徴は、水平線特徴、垂直線特徴、輝度、色、コントラストを含む、
ことを特徴とする請求項7記載の車両画像認識装置。 - 前記認識しようとする画像の特徴の抽出は、認識しようとする画像の特定の領域に対して行う、
ことを特徴とする請求項7記載の車両画像認識装置。 - 認識しようとする画像が、複数の車両認識特徴を有する場合、該画像をそれぞれの特徴に対応するSVM分類器に割り当てる、
ことを特徴とする請求項7〜9記載の車両画像認識装置。 - 学習サンプルが所定の車両認識特徴の条件を満たすか否か判断し、満たす場合には該学習サンプルを用いて該車両認識特徴に対応するSVM分類器を学習させる、
ことを特徴とする請求項7〜9記載の車両画認識装置。 - 前記所定の車両認識特徴の条件は、水平エッジ数、垂直エッジ数、画像輝度、画像コントラスト、画像の色を含む、
ことを特徴とする請求項11記載の車両画像認識装置。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN200610055051.X | 2006-02-28 | ||
CN200610055051XA CN101030259B (zh) | 2006-02-28 | 2006-02-28 | Svm分类器、利用svm分类器识别车辆图像的方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2007235951A JP2007235951A (ja) | 2007-09-13 |
JP4942510B2 true JP4942510B2 (ja) | 2012-05-30 |
Family
ID=38556004
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2007043722A Expired - Fee Related JP4942510B2 (ja) | 2006-02-28 | 2007-02-23 | 車両画像認識装置およびその方法 |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP4942510B2 (ja) |
CN (1) | CN101030259B (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10395136B2 (en) | 2014-09-10 | 2019-08-27 | Canon Kabushiki Kaisha | Image processing apparatus, image processing method, and recording medium |
Families Citing this family (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5163460B2 (ja) * | 2008-12-08 | 2013-03-13 | オムロン株式会社 | 車両種別判別装置 |
CN101436252A (zh) * | 2008-12-22 | 2009-05-20 | 北京中星微电子有限公司 | 一种车辆视频图像中车身颜色识别方法及系统 |
JP5233655B2 (ja) * | 2008-12-22 | 2013-07-10 | 日本電気株式会社 | 追従対象車検索システム、追従対象車検索方法および追従対象車検索用プログラム |
CN101533559B (zh) * | 2009-04-14 | 2012-02-15 | 中国科学院计算技术研究所 | 车辆通过检测方法和道路用灯控制的方法以及相应系统 |
JP5257274B2 (ja) * | 2009-06-30 | 2013-08-07 | 住友電気工業株式会社 | 移動体検出装置、移動体検出方法及びコンピュータプログラム |
JP5388291B2 (ja) * | 2009-09-14 | 2014-01-15 | 住友電気工業株式会社 | 識別器生成方法、コンピュータプログラム、識別器生成装置及び所定物体検出装置 |
CN101763505B (zh) * | 2009-12-29 | 2011-12-07 | 重庆大学 | 基于投影对称性的车牌字符特征提取及分类方法 |
CN101937507B (zh) * | 2010-09-14 | 2012-06-27 | 南京信息工程大学 | 一种低对比度车辆图像的小波特征提取方法 |
JP5423631B2 (ja) * | 2010-09-24 | 2014-02-19 | 株式会社デンソー | 画像認識装置 |
CN102043945B (zh) * | 2010-11-23 | 2013-01-30 | 聊城大学 | 基于车辆实时跟踪和二进指数分类车牌字符识别的方法 |
CN102651075B (zh) * | 2011-02-28 | 2014-04-16 | 中兴智能交通(无锡)有限公司 | 车辆识别模型训练方法、车辆识别方法及装置 |
CN102630033A (zh) * | 2012-03-31 | 2012-08-08 | 彩虹集团公司 | 一种基于动态物体检测2d 转3d 的方法 |
CN102800199A (zh) * | 2012-05-24 | 2012-11-28 | 武汉中科通达高新技术有限公司 | 一种基于智能相机的车身颜色识别系统 |
KR101739163B1 (ko) * | 2013-02-21 | 2017-06-08 | 주식회사 만도 | 차량 카메라의 영상 보정 방법 및 이를 이용하는 영상 처리 장치 |
CN104149729B (zh) * | 2013-05-13 | 2017-07-21 | 上海汽车集团股份有限公司 | 识别行驶车辆周围障碍物的方法及系统 |
US9683836B2 (en) * | 2013-08-09 | 2017-06-20 | Conduent Business Services, Llc | Vehicle classification from laser scanners using fisher and profile signatures |
US20160342861A1 (en) * | 2015-05-21 | 2016-11-24 | Mitsubishi Electric Research Laboratories, Inc. | Method for Training Classifiers to Detect Objects Represented in Images of Target Environments |
JP6208789B2 (ja) * | 2016-02-17 | 2017-10-04 | 株式会社メガチップス | 直線検出装置および直線検出方法 |
CN106250838A (zh) * | 2016-07-27 | 2016-12-21 | 乐视控股(北京)有限公司 | 车辆识别方法及系统 |
TWI640964B (zh) * | 2017-08-17 | 2018-11-11 | National Applied Research Laboratories | 以影像為基礎之車輛計數與分類系統 |
CN108804995B (zh) * | 2018-03-23 | 2019-04-16 | 新昌县夙凡软件科技有限公司 | 盥洗设备分布图像识别平台 |
CN109635664A (zh) * | 2018-11-15 | 2019-04-16 | 珠海研果科技有限公司 | 一种基于光照检测的疲劳驾驶检测方法 |
CN110796862B (zh) * | 2019-11-05 | 2021-09-07 | 西南交通大学 | 一种基于人工智能的高速公路交通状况检测系统及方法 |
