TWI676965B - 物件影像辨識系統及物件影像辨識方法 - Google Patents
物件影像辨識系統及物件影像辨識方法 Download PDFInfo
- Publication number
- TWI676965B TWI676965B TW107112455A TW107112455A TWI676965B TW I676965 B TWI676965 B TW I676965B TW 107112455 A TW107112455 A TW 107112455A TW 107112455 A TW107112455 A TW 107112455A TW I676965 B TWI676965 B TW I676965B
- Authority
- TW
- Taiwan
- Prior art keywords
- foreground
- value
- image
- cumulative
- pixel
- Prior art date
Links
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
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- 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
- 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
Abstract
一種物件影像辨識系統及物件影像辨識方法,用以辨識影像中之目標物件影像,其中目標物件影像包括預定像素長度M,物件影像辨識系統包括影像處理模組、累計值計算模組、形態學處理模組以及物件篩選模組。影像處理模組對影像進行影像處理以產生第一二值化影像,第一二值化影像之各像素點為前景值或背景值。累計值計算模組累計與每一具有前景值之像素點水平相鄰之M個像素點對應之前景值而形成像素點之前景累計值。形態學處理模組依據前景累計值對第一二值化影像進行形態學處理並標記至少一興趣框。物件篩選模組由興趣框中找出目標物件影像。
Description
本發明係關於一種物件影像辨識系統及物件影像辨識方法,特別關於一種辨識由移動中之影像擷取裝置擷取之影像中至少一目標物件影像之物件影像辨識系統及物件影像辨識方法。
目前停車場或道路監視的攝影機都固定設置於某處(如:停車場出入口),於定點擷取進入該攝影機取像範圍的物件,故單一攝影機只能擷取固定監視區域的影像。若攝影機移動,該攝影機所擷取的影像中,特定物件的影像會變形,造成後續影像辨識系統無法辨視該物件影像的情況發生。在此以車牌為例,依據法規,車牌有固定的尺寸,當攝影機架設於定點,其擷取進入該攝影機取像範圍的車輛其車牌的尺寸比例,且此類物件影像辨識系統大多只能在單一影像中辨識一個車牌,在使用上有改進之必要。 現有技術中,已經存在分析動態影像中之物件影像的技術,但此類影像分析技術中僅對所擷取之畫面中的局部範圍影像分析,而非分析所擷取畫面中的全部範圍,亦有改進之必要。
本發明之主要目的係在提供一種辨識由移動中之影像擷取裝置擷取之影像中至少一目標物件影像之物件影像辨識系統。
本發明之另一主要目的係在提供一種辨識由移動中之影像擷取裝置擷取之影像中至少一目標物件影像之物件影像辨識方法。
為達成上述之目的,本發明之物件影像辨識系統與影像擷取裝置電性連接,物件影像辨識系統用於辨識由移動中之影像擷取裝置擷取之影像中之至少一目標物件影像,其中至少一目標物件影像包括預定像素長度M,其中M為自然數。本發明之物件影像辨識系統包括影像處理模組、累計值計算模組、形態學處理模組以及物件篩選模組。影像處理模組對影像進行影像處理以產生第一二值化影像,其中第一二值化影像之各像素點為前景值或背景值。於第一二值化影像中,累計值計算模組累計與每一具有前景值之像素點水平相鄰之M個像素點對應之前景值而形成該像素點之前景累計值。形態學處理模組依據該些前景累計值對第一二值化影像進行形態學處理而產生第二二值化影像,並從第二二值化影像中標記至少一興趣框。物件篩選模組由至少一興趣框中找出該至少一目標物件影像。
本發明另提供一種物件影像辨識方法,用於辨識由移動中之影像擷取裝置擷取之影像中至少一目標物件影像,其中至少一目標物件影像包括預定像素長度M,其中M為自然數。本發明之物件影像辨識方法包括下列步驟:藉由影像處理模組對影像進行影像處理以產生第一二值化影像,其中第一二值化影像之各像素點為一前景值或一背景值。藉由累計值計算模組於第一二值化影像中,累計與每一具有該前景值之一像素點水平相鄰之M個像素點對應之前景值而形成該像素點之一前景累計值。藉由形態學處理模組依據該些前景累計值對第一二值化影像進行形態學處理而產生第二二值化影像,並從第二二值化影像中標記至少一興趣框;以及,藉由物件篩選模組由至少一興趣框中找出至少一目標物件影像。
本發明之物件影像辨識系統及物件影像辨識方法藉由累計值計算模組於該第一二值化影像中,累計與每一具有該前景值之一像素點水平相鄰之M個像素點對應之該前景值而形成該像素點之一前景累計值,並利用物件篩選模組刪除尺寸特徵不符的興趣框的辨識方式,可降低本發明之物件影像辨識系統及物件影像辨識方法計算量並提升辨識率。此外,本發明之物件影像辨識系統及物件影像辨識方法係用於辨識由移動中之影像擷取裝置擷取之一影像,只要移動中之影像擷取裝置擷取之一影像中的興趣框中的影像特性符合車牌的特徵,即可確認該興趣框為車牌,故本發明之物件影像辨識系統及物件影像辨識方法可在單一影像中辨識至少一或多個車牌,提高了本發明之物件影像辨識系統及物件影像辨識方法的應用性。
