TWI818535B - 車牌辨識系統及方法 - Google Patents

車牌辨識系統及方法 Download PDF

Info

Publication number
TWI818535B
TWI818535B TW111116841A TW111116841A TWI818535B TW I818535 B TWI818535 B TW I818535B TW 111116841 A TW111116841 A TW 111116841A TW 111116841 A TW111116841 A TW 111116841A TW I818535 B TWI818535 B TW I818535B
Authority
TW
Taiwan
Prior art keywords
license plate
image
character
plate image
corner point
Prior art date
Application number
TW111116841A
Other languages
English (en)
Other versions
TW202345115A (zh
Inventor
楊惟晶
黃品達
Original Assignee
博遠智能科技股份有限公司
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 博遠智能科技股份有限公司 filed Critical 博遠智能科技股份有限公司
Priority to TW111116841A priority Critical patent/TWI818535B/zh
Priority to US17/842,754 priority patent/US20230360409A1/en
Priority to JP2022108725A priority patent/JP7377482B1/ja
Application granted granted Critical
Publication of TWI818535B publication Critical patent/TWI818535B/zh
Publication of TW202345115A publication Critical patent/TW202345115A/zh

Links

Images

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
    • G06V20/625—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
    • 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
    • G06V30/16—Image preprocessing
    • G06V30/1607—Correcting image deformation, e.g. trapezoidal deformation caused by perspective

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Character Discrimination (AREA)
  • Character Input (AREA)
  • Image Processing (AREA)
  • Traffic Control Systems (AREA)
  • Image Analysis (AREA)

Abstract

一種車牌辨識系統，包含有：一影像擷取單元，用來擷取一影像；一車牌辨識單元，耦接於該影像擷取單元，用來偵測該影像中的一車牌影像的一位置，根據該車牌影像的至少一第一角點，校正該車牌影像，以產生一校正車牌影像，以及辨識該校正車牌影像，以產生一車牌辨識結果；以及一輸出單元，耦接於該車牌辨識單元，用來輸出該車牌辨識結果。

