CN101567041A - 基于三维投影的机动车号牌图像的字符识别方法 - Google Patents
基于三维投影的机动车号牌图像的字符识别方法 Download PDFInfo
- Publication number
- CN101567041A CN101567041A CNA2009100270349A CN200910027034A CN101567041A CN 101567041 A CN101567041 A CN 101567041A CN A2009100270349 A CNA2009100270349 A CN A2009100270349A CN 200910027034 A CN200910027034 A CN 200910027034A CN 101567041 A CN101567041 A CN 101567041A
- Authority
- CN
- China
- Prior art keywords
- character
- binaryzation
- gray
- number plate
- value
- 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
Links
Images
Landscapes
- Character Discrimination (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及一种机动车号牌图像的车牌变形字符的识别方法，该方法先将机动车号牌彩色图像转化为灰度图像，再进行二值化和字符切分，最后将模糊不清的二值化字符图像在左右水平方向、上下垂直方向和空间俯视方向上进行三维投影，由此计算形成字符特征值，然后将字符特征值与标准字库中的字符特征值进行快速匹配，从而准确识别出模糊不清的字符。本发明的优点是：可进行机动车号牌图像变形字符快速匹配，用于机动车号牌图像自动识别过程中对车牌变形字符的快速模糊识别，从而对机动车交通违法行为视频图像监控设备记录的图像自动提取机动车号牌号码。
Description
技术领域
本发明涉及一种机动车号牌图像的车牌变形字符的识别方法，具体地说是基于三维投影的字符识别方法。
背景技术
据统计，机动车交通违法行为是造成道路交通事故居高不下的根本原因之一。为此，各地公安机关交通管理部门为取缔或制止机动车交通违法行为在其辖区道路上安装了大量的机动车交通违法行为视频图像监控设备。然而，随着道路里程和机动车拥有量的快速增长，机动车交通违法行为视频图像监控设备安装数量急剧增加，公安机关交通管理部门对机动车交通违法行为视频监控图像设备记录的图像不能及时有效地处置，现已成为广大群众投诉的热点问题，在机动车交通违法行为视频图像监控设备中配置机动车号牌图像自动识别功能可以加快机动车交通违法行为视频图像的处理。但由于机动车交通违法行为视频图像容易受安装条件和运行环境等因素的影响，所拍摄的视频图像往往存在缺陷，特别是车牌上的字符不规范或变形已成为机动车号牌图像自动识别的技术难点之一，严重影响机动车号牌图像识别准确率的提高。
发明内容
本发明目的是为了克服现有技术中存在的不足，准确识别遭受泥水、光线、磨擦等环境污染的机动车号牌图像中车牌字符信息，提供一种基于三维投影的字符识别方法，在机动车号牌图像自动识别过程中对车牌变形字符的快速模糊识别，可用于对机动车交通违法行为视频图像监控设备记录的图像自动提取机动车号牌号码。
按照本发明提供的技术方案，基于三维投影的机动车号牌图像的字符识别方法包括如下步骤：
(1)将机动车号牌24位彩色图像转化为8位色彩的灰度图；
(2)对所述灰度图进行字符切分和二值化，形成字符切分灰度图和字符二值化图：字符切分灰度图是依据每个字符在车牌标准尺寸中所占空间大小来划分并基于图像尺寸比例来切割号牌灰度图所形成的字符图像；字符二值化图是先统计字符切分灰度图中灰度值0～255出现的数量，基于灰度直方图理论来计算灰度图的阈值，当像素点的灰度值超过或等于阈值时，将该灰度值归为“1”，否则为“0”，对每个像素点重复上述操作，从而得到字符二值化图。
(3)对字符二值化图进行左右方向、上下方向、空间俯视方向三维投影，所形成的字符特征值与标准字库中的字符特征值进行比对，从而识别出图像中的机动车号牌字符信息。
所述三维投影和比对的方法包括如下步骤：
(1)对单个字符二值化图按照40×40点阵标准化；