為能讓 貴審查委員能更瞭解本發明之技術內容,特舉較佳具體實施例說明如下。以下請參考圖1A與圖1B關於本發明之物件影像辨識系統之一實施例之硬體架構圖與計算模組於第一二值化影像累計特徵值之一實施例之示意圖。
如圖1A所示,在本實施例中,本發明之物件影像辨識系統1與影像擷取裝置100電性連接,且本發明之物件影像辨識系統1與用於辨識由移動中之影像擷取裝置100擷取之一影像110中至少一目標物件影像,其中該至少一目標物件影像包括一預定像素長度M,其中M
10,且M為自然數。在本實施例中,至少一目標物件影像為一車牌影像,且車牌影像之預定像素長度M為100個像素點,此M的數量會依據操作的影像大小而不同。
如圖1A與圖1B所示,在本實施例中,本發明之物件影像辨識系統1包括影像處理模組10、累計值計算模組20、形態學處理模組30、物件篩選模組40以及水平投影計算模組50,其中影像處理模組10對影像110進行一影像處理以產生一第一二值化影像12,其中第一二值化影像之各像素點為一前景值或一背景值。根據本發明之一具體實施例,影像處理模組10先對影像110進行一影像縮小處理。在此須注意的是,影像110不縮小也適用,本實施例縮小影像110只是為了運算快速,該影像縮小處理將影像110的長度與寬度各縮小四分之一(原影像為1920x1080,可依照需求做縮放),此外若影像110為彩色影像,影像處理模組10會先將影像110轉為一灰階影像,再進行影像縮小處理。
根據本發明之一具體實施例,影像處理模組10可利用索貝爾(Sobel)或其他邊緣偵測演算法對影像110進行垂直邊緣化處理,並將垂直邊緣化處理後的影像110進行影像二值化處理以產生前景值與背景值。在本實施例中,影像處理模組10依據垂直邊緣化處理後的影像110中各像素點的梯度值是否超過100對影像110進行影像二值化處理,但本發明不以此實施例為限,影像處理模組10對影像110進行影像二值化處理的梯度閾值可依系統設計者依實際使用需求更動,此外索貝爾(Sobel)或其他邊緣偵測演算法為影像邊緣化處理的習知技術,故不再此贅述其細節。
在本實施例中,如圖1A與圖1B所示,於第一二值化影像12中累計值計算模組20累計與每一具有前景值之一像素點水平相鄰之M個像素點對應之前景值而形成該像素點之一前景累計值。累計值計算模組20具體計算方式說明如下,在此以像素點121為例,如圖1B所示,於第一二值化影像12中,由上而下由左而右依序找一個有前景值的像素點位置,如本例中像素點121,並以此點為中心,累計值計算模組20累計像素點121右側延伸之
個像素點對應之前景值而形成像素點之一右前景累計值,在本實施例中M為100,所以累計值計算模組20累計像素點121右側延伸50個像素點並累計這50個像素點各自對應之前景值而形成像素點121之右前景累計值R。同時,累計值計算模組20累計像素點121左側延伸50個像素點,並累計這50個像素點各自對應之前景值而形成像素點121之左前景累計值L,其中像素點121的前景累計值為右前景累計值R與左前景累計值L之總和。
如圖1A與圖1B所示,若右前景累計值R與左前景累計值L兩者差距太大,就表示像素點121可能是垂直邊緣變化的特徵點,比如是車牌中最左邊或最右邊的文字邊緣或車牌的垂直邊緣。此時,根據本發明之具體實施例,若L>5且R≤1,累計值計算模組20停止累計像素點121右側之前景累計值,改累計像素點121左側延伸至少M個像素點(直到遇到連續兩個或以上的像素點的前景值為0,例如像素點121若左側延100個像素點後,其該第100個像素點之左側第101個的像素點之前景值仍為1則繼續累計,直到連續遇到兩個像素點之前景值皆為0)對應之該些前景值而形成像素點121之前景累計值;若R>5且L≤1,累計值計算模組20停止累計像素點121左側之前景累計值,改累計像素點121右側延伸至少M個像素點(直到遇到連續兩個或以上的像素點的前景值為0)對應之該些前景值而形成像素點121之前景累計值。若發生此情況,以此方式計算,像素點121的前景累計值在之後的二值化有機會被保留,不因計算的前景累計值太少而被清除,以便明顯地找出影像110中垂直邊緣變化的像素點121,讓之後的CCL所選的興趣框更能接近車牌的邊框,減少於會取到不完整的車牌的機會。
根據本發明另一實施例,累計值計算模組20累計像素點121右側延伸50個像素點後(含)至遇到連續兩個像素點或兩個以上的像素點的前景值為0,例如累計值計算模組20累計到像素點121右側延伸之第50個像素點的前景值為0,且該第50個像素點右側之像素點(也就是像素點121右側之第51個像素點)的前景值仍為0,累計值計算模組20即停止累計。
根據本發明另一實施例,若累計值計算模組20累計像素點121右側延伸計算右側累計前景值R’時,於計算過程中若右側已計算超過10個像素點且R’的數值小於2則累計值計算模組20停止累計像素點121右側之延伸計算,改累計像素點121左側延伸M個像素點,或改累計像素點121左側延伸至少M個像素點(直到遇到連續兩個或以上的像素點的前景值為0)。
同時,累計值計算模組20累計像素點121左側延伸之左前景累計值L’時,在計算過程中若左側已計算超過10個像素點且L’的數值小於2則累計值計算模組20停止累計像素點121左側之延伸計算,改累計像素點121右側延伸M個像素點,或改累計像素點121右側延伸至少M個像素點(直到遇到連續兩個或以上的像素點的前景值為0)。