WO2024013933A1 (ja) * | 2022-07-14 | 2024-01-18 | 日本電気株式会社 | 映像処理システム、映像処理装置及び映像処理方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH08138036A (ja) * | 1994-11-11 | 1996-05-31 | Nissan Motor Co Ltd | 先行車両認識装置 |
JP2001005979A (ja) * | 1999-06-21 | 2001-01-12 | Toyota Central Res & Dev Lab Inc | 識別関数学習装置及び車両検出装置 |
JP4205825B2 (ja) * | 1999-11-04 | 2009-01-07 | 本田技研工業株式会社 | 対象物認識装置 |
JP2003216953A (ja) * | 2002-01-22 | 2003-07-31 | Kitakyushu Foundation For The Advancement Of Industry Science & Technology | 画像から対象物を抽出する方法およびその装置 |
JP4575917B2 (ja) * | 2003-06-30 | 2010-11-04 | 本田技研工業株式会社 | 構成要素に基づいて構成された物体を識別するシステムを訓練するシステム、方法及びプログラム |
-
2006
- 2006-02-28 CN CN200610055051XA patent/CN101030259B/zh not_active Expired - Fee Related
-
2007
- 2007-02-23 JP JP2007043722A patent/JP4942510B2/ja not_active Expired - Fee Related
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10395136B2 (en) | 2014-09-10 | 2019-08-27 | Canon Kabushiki Kaisha | Image processing apparatus, image processing method, and recording medium |
Also Published As
Publication number | Publication date |
---|---|
CN101030259A (zh) | 2007-09-05 |
JP2007235951A (ja) | 2007-09-13 |
CN101030259B (zh) | 2011-10-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP4942510B2 (ja) | 車両画像認識装置およびその方法 | |
CN110678901B (zh) | 信息处理设备、信息处理方法和计算机可读存储介质 | |
CN107609549B (zh) | 一种自然场景下证件图像的文本检测方法 | |
CN108985186B (zh) | 一种基于改进YOLOv2的无人驾驶中行人检测方法 | |
CN109740595B (zh) | 一种基于机器视觉的斜向车辆检测与跟踪系统及方法 | |
Al-Ghaili et al. | Vertical-edge-based car-license-plate detection method | |
US20220172348A1 (en) | Information processing device, information processing method, and storage medium | |
CN105046196B (zh) | 基于级联卷积神经网络的前车车辆信息结构化输出方法 | |
CN110210475B (zh) | 一种非二值化和边缘检测的车牌字符图像分割方法 | |
CN105809184B (zh) | 一种适用于加油站的车辆实时识别跟踪与车位占用判断的方法 | |
KR101403876B1 (ko) | 차량 번호판 인식 방법과 그 장치 | |
CN110766017B (zh) | 基于深度学习的移动终端文字识别方法及系统 | |
CN110766020A (zh) | 一种面向多语种自然场景文本检测与识别的系统及方法 | |
Khalifa et al. | Malaysian Vehicle License Plate Recognition. | |
Lee et al. | License plate detection using local structure patterns | |
CN107315990B (zh) | 一种基于xcs-lbp特征的行人检测算法 | |
Nguwi et al. | Automatic road sign recognition using neural networks | |
Atikuzzaman et al. | Vehicle number plate detection and categorization using cnns | |
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 | |
CN111666811A (zh) | 一种提取交通场景图像中交通标志牌区域方法及系统 | |
Fernando et al. | Automatic road traffic signs detection and recognition using ‘You Only Look Once’version 4 (YOLOv4) | |
Hommos et al. | Hd Qatari ANPR system | |
JP6377214B2 (ja) | テキスト検出方法および装置 | |
CN107341456B (zh) | 一种基于单幅户外彩色图像的天气晴阴分类方法 | |
He et al. | Combining global and local features for detection of license plates in video |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20090929 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20101126 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20110816 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20110830 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20111027 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20120228 |
|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20120228 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 4942510 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20150309 Year of fee payment: 3 |
|
LAPS | Cancellation because of no payment of annual fees |