Description

車牌辨識系統及方法
本發明相關於一種影像處理，尤指一種車牌辨識系統及方法。
在影像處理的應用中，車牌辨識技術已廣為人知。然而，於實際應用上，因為光源、日夜、氣候(例如陰天、雨天)等環境的干擾，使得車牌影像可能出現車牌特徵不明顯、車牌歪斜、車牌變形、車牌污損及光噪的情況，進而辨識出錯誤的車牌號碼。此外，車牌本身被遮蔽、拍攝的角度限制及多變的車流方向，可能無法清楚地拍攝到車牌，亦會造成上述情況，導致車牌辨識的準確率下降。因此，如何提升車牌辨識的準確率為一亟待解決的問題。
本發明提供了一種車牌辨識系統及方法，以解決上述問題。
一種車牌辨識系統，包含有：一影像擷取單元，用來擷取一影像；一車牌辨識單元，耦接於該影像擷取單元，用來偵測該影像中的一車牌影像的一位置，根據該車牌影像的至少一第一角點，校正該車牌影像，以產生一校正車牌影像，以及辨識該校正車牌影像，以產生一車牌辨識結果；以及一輸出單元，耦接於該車牌辨識單元，用來輸出該車牌辨識結果。
一種用於車牌辨識的方法，包含有：擷取一影像；偵測該影像中的一車牌影像的一位置；根據該車牌影像的至少一第一角點，校正該車牌影像，以產生一校正車牌影像；辨識該校正車牌影像，以產生一車牌辨識結果；以及輸出該車牌辨識結果。
10:車牌辨識系統
100:影像擷取單元
110,20:車牌辨識單元
120:輸出單元
200:車牌偵測單元
210:車牌校正單元
220:字元辨識單元
IMG:影像
PLT_RST:車牌辨識結果
30:車牌影像
A,B,C,D,A',B',C',D':角點
40:轉換車牌影像
50,60,70,80:流程
500,502,504,506,508,600,602,604,606,608,610,700,702,704,706,708,710,712,714,716,718,800,802,804,806,808,810,812:步驟
第1圖為本發明實施例一車牌辨識系統的示意圖。
第2圖為本發明實施例一車牌辨識單元的示意圖。
第3圖為本發明實施例一車牌影像的示意圖。
第4圖為本發明實施例一轉換車牌影像的示意圖。
第5圖為本發明實施例一流程的流程圖。
第6圖為本發明實施例一流程的流程圖。
第7圖為本發明實施例一流程的流程圖。
第8圖為本發明實施例一流程的流程圖。
第1圖為本發明實施例一車牌辨識系統10的示意圖。車牌辨識系統10包含有一影像擷取單元100、一車牌辨識單元110及一輸出單元120。詳細來說，影像擷取單元100可用來擷取一影像。其中，影像擷取單元100被設置在監視器、攝影機、照相機、行車紀錄器或上述任意組合中，但不限於此。車牌辨識單元110耦接於影像擷取單元100，可用來偵測影像中的一車牌影像的位置，根據車牌影像的至少一第一角點，校正車牌影像，以產生一校正車牌影像，以及辨識 校正車牌影像，以產生一車牌辨識結果。輸出單元120耦接於車牌辨識單元110，可用來輸出車牌辨識結果。透過車牌校正及字元辨識的處理後，車牌辨識系統10可更準確地辨識車牌，以降低車牌辨識的錯誤率。
第2圖為本發明實施例一車牌辨識單元20的示意圖。車牌辨識單元20可用來實現第1圖中的車牌辨識單元110，但不限於此。車牌辨識單元20可包含有一車牌偵測單元200、一車牌校正單元210及一字元辨識單元220。詳細來說，車牌偵測單元200可耦接於第1圖中的影像擷取單元100，可用來接收影像IMG，以及偵測在影像IMG中的車牌影像。車牌校正單元210耦接於車牌偵測單元200，可用來偵測至少一第一角點，以產生一轉換車牌影像，以及偵測轉換車牌影像的至少一第二角點，以產生校正車牌影像。字元辨識單元220耦接於車牌校正單元210，可用來辨識校正車牌影像中的至少一第一字元，並加以修正，以產生車牌辨識結果PLT_RST。
在一實施例中，車牌偵測單元200、車牌校正單元210及字元辨識單元220包含有物件辨識網路模型。透過事前蒐集大量的資料、標記及訓練(例如深度學習)，物件辨識網路模型辨識標的。標的可為車牌影像、至少一第一角點、至少一第二角點或至少一第一字元，但不限於此。在一實施例中，透過類神經網路(Neural Network，NN)的運算，車牌偵測單元200偵測車牌影像，以及產生關聯於車牌影像的一信心值。在一實施例中，當車牌影像符合條件(例如車牌影像的一面積大於一第一閥值及/或信心值大於一第二閥值)時，車牌偵測單元200輸出車牌影像到字元辨識單元220。否則，車牌偵測單元200不輸出車牌影像(或者丟棄車牌影像)。