在此須注意的是,累計值計算模組20會跟前述相同的計算方式與判斷方法完成第一二值化影像12中每一個具有前景值之像素點的前景累計值,以供形態學處理模組30進行後續影像處理運算。如圖1A所示,在本實施例中,形態學處理模組30依據累計值計算模組20計算出第一二值化影像12中每一個具有前景值之像素點的前景累計值對第一二值化影像進行一形態學處理而產生一第二二值化影像,並從第二二值化影像中標記至少一興趣框。
在本實施例中,形態學處理模組30會對第一二值化影像12進行一影像二值化處理、一影像膨脹處理以及一興趣框標記處理,其中形態學處理模組30依據第一二值化影像12中各像素點的前景累計值是否超過18(此閥值會依操作的影像大小而有不同)。對第一二值化影像12進行影像二值化處理而產生第二二值化影像,其中第一二值化影像12中前景累計值超過18的像素點其灰階值轉為255,第一二值化影像12前景累計值小於18的像素點其灰階值轉為0,但本發明不以此實施例為限,形態學處理模組30對第一二值化影像12進行影像二值化處理的前景累計值閾值可依系統設計者依實際使用需求更動。
在本實施例中,形態學處理模組30掃描第二二值化影像中每一像素點,若該像素點為0的8-近鄰中只要有一個像素點的值為大於10,就將該像素點的值轉為255,而此步驟即為影像膨脹處理,藉此把有可能因運算而被斷開得車牌文字連回來。在此須注意的是,本發明之形態學處理模組30乃對影像中符合膨脹條件的像素點進行膨脹處理,也就是說本發明之形態學處理模組30係對車牌內斷開的文字,可以做到只計算一次但達到傳統需二次膨脹處理,對單一點雜訊也只會被放大一倍,不像傳統的二次膨脹處理,會被放大兩倍,藉以避免影像中的雜訊被放大,造成後續圈選興趣框或數值分析的困擾。形態學處理模組30完成影像膨脹處理後,形態學處理模組30進一步於第二二值化影像中框出至少一興趣框,在本實施例中,至少一興趣框為矩形,物件篩選模組40再由至少一興趣框中找出至少一目標物件影像。
根據本發明之一具體實施例,因至少一目標物件影像為車牌影像,各國車牌影像具有一預定寬長比例(例如台灣車牌從機車車牌到汽車車牌,其寬度會大於長度,其寬長比從1.85:1~2.4:1),在本實施例中車牌影像之預定寬長比例為2.5:1,在此例中M為100,因此寬長比例為100:40(本發明不以此比例為限)。物件篩選模組40由形態學處理模組30所圈選的至少一興趣框中找出寬長比符合100:40左右之至少一目標興趣框。此時再利用水平投影計算模組50依序計算至少一目標興趣框中的所參考的累計值計算模組20的一水平投影累計值,以供物件篩選模組40由至少一目標興趣框中找出水平投影累計值高於K之目標物件影像,例如興趣框中每一水平面之水平投影累計大於300,則該水平的K值就加一,其中K為大於2的自然數。若每一水平投影累計小於20則Z值加一,其中Z≧0。再統計此一目標興趣框所計算的K是否大於5(此數值會依操作的影像大小而不同),若K小於5或Z大於K則此一目標興趣框則捨棄,因為車牌影像係由多個英文字母與數字組成,水平投影計算模組50計算某一目標興趣框的水平投影累計值若太小,則表示該目標興趣框中的資訊與車牌影像應出現的資訊不相符,或者就算該目標興趣框是車牌影像,但其影像中的文字無法辨識,故物件篩選模組40可以將水平投影累計值若太小的該些目標興趣框刪除,而剩餘的目標興趣框就是目標物件影像,此時可將目標物件影像進一步做字元切割處理,以便目標物件影像做文字辨識。
需注意的是,上述各個模組除可配置為硬體裝置、軟體程式、韌體或其組合外,亦可藉電路迴路或其他適當型式配置;並且,各個模組除可以單獨之型式配置外,亦可以結合之型式配置。一個較佳實施例是各模組皆為軟體程式儲存於記憶體上,藉由物件影像辨識系統1中的一處理器(圖未示)執行各模組以達成本發明之功能。此外,本實施方式僅例示本發明之較佳實施例,為避免贅述,並未詳加記載所有可能的變化組合。然而,本領域之通常知識者應可理解,上述各模組或元件未必皆為必要。且為實施本發明,亦可能包含其他較細節之習知模組或元件。各模組或元件皆可能視需求加以省略或修改,且任兩模組間未必不存在其他模組或元件。
以下請一併參考圖1A、圖1B、圖2與圖3,其中圖2關於本發明之物件影像辨識方法之一實施例之步驟流程圖,圖3為物件篩選之步驟流程圖。本發明之物件影像辨識方法,應用於物件影像辨識系統1,如圖1A與圖1B所示,物件影像辨識系統1用於辨識由移動中之影像擷取裝置100擷取之一影像110中至少一目標物件影像。如圖2所示,本發明之物件影像辨識方法主要包括步驟S1至步驟S4。以下將詳細說明本發明之物件影像辨識方法之第一實施例之各個步驟。
步驟S1:對影像進行一影像處理以產生第一二值化影像。
影像處理模組10對影像110進行一影像處理以產生一第一二值化影像12,其中第一二值化影像之各像素點為一前景值或一背景值。根據本發明之一具體實施例,影像處理模組10先對影像110進行一影像縮小處理,該影像縮小處理將影像110的長度與寬度各縮小四分之一(但不以此為限),此外若影像110為彩色影像,影像處理模組10會先將影像110轉為一灰階影像,再進行影像縮小處理。在此須注意的是,影像110不縮小也適用,本實施例縮小影像110只是為了運算快速。
