CN101567042B - 武警汽车号牌图像的字符识别方法 - Google Patents
武警汽车号牌图像的字符识别方法 Download PDFInfo
- Publication number
- CN101567042B CN101567042B CN2009100270353A CN200910027035A CN101567042B CN 101567042 B CN101567042 B CN 101567042B CN 2009100270353 A CN2009100270353 A CN 2009100270353A CN 200910027035 A CN200910027035 A CN 200910027035A CN 101567042 B CN101567042 B CN 101567042B
- Authority
- CN
- China
- Prior art keywords
- character
- binaryzation
- gray
- armed police
- police
- 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.)
- Active
Links
Images
Landscapes
- Character Discrimination (AREA)
- Character Input (AREA)
Abstract
本发明涉及一种武警汽车号牌图像的字符识别方法，该方法先将武警汽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，将粘连在一起的武警车牌警种标志WJ重构为字符“WJ”，将车牌图像上尺寸特别小的辖区编码00～34重构成新字符“00”～“34”；最后将二值化图在水平、垂直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，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：对武警汽车号牌图像上警种标志和辖区编码内部不进行字符切割，因此不受警种标志中字符粘连影响，又能兼顾识别武警小车车牌上的辖区编码，提高了武警车牌字符识别的速度和精度。
Description
技术领域
本发明涉及一种武警汽车号牌图像的车牌变形字符的识别方法，尤其是一种基于字符重构的武警汽车号牌图像的字符识别方法。
背景技术
2007年5月，武警部队正式更换“2007式”车牌，新的武警车牌构图打破了传统格局，车牌上的字符规格由等大变成大、小、大结构，间隔符由图案代替；小车号牌与大车辆号牌进行完全区分；警种标志由汉字改为拼音字母(WJ)；小车号牌上的辖区编码放置在武警图案之下；为增加号牌容量，黄金、森林、水电、交通部队和边防、消防、警卫部队各支队(边防检查站、地市警卫处)车属单位代号由26个英文字母组成，序列采取车属单位代号加序号的起止编排。如图1所示，武警汽车号牌中的警种标志“WJ”粘连在一起，无法在车牌图像上将“W”和“J”有效切开；其次，武警小车车牌图像上的辖区编码“01”实际图像尺寸特别小，难以在车牌图像上将辖区编码“01”进一步切割。因此，识别武警汽车号牌图像上的警种标志和小车号牌辖区编码就成为武警汽车号牌图像自动识别的技术难点之一。
发明内容
本发明的目的是克服现有技术中存在的不足，提供一种可以对武警车牌警种标志及其号牌辖区编码的快速识别，可用于对道路上行驶的武警汽车号牌信息准确提取的武警汽车号牌图像的字符识别方法。
按照本发明提供的技术方案，武警汽车号牌图像的字符识别方法包括如下步骤：
(1)将武警汽车号牌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字符在武警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，将武警车牌中警种标志W和J重构为字符“WJ”，将辖区编码00～34重构成新字符“00”～“34”，其他数字和字母均单独作为一个字符；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武警汽车号牌字符信息。
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。
本发明的优点是：由于对武警汽车号牌图像上警种标志和辖区编码内部不进行字符切割，因此本发明不受警种标志中字符粘连影响，又能兼顾识别武警小车车牌上的辖区编码，故为快速、准确识别武警汽车号牌图像中的车牌信息提供了基础，由此提高了武警车牌字符识别的速度和精度。
附图说明
图1是本发明的武警汽车号牌图像的灰度图。
图2是武警汽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是武警汽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，为武警汽车号牌8位灰度图。武警汽车号牌图像上的警种标志“W”和“J”粘连在一起，武警小车车牌图像上的辖区编码实际图像尺寸特别小，难以准确识别。按照本发明所述的方法，将粘连在一起的“W”和“J”重构为字符“WJ”，将小车牌上图像尺寸特别小的且有时模糊不清的辖区编码重构成一个字符，即辖区编码00～34重构成新字符“00”～“34”，然后依据字符图像识别算法来准确识别武警汽车号牌中的警种标志和辖区编码。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位色彩的灰度图。
如图2所示，上方为武警汽车号牌图像的字符切分灰度图，下方为武警汽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武警汽车号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，将武警车牌中警种标志W和J重构为字符“WJ”，将辖区编码00～34重构成新字符“00”～“34”，其他数字和字母均单独作为一个字符；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。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。按照对武警汽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，从而识别出武警汽车号牌字符信息，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。
本发明解决了武警汽车号牌图像上的警种标志和小车号牌辖区编码识别难题，为准确有效提取武警汽车注册信息提供了基础，为缉查非法武警汽车号牌提供技术支持。
Claims (2)
1.武警汽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)将武警汽车号牌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字符在武警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，将武警车牌中警种标志W和J重构为字符“WJ”，将辖区编码00～34重构成新字符“00”～“34”，其他数字和字母均单独作为一个字符；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武警汽车号牌字符信息。
2.如权利要求1所述的武警汽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；所述数组Z(16)表示有16个元素的一维数组；
(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 |
|---|---|---|---|
