TWI592905B - 用來進行牌照偵測之方法與裝置 - Google Patents

用來進行牌照偵測之方法與裝置 Download PDF

Info

Publication number
TWI592905B
TWI592905B TW105109985A TW105109985A TWI592905B TW I592905 B TWI592905 B TW I592905B TW 105109985 A TW105109985 A TW 105109985A TW 105109985 A TW105109985 A TW 105109985A TW I592905 B TWI592905 B TW I592905B
Authority
TW
Taiwan
Prior art keywords
image
edge
pixels
window
gradient
Prior art date
Application number
TW105109985A
Other languages
English (en)
Other versions
TW201734950A (zh
Inventor
曾建中
Original Assignee
聯詠科技股份有限公司
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 聯詠科技股份有限公司 filed Critical 聯詠科技股份有限公司
Priority to TW105109985A priority Critical patent/TWI592905B/zh
Priority to CN201610250966.XA priority patent/CN107292303B/zh
Priority to US15/183,817 priority patent/US9858493B2/en
Application granted granted Critical
Publication of TWI592905B publication Critical patent/TWI592905B/zh
Publication of TW201734950A publication Critical patent/TW201734950A/zh

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
    • G06V20/63—Scene text, e.g. street names
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G06V10/457—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by analysing connectivity, e.g. edge linking, connected component analysis or slices
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
    • G06V10/469—Contour-based spatial representations, e.g. vector-coding
    • G06V10/473—Contour-based spatial representations, e.g. vector-coding using gradient analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
    • G06V20/625—License plates
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Description