根據本發明之一具體實施例,影像處理模組10利用索貝爾(Sobel)或其他邊緣偵測演算法對影像110進行垂直邊緣化處理,並將垂直邊緣化處理後的影像110進行影像二值化處理來產生前景值與背景值。在本實施例中,影像處理模組10依據垂直邊緣化處理後的影像110中各像素點的梯度值是否超過100對影像110進行影像二值化處理,但本發明不以此實施例為限,影像處理模組10對影像110進行影像二值化處理的梯度閾值可依系統設計者依實際使用需求更動,此外索貝爾(Sobel)或其他邊緣偵測演算法為影像邊緣化處理的習知技術,故不再此贅述其細節。
步驟S2:於該第一二值化影像中,累計值計算模組累計與每一具有該前景值之一像素點水平相鄰之M個像素點對應之該前景值而形成該像素點之一前景累計值。
在本實施例中,如圖1A與圖1B所示,於第一二值化影像12中累計值計算模組20累計與每一具有前景值之一像素點水平相鄰之M個像素點對應之前景值而形成像素點之一前景累計值。累計值計算模組20具體計算方式說明如下,在此以像素點121為例,如圖1B所示,於第一二值化影像12中,由上而下由左而右依序找一個有前景值的像素點位置,如本例中像素點121,並以此點為中心,累計值計算模組20累計像素點121右側延伸之
個像素點對應之前景值而形成像素點之一右前景累計值,在本實施例中M為100,所以累計值計算模組20累計像素點121右側延伸50個像素點,並累計這50個像素點各自對應之前景值而形成像素點121之右前景累計值R。同時,累計值計算模組20累計像素點121左側延伸50個像素點,並累計這50個像素點各自對應之前景值而形成像素點121之左前景累計值L,其中像素點121的前景累計值為右前景累計值R與左前景累計值L之總和。
如圖1A與圖1B所示,若右前景累計值R與左前景累計值L兩者差距太大,就表示像素點121可能是垂直邊緣變化的特徵點,比如說:是車牌最左邊或最右邊的文字邊緣或車牌的垂直邊緣,此時,根據本發明之具體實施例,若L>5,且R<=1,累計值計算模組20停止累計像素點121右側之前景累計值,改累計像素點121左側延伸至少M個像素點對應之該前景值而形成像素點121之前景累計值;若R>5,且L<=1,累計值計算模組20停止累計像素點121左側之前景累計值,改累計像素點121右側延伸至少M個像素點對應之前景值而形成像素點121之前景累計值。若發生情況,以此方式計算,像素點121在之後的二值化有機會被保留,不因計算的前景累計值太少而被清除,以便明顯地找出影像110中垂直邊緣變化的像素點121,讓之後的CCL所選的興趣框更能接近車牌的邊框,減少於會取到不完整的車牌的機會。在此須注意的是,累計值計算模組20會跟前述相同的計算方式與判斷方法完成第一二值化影像12中每一個像素點的前景累計值。
根據本發明另一實施例,累計值計算模組20累計像素點121右側延伸50個像素點後(含)至遇到連續兩個像素點或兩個以上的像素點的前景值為0,例如累計值計算模組20累計到像素點121右側延伸之第50個像素點的前景值為0,且該第50個像素點右側之像素點(也就是像素點121右側之第51個像素點)的前景值仍為0,累計值計算模組20即停止累計。
根據本發明另一實施例,若累計值計算模組20累計像素點121右側延伸計算右側累計前景值R’時, 於計算過程中若右側已計算超過10個像素點且R’的數值小於2則累計值計算模組20停止累計像素點121右側之延伸計算,改累計像素點121左側延伸至少M個像素點,或改累計像素點121左側延伸至少M個像素點(直到遇到連續兩個或以上的像素點的前景值為0)。
同時,累計值計算模組20累計像素點121左側延伸之左前景累計值L’時,在計算過程中若左側已計算超過10個像素點且L’的數值小於2則累計值計算模組20停止累計像素點121左側之延伸計算,改累計像素點121右側延伸至少M個像素點,或改累計像素點121右側延伸至少M個像素點(直到遇到連續兩個或以上的像素點的前景值為0)。
步驟S3:依據該些前景累計值對該第一二值化影像進行形態學處理而產生一第二二值化影像,並從第二二值化影像中標記至少一興趣框。
如圖1A所示,在本實施例中,形態學處理模組30依據累計值計算模組20計算出第一二值化影像12中每一個具有前景值之像素點的前景累計值對第一二值化影像進行一形態學處理而產生一第二二值化影像,並從第二二值化影像中標記至少一興趣框。
在本實施例中,形態學處理模組30會對第一二值化影像12進行一影像二值化處理、一影像膨脹處理以及一興趣框標記處理,其中形態學處理模組30依據第一二值化影像12中各像素點的前景累計值是否超過18(此閥值會依操作的影像大小而有不同)。對第一二值化影像12進行影像二值化處理而產生第二二值化影像,其中第一二值化影像12中前景累計值超過18的像素點其灰階值轉為255,第一二值化影像12前景累計值小於18的像素點其灰階值轉為0,但本發明不以此實施例為限,形態學處理模組30對第一二值化影像12進行影像二值化處理的前景累計值閾值可依系統設計者依實際使用需求更動。
在本實施例中,形態學處理模組30掃描第二二值化影像中每一像素點,若該像素點為0的8-近鄰中只要有一個像素點的值為大於10,就將該像素點的值轉為255,而此步驟即為影像膨脹處理,藉此把有可能因運算而被斷開的車牌文字連回來。在此須注意的是,本發明之形態學處理模組30乃對影像中符合膨脹條件的像素點進行膨脹處理,也就是說本發明之形態學處理模組30係對車牌內斷開的文字,可以做到只計算一次但達到傳統需二次膨脹處理,對單一點雜訊也只會被放大一倍,不像傳統的二次膨脹處理,會被放大兩倍,藉以避免影像中的雜訊被放大,造成後續圈選興趣框或數值分析的困擾。形態學處理模組30完成影像膨脹處理後,形態學處理模組30進一步於第二二值化影像中框出至少一興趣框,在本實施例中,至少一興趣框為矩形。