(2)将标准化后的字符二值化图按照左右水平方向进行投影，并将每列的投影值填入数组X(40)中，数组X(40)表示有40个元素的一维数组；
(3)将标准化后的字符二值化图按照上下垂直方向进行投影，并将每行的投影值填入数组Y(40)中，数组Y(40)表示有40个元素的一维数组；
(4)累加数组X(40)和Y(40)对应位置的数值，与标准字库中设置的数值进行比对，如果匹配准确，则完成本次字符图像识别，转步骤7；
(5)将标准化后的字符二值化图按照空间俯视方向划分成相同尺寸的4×4个区域，然后分别计算每个区域的灰度值为“1”的数量，并存入数组Z(16)中，与标准字库中设置的数值进行比对，如果匹配准确，则完成本次字符图像识别，转步骤7；否则本次字符图像识别失败；
(6)统计字符二值化图识别失败次数，如果字符二值化图失败次数超过设定值，则结束本次图像识别；
(7)获取标准字库中对应的字符信息；如果没有字符二值化图待识别，则结束本次图像识别，否则继续下一个字符二值化图。
本发明优点是：由于本发明所述的变形字符识别方法与字符笔划无关，故为变形字符正确模糊识别提供了基础，从而大大提高了机动车号牌图像车牌字符识别的准确率。
附图说明
图1是本发明的机动车号牌图像的灰度图。
图2是机动车号牌图像的字符切分灰度图和字符二值化图的对照图。
图3是机动车号牌字符二值化图和对应的字符识别结果图。
具体实施方式
下面结合附图和实施例对本发明作进一步说明。
如图1所示为机动车号牌图像的灰度图，图像上的字符已经十分模糊，特别是车牌上的汉字已经不能分辨出汉字笔划，且字符之间的粘连十分严重，这给精确字符自动识别带来了难度。但按照本发明所述的识别方法，将模糊不清的字符二值化图在左右(水平)方向、上下(垂直)方向、空间俯视方向进行三维投影，由此计算形成待识别的字符特征值，然后将待识别的字符特征值与标准字符特征值进行快速匹配，从而准确识别出模糊不清的字符。其中，机动车号牌图像的灰度图由机动车号牌24位彩色图像转化而来。由于24位彩色图中的单个像素值是按照红、绿、蓝三种色值存贮的，故取红、绿、蓝三个色值中的一个数值，按照像素点次序重新形成了新的号牌图像数据，即形成8位色彩的灰色图。
如图2所示上方为机动车号牌图像的字符切分灰度图，下方为机动车号牌图像的字符二值化图。字符切分灰度图是依据字符在车牌标准尺寸中的空间大小来划分并基于图像尺寸比例来切割号牌灰度图所形成的字符图像；字符二值化图是先统计字符切分灰度图中0～255出现的数量，基于灰度直方图理论来计算灰度图的阈值，当像素点的灰度值超过或等于阈值时，将该灰度值归为“1”，否则为“0”，对每个像素点重复上述操作，从而得到字符二值化图。其中，直方图是灰度级的函数，表示图像中具有每种灰度级的像素的个数，反映图像中每种灰度出现的频率；阈值是特定的灰度值。
如图3所示上方为字符二值化图，下方为字符识别结果图。按照对机动车号牌图像的字符二值化图进行左右(水平)方向、上下(垂直)方向、空间俯视方向三维投影，所形成的字符特征值与标准字库中的字符特征值进行快速比对，从而识别出机动车号牌字符信息，具体操作步骤为：
1、对获取的字符二值化图按照40×40点阵标准化，即把大小不一的字符二值化图统一为40×40点阵的标准字符图像，以便于与字库中字符特征作比对。
2、将标准化后的字符二值化图按照左右(水平)方向进行投影，计算每列的灰度值为“1”的像素数量，并填入数组X(40)中。
3、将标准化后的字符二值化图按照上下(垂直)方向进行投影，计算每行的灰度值为“1”的像素数量，并填入数组Y(40)中。
4、把数组X(40)和Y(40)对应位置的数值相加，与标准字库中设置的数值进行快速比对。如果匹配准确，则完成本次字符图像识别，转步骤7。所述匹配准确意为匹配率达到98％以上，具体匹配率可根据识别效果进行设定，下同。
5、将标准化后的字符二值化图按照空间俯视方向划分成相同尺寸的4×4个区域，然后分别计算16个区域出现灰度值为“1”的数量，并存入数组Z(16)中，与标准字库中设置的数值进行快速比对。如果匹配准确，则完成本次字符图像识别，转步骤(7)；否则本次字符图像识别失败。
所述数组X(40)和Y(40)均表示有40个元素的一维数组。数组Z(16)表示有16个元素的一维数组。
对于步骤5，如果划分4×4个区域未识别出字符，还可以划分8×8个区域再进行识别。
6、统计字符二值化图失败数量，如果字符二值化图失败次数超过3次，则结束本次号牌图像识别。
