[发明专利]一种车牌识别系统及识别方法在审
申请号: | 201810901289.2 | 申请日: | 2018-08-09 |
公开(公告)号: | CN109101968A | 公开(公告)日: | 2018-12-28 |
发明(设计)人: | 孙兴波 | 申请(专利权)人: | 四川理工学院 |
主分类号: | G06K9/32 | 分类号: | G06K9/32;G06K9/46;G06K9/36 |
代理公司: | 重庆市信立达专利代理事务所(普通合伙) 50230 | 代理人: | 包晓静 |
地址: | 643000 四*** | 国省代码: | 四川;51 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 梯度图像 车牌信息 车牌识别系统 车辆图像 车辆信息 动态图像 灰度变化 梯度信息 车牌 几何特征识别 技术方案要点 图像识别技术 摄像机抓拍 车辆区域 车牌区域 恶劣环境 突出显示 外界环境 显示装置 直方图 模糊 | ||
1.一种车牌识别方法,其特征是:包括以下步骤:
1).图像获取,获取识别车辆的车辆图像;
2).图像梯度信息提取,提取所述车辆图像中灰度变化的梯度信息,根据所述梯度信息形成相应的梯度图像;
3).梯度图像直方图处理,对所述梯度图像的直方图进行处理,调整所述梯度图像的对比度;
4).车牌区域突显,根据车牌固有灰度变化特征将所述梯度图像中的车牌区域突出显示;
5).车牌信息识别,根据车牌固有几何特征识别所述车辆区域中的车辆信息;
6).车牌信息显示,通过显示装置将所述车辆信息呈现出来。
2.根据权利要求1所述的一种车牌识别方法,其特征是:所述图像梯度信息提取具体包括:
设S1-S6为不同方向的车牌区域梯度信息,设h1-h6为不同方向的梯度信息提取模板,设f(x,y)为车辆图像卷积,则S1-S6的计算公式为:
设S为车牌区域融合梯度信息,则S的计算公式为:
S=0.25S1+0.125S2+0.125S3+0.125S4+0.125S5+0.25S6。
3.根据权利要求1所述的一种车牌识别方法,其特征是:所述车牌固有几何特征包括车牌背景颜色特征和车牌字体颜色特征;
所述车牌背景颜色特征包括蓝色背景、黄色背景和黑色背景;
所述车牌字体颜色特征包括白色字体和黑色字体;
所述蓝色背景与白色字体为小型车辆;所述黄色背景与黑色字体为大型车辆、摩托车或驾校教练车;所述黑色背景与白色字体为涉外车辆。
4.根据权利要求1-3任意一项所述的一种车牌识别方法,其特征是:所述车牌区域突显具体包括:
设G(x,y)为突显后的车牌区域梯度图像,则G(x,y)的计算公式为:
式中,[c,d]为突显前的车牌区域灰度梯度分布范围,[a,b]为突显后的车牌区域灰度梯度分布范围。
5.根据权利要求4所述的一种车牌识别方法,其特征是:所述车牌信息识别具体包括:
设定车牌区域灰度梯度变化范围为δ,d=c+δ;则,突显前的车牌区域灰度梯度分布范围的寻找方式为:
设定c的初始值,以δ为步长,在整个梯度分布范围内搜索具有最清晰车牌号码图像的c的取值,形成车牌区域灰度梯度分布范围[c,d]。
6.一种车牌识别系统,其特征是:该系统基于权利要求1-5任意一项所述的一种车牌识别方法,包括图像获取模块(1)、图像梯度信息提取模块(2)、梯度图像直方图处理模块(3)、车牌区域突显模块(4)、车牌信息识别模块(5)和车牌信息显示模块(6);
所述图像获取模块(1),与所述图像梯度信息提取模块(2)通信连接,用于获取识别车辆的车辆图像,并将所述车辆图像传送至所述图像梯度信息提取模块(2);
所述图像梯度信息提取模块(2),与所述梯度图像直方图处理模块(3)通信连接,用于提取所述车辆图像中灰度变化的梯度信息,根据所述梯度信息形成相应的梯度图像,并将所述梯度图像传送至所述梯度图像直方图处理模块(3);
所述梯度图像直方图处理模块(3),与所述车牌区域突显模块(4)通信连接,用于对所述梯度图像的直方图进行处理,调整所述梯度图像的对比度,并将处理后的梯度图像传送至所述车牌区域突显模块(4);
所述车牌区域突显模块(4),与所述车牌信息识别模块(5)通信连接,用于根据车牌固有灰度变化特征将所述梯度图像中的车牌区域突出显示,并将突显处理后的梯度图像传送至所述车牌信息识别模块(5);
所述车牌信息识别模块(5),用于根据车牌固有几何特征识别所述车辆区域中的车辆信息,并将所述车辆信息传送至所述车牌信息显示模块(6);
所述车牌信息显示模块(6),用于显示所述车辆信息。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于四川理工学院,未经四川理工学院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201810901289.2/1.html,转载请声明来源钻瓜专利网。