在一實施例中，透過角點偵測(例如莫拉維克(Moravec)角點偵測、哈里斯(Harris)角點偵測、施托馬西(Shi-Tomasi)角點偵測、普萊西(Plessey)角點偵測或上述任意組合，但不限於此)，車牌偵測單元200偵測至少一第一角點，以及分別產生關聯於至少一第一角點的至少一信心值。在一實施例中，當至少一第一角點的一數量大於一第三閥值(或者至少一信心值中至少有足夠個信心值大於一第四閥值)時，車牌校正單元210執行車牌影像的一角點補償及一幾何轉換。也就是說，至少一第一角點的數量要夠多，才能推測剩餘的角點。以矩形車牌為例，當至少一第一角點的數量等於3(或者至少一信心值中有3個信心值大於第四閥值)時，根據平行四邊形原理，車牌校正單元210執行角點補償，以獲得(或預測)一補償角點。在一實施例中，車牌校正單元210紀錄車牌影像的4個角點的角點座標。根據角點座標，車牌校正單元210執行車牌影像的幾何轉換，以產生轉換車牌影像，校正車牌影像為轉換車牌影像(即車牌校正單元210輸出轉換車牌影像到字元辨識單元220)。在一實施例中，當至少一第一角點的數量不大於該第三閥值(或者至少一信心值中信心值大於第四閥值的個數不夠多)時，校正車牌影像為車牌影像。也就是說，當無法執行角點補償及幾何轉換時，車牌校正單元210直接輸出車牌影像到字元辨識單元220。
在一實施例中，透過角點偵測(例如莫拉維克(Moravec)角點偵測、哈里斯(Harris)角點偵測、施托馬西(Shi-Tomasi)角點偵測、普萊西(Plessey)角點偵測或上述任意組合，但不限於此)，車牌偵測單元200偵測至少一第二角點。在一實施例中，當至少一第二角點所圍成的一區域相似於(或相同於)一目標車牌形狀(例如矩形)時，校正車牌影像為轉換車牌影像(即車牌校正單元210輸出轉換車牌影像到字元辨識單元220)。在一實施例中，當至少一第二角點所圍成的區域不相似於目標車牌形狀(例如矩形)時，校正車牌影像為車牌 影像(即車牌校正單元210輸出車牌影像到字元辨識單元220)。也就是說，車牌校正單元210包含有一檢查機制，用來檢查車牌影像是否校正(或轉換)成功(例如檢查至少一第二角點所圍成的區域是否相似於矩形)。若校正成功，車牌校正單元210輸出校正後的車牌影像到字元辨識單元220。若校正失敗，車牌校正單元210輸出校正前的車牌影像到字元辨識單元220。
以矩形車牌為例，定義至少一第二角點所圍成的區域相似於(或相同於)矩形的方法有很多種。在一實施例中，區域的2組對應邊分別互相平行。在一實施例中，區域的2組對應邊長度分別相似或相等。在一實施例中，區域的1組對應邊相互平行，以及該組對應邊長度相似或相等。在一實施例中，區域的4個角的角度等於或近似於90度。在一實施例中，區域的2組對應角角度分別相似或相等。在一實施例中，區域的2條對角線互相平分。在一實施例中，區域的2條對角線長度相似或相等。需注意的是，長度相似代表2個邊長長度的差值小於一第一誤差值，以及角度相似代表2個角度的差值小於一第二誤差值。上述實施例可用於定義至少一第二角點所圍成的區域相似於(或相同於)矩形，但不限於此。
在一實施例中，字元辨識單元220辨識至少一第一字元的至少一座標。接著，根據至少一座標，字元辨識單元220決定至少一第一字元的一字元順序。舉例來說，根據至少一座標的X座標的數值，至少一第一字元從左到右排列(例如具有數值最小的字元排最左邊，以此類推)。也就是說，字元辨識單元220不僅辨識車牌影像中的字元，還會辨識每個字元的座標。字元辨識單元220根據座標決定字元順序，以降低車牌辨識的錯誤率。
在一實施例中，字元辨識單元220決定至少一第一字元是否符合一車牌規則。車牌規則可與管轄車牌之地區的法規有關。舉例來說，根據台灣的車牌法規，字元數量為4到7個。車牌格式為2-4、4-2、2-2、3-2、2-3、3-3及3-4。X-Y表示在“-”前有X個字元，以及在“-”後有Y個字元。在車牌格式4-2中，前4個字元為數字，以及後2個字元為英文字母或數字。在車牌格式2-4中，前2個字元為英文字母或數字，以及後4個字元為數字。在車牌格式3-4中，前3個字元為英文字母，以及後4個字元為數字。在一實施例中，當至少一第一字元符合車牌規則時，字元辨識單元220輸出至少一第一字元。否則，字元辨識單元220不輸出至少一第一字元(或者丟棄至少一第一字元)。