7、获取标准字库中对应的字符信息，如果没有字符二值化图待识别，则结束本次号牌图像识别，否则继续下一个字符二值化图识别。
本发明解决了机动车号牌图像上车牌字符变形后的模糊快速识别难题，为准确有效提取机动车注册信息提供了基础，为在机动车交通违法行为视频图像监控设备上大范围应用机动车号牌自动识别功能、加快机动车交通违法行为视频图像的处理提供了技术支持。
Claims (2)
1、基于三维投影的机动车号牌图像的字符识别方法，其特征是：所述方法包括如下步骤：
(1)将机动车号牌24位彩色图像转化为8位色彩的灰度图；
(2)对所述灰度图进行字符切分和二值化，形成字符切分灰度图和字符二值化图：字符切分灰度图是依据每个字符在车牌标准尺寸中所占空间大小来划分并基于图像尺寸比例来切割号牌灰度图所形成的字符图像；字符二值化图是先统计字符切分灰度图中灰度值0～255出现的数量，基于灰度直方图理论来计算灰度图的阈值，当像素点的灰度值超过或等于阈值时，将该灰度值归为“1”，否则为“0”，对每个像素点重复上述操作，从而得到字符二值化图。
(3)对字符二值化图进行左右方向、上下方向、空间俯视方向三维投影，所形成的字符特征值与标准字库中的字符特征值进行比对，从而识别出图像中的机动车号牌字符信息。
2、如权利要求1所述的基于三维投影的机动车号牌图像的字符识别方法，其特征是，所述三维投影和比对的方法包括如下步骤：
(1)对单个字符二值化图按照40×40点阵标准化；
(2)将标准化后的字符二值化图按照左右水平方向进行投影，并将每列的投影值填入数组X(40)中，数组X(40)表示有40个元素的一维数组；
(3)将标准化后的字符二值化图按照上下垂直方向进行投影，并将每行的投影值填入数组Y(40)中，数组Y(40)表示有40个元素的一维数组；
(4)累加数组X(40)和Y(40)对应位置的数值，与标准字库中设置的数值进行比对，如果匹配准确，则完成本次字符图像识别，转步骤7；
(5)将标准化后的字符二值化图按照空间俯视方向划分成相同尺寸的4×4个区域，然后分别计算每个区域的灰度值为“1”的数量，并存入数组Z(16)中，与标准字库中设置的数值进行比对，如果匹配准确，则完成本次字符图像识别，转步骤7；否则本次字符图像识别失败；
(6)统计字符二值化图识别失败次数，如果字符二值化图失败次数超过设定值，则结束本次图像识别；
(7)获取标准字库中对应的字符信息；如果没有字符二值化图待识别，则结束本次图像识别，否则继续下一个字符二值化图。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CNA2009100270349A CN101567041A (zh) | 2009-05-25 | 2009-05-25 | 基于三维投影的机动车号牌图像的字符识别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CNA2009100270349A CN101567041A (zh) | 2009-05-25 | 2009-05-25 | 基于三维投影的机动车号牌图像的字符识别方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN101567041A true CN101567041A (zh) | 2009-10-28 |
Family
ID=41283188
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CNA2009100270349A Pending CN101567041A (zh) | 2009-05-25 | 2009-05-25 | 基于三维投影的机动车号牌图像的字符识别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN101567041A (zh) |
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101901479A (zh) * | 2010-07-26 | 2010-12-01 | 公安部交通管理科学研究所 | 字符颜色脱落的车牌图像优化方法 |
| CN101901478A (zh) * | 2010-07-26 | 2010-12-01 | 公安部交通管理科学研究所 | 处置车牌色彩退化的图像清晰度增强方法 |