用來進行牌照偵測之方法與裝置
本發明係有關於影像辨識，尤指一種用來進行牌照偵測(Registration Plate Detection)之方法與裝置。
交通工具牌照(Vehicle Registration Plate)，或稱為牌照(Registration Plate)，係為具有號碼、及/或字母的牌子，且可固定於交通工具上，以供用於該些交通工具之官方辨識(Official Identification)，其中該些交通工具的例子可包含(但不限於)汽車、機車、與船舶，而該些交通工具牌照的例子可包含(但不限於)許可牌照(License Plate)、與號碼牌照(Number Plate)。依據相關技術，為了進行牌照辨識，多個傳統的牌照偵測方法逐一地被提出，以偵測牌照在影像中的位置，而對應的牌照偵測機制可做為牌照辨識過程中之第一步運行的單元，它的好壞決定了後續牌照辨識運作是否能有效的辨認出牌照，然而，某些問題諸如一些副作用就產生了。例如：該些傳統的牌照偵測方法中之一者可以快速地進行牌照偵測運作，但是其牌照偵測結果常受到外在環境光線的變化所影響，故其牌照偵測正確度不高，這導致最終的牌照辨識正確度不高，以致不適合真實的應用，諸如停車場管理。又例如：為了提昇牌照偵測正確度以及適應外在環境光線的變化，該些傳統的牌照偵測方法中之另一者需要相當複雜的運算，故其牌照偵測速度極低，這導致整體的牌照辨識速度極低。如此，該些傳統的牌照偵測方法通常無法兼顧牌照偵測正確度以及牌照偵測速度。
由以上可知，該些傳統的牌照偵測方法無法妥善地滿足使用者的需 要，也無法同時解決各種問題。因此，需要一種新穎的方法與對應的架構，以在沒有副作用的狀況下來妥善地進行牌照偵測。
本發明之一目的在於提供一種用來進行牌照偵測之方法與裝置，以解決上述問題。
本發明之一目的在於提供一種用來進行牌照偵測之方法與裝置，以在沒有副作用(諸如不高的牌照辨識正確度、或極低的牌照辨識速度)的狀況下來妥善地進行牌照辨識。
本發明之一目的在於提供一種用來進行牌照偵測之方法與裝置，以快速地且正確地進行牌照偵測，以供進一步應用，其中該些應用的例子可包含(但不限於)牌照辨識與距離偵測，而對應的應用場景(Scenario)的例子可包含(但不限於)停車場管理、監視(Surveillance)系統管理、自動駕駛、與車輛碰撞警示。
本發明之較佳實施例中提供一種用來進行牌照偵測之方法，其中該方法可包含：對一輸入影像中之一預定區域的影像資料進行影像處理，以產生一邊緣影像；以及依據該邊緣影像以及該預定區域之該些影像資料，進行牌照偵測，以於該預定區域中決定一牌照影像(Registration Plate Image)之位置，以供進行對應於牌照偵測之一後處理(Post-processing)。例如，進行該影像處理之步驟可另包含：對該預定區域的影像資料進行梯度計算(Gradient Calculation)，以產生一梯度影像(Gradient Image)，其中該梯度影像包含該預定區域的梯度資料；對該預定區域的該些梯度資料進行邊緣門檻值估測(Edge Threshold Estimation)，以透過一組疊代計算(Iterative Calculation)來更新一邊緣門檻值(Edge Threshold)；以及依據該邊緣門檻值以及該預定區域之選擇性梯度資料， 產生該邊緣影像。例如，進行該影像處理之步驟可包含：依據該邊緣門檻值以及一選擇性濾波器(Selective Filter)對該預定區域之該些影像資料進行處理，以產生該邊緣影像，其中該選擇性濾波器可用來對該預定區域之該些影像資料進行選擇性濾波(Selective Filtering)，以產生一選擇性濾波梯度影像，其中該選擇性濾波梯度影像包含該預定區域之該些選擇性梯度資料。本發明之某些實施例提供一種用來依據上述方法進行牌照偵測之裝置，其中上述用來依據上述方法進行牌照偵測之裝置可包含一電子裝置之至少一部分(例如一部分或全部)。
本發明之較佳實施例中提供一種用來進行牌照偵測之裝置，其中上述用來進行牌照偵測之裝置可包含一電子裝置之至少一部分(例如一部分或全部)。例如：上述用來進行牌照偵測之裝置可包含一處理電路，而該處理電路可用來控制該裝置之運作，其中該處理電路包含一影像處理模組與一牌照偵測模組，且該影像處理模組包含一梯度影像產生單元(Gradient Image Creation Unit)與一邊緣門檻值估測單元(Edge Threshold Estimation Unit)。另外，該影像處理模組可用來對一輸入影像中之一預定區域的影像資料進行影像處理，以產生一邊緣影像。例如：該梯度影像產生單元可用來對該預定區域的影像資料進行梯度計算，以產生一梯度影像，其中該梯度影像包含該預定區域的梯度資料；並且，該邊緣門檻值估測單元可用來對該預定區域的該些梯度資料進行邊緣門檻值估測，以透過一組疊代計算來更新一邊緣門檻值，其中該影像處理模組可依據該邊緣門檻值以及該預定區域之選擇性梯度資料，產生該邊緣影像。例如，該影像處理模組可依據該邊緣門檻值以及一選擇性濾波器對該預定區域之該些影像資料進行處理，以產生該邊緣影像，其中該選擇性濾波器可用來對該預定區域之該些影像資料進行選擇性濾波，以產生一選擇性濾波梯度影像，其中該選擇性濾波梯度影像包含該預定區域之該些選擇性梯度資料。此外，該牌照偵測模組可用來依據該邊緣影像以及該預定區域之該些影像資料，進行牌照偵 測，以於該預定區域中決定一牌照影像之位置，以供進行對應於該牌照影像之一後處理。
本發明的好處之一是，本發明之方法與裝置能提昇牌照偵測的效能。另外，相較於相關技術，本發明之方法與裝置能在較少副作用(或沒有副作用)之狀況下提昇整個電子裝置之效能。尤其是，依據本發明之方法與裝置所實現的電子裝置不會有整個硬體架構過大的問題、也不會有整個硬體架構過於複雜的問題、更不會有等待時間過長的問題。
100‧‧‧用來進行牌照偵測之裝置
105‧‧‧處理電路
108‧‧‧輸入影像
109‧‧‧預定區域之參數
110‧‧‧影像處理模組
112‧‧‧影像大小正規化單元
114‧‧‧梯度影像產生單元
116‧‧‧邊緣門檻值估測單元
118‧‧‧Y方向邊緣影像產生單元
120‧‧‧牌照偵測模組
122‧‧‧邊緣型滑動同心視窗影像產生單元
124‧‧‧連通元件標記單元
126‧‧‧候選牌照決定單元
129‧‧‧牌照影像之位置參數
200‧‧‧用來進行牌照偵測之方法
210‧‧‧進行影像處理以產生邊緣影像之步驟
212‧‧‧進行梯度計算以產生梯度影像之步驟
213‧‧‧進行邊緣門檻值估測以透過疊代計算來更新邊緣門檻值之步驟
214‧‧‧依據邊緣門檻值及選擇性濾波器進行處理以產生邊緣影像之步驟
220‧‧‧進行該牌照偵測之步驟
AE,AR‧‧‧內視窗
BE,BR‧‧‧外視窗
CC‧‧‧連通元件資料
EI‧‧‧邊緣影像
GI‧‧‧梯度影像
RI‧‧‧重調影像
SCWI‧‧‧滑動同心視窗影像
TH‧‧‧邊緣門檻值
WE‧‧‧一組邊緣型滑動同心視窗
WR‧‧‧一組灰階型滑動同心視窗
x1,y1‧‧‧內視窗參數
x2,y2‧‧‧外視窗參數
ωE‧‧‧邊緣度
ωR‧‧‧對比度
第1圖為依據本發明一第一實施例之一種用來進行牌照偵測(Registration Plate Detection)之裝置的示意圖。
第2圖繪示第1圖所示之影像處理模組於一實施例中所涉及之實施細節。
第3圖繪示第1圖所示之牌照偵測模組於一實施例中所涉及之實施細節。
第4圖為依據本發明一實施例之一種用來進行牌照偵測之方法的流程圖。
第5圖繪示第4圖所示方法於一實施例中所涉及之一梯度影像(Gradient Image)。
第6圖繪示第4圖所示方法於一實施例中所涉及之一選擇性濾波器(Selective Filter)。
第7圖繪示第4圖所示方法於一實施例中所涉及之一邊緣影像。