在一實施例中，根據時序，字元辨識單元220儲存至少一第一字元在第一列表中。當第一列表的儲存空間已滿，字元辨識單元220刪除第一列表中最舊的資料，以儲存新的資料。
在一實施例中，在產生車牌辨識結果PLT_RST後，根據時序，字元辨識單元220儲存車牌辨識結果PLT_RST在第二列表中。在一實施例中，當第二列表的儲存空間已滿，字元辨識單元220刪除第二列表中最舊的資料，以儲存新的資料。在一實施例中，儲存在第二列表中的資料為至少一第二字元。
在一實施例中，當至少一第一字元相似於至少一第二字元時，字元辨識單元220判斷車牌辨識結果PLT_RST為至少一第二字元。定義至少一第一字元相似於至少一第二字元的方法有很多種。在一實施例中，至少一第一字元及至少一第二字元的字元數量相同，其中只有一個字元不相同。例如，ABC-1234及ABC-1235。在一實施例中，至少一第一字元及至少一第二字元的字元數量相 同，其中有2個字元相鄰的字元順序相反。例如，ABC-1234及ABC-1324。在一實施例中，至少一第一字元及至少一第二字元的字元數量相差1個，其中至少一第一字元及至少一第二字元中的一者包含有至少一第一字元及至少一第二字元中的另一者的所有字元。例如，ABC-1234及AC-1234。上述實施例或其結合可用於定義至少一第一字元相似於至少一第二字元，但不限於此。
請同時參考第3圖及第4圖。第3圖為本發明實施例一車牌影像30的示意圖。第4圖為本發明實施例一轉換車牌影像40的示意圖。車牌影像30包含有角點A、B、C及D，以及轉換車牌影像40包含有角點A'、B'、C'及D'。在一實施例中，在一車牌偵測單元(例如第2圖的車牌偵測單元200)偵測車牌影像30後，一車牌校正單元(例如第2圖的車牌校正單元210)偵測到車牌影像30的角點A、B、C及D，以及紀錄對應的角點座標。根據紀錄的角點座標，車牌校正單元執行車牌影像30的幾何轉換，以產生轉換車牌影像40。在一實施例中，車牌校正單元偵測到車牌影像30的3個角點(例如角點A、B及C)，以及紀錄對應的角點座標。根據偵測的3個角點，車牌校正單元執行角點補償，以獲得補償角點(例如角點D)及補償角點座標。接著，根據紀錄的角點座標及補償角點座標，車牌校正單元執行車牌影像30的幾何轉換，以產生轉換車牌影像40。在一實施例中，車牌校正單元偵測到車牌影像30的2個角點(例如角點A及B)。因為僅偵測到2個角點，車牌校正單元無法執行角點補償及幾何轉換，故直接輸出車牌影像30到一字元辨識單元(例如第2圖的字元辨識單元220)。
在一實施例中，車牌校正單元偵測到轉換車牌影像40的角點A'、B'、C'及D'，以及紀錄對應的角點座標。若角點A'、B'、C'及D'所圍成的區域相似於(或相同於)矩形，車牌校正單元輸出轉換車牌影像40到字元辨識單元。若角 點A'、B'、C'及D'所圍成的區域不相似於矩形，車牌校正單元輸出車牌影像30到字元辨識單元220。在一實施例中，車牌校正單元偵測到轉換車牌影像40的3個角點(例如角點A'、B'及C')，以及紀錄對應的角點座標。因為3個角點所圍成的區域不相似於矩形，車牌校正單元輸出車牌影像30到字元辨識單元。在一實施例中，車牌校正單元至多偵測到轉換車牌影像40的2個角點(例如角點A'及B')，以及紀錄對應的角點座標。因為至多2個角點無法圍成一區域，車牌校正單元輸出車牌影像30到字元辨識單元。
前述車牌辨識系統10的運作方式可歸納為一流程50，如第5圖所示。流程50包含有以下步驟：
步驟500：開始。
步驟502：擷取一影像。
步驟504：偵測該影像中的一車牌影像的一位置，根據該車牌影像的至少一第一角點，校正該車牌影像，以產生一校正車牌影像，以及辨識該校正車牌影像，以產生一車牌辨識結果。
步驟506：輸出該車牌辨識結果。
步驟508：結束。
流程50是用來舉例說明車牌辨識系統10的運作方式，詳細說明及變化可參考前述，於此不贅述。