步驟S4:由該至少一興趣框中找出該至少一目標物件影像。
物件篩選模組40再由至少一興趣框中找出至少一目標物件影像。根據本發明之一具體實施例,因至少一目標物件影像為車牌影像,各國的車牌影像具有一預定寬長比例,例如台灣車牌從機車車牌到汽車車牌,其寬度會大於長度,其寬長比從1.85:1~2.4:1,在本實施例中車牌影像之預定寬長比例為2.5:1,在此例中M為100,因此寬長比例為100:40(本發明不以此比例為限)。物件篩選模組40由形態學處理模組30所圈選的至少一興趣框中找出寬長比符合(接近)100:40左右之至少一目標興趣框(步驟S41)。此時再利用水平投影計算模組50依序計算至少一目標興趣框中的所參考的累計值計算模組20的一水平投影累計值,以供物件篩選模組40由至少一目標興趣框中找出水平投影累計值高於K之目標物件影像,其中K為大於2的自然數(步驟S42)。
例如每一水平投影累計大於300,則該水平的K值就加一,其中K為大於2的自然數。若水平投影累計小於20則Z值加一,Z≧0。再統計此一目標興趣框所計算的K是否大於5(此數值會依操作的影像大小而不同),若K小於5或Z大於K則此一目標興趣框則捨棄,因為車牌影像係由多個英文字母與數字組成,因此水平投影計算模組50計算某一目標興趣框的水平投影累計值若太小,則表示該目標興趣框中的資訊與車牌影像應出現的資訊不相符,或者就算該目標興趣框是車牌影像,但其影像中的文字無法辨識,故物件篩選模組40可以將水平投影累計值若太小的該些目標興趣框刪除,而剩餘的目標興趣框就是目標物件影像,此時可將目標物件影像進一步做字元切割處理,以便目標物件影像做文字辨識。
本發明之物件影像辨識系統1及物件影像辨識方法藉由累計值計算模組於第一二值化影像12中,累計與每一具有該前景值之一像素點121水平相鄰之M個像素點對應之該前景值而形成像素點121之一前景累計值,並利用物件篩選模組40刪除尺寸特徵不符的興趣框的辨識方式,可降低本發明之物件影像辨識系統1及物件影像辨識方法計算量提升辨識率。此外,本發明之物件影像辨識系統1及物件影像辨識方法係用於辨識由移動中之影像擷取裝置100擷取之一影像110,只要移動中之影像擷取裝置擷取之一影像中的目標興趣框中的影像特性符合車牌的特徵,即可確認該目標興趣框為車牌,故本發明之物件影像辨識系統1及物件影像辨識方法可在單一影像110中辨識至少一或多個物件(車牌),提高了本發明之物件影像辨識系統及物件影像辨識方法的應用性。
應注意的是,上述諸多實施例僅係為了便於說明而舉例而已,本發明所主張之權利範圍自應以申請專利範圍所述為準,而非僅限於上述實施例。
1‧‧‧物件影像辨識系統
100‧‧‧影像擷取裝置
110‧‧‧影像
10‧‧‧影像處理模組
20‧‧‧累計值計算模組
30‧‧‧形態學處理模組
40‧‧‧物件篩選模組
50‧‧‧水平投影計算模組
12‧‧‧第一二值化影像
121‧‧‧像素點
圖1A係本發明之物件影像辨識系統之一實施例之硬體架構圖。 圖1B係本發明之計算模組於第一二值化影像累計特徵值之一實施例之示意圖。 圖2係本發明之物件影像辨識方法之一實施例之步驟流程圖。 圖3係本發明之物件影像辨識方法之另一實施例之步驟流程圖。
Claims (18)
- 一種物件影像辨識系統,其係與一影像擷取裝置電性連接,該物件影像辨識系統用於辨識由移動中之該影像擷取裝置擷取之一影像中至少一目標物件影像,其中該至少一目標物件影像包括一預定像素長度M,其中M為自然數,該物件影像辨識系統包括:一影像處理模組,用以對該影像進行一影像處理以產生一第一二值化影像,其中該第一二值化影像之各像素點為一前景值或一背景值;一累計值計算模組,於該第一二值化影像中,該累計值計算模組累計與每一具有該前景值之一像素點水平相鄰之M個像素點對應之該前景值而形成該像素點之一前景累計值,其中於該第一二值化影像中,以具有該前景值之該像素點為一中心,該累計值計算模組累計該中心右側延伸之個像素點對應之該前景值而形成該像素點之一右前景累計值,且該累計值計算模組累計該中心左側延伸之個像素點對應之該前景值而形成該像素點之一左前景累計值,其中該前景累計值為該右前景累計值與該左前景累計值之總和;一形態學處理模組,用以依據該些前景累計值對該第一二值化影像進行一形態學處理而產生一第二二值化影像,並從該第二二值化影像中標記至少一興趣框;以及一物件篩選模組,由該至少一興趣框中找出該至少一目標物件影像。
- 如申請專利範圍第1項所述之物件影像辨識系統,其中於該第一二值化影像中,以具有該前景值之該像素點為一中心,該累計值計算模組累計該中心右側延伸之個像素點對應之該前景值而形成該像素點之一右前景累計值R,且該累計值計算模組累計該中心左側延伸之個像素點對應之該前景值而形成該像素點之一左前景累計值L,其中若L>5且R1,該累計值計算模組改累計該中心左側延伸之M個像素點對應之該前景值而形成該像素點之該前景累計值。
- 如申請專利範圍第2項所述之物件影像辨識系統,其中若L>5且R1,該累計值計算模組改累計該中心左側延伸至少M個像素點對應之該前景值直到遇到連續兩個或以上的前景值為0的像素點而形成該像素點之該前景累計值。