第8圖繪示第4圖所示方法於一實施例中所涉及之一強邊緣(Strong Edge)控制方案。
第9圖繪示第4圖所示方法於一實施例中所涉及之一滑動同心視窗(Sliding Concentric Window,SCW)影像。
第1圖為依據本發明一第一實施例之一種用來進行牌照偵測(Registration Plate Detection)之裝置100的示意圖。裝置100包含一電子裝置之至少一部分(例如：一部分或全部)。例如：裝置100可包含該電子裝置之一控制電路，諸如以一積體電路(Integrated Circuit,IC)來實現之控制電路。又例如：裝置100可包含該電子裝置之全部，諸如該電子裝置本身。又例如：裝置100可為包含該電子裝置之一系統，諸如一計算機系統。該電子裝置的例子可包含(但不限於)：個人電腦(Personal Computer)、停車場管理系統之主機(Host Device)、監視(Surveillance)系統之主機、自動駕駛系統之主機、與車輛碰撞警示系統之主機。
如第1圖所示，上述用來進行牌照偵測之裝置100可包含一處理電路105，而處理電路105可用來控制裝置100之運作，其中處理電路105包含一影像處理模組110與一牌照偵測模組120。依據本實施例，處理電路105可包含至少一處理器(諸如一個或多個處理器)以及上述之至少一處理器之週邊(Peripheral)電路，而上述之至少一處理器可執行至少一程式模組，諸如複數個程式模組。例如：該複數個程式模組可包含影像處理模組110與牌照偵測模組120。這只是為了說明的目的而已，並非對本發明之限制。依據某些實施例，處理電路105可實施成一客製化電路諸如一特殊應用積體電路(Application-Specific Integrated Circuit,ASIC)，而影像處理模組110與牌照偵測模組120可為該客製化電路中之子電路。
另外，影像處理模組110可對一輸入影像108中之一預定區域的影像資料進行影像處理，以產生一邊緣影像EI，其中該預定區域之參數109可指出該預定區域於輸入影像108中之位置。例如：輸入影像108可包含暫存於一數位影像緩衝器(Digital Image Buffer)中之影像資料，諸如灰階(Gray-level)影像資 料，而該預定區域可為該電子裝置的使用者所指定之一有興趣區域(Region of Interest,ROI)、或可由其它演算法基於輸入影像108動態地決定、或可被直接指定為整張影像的範圍。此外，牌照偵測模組120可依據邊緣影像EI以及該預定區域之該些影像資料，進行牌照偵測，以於該預定區域中決定一牌照影像(Registration Plate Image)之位置，以供進行對應於該牌照影像之一後處理(Post-processing)，其中該牌照影像之位置參數129可指出該牌照影像於該預定區域中之相對位置。例如：該牌照影像之位置參數129可被輸出至一後處理電路，以便進行該後處理。這只是為了說明的目的而已，並非對本發明之限制。依據某些實施例，該後處理電路可內建於處理電路105。例如：該後處理電路可利用該複數個程式模組中之一後處理模組來實施，其中該後處理模組可執行於上述之至少一處理器。又例如：該後處理電路可實施成該客製化電路中之一子電路。
第2圖繪示第1圖所示之影像處理模組110於一實施例中所涉及之實施細節。影像處理模組110可包含一影像大小正規化單元(Image Size Normalization Unit)112、一梯度影像產生單元(Gradient Image Creation Unit)114、一邊緣門檻值估測單元(Edge Threshold Estimation Unit)116與一特定方向邊緣影像產生單元(Specific-direction-edge Image Creation Unit)諸如一Y方向邊緣影像產生單元118。例如：在影像處理模組110為該複數個程式模組中之一程式模組的狀況下，第2圖所示之該些單元112、114、116與118可為此程式模組中之子模組。又例如：在影像處理模組110為該客製化電路中之一子電路的狀況下，第2圖所示之該些單元112、114、116與118可為此子電路中之內部電路。
第3圖繪示第1圖所示之牌照偵測模組120於一實施例中所涉及之實施細節。牌照偵測模組120可包含一滑動同心視窗影像產生單元(Sliding Concentric Window Image Creation Unit,SCW Image Creation Unit)諸如一邊緣型 滑動同心視窗影像產生單元(Edge-based Sliding Concentric Window Image Creation Unit,EBSCW Image Creation Unit，可簡稱為「EBSCW影像產生單元」)122、一連通元件標記單元(Connected Component Labeling Unit)124與一候選牌照決定單元(Candidate Registration Plate Decision Unit)126。例如：在牌照偵測模組120為該複數個程式模組中之一程式模組的狀況下，第3圖所示之該些單元122、124與126可為此程式模組中之子模組。又例如：在牌照偵測模組120為該客製化電路中之一子電路的狀況下，第3圖所示之該些單元122、124與126可為此子電路中之內部電路。
第4圖為依據本發明一實施例之一種用來進行牌照偵測之方法200的流程圖。方法200可應用於第1圖所示之裝置100，亦可應用於第1圖所示之處理電路105。該方法可說明如下。
於步驟210中，影像處理模組110可對輸入影像108(諸如一灰階影像)中之該預定區域的該些影像資料進行影像處理，以產生邊緣影像EI。例如：影像大小正規化單元112可從輸入影像108取得輸入影像108中之該預定區域之該些影像資料，以供梯度影像產生單元114、Y方向邊緣影像產生單元118或牌照偵測模組120之進一步使用，其中輸入影像108中之該預定區域可代表一重調影像(Resized Image)RI，且該預定區域之該些影像資料可為重調影像RI的像素值。
請注意，重調影像RI可取自輸入影像108中之該預定區域，且可包含輸入影像108之至少一部分(例如一部分或全部)。典型狀況下，該預定區域可以是輸入影像108的一部分，亦即，重調影像RI可以是輸入影像108的一部分。由於重調影像RI和輸入影像108可具有相同數量的每英寸點數(Dot Per Inch,DPI)，且由於重調影像RI在典型狀況下可以是輸入影像108的一部分，故重調影像RI可比輸入影像108小。這只是為了說明的目的而已，並非對本發明之限制。依據某些實施例，該預定區域可以是輸入影像108的全部，亦即，重調影像RI可 以是輸入影像108的全部。此狀況下，重調影像RI可和輸入影像108有相同的大小。
於步驟212中，梯度影像產生單元114可對該預定區域的該些影像資料進行梯度計算(Gradient Calculation)，以產生一梯度影像(Gradient Image)GI，其中梯度影像GI包含該預定區域的梯度資料，其中該些梯度資料係為該些梯度計算之計算結果。例如：梯度影像GI可包含對應於該預定區域之複數個像素，且該預定區域的該些梯度資料可用來作為梯度影像GI中之該複數個像素之灰階，以呈現該預定區域之該些影像資料(即重調影像RI)的梯度變化。
於步驟213中，邊緣門檻值估測單元116可對該預定區域的該些梯度資料進行邊緣門檻值估測(Edge Threshold Estimation)，以透過一組疊代計算(Iterative Calculation)來更新一邊緣門檻值(Edge Threshold)TH。例如：藉助於藉由利用該組疊代計算所更新後之邊緣門檻值TH，影像處理模組110可適應性地(Adaptively)產生最適合的邊緣影像EI，尤其是最適合牌照偵測模組120中之該EBSCW影像產生單元122的相關運作之邊緣影像EI。於是，裝置100可具備極高的牌照辨識正確度與極高的牌照辨識速度。