| CN2009100270353A CN101567042B (zh) | 2009-05-25 | 2009-05-25 | 武警汽车号牌图像的字符识别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2009100270353A CN101567042B (zh) | 2009-05-25 | 2009-05-25 | 武警汽车号牌图像的字符识别方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN101567042A CN101567042A (zh) | 2009-10-28 |
| CN101567042B true CN101567042B (zh) | 2011-05-11 |
Family
ID=41283189
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN2009100270353A Active CN101567042B (zh) | 2009-05-25 | 2009-05-25 | 武警汽车号牌图像的字符识别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN101567042B (zh) |
Families Citing this family (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103324930B (zh) * | 2013-06-28 | 2016-10-05 | 浙江大学苏州工业技术研究院 | 一种基于灰度直方图二值化的车牌字符分割方法 |
| CN104680165A (zh) * | 2013-11-27 | 2015-06-03 | 富士通株式会社 | 从场景图像中自动提取路牌图像的方法和装置 |
| CN105844205B (zh) * | 2015-01-15 | 2019-05-31 | 新天科技股份有限公司 | 基于图像处理的字符信息识别方法 |
| CN104915664B (zh) * | 2015-05-22 | 2021-02-09 | 腾讯科技（深圳）有限公司 | 联系对象标识获取方法和装置 |
| CN106599896A (zh) * | 2016-11-08 | 2017-04-26 | 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 |
| CN108319951B (zh) * | 2017-01-16 | 2020-10-02 | 杭州海康威视数字技术股份有限公司 | 一种识别车牌中字符的方法及装置 |
| CN109447074B (zh) * | 2018-09-03 | 2024-09-17 | 中国平安人寿保险股份有限公司 | 一种车牌识别方法及终端设备 |
| 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 |
-
2009
- 2009-05-25 CN CN2009100270353A patent/CN101567042B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN101567042A (zh) | 2009-10-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN101567042B (zh) | 武警汽车号牌图像的字符识别方法 | |
| CN103810505B (zh) | 基于多层描述子的车辆标识方法与系统 | |
| CN109637151B (zh) | 一种高速公路应急车道违章行驶的识别方法 | |
| CN103955660B (zh) | 一种批量二维码图像识别方法 | |
| CN108073928A (zh) | 一种车牌识别方法及装置 | |
| CN105956626A (zh) | 基于深度学习的对车牌位置不敏感的车牌识别方法 | |
| CN102194275A (zh) | 一种车票自动检票方法 | |
| CN110598693A (zh) | 一种基于Faster-RCNN的船牌识别方法 | |
| CN106919910B (zh) | 一种基于hog-cth组合特征的交通标志识别方法 | |
| CN107818321A (zh) | 一种用于车辆年检的水印日期识别方法 | |
| CN103390167A (zh) | 一种多特征的分层交通标志识别方法 | |
| CN109993163A (zh) | 一种基于人工智能的非标铭牌识别系统及其识别方法 | |
| CN104156701A (zh) | 一种基于决策树和svm的车牌相似字符识别方法 | |
| Tourani et al. | Iranis: A large-scale dataset of iranian vehicles license plate characters | |
| CN202584267U (zh) | 应用于移动终端的票据自动识别系统 | |
| CN103186762A (zh) | 基于surf特征匹配算法的车牌字符识别方法 | |
| CN106485234A (zh) | 一种基于智能交通系统中车辆识别方法 | |
| CN112101274B (zh) | 一种车牌识别方法、装置、设备及可读存储介质 | |
| CN104123553A (zh) | 一种基于级联形态学变换的车牌定位方法及系统 | |
| CN110046618B (zh) | 基于机器学习和最大极值稳定区域的车牌识别方法 | |
| CN103065137A (zh) | 一种车牌字符识别方法 | |
| CN117011864A (zh) | 一种汉字笔画拆分方法 | |
| CN106599846A (zh) | 一种易于计算机视觉识别的交通标志牌的识别方法 | |
| CN102184390B (zh) | 面向集装箱箱号的字符图像识别方法 | |
| TW200532586A (en) | Multiple recognition system and method for license plates |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C53 | Correction of patent for invention or patent application | ||
| CB03 | Change of inventor or designer information |
Inventor after: Jiang Liangwei Inventor after: Zhao Xinyong Inventor after: Ma Qing Inventor after: Fang Aifen Inventor after: Fang Lizhuang Inventor before: Jiang Liangwei Inventor before: Ma Qing Inventor before: Fang Aifen Inventor before: Fang Lizhuang |
|
| COR | Change of bibliographic data |
Free format text: CORRECT: INVENTOR; FROM: JIANG LIANGWEI MA QING FANG AIFEN FANG LIZHUANG TO: JIANG LIANGWEI ZHAO XINYONG MA QING FANG AIFEN FANG LIZHUANG |
|
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant |