Nothing Special   »   [go: up one dir, main page]

CN105512662A - 一种无牌车辆检测方法及装置 - Google Patents

一种无牌车辆检测方法及装置 Download PDF

Info

Publication number
CN105512662A
CN105512662A CN201510850001.XA CN201510850001A CN105512662A CN 105512662 A CN105512662 A CN 105512662A CN 201510850001 A CN201510850001 A CN 201510850001A CN 105512662 A CN105512662 A CN 105512662A
Authority
CN
China
Prior art keywords
license plate
sub
vehicle
region
extracting
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.)
Pending
Application number
CN201510850001.XA
Other languages
English (en)
Inventor
李艳超
吴柯维
郭长全
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Zhuo Is Looked Logical Science And Technology Ltd Co Of Intelligence
Original Assignee
Beijing Zhuo Is Looked Logical Science And Technology Ltd Co Of Intelligence
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 Beijing Zhuo Is Looked Logical Science And Technology Ltd Co Of Intelligence filed Critical Beijing Zhuo Is Looked Logical Science And Technology Ltd Co Of Intelligence
Priority to CN201510850001.XA priority Critical patent/CN105512662A/zh
Publication of CN105512662A publication Critical patent/CN105512662A/zh
Pending legal-status Critical Current

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
    • G06V10/40—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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
    • 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
    • G06V10/56—Extraction of image or video features relating to colour
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种无牌车辆检测方法及装置，其中方法包括以下步骤：检测视频中的车辆，提取视频中的车辆子图像；对检测到的子图像进行预处理；对预处理后的子图像进行图像边缘提取；对于边缘点，提取边缘点附近小块区域子图像，并提取子图像的颜色特征；使用车牌颜色模型进行判别，检测提取的子图像是否为候选车牌区域；检测所有符合条件的候选车牌区域，并在所有候选车牌区域中找最匹配的区域，定为车牌区域；如果没有检测到车牌区域，则判断车辆为无牌车辆。本发明既可以识别清晰车牌，也能对模糊车牌有很好的适应性，提高车牌识别的识别率，进而对无牌车检测有很好的效果。