前述車牌辨識單元20及110的運作方式可歸納為一流程60，用於車牌辨識系統10中，如第6圖所示。流程60包含有以下步驟：
步驟600：開始。
步驟602：偵測在一影像中的一車牌影像。
步驟604：偵測該車牌影像的至少一第一角點，以產生一轉換車牌影像。
步驟606：偵測該轉換車牌影像的至少一第二角點，以產生該校正車牌影像。
步驟608：辨識該校正車牌影像中的至少一第一字元，以產生一車牌辨識結果。
步驟610：結束。
流程60是用來舉例說明車牌辨識單元20及110的運作方式，詳細說明及變化可參考前述，於此不贅述。
前述車牌偵測單元200及車牌校正單元210的運作方式可歸納為一流程70，用於車牌辨識單元20及110中，如第7圖所示。流程70包含有以下步驟：
步驟700：開始。
步驟702：偵測在一影像中的一車牌影像。
步驟704：偵測該車牌影像的至少一第一角點。
步驟706：該至少一第一角點的一數量是否大於一閥值？若是，執行步驟708。若否，執行步驟716。
步驟708：執行該車牌影像的一角點補償及一幾何轉換，以產生一轉換車牌影像。
步驟710：偵測該轉換車牌影像的至少一第二角點。
步驟712：至少一第二角點所圍成的一區域是否相似於一目標車牌形狀？若是，執行步驟714。若否，執行步驟716。
步驟714：輸出轉換車牌影像，以及執行步驟718。
步驟716：輸出車牌影像。
步驟718：結束。
根據流程70，車牌偵測單元200執行步驟702，以及車牌校正單元210執行步驟704至步驟716。在一實施例中，步驟706可替換成“關聯於該至少一第一角點的至少一信心值中至少有足夠個數角點信心值大於一閥值”。
流程70是用來舉例說明車牌偵測單元200及車牌校正單元210的運作方式，詳細說明及變化可參考前述，於此不贅述。
前述字元辨識單元220的運作方式可歸納為一流程80，用於車牌辨識單元20及110中，如第8圖所示。流程80包含有以下步驟：
步驟800：開始。
步驟802：辨識一校正車牌影像中的至少一第一字元。
步驟804：該至少一第一字元是否符合一車牌規則？若是，執行步驟806。若否，執行步驟812。
步驟806：儲存該至少一第一字元在一第一列表中。
步驟808：比較該第一列表中至少一字元與一第二列表中的至少一第二字元，以產生一車牌辨識結果。
步驟810：儲存該車牌辨識結果在該第二列表中。
步驟812：結束。
流程80是用來舉例說明字元辨識單元220的運作方式，詳細說明及變 化可參考前述，於此不贅述。
需注意的是，影像擷取單元100、車牌辨識單元110及輸出單元120及車牌辨識單元20(及其中的車牌偵測單元200、車牌校正單元210及字元辨識單元220)的實現方式可有很多種。舉例來說，可將上述裝置(電路)整合為一或多個裝置(電路)。此外，影像擷取單元100、車牌辨識單元110及輸出單元120及車牌辨識單元20可以硬體(例如電路)、軟體、韌體(為硬體裝置與電腦指令與資料的結合，且電腦指令與資料屬於硬體裝置上的唯讀軟體)、電子系統、或上述裝置的組合來實現，不限於此。
上述運作中所描述的“決定”可被替換成“計算(compute)”、“計算(calculate)”、“獲得”、“產生”、“輸出”、“使用”、“選擇(choose/select)”、“決定(decide)”等運作。上述運作中的“根據(according to)”可被替換成“以回應(in response to)”。上述描述所使用的“關聯於”可被替換成“的(of)”或“對應於(corresponding to)”。上述描述所使用的“透過(via)”可被替換成“在(on)”、“在(in)”或“在(at)”。
根據以上所述，本發明提供一種車牌辨識系統及方法。根據車牌影像的角點，車牌辨識系統執行幾何轉換，以校正車牌影像。此外，根據第一列表及第二列表中儲存的車牌號碼，車牌辨識系統檢查辨識的車牌號碼是否正確，並且進行修正。因此，本發明可提升車牌辨識的準確率，以辨識出正確的車牌號碼。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。
10:車牌辨識系統
100:影像擷取單元
110:車牌辨識單元
120:輸出單元