- 如申請專利範圍第1項所述之物件影像辨識系統,其中於該第一二值化影像中,以具有該前景值之該像素點為一中心,該累計值計算模組累計該中心右側延伸之個像素點對應之該前景值而形成該像素點之一右前景累計值R,且該累計值計算模組累計該中心左側延伸之個像素點對應之該前景值而形成該像素點之一左前景累計值L,其中若R>5且L1,該累計值計算模組改累計該中心右側延伸之M個像素點對應之該前景值而形成該像素點之該前景累計值。
- 如申請專利範圍第4項所述之物件影像辨識系統,其中若R>5且L1,該累計值計算模組改累計該中心右側延伸至少M個像素點對應之該前景值直到遇到連續兩個或以上的前景值為0的像素點而形成該像素點之該前景累計值。
- 如申請專利範圍第1項所述之物件影像辨識系統,其中於該第一二值化影像中,以具有該前景值之該像素點為一中心,該累計值計算模組以該中心右側延伸至少個像素點直至遇到連續兩個像素點或兩個以上的像素點的前景值為0,累計對應之該些前景值而形成該像素點之一右前景累計值,且該累計值計算模組累計以該中心左側延伸至少個像素點直至遇到連續兩個像素點或兩個以上的像素點的前景值為0,累計對應之該前景值而形成該像素點之一左前景累計值,其中該前景累計值為該右前景累計值與該左前景累計值之總和。
- 如申請專利範圍第1項至第6項任一項所述之物件影像辨識系統,其中該至少一目標物件影像包括一預定寬長比例,該物件篩選模組依據該預定寬長比例由該至少一興趣框中找出符合該預定寬長比例之至少一目標興趣框。
- 如申請專利範圍第7項所述之物件影像辨識系統,更包括一水平投影計算模組,用以依序計算該至少一目標興趣框的一水平投影累計值,以供該物件篩選模組由該至少一目標興趣框中找出該水平投影累計值高於K之該目標物件影像,其中K為自然數。
- 如申請專利範圍第1項所述之物件影像辨識系統,其中該至少一目標物件影像為一車牌影像。
- 一種物件影像辨識方法,用於辨識由移動中之一影像擷取裝置擷取之一影像中至少一目標物件影像,其中該至少一目標物件影像包括一預定像素長度M,其中M為自然數,該物件影像辨識方法包括下列步驟:藉由一影像處理模組對該影像進行一影像處理以產生一第一二值化影像,其中該第一二值化影像之各像素點為一前景值或一背景值;藉由一累計值計算模組於該第一二值化影像中,該累計值計算模組累計與每一具有該前景值之一像素點水平相鄰之M個像素點對應之該前景值而形成該像素點之一前景累計值;於該第一二值化影像中,以具有該前景值之該像素點為一中心,該累計值計算模組累計該中心右側延伸之個像素點對應之該前景值而形成該像素點之一右前景累計值,且該累計值計算模組累計該中心左側延伸之個像素點對應之該前景值而形成該像素點之一左前景累計值,其中該前景累計值為該右前景累計值與該左前景累計值之總和;藉由一形態學處理模組,依據該些前景累計值對該第一二值化影像進行一形態學處理而產生一第二二值化影像,並從該第二二值化影像中標記至少一興趣框;以及藉由一物件篩選模組,由該至少一興趣框中找出該至少一目標物件影像。
- 如申請專利範圍第10項所述之物件影像辨識方法,更包括下列步驟:於該第一二值化影像中,以具有該前景值之該像素點為一中心,該累計值計算模組累計該中心右側延伸之個像素點對應之該前景值而形成該像素點之一右前景累計值R,且該累計值計算模組累計該中心左側延伸之個像素點對應之該前景值而形成該像素點之一左前景累計值L,其中若L>5且R1,該累計值計算模組改累計該中心左側延伸之L個像素點對應之該前景值而形成該像素點之該前景累計值。
- 如申請專利範圍第11項所述之物件影像辨識方法,更包括下列步驟:若L>5且R1,該累計值計算模組改累計該中心左側延伸至少M個像素點對應之該前景值直到遇到連續兩個或以上的前景值為0的像素點而形成該像素點之該前景累計值。
- 如申請專利範圍第10項所述之物件影像辨識方法,更包括下列步驟:於該第一二值化影像中,以具有該前景值之該像素點為一中心,該累計值計算模組累計該中心右側延伸之個像素點對應之該前景值而形成該像素點之一右前景累計值R,且該累計值計算模組累計該中心左側延伸之個像素點對應之該前景值而形成該像素點之一左前景累計值L,其中若R>5且L1,該累計值計算模組改累計該中心右側延伸之M個像素點對應之該前景值而形成該像素點之該前景累計值。
- 如申請專利範圍第13項所述之物件影像辨識方法,更包括下列步驟:若R>5且L1,該累計值計算模組改累計該中心右側延伸之M個像素點對應之該前景值而形成該像素點之該前景累計值。
- 如申請專利範圍第10項所述之物件影像辨識方法,更包括下列步驟:其中於該第一二值化影像中,以具有該前景值之該像素點為一中心,該累計值計算模組以該中心右側延伸至少個像素點直至遇到連續兩個像素點或兩個以上的像素點的前景值為0,累計對應之該些前景值而形成該像素點之一右前景累計值,且該累計值計算模組累計以該中心左側延伸至少個像素點直至遇到連續兩個像素點或兩個以上的像素點的前景值為0,累計對應之該前景值而形成該像素點之一左前景累計值,其中該前景累計值為該右前景累計值與該左前景累計值之總和。
- 如申請專利範圍第10項至第15項任一項所述之物件影像辨識方法,其中,其中該至少一目標物件影像包括一預定寬長比例,該物件影像辨識方法更包括下列步驟:藉由該物件篩選模組依據該預定寬長比例由該至少一興趣框中找出符合該預定寬長比例之至少一目標興趣框。