Description

一种无牌车辆检测方法及装置
技术领域
本发明属于计算机视觉领域，尤其涉及一种无牌车辆检测方法及装置。
背景技术
随着社会的发展与科技的进步，全世界的汽车拥有量迅猛增长，出现了一系列的交通问题，也给城市的交通管理带来了巨大压力，在这种背景下智能交通系统应运而生，智能交通系统在实现交通管理智能化、自动化、简单化上起了很大的作用。
目前车牌识别、违规检测、流量统计、交通调查都是智能交通系统中的重要组成部分。
交通调查包括交通量、车速、车型统计等，这里关注的是无牌车辆的检测。一方面可以对无牌车辆的数量进行统计，另一方面可以根据检测结果进行数据分析从而追踪到无牌车车主，更有效的进行交通管理。
发明内容
本发明的目的在于提供一种无牌车辆检测方法，通过该方法可实现交通管理的智能化、自动化和简单化。
为实现上述目的，一方面，本发明提供了一种无牌车辆检测方法，该方法包括以下步骤：
检测视频中的车辆，提取视频中的车辆子图像；对检测到的子图像进行预处理；对预处理后的子图像进行图像边缘提取；对于边缘点，提取所述边缘点附近小块区域子图像，并提取子图像的颜色特征；使用车牌颜色模型进行判别，检测提取的子图像是否为候选车牌区域；检测所有符合条件的候选车牌区域，并在所有候选车牌区域中找最匹配的区域，定为车牌区域；如果没有检测到车牌区域，则判断车辆为无牌车辆。
优选地，所述检测视频中的车辆，提取视频中的车辆子图像步骤包括：通过车辆模型检测视频中的车辆，提取视频中的车辆子图像；所述车辆模型是通过提取车辆的哈尔haar特征进而使用安德布斯特adaboost分类器进行学习得到的，检测的时候同样使用haar特征和adaboost分类器检测视频中的车辆。
Haar特征,是本领域(即计算机视觉领域)技术人员知晓的一种常用的特征描述算子。
Adaboost是本领域技术人员知晓的一种迭代算法，其核心思想是针对同一个训练集训练不同的分类器(弱分类器)，然后把这些弱分类器集合起来，构成一个更强的最终分类器(强分类器)。
优选地，所述对检测到的子图像进行预处理步骤包括：对车辆子图像的平滑和拉伸，进而消除光照和噪声的影响。
优选地，所述对预处理后的子图像进行图像边缘提取步骤包括：采用索贝尔Sobel算子对预处理后的子图像进行竖直边缘检测。索贝尔Sobel算子是计算机视觉领域的一种重要处理方法，主要用于获得数字图像的一阶梯度，在本发明中用于对预处理后的子图像进行竖直边缘检测。
优选地，所述对于边缘点，提取所述边缘点附近小块区域子图像，并提取子图像的颜色特征步骤包括：对小块区域子图像进行二值化，分别统计二值化后黑色区域对应点的颜色直方图和白色区域对应点的颜色直方图，使用的颜色空间是色相饱和度值HSV颜色空间，将二者合并得到提取块的颜色特征。上述提及的二值化处理，是将小块区域子图像上的像素点的灰度值设置为0或255，也就是提取小块区域子图像中的黑色区域和白色区域。
优选地，所述使用车牌颜色模型进行判别，检测提取的子图像是否为候选车牌区域步骤包括：根据训练好的车牌颜色模型，判断当前小块区域子图像是否为车牌区域。
优选地，所述颜色模型在训练阶段样本共分为四类：蓝底白字车牌、白底黑字车牌、黑底白字车牌、黄底黑字车牌，对样本进行二值化，将颜色空间由RGB转换到HSV空间后，分别统计二值化后黑白区域对应的点的直方图，并将二者合并得到每个样本的特征，进而使用SVM分类器进行训练；在检测阶段，由于支持向量机SVM分类器会返回一个匹配值，对于每一块区域，若经过检测发现匹配值较大，则认为是候选车牌区域，否则不是车牌区域。
优选地，所述检测所有符合条件的候选车牌区域，并在所有候选车牌区域中找最匹配的区域，定为车牌区域步骤包括：将相邻的候选车牌区域合并，并通过颜色模型判断车牌的匹配度，认为匹配度最高的区域为真实的车牌区域。
另一方面，本发明提供了一种无牌车辆检测装置，该装置包括：第一检测单元、处理单元、第一提取单元、第二提取单元、第二检测单元和判断单元。其中，
第一检测单元用于检测视频中的车辆，提取视频中的车辆子图像；
处理单元用于对检测到的子图像进行预处理；
第一提取单元用于对预处理后的子图像进行图像边缘提取；
第二提取单元用于对于边缘点，提取所述边缘点附近小块区域子图像，并提取子图像的颜色特征；
第二检测单元用于使用车牌颜色模型进行判别，检测提取的子图像是否为候选车牌区域；
判断单元用于检测所有符合条件的候选车牌区域，并在所有候选车牌区域中找最匹配的区域，定为车牌区域；如果没有检测到车牌区域，则判断车辆为无牌车辆。
