[发明专利]一种基于图像的真假车牌判别方法在审

专利信息
申请号: 201910322821.X 申请日: 2019-04-22
公开(公告)号: CN110097052A 公开(公告)日: 2019-08-06
发明(设计)人: 袁媛;胡静远;杨娇娇 申请(专利权)人: 苏州海赛人工智能有限公司
主分类号: G06K9/32 分类号: G06K9/32;G06K9/34;G06K9/62
代理公司: 北京科家知识产权代理事务所(普通合伙) 11427 代理人: 陈娟
地址: 215000 江苏省苏州市工*** 国省代码: 江苏;32
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 关键字符 车牌 图像 控制点 车牌号码 车牌图像 基准图像 比对 判定 控制点坐标 数据库对比 几何校正 射影变换 应用场景 假车牌 校正 联网
【权利要求书】:

1.一种基于图像的真假车牌判别方法,其特征在于,包括以下步骤:

S1,提取字符ID:

对车牌图像进行识别,获取车牌号码,并从中提取需要比对的各个字符ID;

S2,定位关键字符:

根据字符ID,获取车牌号码中的关键字符图像,实现关键字符的定位;

S3,定位控制点:

将关键字符图像中的控制点的坐标xi和其基准图像中预先设定的控制点的坐标x′i一一对应起来,其表示为:

其中1≤i≤n,n为控制点的数量,且为大于0的自然数;

S4,关键字符图像校正:

利用得到的控制点坐标的对应关系采用射影变换的方法对关键字符图像进行几何校正;

S5,关键字符图像比对:

将校正后的关键字符图像与基准图像进行比对,若无差异,则为真字符,从而判定对应车牌为真车牌;否则,则判定车牌为假车牌。

2.如权利要求1所述的基于图像的真假车牌判别方法,其特征在于,步骤S5中的比对和判别方法包括以下步骤:

S50,对关键字符图像和基准图像分别作二值化处理;

S51,将二值化处理后的两张图像作逐像素的异或运算,获得差异图像;

S52,将二值化处理后的基准图像作膨胀运算,将膨胀运算获得的图像作为感兴趣区域的掩模;

S53,利用掩模对差异图像作开运算,若得到的图像的所有灰度值均为0,则判定关键字符图像和基准图像无差异,为真字符,从而判定对应车牌为真车牌;若得到的图像存在非0的灰度值,则判定关键字符图像和基准图像有差异,为假字符,从而判定对应车牌为假车牌。

3.如权利要求1所述的基于图像的真假车牌判别方法,其特征在于,步骤S2中关键字符的定位方法包括以下步骤:

S20,对字符ID进行二值化;

S21,采用形态学变换和连通域分析提取车牌的精确图像;

S22,采用连通域分析获取对应的关键字符图像。

4.如权利要求3所述的基于图像的真假车牌判别方法,其特征在于,步骤S20中对字符ID进行二值化的方法采用K-Means算法。

5.如权利要求1所述的基于图像的真假车牌判别方法,其特征在于,步骤S4中关键字符图像的校正方法包括以下步骤:

S40,剔除控制点对应过程中的离群值;

S41,采用最小二乘法确定变换模型;

S42,使用此模型进行图像校正。

6.如权利要求5所述的基于图像的真假车牌判别方法,其特征在于,步骤S40中剔除控制点对应过程中的离群值的方法采用RANSAC算法。

7.如权利要求1所述的基于图像的真假车牌判别方法,其特征在于,步骤S3中采用卷积回归网络对控制点进行定位。

8.如权利要求7所述的基于图像的真假车牌判别方法,其特征在于,步骤S3中定位模型的训练集采用基于少量已标注的关键字符图像生成的训练集。

9.如权利要求1所述的基于图像的真假车牌判别方法,其特征在于,步骤S1中提取字符ID的工具为无切割的不定长的识别网络CRNN。

10.如权利要求9所述的基于图像的真假车牌判别方法,其特征在于,步骤S1中提取字符的训练模型为CCPD-Base。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

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苏州海赛人工智能有限公司,未经苏州海赛人工智能有限公司许可,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/201910322821.X/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top