| CN103116984A (zh) * | 2013-01-21 | 2013-05-22 | 信帧电子技术（北京）有限公司 | 检测违章停车的方法 |
| CN106599894A (zh) * | 2016-12-27 | 2017-04-26 | 上海铁路局科学技术研究所 | 一种基于图像识别的接触网杆号识别方法 |
| CN107273890A (zh) * | 2017-05-26 | 2017-10-20 | 亿海蓝（北京）数据技术股份公司 | 针对字符组合的图形验证码识别方法及装置 |
| CN107452144A (zh) * | 2017-08-17 | 2017-12-08 | 成都工业学院 | 自动计费方法与装置 |
| WO2018086233A1 (zh) * | 2016-11-08 | 2018-05-17 | 广州视源电子科技股份有限公司 | 一种字符分割方法和装置、及元件检测方法和装置 |
| CN109598271A (zh) * | 2018-12-10 | 2019-04-09 | 北京奇艺世纪科技有限公司 | 一种字符分割方法及装置 |
| CN110020442A (zh) * | 2019-04-12 | 2019-07-16 | 上海电机学院 | 一种便携式翻译机 |
| CN110659632A (zh) * | 2019-09-29 | 2020-01-07 | 公安部交通管理科学研究所 | 基于图像块赋值的交通技术监控设备机动车号牌识别性能测试系统及方法 |
| CN110781901A (zh) * | 2019-10-29 | 2020-02-11 | 湖北工业大学 | 基于bp神经网络预测阈值的仪表重影字符识别方法 |
| CN111241344A (zh) * | 2020-01-14 | 2020-06-05 | 新华智云科技有限公司 | 视频查重方法、系统、服务器及存储介质 |
-
2009
- 2009-05-25 CN CNA2009100270349A patent/CN101567041A/zh active Pending
Cited By (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101901479A (zh) * | 2010-07-26 | 2010-12-01 | 公安部交通管理科学研究所 | 字符颜色脱落的车牌图像优化方法 |
| CN101901478A (zh) * | 2010-07-26 | 2010-12-01 | 公安部交通管理科学研究所 | 处置车牌色彩退化的图像清晰度增强方法 |
| CN103116984A (zh) * | 2013-01-21 | 2013-05-22 | 信帧电子技术（北京）有限公司 | 检测违章停车的方法 |
| CN103116984B (zh) * | 2013-01-21 | 2016-03-23 | 信帧电子技术（北京）有限公司 | 检测违章停车的方法 |
| WO2018086233A1 (zh) * | 2016-11-08 | 2018-05-17 | 广州视源电子科技股份有限公司 | 一种字符分割方法和装置、及元件检测方法和装置 |
| CN106599894A (zh) * | 2016-12-27 | 2017-04-26 | 上海铁路局科学技术研究所 | 一种基于图像识别的接触网杆号识别方法 |
| CN107273890A (zh) * | 2017-05-26 | 2017-10-20 | 亿海蓝（北京）数据技术股份公司 | 针对字符组合的图形验证码识别方法及装置 |
| CN107452144A (zh) * | 2017-08-17 | 2017-12-08 | 成都工业学院 | 自动计费方法与装置 |
| CN109598271A (zh) * | 2018-12-10 | 2019-04-09 | 北京奇艺世纪科技有限公司 | 一种字符分割方法及装置 |
| CN110020442A (zh) * | 2019-04-12 | 2019-07-16 | 上海电机学院 | 一种便携式翻译机 |
| CN110659632A (zh) * | 2019-09-29 | 2020-01-07 | 公安部交通管理科学研究所 | 基于图像块赋值的交通技术监控设备机动车号牌识别性能测试系统及方法 |