Claims (14)

  1. 一種車牌辨識系統，包含有：一影像擷取單元，用來擷取一影像；一車牌辨識單元，耦接於該影像擷取單元，用來偵測該影像中的一車牌影像的一位置，根據該車牌影像的至少一第一角點，校正該車牌影像，以產生一校正車牌影像，以及辨識該校正車牌影像，以產生一車牌辨識結果；以及一輸出單元，耦接於該車牌辨識單元，用來輸出該車牌辨識結果；其中當該至少一第一角點的一數量大於一閥值時，該車牌辨識單元執行該車牌影像的一角點補償及一幾何轉換，以及當該至少一第一角點的該數量不大於該閥值時，該校正車牌影像為該車牌影像。
  2. 如請求項1所述的車牌辨識系統，其中該車牌辨識單元包含有：一車牌偵測單元，耦接於該影像擷取單元，用來偵測在該影像中的該車牌影像；一車牌校正單元，耦接於該車牌偵測單元，用來偵測該至少一第一角點，以產生一轉換車牌影像，以及偵測該轉換車牌影像的至少一第二角點，以產生該校正車牌影像；以及一字元辨識單元，用來辨識該校正車牌影像中的至少一第一字元。
  3. 如請求項2所述的車牌辨識系統，其中當該至少一第二角點所圍成的一區域相似於一目標車牌形狀時，該校正車牌影像為該轉換車牌影像，以及當該至少一第二角點所圍成的該區域不相似於該目標車牌形狀時，該校正車牌影像為該車牌影像。
  4. 如請求項2所述的車牌辨識系統，其中該字元辨識單元辨識該至少一第一字元的至少一座標，以及根據該至少一座標，決定該至少一第一字元的一字元順序。
  5. 如請求項2所述的車牌辨識系統，其中當該至少一第一字元符合一車牌規則時，該字元辨識單元輸出該至少一第一字元，以及當該至少一第一字元不符合該車牌規則時，該字元辨識單元不輸出該至少一第一字元。
  6. 如請求項2所述的車牌辨識系統，其中該字元辨識單元儲存該至少一第一字元在一第一列表中，以及儲存該車牌辨識結果在一第二列表中。
  7. 如請求項6所述的車牌辨識系統，其中該字元辨識單元比較該第一列表中的該至少一第一字元及在該第二列表中的至少一第二字元，以產生該車牌辨識結果。
  8. 一種用於車牌辨識的方法，包含有：擷取一影像；偵測該影像中的一車牌影像的一位置根據該車牌影像的至少一第一角點，校正該車牌影像，以產生一校正車牌影像；辨識該校正車牌影像，以產生一車牌辨識結果；以及輸出該車牌辨識結果；其中當該至少一第一角點的一數量大於一閥值時，該車牌影像的一角點補償 及一幾何轉換被執行，以及當該至少一第一角點的該數量不大於該閥值時，該校正車牌影像為該車牌影像。
  9. 如請求項8所述的方法，其中根據在該影像中的該車牌影像的該至少一第一角點，校正該車牌影像，以產生該校正車牌影像的步驟包含有：偵測在該影像中的該車牌影像；偵測該至少一第一角點，以產生一轉換車牌影像；以及偵測該轉換車牌影像的至少一第二角點，以產生該校正車牌影像；以及辨識該校正車牌影像，以產生一車牌辨識結果的步驟包含有：辨識該校正車牌影像中的至少一第一字元。
  10. 如請求項9所述的方法，其中當該至少一第二角點所圍成的一區域相似於一目標車牌形狀時，該校正車牌影像為該轉換車牌影像，以及當該至少一第二角點所圍成的該區域不相似於該目標車牌形狀時，該校正車牌影像為該車牌影像。
  11. 如請求項9所述的方法，其中該方法另包含有：辨識該至少一第一字元的至少一座標；以及根據該至少一座標，決定該至少一第一字元的一字元順序。
  12. 如請求項9所述的方法，其中該方法另包含有：當該至少一第一字元符合一車牌規則時，輸出該至少一第一字元；以及當該至少一第一字元不符合該車牌規則時，不輸出該至少一第一字元。
  13. 如請求項9所述的方法，其中該方法另包含有：儲存該至少一第一字元在一第一列表中；以及儲存該車牌辨識結果在一第二列表中。
  14. 如請求項13所述的方法，其中該方法另包含有：比較該第一列表中的該至少一第一字元及在該第二列表中的至少一第二字元，以產生該車牌辨識結果。
TW111116841A 2022-05-04 2022-05-04 車牌辨識系統及方法 TWI818535B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
TW111116841A TWI818535B (zh) 2022-05-04 2022-05-04 車牌辨識系統及方法
US17/842,754 US20230360409A1 (en) 2022-05-04 2022-06-16 System and Method for License Plate Recognition
JP2022108725A JP7377482B1 (ja) 2022-05-04 2022-07-06 ナンバープレート認識のためのシステム及び方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
TW111116841A TWI818535B (zh) 2022-05-04 2022-05-04 車牌辨識系統及方法