- 如申請專利範圍第16項所述之物件影像辨識方法,更包括下列步驟:依序計算該至少一目標興趣框的一水平投影累計值,以供該物件篩選模組由該至少一目標興趣框中找出該水平投影累計值高於K之該目標物件影像,其中K為大於2的自然數。
- 如申請專利範圍第10項所述之物件影像辨識方法,其中該至少一目標物件影像為一車牌影像。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW107112455A TWI676965B (zh) | 2018-04-11 | 2018-04-11 | 物件影像辨識系統及物件影像辨識方法 |
CN201811126344.1A CN110363192B (zh) | 2018-04-11 | 2018-09-26 | 物件影像辨识系统及物件影像辨识方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW107112455A TWI676965B (zh) | 2018-04-11 | 2018-04-11 | 物件影像辨識系統及物件影像辨識方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
TWI676965B true TWI676965B (zh) | 2019-11-11 |
TW201944353A TW201944353A (zh) | 2019-11-16 |
Family
ID=68214841
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW107112455A TWI676965B (zh) | 2018-04-11 | 2018-04-11 | 物件影像辨識系統及物件影像辨識方法 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN110363192B (zh) |
TW (1) | TWI676965B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112348067A (zh) * | 2020-10-28 | 2021-02-09 | 北京兆芯电子科技有限公司 | 图像设备及图像处理方法 |
CN112686858A (zh) * | 2020-12-29 | 2021-04-20 | 熵智科技(深圳)有限公司 | 一种手机充电器视觉缺陷检测方法、装置、介质及设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101246551A (zh) * | 2008-03-07 | 2008-08-20 | 北京航空航天大学 | 一种快速的车牌定位方法 |
TW201044286A (en) * | 2009-06-05 | 2010-12-16 | Univ Nat Taiwan Science Tech | Method and system for actively detecting and recognizing placards |
US20110135156A1 (en) * | 2009-12-04 | 2011-06-09 | Chao-Ho Chen | Method of Locating License Plate of Moving Vehicle |
CN102364496A (zh) * | 2011-11-24 | 2012-02-29 | 无锡慧眼电子科技有限公司 | 一种基于图像分析的汽车车牌自动识别方法及系统 |
TW201419168A (zh) * | 2012-11-01 | 2014-05-16 | Univ Nat Yunlin Sci & Tech | 不均勻光線下的車牌辨識方法及系統 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4836878B2 (ja) * | 2007-06-21 | 2011-12-14 | 株式会社東芝 | 画像識別表示装置及び画像識別表示方法 |
TWI431559B (zh) * | 2010-10-29 | 2014-03-21 | Univ Nat Chiao Tung | 車牌偵測辨識方法及其系統 |
CN103425960B (zh) * | 2012-05-25 | 2017-04-05 | 信帧机器人技术(北京)有限公司 | 一种视频中快速运动物体侦测方法 |
TW201350174A (zh) * | 2012-06-01 | 2013-12-16 | Yu-Hua Lee | 影像式互動遊戲機的系統與方法 |
CN105550691B (zh) * | 2015-12-29 | 2019-03-19 | 武汉大学 | 基于尺度空间的自适应山谷山脊线提取方法及系统 |
CN107577997A (zh) * | 2017-08-21 | 2018-01-12 | 国家电网公司 | 一种输电线路通道内山火入侵的辨识方法 |
-
2018
- 2018-04-11 TW TW107112455A patent/TWI676965B/zh active
- 2018-09-26 CN CN201811126344.1A patent/CN110363192B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101246551A (zh) * | 2008-03-07 | 2008-08-20 | 北京航空航天大学 | 一种快速的车牌定位方法 |