本发明使用车辆模型检测车辆，进而使用颜色模型判别车牌，使用颜色模型检测车牌既可以识别清晰车牌，也能对模糊车牌有很好的适应性，提高车牌识别的识别率，进而对无牌车检测有很好的效果。
附图说明
图1为本发明实施例提供的一种无牌车辆检测方法流程示意框图；
图2为本发明实施例提供的一种无牌车辆检测装置结构示意框图。
具体实施方式
通过以下结合附图以举例方式对本发明的实施方式进行详细描述后，本发明的其他特征、特点和优点将会更加明显。
图1为本发明实施例提供的一种无牌车辆检测方法流程示意框图。如图1所示，该方法包括步骤101－107：
步骤101，检测视频中的车辆，提取视频中的车辆子图像。
使用车辆模型检测视频中的车辆，在车辆模型的训练阶段：整理大量的正样本车辆图像与负样本非车辆图像，提取样本的haar特征，结合adaboost分类器进行训练，得到二类判别模型。在检测阶段，使用同样的特征和分类器以及训练好的模型进行车辆的检测，提取视频中的车辆子图像。
步骤102，对检测到的子图像进行预处理。
在获取车辆子图像后，需要在子图像中检测车牌，检测不到车牌的图像认为是无牌车。首先对检测到的子图像进行预处理，包括图像的平滑和拉伸，从而消除噪声和光照等的影响。该步骤主要是为了后续的边缘检测做准备。
步骤103，对预处理后的子图像进行图像边缘提取。
由于车牌区域边缘明显，对预处理后的图像进行竖直边缘检测。优选地，可以采用Sobel算子进行检测。
步骤104，对于边缘点，提取所述边缘点附近小块区域子图像，并提取子图像的颜色特征。
对小块区域子图像进行二值化，即将对小块区域子图像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只有黑和白的视觉效果。分别统计二值化后黑色区域对应点的颜色直方图和白色区域对应点的颜色直方图，使用的颜色空间是HSV颜色空间，将二者合并得到提取块的颜色特征。二值化算法使得颜色特征更有区分性。
步骤105，使用车牌颜色模型进行判别，检测提取的子图像是否为候选车牌区域。
在提取子图像的颜色特征后，使用车牌颜色模型进行判别，检测是否为候选车牌区域。这里的颜色模型在训练阶段样本共分为四类：蓝底白字车牌、白底黑字车牌、黑底白字车牌、黄底黑字车牌，对样本进行二值化，将颜色空间由RGB转换到HSV空间后，分别统计二值化后黑白区域对应的点的直方图，并将二者合并得到每个样本的特征，进而使用SVM分类器进行训练。在检测阶段，由于SVM分类器会返回一个匹配值，对于每一块区域，若经过检测发现匹配值较大，则认为是候选车牌区域，否则不是车牌区域。
步骤106，检测所有符合条件的候选车牌区域，并在所有候选车牌区域中找最匹配的区域，定为车牌区域；
将相邻的候选车牌区域合并，并通过颜色模型判断车牌的匹配度，认为匹配度最高的区域为真实的车牌区域。
步骤107，如果没有检测到车牌区域，则判断车辆为无牌车辆。
在本发明实施例中，由于车牌区域是分块检测的，找到的车牌区域边界不准确，使用颜色信息，精确定位车牌的上下左右四个边界。
本发明通过使用车辆模型检测车辆，进而使用颜色模型判别车牌，使用颜色模型检测车牌既可以识别清晰车牌，也能对模糊车牌有很好的适应性，提高车牌识别的识别率，进而对无牌车检测有很好的效果。
图2为本发明实施例提供的一种无牌车辆检测装置结构示意框图。如图2所示，该装置包括：第一检测单元、处理单元、第一提取单元、第二提取单元、第二检测单元和判断单元。其中，
第一检测单元用于检测视频中的车辆，提取视频中的车辆子图像；
处理单元用于对检测到的子图像进行预处理；
第一提取单元用于对预处理后的子图像进行图像边缘提取；
第二提取单元用于对于边缘点，提取所述边缘点附近小块区域子图像，并提取子图像的颜色特征；
第二检测单元用于使用车牌颜色模型进行判别，检测提取的子图像是否为候选车牌区域；
判断单元用于检测所有符合条件的候选车牌区域，并在所有候选车牌区域中找最匹配的区域，定为车牌区域；如果没有检测到车牌区域，则判断车辆为无牌车辆。
本发明通过使用车辆模型检测车辆，进而使用颜色模型判别车牌，使用颜色模型检测车牌既可以识别清晰车牌，也能对模糊车牌有很好的适应性，提高车牌识别的识别率，进而对无牌车检测有很好的效果。
显而易见，在不偏离本发明的真实精神和范围的前提下，在此描述的本发明可以有许多变化。因此，所有对于本领域技术人员来说显而易见的改变，都应包括在本权利要求书所涵盖的范围之内。本发明所要求保护的范围仅由所述的权利要求书进行限定。