於步驟214中，特定方向邊緣影像產生單元諸如該Y方向邊緣影像產生單元118可依據(邊緣門檻值估測單元116所更新後之)邊緣門檻值TH以及一選擇性濾波器(Selective Filter)對該預定區域之該些影像資料(即重調影像RI)進行處理，以產生邊緣影像EI。例如：特定方向邊緣影像產生單元諸如該Y方向邊緣影像產生單元118可先利用該選擇性濾波器對重調影像RI進行濾波以產生一選擇性濾波梯度影像，其中該選擇性濾波梯度影像包含該預定區域之選擇性梯度資料，諸如重調影像RI之Y方向梯度資料。
於步驟220中，牌照偵測模組120可依據邊緣影像EI以及該預定區域之該些影像資料(即重調影像RI)，進行牌照偵測，以於該預定區域中決定該牌 照影像之位置，以供進行對應於該牌照影像之該後處理。例如：於進行牌照偵測之過程中，牌照偵測模組120可利用該EBSCW影像產生單元122找出較強邊緣(Stronger Edge)所在之處，以在該些較強邊緣所在之處找出高對比之處，藉此找出最適合的資料以供元件標記單元124進行元件標記，其中候選牌照決定單元126可依據元件標記結果找出該牌照影像之該位置。關於牌照偵測之進一步實施細節可於後續某些實施例中說明。
另外，該後處理的例子可包含(但不限於)：先進駕駛輔助系統(Advanced Driver Assistance Systems，可簡稱為「ADAS」)之多個功能項目中之停與走(Stop-and-Go)功能之停與走處理、在該些ADAS功能項目中之向前碰撞警示(Forward Collision Warning,FCW)功能之向前碰撞警示處理、字元分割(Character Segmentation,CS)處理以及光學字元辨識(Optical Character Recognition,OCR)處理。例如：針對該停與走功能，依據方法200所實現之該停與走處理可偵測綠燈後車輛未啟動或未前進，並且提醒駕駛人繼續駕駛。又例如：針對該向前碰撞警示功能，當車輛靠太近時，傳統的方法無法偵測該車輛與前車之間的實際距離，但依據方法200所實現之該向前碰撞警示處理可用車牌大小推估距離，來解決該傳統的方法的問題。又例如：依據方法200所實現之該字元分割處理及/或該光學字元辨識處理可進行車牌辨識，以實現監視系統之錄影監控產品中之全天候進出車輛的車牌辨識功能。
第5圖繪示第4圖所示方法200於一實施例中所涉及之一梯度影像，其中第5圖所示之該梯度影像可作為梯度影像GI之一例。例如：在該電子裝置是上述停車場管理系統之主機的狀況下，輸入影像108可為某交通工具諸如一機器腳踏車(以下簡稱為機車)的影像，尤其是由此機車的後面所拍攝之一灰階影像，而此機車正停在一停車場之入口的閘門之前，其中裝置100可容許使用者設定一組正規化參數，以將該預定區域預先定義為對準該停車場之入口的閘門位置的 區域、並且排除背景中不予納入考慮的部分。又例如：在該電子裝置是上述自動駕駛系統之主機的狀況下，輸入影像108可為某交通工具諸如一機車的影像，尤其是由此機車的後面所拍攝之一灰階影像，而此機車正在位於使用者所駕駛的車輛之前方，其中裝置100可容許使用者設定一組正規化參數，以將該預定區域預先定義為對準使用者所駕駛的車輛之前方之一固定距離、並且排除背景中不予納入考慮的部分。不論上列之哪一者被用來作為該電子裝置的例子，雖然攝影機所拍攝之目標物件會變化，影像大小正規化單元112所取得之重調影像RI中之目標物件(例如上述機車)之大小會保持一致。依據某些實施例，影像大小正規化單元112基於該組正規化參數所進行之正規化處理，可適用於具備不同解析度的不同的攝影機。在某些實施例中，該交通工具不限於以機車為例。該交通工具的例子可以包含(但不限於)：機車、汽車、船舶...等，及任何其它類型的交通工具。
依據本實施例，梯度影像產生單元114可計算重調影像RI中之每一像素之X方向梯度(X-direction Gradient)△x與Y方向梯度(Y-direction Gradient)△y，並可依據下列方程式計算重調影像RI中之該每一像素之梯度大小(Magnitude of Gradient)： 其中符號「G」代表重調影像RI中之該每一像素之梯度大小。於取得重調影像RI中之該每一像素之梯度大小G之後，梯度影像產生單元114可依據重調影像RI中之全部像素之梯度大小{G}中之最大值與最小值，將該些全部像素之梯度大小{G}正規化至區間[0,255]的範圍(例如：正規化成為落入區間[0,255]的範圍之整數)，以產生正規化後之梯度大小，以作為梯度影像GI中之該複數個像素的像素值。於是，梯度影像GI可具有複數個灰階，諸如落入區間[0,255]的範圍之灰階。
為了便於理解，第5圖提供了實景照片之梯度影像作為例子。請注意，雖然第5圖所示之該梯度影像係以黑、白印刷以符合某些申請格式要求，這並非對本發明之限制。另外，依據某些實施例，諸如第5圖所示之實施例，梯度影像GI和重調影像RI可具有相同數量的每英寸點數，且可具有相同的大小，其中梯度影像GI中之該複數個像素分別對應於重調影像RI中之相對應像素，也對應於輸入影像108中之該預定區域中之相對應像素。這只是為了說明的目的而已，並非對本發明之限制。
依據某些實施例，一極端像素比率(Ratio of Extreme Pixel)可代表梯度影像GI之一個二值化(Binarized)版本當中具有一共同極端灰階(Common Extreme Gray Level)的一組極端像素的數量對該二值化版本中之像素的總數之比率。另外，於該組疊代計算之過程中，該極端像素比率可逐步地逼近(Approach)一預定比率(Predetermined Ratio)，且邊緣門檻值TH可隨著該極端像素比率之變化而變化。例如：該共同極端灰階可為一最大灰階諸如灰階255，該組極端像素可為白像素，且該極端像素比率可為一白像素比率(Ratio of White Pixel)。又例如：該共同極端灰階可為一最小灰階諸如灰階0，該組極端像素可為黑像素，且該極端像素比率可為一黑像素比率(Ratio of Black Pixel)。
依據某些實施例，該極端像素比率可依據下列方程式來決定：R=Gnum/Anum；其中，符號「R」代表該極端像素比率，符號「Gnum」代表該組極端像素的該數量，且符號「Anum」代表該二值化版本中之該些像素的該總數。由於該二值化版本係藉由二值化(Binarize)梯度影像GI而產生，故總數Anum等於梯度影像GI中之該複數個像素的總數。
尤其是，該組疊代計算可依據下列方程式來進行：Te(k+1)=Te(k)*(R(k)/Rc)* b； 其中，符號「Te」代表邊緣門檻值TH之暫時版本(或候選值)，符號「k」代表該組疊代計算之一疊代索引(Iteration Index)，符號「Rc」代表該預定比率，且符號「b」代表一預定常數。例如：該組疊代計算可包含一第一疊代計算。在對該預定區域的該些梯度資料進行該邊緣門檻值估測以透過該組疊代計算來更新邊緣門檻值TH之過程中，邊緣門檻值估測單元116可依據邊緣門檻值TH之一初始版本Te(0)(其可為一預定常數)以及該預定區域之該些梯度資料(即梯度影像GI)，產生一第一估測邊緣影像EEI(1)，其中第一估測邊緣影像EEI(1)之任一像素EEI(1)x,y可計算如下：若GIx,y<Te(0)，則EEI(1)x,y=0；否則，EEI(1)x,y=255。上列符號「GIx,y」代表梯度影像GI中之該複數個像素之一者，諸如梯度影像GI當中對應於上述任一像項素EEI(1)x,y之一原始像素。另外，邊緣門檻值估測單元116可依據第一估測邊緣影像EEI(1)，進行該第一疊代計算，以產生邊緣門檻值TH之一第一暫時版本Te(1)，藉此邊緣門檻值TH被更新為第一暫時版本Te(1)，其中第一估測邊緣影像EEI(1)可為該二值化版本之一例。例如，該第一疊代計算可於k=0的狀況下進行如下：Te(1)=Te(0)*(R(0)/Rc)* b；其中R(0)=Gnum(0)/Anum，且符號「Gnum(0)」代表第一估測邊緣影像EEI(1)中之該組極端像素的該數量。