Publications (2)

Publication Number Publication Date
TWI818535B true TWI818535B (zh) 2023-10-11
TW202345115A TW202345115A (zh) 2023-11-16

Family

ID=88648152

Family Applications (1)

Application Number Title Priority Date Filing Date
TW111116841A TWI818535B (zh) 2022-05-04 2022-05-04 車牌辨識系統及方法

Country Status (3)

Country Link
US (1) US20230360409A1 (zh)
JP (1) JP7377482B1 (zh)
TW (1) TWI818535B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2015032087A (ja) * 2013-08-01 2015-02-16 株式会社デンソー ナンバープレート認識装置およびナンバープレート認識方法
US9020200B2 (en) * 2012-06-12 2015-04-28 Xerox Corporation Geometric pre-correction for automatic license plate recognition
TW201810126A (zh) * 2016-09-12 2018-03-16 佳世達科技股份有限公司 用於車牌辨識之傾斜校正方法及傾斜校正系統
TW201939354A (zh) * 2018-03-14 2019-10-01 台達電子工業股份有限公司 車牌辨識方法以及其系統
CN113228033A (zh) * 2018-12-29 2021-08-06 浙江大华技术股份有限公司 车牌识别的系统和方法
CN113642577A (zh) * 2021-10-14 2021-11-12 深圳市爱深盈通信息技术有限公司 一种低对比度的车牌识别方法、系统、设备及存储介质

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108985137B (zh) 2017-06-02 2021-08-27 杭州海康威视数字技术股份有限公司 一种车牌识别方法、装置及系统
JP6858101B2 (ja) 2017-08-31 2021-04-14 株式会社Pfu 座標検出装置及び学習済みモデル

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9020200B2 (en) * 2012-06-12 2015-04-28 Xerox Corporation Geometric pre-correction for automatic license plate recognition
JP2015032087A (ja) * 2013-08-01 2015-02-16 株式会社デンソー ナンバープレート認識装置およびナンバープレート認識方法
TW201810126A (zh) * 2016-09-12 2018-03-16 佳世達科技股份有限公司 用於車牌辨識之傾斜校正方法及傾斜校正系統
TW201939354A (zh) * 2018-03-14 2019-10-01 台達電子工業股份有限公司 車牌辨識方法以及其系統
CN113228033A (zh) * 2018-12-29 2021-08-06 浙江大华技术股份有限公司 车牌识别的系统和方法
CN113642577A (zh) * 2021-10-14 2021-11-12 深圳市爱深盈通信息技术有限公司 一种低对比度的车牌识别方法、系统、设备及存储介质

Also Published As

Publication number Publication date
TW202345115A (zh) 2023-11-16
JP2023166050A (ja) 2023-11-20
JP7377482B1 (ja) 2023-11-10
US20230360409A1 (en) 2023-11-09

Similar Documents

Publication Publication Date Title
WO2020119301A1 (zh) 二维码识别方法、装置及设备
US10733705B2 (en) Information processing device, learning processing method, learning device, and object recognition device
CN111931864B (zh) 基于顶点距离与交并比多重优化目标检测器的方法与系统
JP2000293670A (ja) ビデオ画像の道路標識自動認識方法及び道路標識自動認識装置並びに道路標識自動認識のプログラムを記憶した記憶媒体
CN109918523B (zh) 一种基于yolo9000算法的电路板元器件检测方法
US20180253852A1 (en) Method and device for locating image edge in natural background
CN111461113B (zh) 一种基于变形平面物体检测网络的大角度车牌检测方法
CN110555377B (zh) 一种基于鱼眼相机俯视拍摄的行人检测与跟踪方法
CN110969045B (zh) 一种行为检测方法、装置、电子设备和存储介质
US10796143B2 (en) Information processing apparatus, information processing system, and non-transitory computer readable medium
KR20220036803A (ko) 인쇄회로기판 인식마크 검출 장치 및 방법
US8547430B2 (en) System and method for marking discrepancies in image of object
WO2018121414A1 (zh) 电子设备、目标图像识别方法及装置
WO2021128242A1 (zh) 图片目标点纠正方法、装置设备及存储介质
TWI818535B (zh) 車牌辨識系統及方法
JP2022009474A (ja) ビジョンシステムでラインを検出するためのシステム及び方法
CN115424254A (zh) 车牌识别方法、系统、设备及存储介质
CN112633078B (zh) 目标跟踪自校正方法、系统、介质、设备、终端及应用
CN112308061B (zh) 一种车牌字符识别方法及装置
TWM626684U (zh) 文件校對裝置
TWI736063B (zh) 物件偵測方法以及電子裝置
KR20220144456A (ko) Svm 원 영상을 기반으로 근접 주행 환경을 인식하는 방법 및 시스템
CN111860315A (zh) 一种表格线的检测方法、装置、设备及存储介质
CN113762027A (zh) 一种异常行为的识别方法、装置、设备及存储介质
CN112763513A (zh) 一种字符缺陷检测方法