Claims (10)

1.一种无牌车辆检测方法，其特征在于，包括以下步骤：
检测视频中的车辆，提取视频中的车辆子图像；
对检测到的子图像进行预处理；
对预处理后的子图像进行图像边缘提取；
对于边缘点，提取所述边缘点附近小块区域子图像，并提取子图像的颜色特征；
使用车牌颜色模型进行判别，检测提取的子图像是否为候选车牌区域；
检测所有符合条件的候选车牌区域，并在所有候选车牌区域中找最匹配的区域，定为车牌区域；
如果没有检测到车牌区域，则判断车辆为无牌车辆。
2.根据权利要求1所述的方法，其特征在于，所述检测视频中的车辆，提取视频中的车辆子图像步骤包括：
通过车辆模型检测视频中的车辆，提取视频中的车辆子图像；所述车辆模型是通过提取车辆的哈尔haar特征进而使用安德布斯特adaboost分类器进行学习得到的，检测的时候同样使用haar特征和adaboost分类器检测视频中的车辆。
3.根据权利要求1所述的方法，其特征在于，所述对检测到的子图像进行预处理步骤包括：
对车辆子图像的平滑和拉伸处理，进而消除光照和噪声的影响。
4.根据权利要求1所述的方法，其特征在于，所述对预处理后的子图像进行图像边缘提取步骤包括：
采用索贝尔Sobel算子对预处理后的子图像进行竖直边缘检测。
5.根据权利要求1所述的方法，其特征在于，所述对于边缘点，提取所述边缘点附近小块区域子图像，并提取子图像的颜色特征步骤包括：
对小块区域子图像进行二值化，分别统计二值化后黑色区域对应点的颜色直方图和白色区域对应点的颜色直方图，使用的颜色空间是色相饱和度值HSV颜色空间，将二者合并得到提取块的颜色特征。
6.根据权利要求1所述的方法，其特征在于，所述使用车牌颜色模型进行判别，检测提取的子图像是否为候选车牌区域步骤包括：
根据训练好的车牌颜色模型，判断当前小块区域子图像是否为车牌区域。
7.根据权利要求6所述的方法，其特征在于，所述颜色模型在训练阶段样本共分为四类：蓝底白字车牌、白底黑字车牌、黑底白字车牌、黄底黑字车牌，对样本进行二值化，将颜色空间由RGB转换到HSV空间后，分别统计二值化后黑白区域对应的点的直方图，并将二者合并得到每个样本的特征，进而使用支持向量机SVM分类器进行训练；在检测阶段，由于SVM分类器会返回一个匹配值，对于每一块区域，若经过检测发现匹配值较大，则认为是候选车牌区域，否则不是候选车牌区域。
8.根据权利要求1所述的方法，其特征在于，所述检测所有符合条件的候选车牌区域，并在所有候选车牌区域中找最匹配的区域，定为车牌区域步骤包括：
将相邻的候选车牌区域合并，并通过颜色模型判断车牌的匹配度，认为匹配度最高的区域为真实的车牌区域。
9.一种无牌车辆检测装置，其特征在于，包括：
第一检测单元，用于检测视频中的车辆，提取视频中的车辆子图像；
处理单元，用于对检测到的子图像进行预处理；
第一提取单元，用于对预处理后的子图像进行图像边缘提取；
第二提取单元，用于对于边缘点，提取所述边缘点附近小块区域子图像，并提取子图像的颜色特征；
第二检测单元，用于使用车牌颜色模型进行判别，检测提取的子图像是否为候选车牌区域；
判断单元，用于检测所有符合条件的候选车牌区域，并在所有候选车牌区域中找最匹配的区域，定为车牌区域；如果没有检测到车牌区域，则判断车辆为无牌车辆。
10.根据权利要求9所述的装置，其特征在于，所述第一检测单元具体用于：
通过车辆模型检测视频中的车辆，提取视频中的车辆子图像；所述车辆模型是通过提取车辆的haar特征进而使用adaboost分类器进行学习得到的，检测的时候同样使用haar特征和adaboost分类器检测视频中的车辆。
CN201510850001.XA 2015-06-12 2015-11-29 一种无牌车辆检测方法及装置 Pending CN105512662A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510850001.XA CN105512662A (zh) 2015-06-12 2015-11-29 一种无牌车辆检测方法及装置