請注意，當對應於該組疊代計算之至少一預定條件被滿足時，邊緣門檻值TH可被更新為邊緣門檻值TH之一最終版本THFINAL。另外，於步驟214中，特定方向邊緣影像產生單元諸如該Y方向邊緣影像產生單元118可依據邊緣門檻值TH之最終版本THFINAL以及該預定區域及該選擇性濾波器對該預定區域之重調影像RI進行處理，以產生邊緣影像EI。
於該第一疊代計算已完成之後，若對應於該組疊代計算之上述至少一預定條件被滿足，則邊緣門檻值估測單元116可輸出第一暫時版本Te(1)(其可作為最終版本THFINAL之一例)，以供該特定方向邊緣影像產生單元諸如該Y方向邊緣影像產生單元118使用；否則，於該第一疊代計算已完成之後，該第一疊代計算之至少一後續疊代計算可被繼續執行，直到對應於該組疊代計算之上述至少一預定條件被滿足。例如：該組疊代計算可包含一第二疊代計算。在對該預定區域的該些梯度資料進行該邊緣門檻值估測以透過該組疊代計算來更新邊緣門檻值TH之過程中，邊緣門檻值估測單元116可依據邊緣門檻值TH之第一暫時版本Te(1)以及該預定區域之該些梯度資料(即梯度影像GI)，產生一第二估測邊緣影像EEI(2)，其中第二估測邊緣影像EEI(2)之任一像素EEI(2)x,y可計算如下：若GIx,y<Te(1)，則EEI(2)x,y=0；否則，EEI(2)x,y=255。上列符號「GIx,y」代表梯度影像GI中之該複數個像素之一者，諸如梯度影像GI當中對應於上述任一像項素EEI(2)x,y之一原始像素。另外，邊緣門檻值估測單元116可依據第二估測邊緣影像EEI(2)，進行該第二疊代計算，以產生邊緣門檻值TH之一第二暫時版本Te(2)，藉此邊緣門檻值TH被更新為第二暫時版本Te(2)，其中第二估測邊緣影像EEI(2)可為該二值化版本之一例。例如，該第二疊代計算可於k=1的狀況下進行如下：Te(2)=Te(1)*(R(1)/Rc)* b；其中R(1)=Gnum(1)/Anum，且符號「Gnum(1)」代表第二估測邊緣影像EEI(2)中之該組極端像素的該數量。
於該第二疊代計算已完成之後，若對應於該組疊代計算之上述至少一預定條件被滿足，則邊緣門檻值估測單元116可輸出第二暫時版本Te(2)(其亦可作為最終版本THFINAL之一例)，以供該特定方向邊緣影像產生單元諸如該Y方 向邊緣影像產生單元118使用；否則，於該第二疊代計算已完成之後，該第二疊代計算之至少一後續疊代計算可被繼續執行，直到對應於該組疊代計算之上述至少一預定條件被滿足。依此類推。
依據某些實施例，上述至少一預定條件可包含下列終止標準(Termination Criterion)中之至少一者：(a).ABS(Rc-R(k))<Gamma；以及(b).k大於或等於一預定最大次數；其中符號「ABS( )」代表絕對值，且符號「Gamma」代表一預定參數。例如：當終止標準(a)、(b)中之任一者被滿足時，邊緣門檻值估測單元116可輸出最新的暫時版本Te(k+1)(其亦可作為最終版本THFINAL之一例)，以供該特定方向邊緣影像產生單元諸如該Y方向邊緣影像產生單元118使用。
依據某些實施例，於步驟214中，特定方向邊緣影像產生單元諸如該Y方向邊緣影像產生單元118可對該預定區域之該些影像資料(即重調影像RI)進行選擇性濾波(Selective Filtering)，以產生該選擇性濾波梯度影像，其中該選擇性濾波梯度影像包含對應於一特定方向之邊緣分量(Edge Component)，並且，於產生該選擇性濾波梯度影像時，該Y方向邊緣影像產生單元118將該些全部像素之梯度大小(即該選擇性濾波梯度影像中之該些像素的灰階)正規化至區間[0,255]的範圍(例如：正規化成為落入區間[0,255]的範圍之整數)。另外，於步驟214中，特定方向邊緣影像產生單元諸如該Y方向邊緣影像產生單元118可依據該邊緣門檻值(尤其是，其最終版本THFINAL)，二值化該選擇性濾波梯度影像，以產生邊緣影像EI。例如：該特定方向可為輸入影像108之垂直方向諸如Y方向，而非輸入影像108之一水平方向諸如X方向，其中該些選擇性梯度資料可代表該預定區域之該些影像資料(即重調影像RI)之Y方向梯度。於是，邊緣影像EI中之複數個邊緣中之每一邊緣之邊緣方向逼近(Approach)該垂直方向諸 如Y方向，而非該水平方向諸如X方向。
第6圖繪示第4圖所示方法200於一實施例中所涉及之一選擇性濾波器(Selective Filter)，其中該選擇性濾波器係用來進行該選擇性濾波。例如：該選擇性濾波器可為一垂直邊緣偵測濾波器(Sobel vertical filter)，其濾波參數如第6圖所示。於是，水平的、或約略水平的邊緣幾乎不存在於邊緣影像EI，且邊緣影像EI中之大部分邊緣都是垂直的、或約略垂直的邊緣。依據某些實施例，該些濾波參數可予以變化。依據某些實施例，該選擇性濾波器可予以變化。
第7圖繪示第4圖所示方法200於一實施例中所涉及之一邊緣影像，其中第7圖所示之該邊緣影像可作為邊緣影像EI之一例。本實施例與前述實施例/變化例相仿之處不再重複贅述。
依據某些實施例，邊緣影像EI可包含對應於該預定區域之複數個像素，且該些選擇性梯度資料可代表該預定區域之該些影像資料(即重調影像RI)之特定方向梯度，諸如該些Y方向梯度。於步驟220中，該EBSCW影像產生單元122可對邊緣影像EI中之該複數個像素進行第一滑動同心視窗(Sliding Concentric Window,SCW)計算、且據以對輸入影像108中之該預定區域之一部分進行第二滑動同心視窗計算，以產生一滑動同心視窗影像SCWI，其中依據該些第一滑動同心視窗計算之計算結果，輸入影像108中之該預定區域之該部分係從該預定區域選出，以及該滑動同心視窗影像SCWI之影像資料對應於該些第二滑動同心視窗計算之計算結果。另外，連通元件標記單元124可對滑動同心視窗影像SCWI進行連通元件標記(Connected Component Labeling,CCL)，以產生滑動同心視窗影像SCWI中之複數個連通元件之連通元件資料CC，其中該些連通元件中之每個連通元件係藉由將一組彼此相連之像素標記而產生。此外，該些連通元件資料CC亦包含該複數個連通元件中，每個連通元件之長、寬、與長寬比中之至少一部分(例如一部分或全部)。例如：該些連通元件資料CC可包含該複 數個連通元件中之該每一連通元件之位置、長、寬、長寬比、與一水平掃描峰值數量(horizontal-scanning peak number)，其中，連通元件標記單元124可對該每一連通元件進行至少一水平掃描運作，以偵測至少一水平線上的像素之像素值波峰之數量，以作為該水平掃描波峰數量。此外，候選牌照決定單元126可依據該複數個連通元件之該些連通元件資料CC，於該預定區域中決定該牌照影像之該位置。