| CN110659632B (zh) * | 2019-09-29 | 2022-08-12 | 公安部交通管理科学研究所 | 基于图像块赋值的交通技术监控设备机动车号牌识别性能测试系统及方法 |
| CN110781901A (zh) * | 2019-10-29 | 2020-02-11 | 湖北工业大学 | 基于bp神经网络预测阈值的仪表重影字符识别方法 |
| CN110781901B (zh) * | 2019-10-29 | 2023-04-28 | 湖北工业大学 | 基于bp神经网络预测阈值的仪表重影字符识别方法 |
| CN111241344A (zh) * | 2020-01-14 | 2020-06-05 | 新华智云科技有限公司 | 视频查重方法、系统、服务器及存储介质 |
| CN111241344B (zh) * | 2020-01-14 | 2023-09-05 | 新华智云科技有限公司 | 视频查重方法、系统、服务器及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN101567041A (zh) | 基于三维投影的机动车号牌图像的字符识别方法 | |
| CN106373426B (zh) | 基于计算机视觉的停车位及违规占道停车监控方法 | |
| CN106991820B (zh) | 违规车辆处理方法及装置 | |
| CN110298300B (zh) | 一种检测车辆违章压线的方法 | |
| CN111161543A (zh) | 一种基于图像识别的公交前车违章行为自动抓拍方法及系统 | |
| CN103824037B (zh) | 车用防跟踪报警装置 | |
| CN106886987A (zh) | 一种列车车牌二值化图像融合方法 | |
| CN102880863B (zh) | 一种基于可变形部件模型的车牌及驾驶员人脸定位方法 | |
| CN107016362B (zh) | 基于车辆前挡风玻璃粘贴标志的车辆重识别方法和系统 | |
| CN101567042B (zh) | 武警汽车号牌图像的字符识别方法 | |
| CN110619279A (zh) | 一种基于跟踪的路面交通标志实例分割方法 | |
| CN106919910B (zh) | 一种基于hog-cth组合特征的交通标志识别方法 | |
| CN102880859A (zh) | 一种车牌识别方法 | |
| CN105354533B (zh) | 一种基于词袋模型的卡口无牌车辆车型识别方法 | |
| CN111640293A (zh) | 一种基于嵌入式终端的深度学习非机动车道行驶检测方法 | |
| KR102240266B1 (ko) | 영상 분석을 통한 차량 분류 장치, 시스템 및 이를 위한 방법 | |
| CN103927548A (zh) | 一种新的避免车辆碰撞的刹车行为检测方法 | |
| CN112115939A (zh) | 车辆车牌的识别方法、装置 | |
| CN101931792A (zh) | 一种高清视频流中多车牌定位的方法 | |
| CN102169583B (zh) | 基于车窗定位的车辆遮挡检测与分割方法 | |
| CN105551062A (zh) | 一种夜间物体检测的方法 | |
| Chowdhury et al. | An adaptive technique for computer vision based vehicles license plate detection system | |
| CN103235940A (zh) | 一种高分辨率图像序列中多车牌检测的方法 | |
| CN113487878A (zh) | 一种机动车违章压线行驶检测方法及系统 | |
| CN110969135B (zh) | 自然场景中的车标识别方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C12 | Rejection of a patent application after its publication | ||
| RJ01 | Rejection of invention patent application after publication |
Open date: 20091028 |