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
CN2015103258575 2015-06-12
CN201510325857 2015-06-12
CN201510850001.XA CN105512662A (zh) 2015-06-12 2015-11-29 一种无牌车辆检测方法及装置

Publications (1)

Publication Number Publication Date
CN105512662A true CN105512662A (zh) 2016-04-20

Family

ID=55720629

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510850001.XA Pending CN105512662A (zh) 2015-06-12 2015-11-29 一种无牌车辆检测方法及装置

Country Status (1)

Country Link
CN (1) CN105512662A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106203422A (zh) * 2016-06-28 2016-12-07 北京智芯原动科技有限公司 基于hsv颜色空间的车牌遮挡检测方法及装置
CN106845341A (zh) * 2016-12-15 2017-06-13 南京积图网络科技有限公司 一种基于虚拟号牌的无牌车辆识别方法
CN107918941A (zh) * 2017-11-01 2018-04-17 国网山东省电力公司电力科学研究院 一种用于输电通道外破防护的可视化监测系统及方法
CN107977596A (zh) * 2016-10-25 2018-05-01 杭州海康威视数字技术股份有限公司 一种车牌状态识别方法及装置
CN113158758A (zh) * 2021-02-07 2021-07-23 中国联合网络通信集团有限公司 违规使用车辆号牌的判断方法、系统、设备及存储介质

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130182910A1 (en) * 2012-01-18 2013-07-18 Xerox Corporation License plate optical character recognition method and system
US20130272579A1 (en) * 2012-04-17 2013-10-17 Xerox Corporation Robust cropping of license plate images
CN103514751A (zh) * 2012-06-19 2014-01-15 广州市捷众科贸有限公司 一种车辆信息识别装置
CN103530640A (zh) * 2013-11-07 2014-01-22 沈阳聚德视频技术有限公司 基于AdaBoost与SVM的无牌车辆检测方法
CN104050450A (zh) * 2014-06-16 2014-09-17 西安通瑞新材料开发有限公司 一种基于视频的车牌识别方法
US20140369566A1 (en) * 2006-04-04 2014-12-18 Cyclops Technologies, Inc. Perimeter Image Capture and Recognition System
CN104463170A (zh) * 2014-12-04 2015-03-25 江南大学 一种卡口系统下基于多重检测的无牌车辆检测方法
CN104537841A (zh) * 2014-12-23 2015-04-22 上海博康智能信息技术有限公司 无牌车辆违章检测方法及其检测系统
CN104616381A (zh) * 2015-01-28 2015-05-13 苏州市职业大学 一种小区物业汽车通道智能测控门禁系统