第8圖繪示第4圖所示方法200(尤其是其步驟220)於一實施例中所涉及之一強邊緣(Strong Edge)控制方案，其中該強邊緣控制方案可用來控制該EBSCW影像產生單元122之運作。例如：該EBSCW影像產生單元122可利用複數組邊緣型滑動同心視窗(Edge-based Sliding Concentric Window,EBSCW){WE}分別計算邊緣影像EI中之該複數個像素之邊緣度(Edge Degree){ωE}，其中該些邊緣度{ωE}代表重調影像RI內之相對應像素的邊緣強度。然後，該EBSCW影像產生單元122可依據該些邊緣度{ωE}，從重調影像RI內之該些相對應像素中選擇一組較強邊緣像素(Stronger-edge Pixel)，其中該組較強邊緣像素所在之處的邊緣強度大於重調影像RI內之該些相對應像素中之其它像素所在之處的邊緣強度。該組較強邊緣像素可作為上列該些實施例中之該預定區域之該部分之一例。另外，該EBSCW影像產生單元122可利用複數組灰階型滑動同心視窗(Gray-level-based Sliding Concentric Window,GBSCW){WR}於上述所產生之該組較強邊緣像素的位置分別計算重調影像RI之對比度(Contrast Degree){ωR}(亦即，該組較強邊緣像素的位置上之對比度)，其中該些對比度{ωR}分別對應於該組較強邊緣像素所在之處的對比強度。請注意，由於該組較強邊緣像素是從重調影像RI之該些相對應像素中所選出，故該組較強邊緣像素是重調影像RI內之該些相對應像素的子集合，亦即，該組較強邊緣像素是重調影像RI內之像素。
如前面所述，該EBSCW影像產生單元122已經依據該些邊緣度{ωE}找到該組較強邊緣像素，亦即，該EBSCW影像產生單元122已經找到強邊緣所在之處。接下來，該EBSCW影像產生單元122可從上述已經找到之強邊緣所在之處，進一步找出高對比之處。於是，該EBSCW影像產生單元122可找到具有強邊緣且具有高對比之處，並予以標示在滑動同心視窗影像SCWI當中。例如：該EBSCW影像產生單元122可依據該些對比度{ωR}，於該組較強邊緣像素中決定一組較高對比像素(Higher-contract Pixel)，其中該組較高對比像素所在之處的對比強度大於該組較強邊緣像素中之其它像素所在之處的對比強度。此外，該EBSCW影像產生單元122可將該組較高對比像素中之每一者設定為一預定像素值，以產生滑動同心視窗影像SCWI，其中滑動同心視窗影像SCWI當中除了該組較高對比像素之外的任一像素之像素值異於該預定像素值。例如：該EBSCW影像產生單元122可將該組較高對比像素中之每一者設定為一預定前景像素值諸如灰階255，且可將滑動同心視窗影像SCWI當中除了該組較高對比像素之外的任一像素設定為一預定背景像素值諸如灰階0。又例如：該EBSCW影像產生單元122可將滑動同心視窗影像SCWI中之每一像素的初始像素值設定為該預定背景像素值諸如灰階0，然後將該組較高對比像素中之每一者設定為該預定前景像素值諸如灰階255。這只是為了說明的目的而已，並非對本發明之限制。依據某些實施例，該預定像素值可予以變化。依據某些實施例，該預定前景像素值與該預定背景像素值可予以變化。
如第8圖右上角所示，該複數組邊緣型滑動同心視窗{WE}中之每一組邊緣型滑動同心視窗WE可包含一第一內視窗(Inner Window)AE與一第一外視窗(Outer Window)BE，其大小可分別由一組內視窗參數x1與y1以及一組外視窗參數x2與y2所定義。於利用該複數組邊緣型滑動同心視窗{WE}分別計算邊緣影像EI中之該複數個像素之該些邊緣度{ωE}之過程中，該EBSCW影像產生單 元122可分別計算第一內視窗AE之一灰階平均值與第一外視窗BE之一灰階平均值、且對第一內視窗AE之該灰階平均值與第一外視窗BE之該灰階平均值進行一第一預定線性組合，以產生邊緣影像EI中之該複數個像素當中對應於第一內視窗AE與第一外視窗BE之一第一像素(尤其是，第一內視窗AE與第一外視窗BE之共同中心所在之處的像素)之邊緣度ωE。例如：該第一預定線性組合可依據下列方程式來進行：ωE=(TE * EA)-EB；其中符號「EA」代表第一內視窗AE之該灰階平均值，符號「EB」代表第一外視窗BE之該灰階平均值，且符號「TE」代表一預定常數。
如第8圖左上角所示，該複數組灰階型滑動同心視窗{WR}中之每一組灰階型滑動同心視窗WR可包含一第二內視窗AR與一第二外視窗BR，其大小可分別由同一組內視窗參數x1與y1以及同一組外視窗參數x2與y2所定義。於利用該複數組灰階型滑動同心視窗{WR}分別計算該組較強邊緣像素之該些對比度{ωR}之過程中，該EBSCW影像產生單元122可分別計算第二內視窗AR之一灰階平均值與第二外視窗BR之一灰階平均值、且對第二內視窗AR之該灰階平均值與第二外視窗BR之該灰階平均值進行一第二預定線性組合，以產生該組較強邊緣像素當中對應於第二內視窗AR與第二外視窗BR之一第二像素(尤其是，第二內視窗AR與第二外視窗BR之共同中心所在之處的像素)之對比度ωR。例如：該第二預定線性組合可依據下列方程式來進行：ωR=(TR * RA)-RB；其中符號「RA」代表第二內視窗AR之該灰階平均值，符號「RB」代表第二外視窗BR之該灰階平均值，且符號「TR」代表一預定常數。
請注意，第8圖右上角所示之邊緣影像EI上之滑動路徑可作為該複數組邊緣型滑動同心視窗{WE}之滑動路徑之一例，且第8圖左上角所示之重調影 像RI上之滑動路徑可作為該複數組灰階型滑動同心視窗{WR}之滑動路徑之一例。這只是為了說明的目的而已，並非對本發明之限制。依據某些實施例，該複數組邊緣型滑動同心視窗{WE}之滑動路徑可予以變化，且該複數組灰階型滑動同心視窗{WR}之滑動路徑可予以變化。
第9圖繪示第4圖所示方法200(尤其是其步驟220)於一實施例中所涉及之一滑動同心視窗(Sliding Concentric Window,SCW)影像，其中第9圖所示之該滑動同心視窗影像可作為滑動同心視窗影像SCWI之一例並可用於後續的連通元件標記單元124，而連通元件標記單元124可找出該滑動同心視窗影像SCWI中之該複數個連通元件，諸如第9圖所示之該滑動同心視窗影像中之各個邊緣所在之處的相連緊貼的白色像素陣列。另外，連通元件標記單元124可將該複數個連通元件之連通元件資料CC(例如每一連通元件之位置、長、寬、長寬比、與水平掃描峰值數量)輸出至候選牌照決定單元126，以容許候選牌照決定單元126於該預定區域中決定該牌照影像之該位置。此外，候選牌照決定單元126可依據至少一預定範圍(例如：一個或多個預定範圍)，於該複數個連通元件當中排除其連通元件資料CC不符合上述至少一預定範圍者。例如：候選牌照決定單元126可依據一組預定範圍，諸如預定位置範圍、預定長度範圍、預定寬度範圍、預定長寬比範圍、與預定峰值數量範圍，於該複數個連通元件當中排除其連通元件資料CC不符合該組預定範圍者，藉此選出對應於該牌照影像之連通元件。於是，選牌照決定單元126可依照選出之連通元件的位置，決定該牌照影像之該位置。本實施例與前述實施例/變化例相仿之處不再重複贅述。
本發明的好處之一是，依據本發明之方法200與裝置100所實現的產品可依照光線條件自動調整邊緣偵測所需之二值化門檻值諸如邊緣門檻值TH，且不受到複雜環境的影響，並且可全天候運作。於是，使用者只需要在架設該產品時調整一次參數即可。另外，依據本發明之方法200與裝置100所實現的產 品可只針對該些Y方向梯度，利用該複數組邊緣型滑動同心視窗{WE}來取得強邊緣的區域諸如該組較強邊緣像素，並在這些強邊緣區域用該複數組灰階型滑動同心視窗{WR}進一步尋找有高對比的區域，使該產品之計算負載比傳統架構低很多。此外，值得一提的是，產生出來的滑動同心視窗(Sliding Concentric Window,SCW)影像亦可做為後續牌照辨識時所需取得的二值化牌照影像，故本發明之架構不需要另行實施其它複雜的區域二值化(Local Binarization)方法。因此，本發明之方法200可取代耗時的傳統方法，並且可避免保險桿(其影像通常是水平方向的長方形)對於車牌偵測的影響。以上所述僅為本發明之較佳實施例，凡依本發明申請專利範圍所做之均等變化與修飾，皆應屬本發明之涵蓋範圍。
100‧‧‧用來進行牌照偵測之裝置
105‧‧‧處理電路
108‧‧‧輸入影像
109‧‧‧預定區域之參數
110‧‧‧影像處理模組
120‧‧‧牌照偵測模組
129‧‧‧牌照影像之位置