TW201044286A (en) * | 2009-06-05 | 2010-12-16 | Univ Nat Taiwan Science Tech | Method and system for actively detecting and recognizing placards |
US20110135156A1 (en) * | 2009-12-04 | 2011-06-09 | Chao-Ho Chen | Method of Locating License Plate of Moving Vehicle |
CN102364496A (zh) * | 2011-11-24 | 2012-02-29 | 无锡慧眼电子科技有限公司 | 一种基于图像分析的汽车车牌自动识别方法及系统 |
TW201419168A (zh) * | 2012-11-01 | 2014-05-16 | Univ Nat Yunlin Sci & Tech | 不均勻光線下的車牌辨識方法及系統 |
Also Published As
Publication number | Publication date |
---|---|
CN110363192A (zh) | 2019-10-22 |
TW201944353A (zh) | 2019-11-16 |
CN110363192B (zh) | 2023-04-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2019233264A1 (zh) | 图像处理方法、计算机可读存储介质和电子设备 | |
US10303983B2 (en) | Image recognition apparatus, image recognition method, and recording medium | |
US9547890B2 (en) | Image processing apparatus and image processing method | |
Al-Ghaili et al. | Vertical-edge-based car-license-plate detection method | |
US8798314B2 (en) | Detection of vehicles in images of a night time scene | |
CA2867365C (en) | Method, system and computer storage medium for face detection | |
CN110473185B (zh) | 图像处理方法和装置、电子设备、计算机可读存储介质 | |
US8792013B2 (en) | Method for determining the extent of a foreground object in an image | |
KR101223046B1 (ko) | 정지장면의 연속프레임 영상에 기반한 영상분할장치 및 방법 | |
US9542735B2 (en) | Method and device to compose an image by eliminating one or more moving objects | |
EP3798975B1 (en) | Method and apparatus for detecting subject, electronic device, and computer readable storage medium | |
JP2012038318A (ja) | ターゲット検出方法及び装置 | |
CN106469455B (zh) | 图像处理方法、图像处理设备以及记录介质 | |
CN110796041B (zh) | 主体识别方法和装置、电子设备、计算机可读存储介质 | |
CN111179302B (zh) | 一种运动目标检测方法、装置、存储介质及终端设备 | |
TWI676965B (zh) | 物件影像辨識系統及物件影像辨識方法 | |
CN108234826B (zh) | 图像处理方法及装置 | |
CN110365897B (zh) | 图像修正方法和装置、电子设备、计算机可读存储介质 | |
CN112581481B (zh) | 图像处理方法和装置、电子设备、计算机可读存储介质 | |
CN112241982A (zh) | 一种图像处理方法、装置及机器可读存储介质 | |
WO2018058573A1 (zh) | 对象检测方法、对象检测装置以及电子设备 | |
US20210089818A1 (en) | Deposit detection device and deposit detection method | |
JP5662890B2 (ja) | 画像処理方法、画像処理装置及び画像処理プログラム、並びに、画像処理による放射線量推定方法 | |
WO2019085929A1 (zh) | 图像处理方法及其装置、安全驾驶方法 | |
TWI620147B (zh) | 用於合成人物的影像合成方法 |