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140369566A1 (en) * 2006-04-04 2014-12-18 Cyclops Technologies, Inc. Perimeter Image Capture and Recognition System
US20130182910A1 (en) * 2012-01-18 2013-07-18 Xerox Corporation License plate optical character recognition method and system
US20130272579A1 (en) * 2012-04-17 2013-10-17 Xerox Corporation Robust cropping of license plate images
CN103514751A (zh) * 2012-06-19 2014-01-15 广州市捷众科贸有限公司 一种车辆信息识别装置
CN103530640A (zh) * 2013-11-07 2014-01-22 沈阳聚德视频技术有限公司 基于AdaBoost与SVM的无牌车辆检测方法
CN104050450A (zh) * 2014-06-16 2014-09-17 西安通瑞新材料开发有限公司 一种基于视频的车牌识别方法
CN104463170A (zh) * 2014-12-04 2015-03-25 江南大学 一种卡口系统下基于多重检测的无牌车辆检测方法
CN104537841A (zh) * 2014-12-23 2015-04-22 上海博康智能信息技术有限公司 无牌车辆违章检测方法及其检测系统
CN104616381A (zh) * 2015-01-28 2015-05-13 苏州市职业大学 一种小区物业汽车通道智能测控门禁系统

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106203422A (zh) * 2016-06-28 2016-12-07 北京智芯原动科技有限公司 基于hsv颜色空间的车牌遮挡检测方法及装置
CN106203422B (zh) * 2016-06-28 2019-05-07 北京智芯原动科技有限公司 基于hsv颜色空间的车牌遮挡检测方法及装置
CN107977596A (zh) * 2016-10-25 2018-05-01 杭州海康威视数字技术股份有限公司 一种车牌状态识别方法及装置
CN106845341A (zh) * 2016-12-15 2017-06-13 南京积图网络科技有限公司 一种基于虚拟号牌的无牌车辆识别方法
CN106845341B (zh) * 2016-12-15 2020-04-10 南京积图网络科技有限公司 一种基于虚拟号牌的无牌车辆识别方法
CN107918941A (zh) * 2017-11-01 2018-04-17 国网山东省电力公司电力科学研究院 一种用于输电通道外破防护的可视化监测系统及方法
CN113158758A (zh) * 2021-02-07 2021-07-23 中国联合网络通信集团有限公司 违规使用车辆号牌的判断方法、系统、设备及存储介质

Similar Documents

Publication Publication Date Title
CN109993056B (zh) 一种识别车辆违章行为的方法、服务器及存储介质
CN108364010B (zh) 一种车牌识别方法、装置、设备及计算机可读存储介质
CN109740478B (zh) 车辆检测及识别方法、装置、计算机设备及可读存储介质
CN107301405A (zh) 自然场景下的交通标志检测方法
CN111382704A (zh) 基于深度学习的车辆压线违章判断方法、装置及存储介质
CN106650553A (zh) 车牌识别方法及系统
Sulaiman et al. Development of automatic vehicle plate detection system
CN104050684B (zh) 一种基于在线训练的视频运动目标分类方法与系统
CN105512662A (zh) 一种无牌车辆检测方法及装置
CN110991221B (zh) 一种基于深度学习的动态交通闯红灯识别方法
CN106203237A (zh) 集装箱拖车编号的识别方法和装置
Antar et al. Automatic number plate recognition of Saudi license car plates
CN105184291B (zh) 一种多类型车牌检测方法及系统
Azad et al. New method for optimization of license plate recognition system with use of edge detection and connected component
CN105787475A (zh) 一种复杂环境下的交通标志检测与识别方法
CN103699876B (zh) 一种基于线阵ccd图像识别车号的方法及装置
CN111178359A (zh) 车牌号码识别方法、装置和设备及计算机存储介质
CN107392115A (zh) 一种基于分层特征提取的交通标志识别方法
CN117523521B (zh) 一种基于Haar特征和改进HOG特征的车辆检测方法
CN102129569A (zh) 基于多尺度对比特征的对象检测设备和方法
Satish et al. Edge assisted fast binarization scheme for improved vehicle license plate recognition
CN107506777A (zh) 一种基于小波变化和支持向量机的实时多车牌识别方法和装置
He et al. Combining global and local features for detection of license plates in video
KR20190143525A (ko) 에이다부스트 학습을 이용한 문자 데이터 검출 방법
Angeline et al. Tracking and localisation of moving vehicle license plate via Signature Analysis

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20160420