Claims (20)

  1. 一種用來進行牌照偵測（Registration Plate Detection）之方法，該方法包含有下列步驟： 對一輸入影像中之一預定區域的影像資料進行影像處理，以產生一邊緣影像，其中進行該影像處理之步驟另包含： 對該預定區域的影像資料進行梯度計算（Gradient Calculation），以產生一梯度影像（Gradient Image），其中該梯度影像包含該預定區域的梯度資料； 對該預定區域的該些梯度資料進行邊緣門檻值估測（Edge Threshold Estimation），以透過一組疊代計算（Iterative Calculation）來更新一邊緣門檻值（Edge Threshold）；以及 依據該邊緣門檻值以及一選擇性濾波器（Selective Filter）對該預定區域之該些影像資料進行處理，以產生該邊緣影像；以及 依據該邊緣影像以及該預定區域之該些影像資料進行牌照偵測，以於該預定區域中決定一牌照影像（Registration Plate Image）之位置，以供進行對應於該牌照影像之一後處理（Post-processing）。
  2. 如申請專利範圍第1項所述之方法，其中該梯度影像包含對應於該預定區域之複數個像素，以及該預定區域的該些梯度資料係用來作為該梯度影像中之該複數個像素之灰階。
  3. 如申請專利範圍第2項所述之方法，其中一極端像素比率（Ratio of Extreme Pixel）代表該梯度影像之一個二值化（Binarized）版本當中具有一共同極端灰階（Common Extreme Gray Level）的一組極端像素的一數量對該二值化版本中之像素的一總數之一比率；以及，於該組疊代計算之過程中，該極端像素比率逐步地逼近（Approach）一預定比率（Predetermined Ratio），且該邊緣門檻值隨著該極端像素比率之變化而變化。
  4. 如申請專利範圍第3項所述之方法，其中該極端像素比率係依據下列方程式來決定： R = G num/ A num； 其中，符號「R」代表該極端像素比率，符號「G num」代表該組極端像素的該數量，且符號「A num」代表該二值化版本中之該些像素的該總數。
  5. 如申請專利範圍第4項所述之方法，其中該組疊代計算係依據下列方程式來進行： T e(k + 1) = T e(k) * (R(k) / R c) * b； 其中，符號「T e」代表該邊緣門檻值之暫時版本，符號「k」代表該組疊代計算之一疊代索引（Iteration Index），符號「R c」代表該預定比率，且符號「b」代表一預定常數。
  6. 如申請專利範圍第3項所述之方法，其中該共同極端灰階係為一最大灰階，該組極端像素係為白像素，以及該極端像素比率係為一白像素比率（Ratio of White Pixel）。
  7. 如申請專利範圍第1項所述之方法，其中該組疊代計算包含一第一疊代計算；以及對該預定區域的該些梯度資料進行該邊緣門檻值估測以透過該組疊代計算來更新該邊緣門檻值之步驟另包含： 依據該邊緣門檻值之一初始版本以及該預定區域之該些梯度資料，產生一第一估測邊緣影像；以及 依據該第一估測邊緣影像，進行該第一疊代計算，以產生該邊緣門檻值之一第一暫時版本，藉此該邊緣門檻值被更新為該第一暫時版本； 其中，於該第一疊代計算已完成之後，該第一疊代計算之至少一後續疊代計算被繼續執行，直到對應於該組疊代計算之至少一預定條件被滿足。
  8. 如申請專利範圍第7項所述之方法，其中該組疊代計算包含一第二疊代計算；以及對該預定區域的該些梯度資料進行該邊緣門檻值估測以透過該組疊代計算來更新該邊緣門檻值之步驟另包含： 依據該邊緣門檻值之該第一暫時版本以及該預定區域之該些梯度資料，產生一第二估測邊緣影像；以及 依據該第二估測邊緣影像，進行該第二疊代計算，以產生該邊緣門檻值之一第二暫時版本，藉此該邊緣門檻值被更新為該第二暫時版本； 其中，於該第二疊代計算已完成之後，該第二疊代計算之至少一後續疊代計算被繼續執行，直到對應於該組疊代計算之該至少一預定條件被滿足。
  9. 如申請專利範圍第7項所述之方法，其中當對應於該組疊代計算之該至少一預定條件被滿足時，該邊緣門檻值被更新為該邊緣門檻值之一最終版本；以及產生該邊緣影像之步驟另包含： 依據該邊緣門檻值之該最終版本以及該預定區域之該些梯度資料，產生該邊緣影像。
  10. 如申請專利範圍第1項所述之方法，其中產生該邊緣影像之步驟另包含： 利用該選擇性濾波器對該預定區域之該些影像資料進行選擇性濾波（Selective Filtering），以產生一選擇性濾波梯度影像，其中該選擇性濾波梯度影像包含對應於一特定方向之邊緣分量（Edge Component）；以及 依據該邊緣門檻值，二值化（Binarize）該選擇性濾波梯度影像，以產生該邊緣影像。
  11. 如申請專利範圍第10項所述之方法，其中該特定方向係該輸入影像之一垂直方向，而非該輸入影像之一水平方向；以及該邊緣影像中之複數個邊緣中之每一邊緣之邊緣方向逼近（Approach）該垂直方向，而非該水平方向。
  12. 如申請專利範圍第1項所述之方法，其中該邊緣影像包含對應於該預定區域之複數個像素；以及進行該牌照偵測之步驟另包含： 對該邊緣影像中之該複數個像素進行第一滑動同心視窗（Sliding Concentric Window, SCW）計算、且據以對該輸入影像中之該預定區域之一部分進行第二滑動同心視窗計算，以產生一滑動同心視窗影像，其中依據該些第一滑動同心視窗計算之計算結果，該輸入影像中之該預定區域之該部分係從該預定區域選出，以及該滑動同心視窗影像之影像資料對應於該些第二滑動同心視窗計算之計算結果。
  13. 如申請專利範圍第12項所述之方法，其中該輸入影像中之該預定區域代表一重調影像（Resized Image），且該預定區域之該些影像資料係為該重調影像的像素值；以及對該邊緣影像中之該複數個像素進行該些第一滑動同心視窗計算且據以對該輸入影像中之該預定區域之該部分進行該些第二滑動同心視窗計算以產生該滑動同心視窗影像之步驟另包含： 利用複數組邊緣型滑動同心視窗（Edge-based Sliding Concentric Window, EBSCW）分別計算該邊緣影像中之該複數個像素之邊緣度（Edge Degree），其中該些邊緣度分別代表該重調影像內之相對應像素的邊緣強度； 依據該些邊緣度，從該重調影像內之該些相對應像素中選擇一組較強邊緣像素（Stronger-edge Pixel），其中該組較強邊緣像素所在之處的邊緣強度大於該重調影像內之該些相對應像素中之其它像素所在之處的邊緣強度； 利用複數組灰階型滑動同心視窗（Gray-level-based Sliding Concentric Window, GBSCW）於該組較強邊緣像素的位置分別計算該重調影像之對比度（Contrast Degree），其中該些對比度分別對應於該組較強邊緣像素所在之處的對比強度； 依據該些對比度，於該組較強邊緣像素中決定一組較高對比像素（Higher-contract Pixel），其中該組較高對比像素所在之處的對比強度大於該組較強邊緣像素中之其它像素所在之處的對比強度；以及 將該組較高對比像素中之每一者設定為一預定像素值，以產生該滑動同心視窗影像，其中該滑動同心視窗影像當中除了該組較高對比像素之外的任一像素之像素值異於該預定像素值。
  14. 如申請專利範圍第13項所述之方法，其中該複數組邊緣型滑動同心視窗中之每一組邊緣型滑動同心視窗包含一第一內視窗（Inner Window）與一第一外視窗（Outer Window）；以及利用該複數組邊緣型滑動同心視窗分別計算該邊緣影像中之該複數個像素之該些邊緣度之步驟另包含： 分別計算該第一內視窗之一灰階平均值與該第一外視窗之一灰階平均值、且對該第一內視窗之該灰階平均值與該第一外視窗之該灰階平均值進行一第一預定線性組合，以產生該邊緣影像中之該複數個像素當中對應於該第一內視窗與該第一外視窗之一第一像素之邊緣度。
  15. 如申請專利範圍第13項所述之方法，其中該複數組灰階型滑動同心視窗中之每一組灰階型滑動同心視窗包含一第二內視窗（Inner Window）與一第二外視窗（Outer Window）；以及利用該複數組灰階型滑動同心視窗分別計算該組較強邊緣像素之該些對比度之步驟另包含： 分別計算該第二內視窗之一灰階平均值與該第二外視窗之一灰階平均值、且對該第二內視窗之該灰階平均值與該第二外視窗之該灰階平均值進行一第二預定線性組合，以產生該組較強邊緣像素當中對應於該第二內視窗與該第二外視窗之一第二像素之對比度。
  16. 一種用來進行牌照偵測（Registration Plate Detection）之裝置，該裝置包含有： 一處理電路，用來控制該裝置之運作，其中該處理電路包含： 一影像處理模組，用來對一輸入影像中之一預定區域的影像資料進行影像處理，以產生一邊緣影像，其中該影像處理模組包含： 一梯度影像產生單元（Gradient Image Creation Unit），用來對該預定區域的影像資料進行梯度計算（Gradient Calculation），以產生一梯度影像（Gradient Image），其中該梯度影像包含該預定區域的梯度資料；以及 一邊緣門檻值估測單元（Edge Threshold Estimation Unit），用來對該預定區域的該些梯度資料進行邊緣門檻值估測（Edge Threshold Estimation），以透過一組疊代計算（Iterative Calculation）來更新一邊緣門檻值（Edge Threshold），其中該影像處理模組依據該邊緣門檻值以及一選擇性濾波器（Selective Filter）對該預定區域之該些影像資料進行處理，以產生該邊緣影像；以及 一牌照偵測模組，用來依據該邊緣影像以及該預定區域之該些影像資料，進行牌照偵測，以於該預定區域中決定一牌照影像（Registration Plate Image）之位置，以供進行對應於該牌照影像之一後處理（Post-processing）。
  17. 如申請專利範圍第16項所述之裝置，其中該影像處理模組另包含： 一特定方向邊緣影像產生單元（Specific-direction-edge Image Creation Unit），用來依據該邊緣門檻值以及該選擇性濾波器對該預定區域之該些影像資料進行處理，以產生該邊緣影像，其中，該特定方向邊緣影像產生單元利用該選擇性濾波器對該預定區域之該些影像資料進行選擇性濾波（Selective Filtering），以產生一選擇性濾波梯度影像，其中該選擇性濾波梯度影像包含對應於一特定方向之邊緣分量（Edge Component），以及，依據該邊緣門檻值，該特定方向邊緣影像產生單元二值化（Binarize）該選擇性濾波梯度影像，以產生該邊緣影像。
  18. 如申請專利範圍第17項所述之裝置，其中該特定方向係該輸入影像之一垂直方向，而非該輸入影像之一水平方向；以及該邊緣影像中之複數個邊緣中之每一邊緣之邊緣方向逼近（Approach）該垂直方向，而非該水平方向。
  19. 如申請專利範圍第16項所述之裝置，其中該邊緣影像包含對應於該預定區域之複數個像素；以及該牌照偵測模組包含： 一滑動同心視窗影像產生單元（Sliding Concentric Window Image Creation Unit, SCW Image Creation Unit），用來進行滑動同心視窗（Sliding Concentric Window, SCW）計算，其中該滑動同心視窗影像產生單元對該邊緣影像中之該複數個像素進行第一滑動同心視窗計算、且據以對該輸入影像中之該預定區域之一部分進行第二滑動同心視窗計算，以產生一滑動同心視窗影像，其中依據該些第一滑動同心視窗計算之計算結果，該輸入影像中之該預定區域之該部分係從該預定區域選出，以及該滑動同心視窗影像之影像資料對應於該些第二滑動同心視窗計算之計算結果。
  20. 如申請專利範圍第19項所述之裝置，其中該輸入影像中之該預定區域代表一重調影像（Resized Image），且該預定區域之該些影像資料係為該重調影像的像素值；該滑動同心視窗影像產生單元利用複數組邊緣型滑動同心視窗（Edge-based Sliding Concentric Window, EBSCW）分別計算該邊緣影像中之該複數個像素之邊緣度 （Edge Degree），其中該些邊緣度分別代表該重調影像內之相對應像素的邊緣強度；依據該些邊緣度，該滑動同心視窗影像產生單元從該重調影像內之該些相對應像素中選擇一組較強邊緣像素（Stronger-edge Pixel），其中該組較強邊緣像素所在之處的邊緣強度大於該重調影像內之該些相對應像素中之其它像素所在之處的邊緣強度；該滑動同心視窗影像產生單元利用複數組灰階型滑動同心視窗（Gray-level-based Sliding Concentric Window, GBSCW）於該組較強邊緣像素的位置分別計算該重調影像之對比度（Contrast Degree），其中該些對比度分別對應於該組較強邊緣像素所在之處的對比強度；依據該些對比度，該滑動同心視窗影像產生單元於該組較強邊緣像素中決定一組較高對比像素（Higher-contract Pixel），其中該組較高對比像素所在之處的對比強度大於該組較強邊緣像素中之其它像素所在之處的對比強度；以及該滑動同心視窗影像產生單元將該組較高對比像素中之每一者設定為一預定像素值，以產生該滑動同心視窗影像，其中該滑動同心視窗影像當中除了該組較高對比像素之外的任一像素之像素值異於該預定像素值。
TW105109985A 2016-03-30 2016-03-30 用來進行牌照偵測之方法與裝置 TWI592905B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
TW105109985A TWI592905B (zh) 2016-03-30 2016-03-30 用來進行牌照偵測之方法與裝置
CN201610250966.XA CN107292303B (zh) 2016-03-30 2016-04-21 借助于边缘型滑动同心视窗来进行牌照检测的方法与装置
US15/183,817 US9858493B2 (en) 2016-03-30 2016-06-16 Method and apparatus for performing registration plate detection with aid of edge-based sliding concentric windows

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
TW105109985A TWI592905B (zh) 2016-03-30 2016-03-30 用來進行牌照偵測之方法與裝置

Publications (2)

Publication Number Publication Date
TWI592905B true TWI592905B (zh) 2017-07-21
TW201734950A TW201734950A (zh) 2017-10-01

Family

ID=59961661

Family Applications (1)

Application Number Title Priority Date Filing Date
TW105109985A TWI592905B (zh) 2016-03-30 2016-03-30 用來進行牌照偵測之方法與裝置

Country Status (3)

Country Link
US (1) US9858493B2 (zh)
CN (1) CN107292303B (zh)
TW (1) TWI592905B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
SG11202008145YA (en) 2018-02-26 2020-09-29 Videonetics Tech 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.
CN109087322B (zh) * 2018-07-18 2021-07-27 华中科技大学 一种航拍图像的运动小目标检测方法
BR112023011476A2 (pt) 2020-12-15 2024-02-06 Selex Es Inc Sistemas e métodos para rastreamento de assinaturas eletrônicas

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TW584811B (en) 2001-10-23 2004-04-21 Chunghwa Telecom Co Ltd Automatic structured plate image recognition system
US7805003B1 (en) * 2003-11-18 2010-09-28 Adobe Systems Incorporated Identifying one or more objects within an image
US8457430B2 (en) * 2009-08-02 2013-06-04 Mediatek Inc. Region-based method for iterative regularization image enhancement, and associated region-based apparatus and associated processing circuit
TWI409718B (zh) * 2009-12-04 2013-09-21 Huper Lab Co Ltd 移動中車輛之車牌定位方法
CN102243705B (zh) * 2011-05-09 2013-04-24 东南大学 基于边缘检测的车牌定位方法
CN103093185B (zh) * 2011-11-07 2016-05-25 佳能株式会社 字符识别装置、图像处理装置及其方法
CN102968782B (zh) * 2012-09-12 2015-08-19 苏州大学 一种彩色图像中显著对象的自动抠取方法
CN103093230A (zh) * 2013-01-21 2013-05-08 信帧电子技术（北京）有限公司 车标检测方法及装置
TWI527001B (zh) 2013-10-15 2016-03-21 國立中興大學 物件特徵辨識系統及其控制方法
CN105354572B (zh) * 2015-12-10 2018-10-12 苏州大学 一种基于简化卷积神经网络的车牌自动识别系统

Also Published As

Publication number Publication date
US20170286793A1 (en) 2017-10-05
TW201734950A (zh) 2017-10-01
CN107292303B (zh) 2020-04-21
US9858493B2 (en) 2018-01-02
CN107292303A (zh) 2017-10-24

Similar Documents

Publication Publication Date Title
Zhang et al. Image segmentation based on 2D Otsu method with histogram analysis
Wu et al. Lane-mark extraction for automobiles under complex conditions
US9082038B2 (en) Dram c adjustment of automatic license plate recognition processing based on vehicle class information
US8965123B2 (en) System and method for processing image for identifying alphanumeric characters present in a series
EP3855395B1 (en) Depth acquisition device, depth acquisition method and program
US7302098B2 (en) Character segmentation method and apparatus
KR101848019B1 (ko) 차량 영역 검출을 통한 차량 번호판 검출 방법 및 장치
US8755563B2 (en) Target detecting method and apparatus
US10878259B2 (en) Vehicle detecting method, nighttime vehicle detecting method based on dynamic light intensity and system thereof
US20180129883A1 (en) Detection method and apparatus of a status of a parking lot and electronic equipment
JP2009048629A (ja) 検出方法
TWI592905B (zh) 用來進行牌照偵測之方法與裝置
JP6177541B2 (ja) 文字認識装置、文字認識方法及びプログラム
WO2020140611A1 (zh) 一种基于图像处理的vin码识别方法、设备及介质
WO2019085929A1 (zh) 图像处理方法及其装置、安全驾驶方法
CN108182691B (zh) 识别限速标志的方法、装置及车辆
US8442348B2 (en) Image noise reduction for digital images using Gaussian blurring
JP7392488B2 (ja) 遺留物誤検出の認識方法、装置及び画像処理装置
EP2256691B1 (en) Image processing device for vehicle and image processing program
Dandu et al. Vehicular number plate recognition using edge detection and characteristic analysis of national number plates
Dederscheck et al. Illumination invariance for driving scene optical flow using comparagram preselection
Kumar et al. License plate recognition system or indian vehicles
Song et al. Blurred license plate recognition based on single snapshot from drive recorder
JP2013197892A (ja) 被写体認識装置、被写体認識方法及び被写体認識用コンピュータプログラム
CN111950502B (zh) 基于障碍对象的检测方法、装置及计算机设备